Informacija baigiamojo darbo rengimui

Informacija baigiamojo darbo rengimui

„Išminuotojo“ sprendiklio kūrimas

Dėstytojas

Andrej Bugajev

Studentas

Lukas Andrijauskas

Anotacija

Šiame baigiamajame bakalauro darbe planuojama nagrinėti žaidimo „išminuotojas“ sprendimą. Pagrindinis tikslas -- sukurti programinį robotą, sugebantį žaisti žaidimą ir priimti sprendimą įvairiose situacijose. Tam tikslui pasiekti planuojama įsisavinti atitinkamų bibliotekų ir sąsajų sintaksę, skirtą kompiuterio įvesties/išvesties įrenginių valdymui ir duomenų apdorojimui, pasiūlyti žaidimo sprendimo algoritmus, remiantis kuriais užprogramuoti roboto elgesį. Visų pirmą, planuojama sukurti žaidimo simuliaciją algoritmams testuoti, ją taikant išbandyti įvairias strategijas ir vėliau atkartoti rezultatus robotu sprendžiant realųjį uždavinį (žaidimą).

Reikalavimai

C++ įgūdžiai, algoritmų teorijos žinios.

Automobilio katalizatoriaus darbo modeliavimas ir optimalus valdymas

Dėstytojas

Raimondas Čiegis

Studentas

Elvinas Slavinskas

Anotacija

Katalizatorius - tai įrenginys sumontuotas automobilio išmetimo sistemoje tarp variklio ir išmetimo vamzdžio. Jis skirtas oksiduoti įvairias chemines medžiagas bei sumažinti jų išmetimą į aplinką. Šiandien tai labai aktualus uždavinys, kai stengiamasi mažinti pramoninių žmogaus veiklų poveikį klimato kaitai.

Darbo planas: Sudaryti tinkamus matematinius modelius, aprašomus diferencialinėmis lygtimis. Realizuoti jų skaitinio sprendimo algoritmus. Panaudojant variacinio skaičiavimo metodus suformuluoti optimalaus valdymo uždavinį. Spręsti supaprastintus valdymo uždavinius, pateikti rekomendacijas.

Reikalavimai

Vykdant BD projektą studentas įtvirtins savo žinias ir studijuos papildomus skyrius matematinio modeliavimo, skaitinių algoritmų, algoritmų realizavimo ir optimalaus valdymo tematikose.

Kriptovaliutų automatinės sistemos

Dėstytojas

Raimondas Čiegis

Studentė

Benita Abromavičiūtė

Anotacija

Kriptovaliuta - tai skaitmeninė, arba virtuali valiuta, leidžianti anonimiškai atlikti internetinius mokėjimus tiesiogiai tarp vartotojų, nesinaudojant bankais ar kitais tarpininkais. Šiandien tai labai aktuali tema, tačiau dar ne visiems žinoma. Tikslas - supažindinti su privalumais ir trūkumais, veikimo principu.

Darbo planas: Išnagrinėti "Bizantijos generolų problemą", "Blockchain technologiją, atskleisti kriptovaliutos sampratą, revoliuciją, ekonominę vertę, saugumą.

Reikalavimai

Darbui atlikti reikia turėti gerą suvokimą apie moderniausią technologiją "Blockchain" veikimą. Specializuotos literatūros, aprašymų skaitymas anglų kalba.

Mašininio mokymosi modelių interpretavimas

Dėstytoja

Gerda Jankevičiūtė

Studentė

Karolina Bautronytė

Anotacija

Mašininio mokymosi (ML) modelių interpretavimas - naujos kartos AI (angl. artificial intelligence - dirbtinis intelektas) elementas. Mašininis mokymasis tampa nuolat augančia mūsų gyvenimo dalimi, jis taikomas vaizdų, veido atpažinimo sistemose, bankinių produktų sprendimuose, pokalbių programose, medicinoje ir kitose individualizuotose sistemose.
Šių mašininio mokymosi palaikomų sistemų priimami sprendimai ir prognozės tampa daug gilesni ir daugeliu atvejų kritiški gyvybei ir asmeninei gerovei. Tačiau daugelis iš jų yra suvokiami kaip juodoji dėžė. Ar galime mes pasitikėti AI pagrįstomis sistemomis?
Pavyzdžiui, bankuose ar finansų bendrovėse gali kilti tokie klausimai:
- Kodėl mano paskola buvo atmesta?
- Kodėl savo kredito kortelėje gavau mažą kredito limitą?

Tai yra kritiniai klausimai, į kuriuos turime atsakyti kaip duomenų mokslininkai. Kuriant strategiją ir išryškinant produktų esmę įvairiose įmonėse pasikliaujama ML algoritmais,. Tačiau svarbu sukurti modelį, kurio priimamus sprendimus, galėtume paaiškinti savo klientams ir kitoms suinteresuotosioms šalims. Todėl svarbu analizuoti ML algoritmų savybes, jų efektyvumą ir tinkamumą realiems uždaviniams spręsti. Daugiau informacijos rasite čia.
Darbe apžvelgsime sprendimų interpretavimo metodus, realizuosime kelis klasikinius modelius (logistinė regresija, sprendimų medis ar miškas, paprastas neuroninis tinklas ar kiti), bandysime pagrįsti modelių padarytus sprendimus ir palyginti rezultatus.

Reikalavimai

Geros statistikos žinios; domėjimasis ML algoritmais; programavimas R ar Python.

Sankryžų pralaidumo optimizavimas.

Dėstytojas

Jevgenijus Kirjackis

Studentė

Diana Solovejūtė

Anotacija

Darbe reikės išnagrinėti judėjimą realiose sankryžose, sudaryti matematinį modelį, sukurti kompiuterinę simuliaciją, padaryti išvadas dėl šviesoforų reguliavimo bei ženklinimo siekiant optimizuoti bendrą sankryžos/sankryžų sistemos pralaidumą.

Reikalavimai

Informacijos surinkimo ir analizės gebėjimai. Pakankami programavimo įgūdžiai (programavimo kalbą galima pasirinkti).

Teršalų šalinimo uždavinys: adsorbcijos modelių analizė.

Dėstytoja

Teresė Leonavičienė

Studentė

Ana Miačina

Anotacija

Gyvename labai įdomiu laiku. Viena vertus dabar itin sparčiai tobulėja įvairios technologijos, kurios leidžia surinkti ir apdoroti gausybę informacijos, o kita vertus dažnai net ir turėdami labai daug informacijos mes dar nežinome, ką su ja reikėtų daryti. Pasaulio lyderiams kalbant apie taršos mažinimą, valstybėms griežtinant aplinkosauginius reikalavimus, ekologinių problemų, deja, nepavyksta išvengti. Su jomis susiduria tiek trečiojo pasaulio valstybės, tiek ir išsivysčiusios šalys. Visi mes norime gyventi švarioje ir saugioje aplinkoje. Norime būti tikri, kad kvėpuojame švariu oru ir geriame švarų vandenį. Vanduo yra naudojamas daugelyje gamybos procesų, bet ar gamintojai skiria pakankamai dėmesio ir lėšų tam, kad į aplinką būtų išleidžiamas išvalytas vanduo. Atliekama daug matavimų ir stebėjimų, kaupiami ir saugomi duomenys apie vandens kokybės pokyčius, teršalų surinkimui naudojamos skirtingos medžiagos. Šiuo metu yra svarbu surasti gamtoje arba sukurti tokias medžiagas, kurios leistų pigiai, efektyviai ir saugiai iš gamybos procesų metu naudoto vandens pašalinti kenksmingas medžiagas.

Bakalauro darbas skirtas pažinčiai su plačiai taikomais teršalų šalinimo adsorbcijos modeliais. Perpratę adsorbcijos mechanizmą, pasitelkdami žinomus kinetikos modelius bandysime modeliuoti teršalų kiekio kitimo dinamiką.

Reikalavimai

Darbui atlikti reikia turėti gerus diferencialinių lygčių teorijos pagrindus, būti susipažinus su skaitinių metodų taikymu diferencialinėms lygtims (ir jų sistemoms) spręsti, turėti darbo su taikomosiomis kompiuterinėmis programomis įgūdžius.

Dirbtinių neuroninių tinklų spartinimas lygiagrečiųjų ir paskirstytųjų skaičiavimų pagalba

Dėstytojas

Vadimas Starikovičius

Studentė

Ina Panavaitė

Anotacija

Iš pradžių reikės susipažinti su dirbtiniais neuroniniais tinklais, jų sudarymo ir veikimo principais. Toliau pagrindinis dėmėsis bus skiriamas dirbtinių neuroninių tinklų spartinimui lygiagrečiųjų ir paskirstytųjų skaičiavimų pagalba. Reikės susipažinti su lygiagretumo lygiais ir panagrinėti skirtingus lygiagretinimo metodus. Darbe numatoma atlikti jų spartinimo tyrimus ir palyginimus skirtingose dirbtinių neuroninių tinklų platformose: PyTorch, TensorFlow, naudojant skirtingas lygiagretinimo technologijas: OpenMP, MPI, CUDA.

Reikalavimai

Programavimas su naujų bibliotekų panaudojimu. Pagrindinė programavimo kalba – Python. Specializuotos literatūros, aprašymų skaitymas anglų kalba.

Gamybos procesų modeliavimas

Dėstytojas

Andrej Bugajev

Studentė

Alina Neznanova

Anotacija

Šiame baigiamajame bakalauro darbe planuojama nagrinėti gamybos procesus gamykloje. Pagrindinis tikslas - optimizuoti darbų tvarkaraštį siekiant geriausio produktų pagaminimo laikų atitikimo numatytam planui. Siekiant šio tikslo numatyta spręsti du uždavinius: proceso modeliavimo uždavinį ir optimizavimo uždavinį. Kadangi numatomas optimizavimo uždavinys gali būti didelės skaičiavimų apimties, simuliaciją reikės realizuoti žemo lygmens programavimo kalba C++.

Reikalavimai

Geri C++ įgūdžiai, algoritmų teorijos ir duomenų struktūrų žinios

Duomenis šifruojančių kenkėjiškų programų analizė

Dėstytojas

Raimondas Čiegis

Studentė

Monika Raitelaitytė

Anotacija

Tradiciškai kriptografija yra naudojama kuriant algoritmus, šifrus ir kitas saugumo priemones, kurios koduoja ir apsaugo įmonių ir klientų duomenis. Tačiau šiais laikais kriptografiją pasitelkia ir įsilaužėliai, siekdami sukurti kenkėjišką programinę įrangą, galinčią užšifruoti kompiuteryje esančius failus - modernūs kriptografijos įrankiai ir paradigmos gali būti naudojami kurti, stiprinti ir tobulinti naujas kenkėjiškų programų atakas, dėl kurių įvairios įmonės gali patirti didelius nuostolius bei negrįžtamai prarasti kaupiamus duomenis.

Baigiamasis darbas yra skirtas pažinčiai su duomenis šifruojančiomis kenkėjiškomis programomis, jų veikimo principu ir poveikiu, galimomis prevencijos ir duomenų atkūrimo priemonėmis, siekiant informuotumo didinimo informacijos ir kibernetinės saugos klausimais.

Darbo planas: susipažinti su duomenis šifruojančių kenkėjiškų programų tipais, atlikti praktinio šifravimo algoritmų panaudojimo kenkėjiškų programų kūrime analizę, išanalizuoti naujausias atakų tendencijas, išnagrinėti failų atšifravimo galimybes, atlikti duomenų praradimo pavojaus analizę ir pateikti rekomendacijas duomenis šifruojančių kenkėjiškų programų atakų prevencijai.

Reikalavimai

Specializuotos literatūros, aprašymų skaitymas anglų kalba, programavimo įgūdžiai - Python, Matlab, taikomosios algebros, algoritmų teorijos žinios.

Telekomunikacijų duomenų analizė

Dėstytoja

Rima Kriauzienė

Studentė

Agnė Bakšytė

Anotacija

Šiuolaikiniame pasaulyje teigiama: „data is King“, „who masters the data will rule the world“. Gaunami ir apdorojami informacijos kiekiai yra labai dideli ir kaupiamų duomenų apimtys sparčiai didėja. Nėra tokios srities, kurioje nebūtų susiduriama su duomenimis, todėl svarbu mokėti šiuos duomenis suvokti ir teisingai interpretuoti. Telekomunikacijų sritis yra ne išimtis. BD bus dirbama su mobilaus operatoriaus duomenimis. Tikslas – telekomunikacijų duomenis klasterizuoti, išskirti gautų grupių savybes. Galimi įvairūs būdai ir metodai tirti duomenis: statistinė analizė, vizualizavimas, mašininis mokymas ir pan. Šio darbo tikslas susipažinti su įvairiais metodais, pateikti jų realizacijas ir palyginti gautus rezultatus, suformuluoti išvadas.

Reikalavimai

Informacijos analizavimo gebėjimai. Programavimo įgūdžiai (Python programavimo kalba).

Fermentacijos matematinis modeliavimas

Dėstytoja

Teresė Leonavičienė

Studentė

Digna Narkevičiūtė

Anotacija

Matematiniai modeliai yra plačiai taikomi įvairiose srityse. Jie suteikia galimybę modeliuoti, analizuoti ir vertinti įvairių procesų dinamiką, numatyti galimą rezultatą, tyrinėti parametrų įtakas. Ne išimtis ir biologiniai procesai. Pasitelkiant matematinius modelius galima studijuoti įvairius procesus ir jų eigą. Baigiamajame darbe bus atliekama fermentacijos procesą, apibūdinančių matematinių modelių analizė.

Reikalavimai

Reikia turėti diferencialinių lygčių teorijos, tikimybių teorijos ir jos taikymo pagrindus, būti susipažinus su skaitinių metodų taikymu diferencialinėms lygtims (ir jų sistemoms) spręsti, turėti darbo su taikomosiomis kompiuterinėmis programomis įgūdžius.

Diferencialinių lygčių sprendimas taikant dirbtinius neuroninius tinklus

Dėstytojas

Vadimas Starikovičius

Studentė

Greta Ežerskytė

Anotacija

Iš pradžių reikės susipažinti su dirbtiniais neuroniniais tinklais, jų sudarymo ir veikimo principais. Reikės susipažinti ir su klasikiniais skaitiniais diferencialinių lygčių sprendimo metodais. Toliau pagrindinis dėmesys bus skiriamas diferencialinių lygčių sprendimui dirbtinių neuroninių tinklų pagalba. Darbe numatoma atlikti įvairių metodų tyrimus ir palyginimus skirtingose dirbtinių neuroninių tinklų platformose: PyTorch, TensorFlow.

Reikalavimai

• Programavimas su naujų bibliotekų panaudojimu. Pagrindinė programavimo kalba – Python.
• Specializuotos literatūros, aprašymų skaitymas anglų kalba

Echokardiografinių kairiojo skilvelio segmentacijos duomenų, gautų taikant giliuosius neuroninius tinklus, apdorojimas

Dėstytoja

Olga Suboč

Studentas

Mark Fukson

Anotacija

Echokardiografinių vaizdų objektų atpažinimo (segmentavimo) neuroninių tinklų modelių apmokymui yra naudojama vaizdinė (echokardiografiniai vaizdai) ir tų vaizdų sužymėtų širdies segmentų informacija (anotacijos). Išeinamuosius duomenis (rezultatus) modelis grąžina kaip tikimybinę matricą, kurios dydis yra tapatus įėjimo vaizdo dydžiui, todėl labai svarbi automatinės analizės dalis yra tinklo grąžintų duomenų apdorojimas ir pavertimas duomenimis, kuriuos galima atvaizduoti vartotojui. Šiame darbe bus aptariami metodai naudojami apdorojimo proceso metu, bei pateikiami rezultatai gauti automatinės analizės metu.

Reikalavimai

Programavimo žinios ir įgūdžiai.

Solitaire šifravimo algoritmo analizė
Analysis of the Solitaire Encryption Algorithm

Dėstytojas

Raimondas Čiegis

Studentas

Valdemaras Šileika

Anotacija

Aktualumas.
Informacijos šifravimas yra vienas iš svarbiausių žingsnių, garantuojančių duomenų privatumą ir nepažeidžiamumą. Tai šiandien yra aktualu beveik visiems gyventojams ir jų vykdomoms veikloms. Klasikiniai šifravimo algoritmai jau retai naudojami kaip savarankiški informacijos saugojimo įrankiai. Tačiau jų sudarymo įdėjos, realizavimo būdai yra svarbūs kūriant šiuolaikinius šifravimo algoritmus. Ypač svarbi yra algoritmų analizės teorija, sukurta tokių algoritmų dešifravimui.
Darbo planas.
Susipažinti su populiariais klasikiniais šifravimo algoritmais, realizuoti juos pasirinkta programavimo kalba. Išmokti teoriškai įvertinti tokių šifrų patikimumą. Atlikti šifro "nulaužimo" atakas, įvertinti resursus reikalingus pasirinktų nulaužimo algoritmų sėkmingam taikymui. Pateikti išvadas apie klasikinių šifravimo algoritmų taikymų galimybes.
Naujos žinios.
Vykdant BD projektą studentas įtvirtins savo žinias ir studijuos papildomus skyrius algoritmų teorijos, netrivialių algoritmų realizavimo, informacijos saugumo srityse.

Reikalavimai

Matematika – taikomosios algebros, algoritmų teorijos žinios. Pagrindinės programavimo kalbos - C++, Python ir Matlab.

Ikimokyklinio skaičiaus vaikų Vilniuje skaičiaus statistinis tyrimas ir prognozavimas
Number of Preschool Children in Vilnius City Statistical Analysis and Forecasting

Dėstytojas

Aleksandras Krylovas

Studentė

Austėja Burmonaitė

Anotacija

Tyrimo objektas yra gimusiųjų nuo 2017 iki 2021 metų Vilniaus mieste vaikų skaičius. Darbo tikslas - rasti tinkamą statistinį modelį prognozuoti ateinančių metų gimstamumus. Statistinio modelio konstravimui naudoti C++, MatLab programavimo priemones, taip pat grafikų vaizdavimo įrankius.

Reikalavimai

Teorinio tyrimo aspektai reikalauja statistikos žinių, informacijos paieškos ir analizės gebėjimų. Taip pat reikalingi programavimo įgūdžiai.

Covid-19 infekcijos plitimo rodiklių Lietuvoje ekonometrinis modeliavimas
Econometric Modelling of Covid-19 Infection Indicator Rates in Lithuania

Dėstytojas

Natalja Kosareva

Studentė

Gabrielė Šukštaitė

Anotacija

Darbo tikslas – pritaikius laikinių sekų ekonometrinio modeliavimo metodus, sukurti Covid-19 infekcijos plitimo rodiklių, (pavyzdžiui, bendras susirgusių skaičius, susirgusių skaičius per parą, sergančiųjų skaičius 100 000 gyventojų, t.t.), matematinius modelius. Paaiškinti ir apibendrinti gautus rezultatus, atlikti prognozes.

Reikalavimai

Tyrimas reikalauja bazinių matematinės statistikos ir ekonometrinio modeliavimo žinių, informacijos paieškos atvirose duomenų bazėse ir darbo su moksline literatūra įgūdžių. Skaitiniams eksperimentams atlikti rekomenduojamas atviro kodo specializuotų programų paketas R.

Generatyvinių priešiškų tinklų tyrimas
A study of Generative Adversarial Networks (GANs)

Dėstytojas

Vadimas Starikovičius

Studentas

Erikas Švaika

Anotacija

Iš pradžių reikės susipažinti su dirbtiniais neuroniniais tinklais, bendrais jų sudarymo ir veikimo principais, optimizavimo ir reguliarizavimo metodais. Toliau pagrindinis dėmesys bus skiriamas generatyviniams priešiškiems tinklams (angl. Generative Adversarial Networks). Darbe numatoma atlikti kelių modifikacijų tyrimus ir palyginimus.

Reikalavimai

1. Pagrindinė programavimo kalba – Python.
2. Programavimas su PyTorch, TensorFlow bibliotekų panaudojimu.
3. Specializuotos literatūros, aprašymų skaitymas anglų kalba.

Automatinis vaizdų generavimas naudojant tekstinį aprašymą: algoritmai ir taikymai
Automatic Image Generation Using Textual Description: Algorithms and Applications

Dėstytojas

Vadimas Starikovičius

Studentė

Paula Valaitytė

Anotacija

Šiame darbe bus nagrinėjamas automatinis vaizdų generavimas iš tekstinio aprašymo (angl. text-to-image problem). Darbo tikslas yra aprašyti ir palyginti įvairius automatinius vaizdų generavimo metodus, palyginti gaunamus rezultatus ir taikymo galimybes, ištirti metodų parametrų įtaką ir jų optimizavimą.

Reikalavimai

1. Pagrindinė programavimo kalba – Python.
2. Programavimas su PyTorch, TensorFlow bibliotekų panaudojimu.
3. Specializuotos literatūros, aprašymų skaitymas anglų kalba.

Duomenų suspaudimo algoritmai
Data Compression Algorithms

Dėstytojas

Olga Suboč

Studentė

Saulė Speičytė

Anotacija

Sparčiai augančioje mobiliojo ryšio paslaugų rinkoje svarbu kurti greitai įkeliamas programas bei mokėti suspausti įvairius duomenis (pvz., tekstą, vaizdus, garsą) į mažesnius failus. Yra nemažai būdų tam padaryti, tačiau rasti tinkamą metodą būna sudėtinga. Rašant šį diplominį darbą siūloma susipažinti su įvairiomis duomenų suspaudimo technologijomis, pasirinkti tam tikrus algoritmus bei suspaudžiamų duomenų tipą ir atlikti skaičiavimo eksperimentus. Gautus rezultatus palyginti tarpusavyje ir su rezultatais, gaunamais naudojant jau egzistuojančius programinius produktus.

Reikalavimai

Programavimo įgūdžiai.

Matematiniai modeliai biologijoje
Mathematical Models in Biology

Dėstytojas

Teresė Leonavičienė

Studentas

Matas Vinkus

Anotacija

Mus supa daugybė gyvų organizmų. Mes gyvename kartu su jais ir norime juos vis labiau pažinti. Gal mus supančios aplinkos pažinimas galėtų būti ir matematinis? Baigiamajame darbe domėsimės biologijos moksle sutinkamomis dinaminėmis sistemomis ir jų analizės klausimais.

Reikalavimai

Diferencialinių lygčių teorijos žinios, patirtis taikant skaitinius metodus diferencialinėms lygtims ir jų sistemoms spręsti ir smalsumas bei noras dirbti.

Klientų pelningumo analizė ir prognozė naudojant mašininio mokymosi metodus
Customer profitability analysis and prediction using Machine Learning methods

Dėstytojas

Andrej Bugajev

Studentė

Simona Balsevičiūtė

Anotacija

Šiame baigiamajame darbe bus nagrinėjama klientų pelningumo nustatymo problema (angl. customer profitability) telekomunikacijų ir galimai kitokiose srityse. Pagrindinis tikslas - pritaikyti mašininio mokymosi metodus klientų pelningumo prognozei. Norint pasiekti užsibrėžto tikslo numatomi trys pagrindiniai uždaviniai:
1) aposteriorinis pelningumo nustatymas - kai analizuojami duomenys praėjus ilgam laikotarpiui ir bandoma apibrėžti kliento pelningumą. Šiuo atveju, tikėtina, vieno skaičiaus neužteks, o reikės ištirti pelningumo dinamiką kliento gyvavimo ciklo kontekste. Vienas iš būdų išspręsti šį uždavinį - sukurti klasifikatorių ir suklasifikuoti klientus.
2) pelningumo prognozė, kai ankstyvoje paslaugų naudojimosi stadijoje su tam tikru patikimumu nustatomas kliento busimas pelningumas. Vienas iš būdų prognozės modeliui sukurti - išspręsti klasifikavimo uždavinį pagal trumpo laikotarpio duomenis naudojant žymes iš pirmojo uždavinio sprendinio.
3) Įvairių klasifikavimo metodų palyginimas.

Reikalavimai

Geri darbo su Python įgūdžiai, gebėjimas ir pasiryžimas skaityti mokslinę literatūrą.