№ курса и Направление

Тема (название темы, краткое описание и список рекомендуемой литературы)

ФИО студента, № группы

3 курс,ПМИ

Тема: Автоматическое доказательство теорем: от метода резолюций до современных SAT-решателей

Беликова В.В., гр. 22303

№ курса и Направление

Тема (название темы, краткое описание и список рекомендуемой литературы)

ФИО студента, № группы

2-3 курс, Прикладная математика и информатика

Тема: Математические методы в психологии

Краткое описание: математика в психологии позволяет отличать реальные закономерности от случайных совпадений, формализовать гипотезы и строить модели соответствующих процессов. Предполагается исследование подобных методов и их применение для решения практических задач

1. Ермолаев-Томин О. Ю. Математические методы в психологии. Учебник и практикум. 5-е изд. М.: Юрайт, 2026.

2. Сидоренко Е. В. Методы математической обработки в психологии. 4-е изд. СПб., 2025.

2-3 курс, Информационные системы и технологии

Тема: Метод опорных векторов в задаче анализа текстов

Краткое описание: метод опорных векторов (SVM, Support Vector Machine) часто применяется в задаче атрибуции текстов, т. е. при попытке определить автора анонимного или спорного текста. Нужно реализовать подобный алгоритм и применить его на практике.

1.     Жерон О. Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем. СПб.: ООО «Диалектика», 2020. 

2-3 курс, Программная инженерия

Тема: Алгоритмы анализа изображений с использованием фракталов

Краткое описание: фракталы применяются для анализа изображений в различных областях благодаря способности количественно оценивать сложность, самоподобие и структурную нерегулярность объектов. Основные методы включают вычисление фрактальной размерности, сегментацию изображений, классификацию текстур и анализ микроструктур. Работа предполагает исследование и реализацию подобных алгоритмов.

1. Никулин Е. А. Компьютерная графика. Фракталы. Учебное пособие. СПб.: Лань, 2018. 

3 курс, Информационные системы и технологии

Тема: Автоматическое реферирование текстов с использованием графовых моделей

Краткое описание: работа посвящена исследованию того, как качество входного текста влияет на автоматическое реферирование русских волшебных сказок. В качестве основы используются графовые модели. Исследуются два фактора: как предобработка и устойчивость к шуму отражается на качестве реферирования и на структуре графовой модели.

Литература:

1. Батура Т. В., Бакиева А. М. Методы и системы автоматического реферирования текстов. Новосибирск, 2019.

Зырянов Даниил Сергеевич, гр. 22306

3 курс, Программная инженерия

Тема: Разработка гибридной нейросетевой модели машинного перевода для улучшения качества генерации

Краткое описание: современные системы машинного перевода широко распространены, однако оценка их качества – это сложная и актуальная задача. В работе предполагается разработать гибридную нейросетевую модель управляемого перевода для улучшения качества генерации с использованием графов

1. Машинный и автоматизированный перевод: учебное пособие / А. С. Бутусова, Ю. В. Бец. – Ростов-на-Дону; Таганрог: Изд-во Южного федерального университета, 2021. 

Ушакова Екатерина Дмитриевна, гр. 22307

4 курс, Прикладная математика и информатика

Тема: Алгоритмы визуализации и сравнения графов на основе общих подграфов

Краткое описание: в теории графов известны различные типы максимальных общих подграфов для двух заданных графов. В данной работе необходимо исследовать и реализовать алгоритмы сравнения и визуализации графов на основе подобных структур.

1. Москин Н.Д. Алгоритмы сравнения графов и теоретико-графовых моделей. Учебное пособие. Петрозаводск: Изд-во ПетрГУ, 2009

Некрасов Кирилл Алексеевич, гр. 22404

4 курс, Программная инженерия

Тема: Использование математических методов и систем искусственного интеллекта для анализа и классификации сгенерированных текстов

Краткое описание: задача выявления искусственно сгенерированного текста в настоящее время становится все актуальнее, особенно с развитием ИИ. Целью работы является разработка программы, которая позволяет математическими методами проанализировать текст и получить результаты необходимые для составления заключения о происхождении текстов, принадлежности тому или иному автору.

1. А. А. Рогов, А. В. Седов, Ю. В. Сидоров, Т. Г. Суровцова Математические методы атрибуции текстов. Петрозаводск: ПетрГУ, 2014. 

Романенко Григорий Михайлович, гр. 22407

4 курс, Программная инженерия

Тема: Разработка интеллектуальной системы генерации цветовых палитр пользовательских интерфейсов на основе текстового описания

Краткое описание: цветовые палитры играют важную роль в создании эмоционального отклика пользователей и удобства восприятия информации. В работе нужно разработать интеллектуальную систему генерации цветовых палитр пользовательских интерфейсов на основе текстового описания

1. Иттен И. Искусство цвета. 4-е изд. Пер. с англ. Е. Матвеева.: Д. Аронов, 2024.

2. Роббинс Дж. Веб-дизайн для начинающих. HTML, CSS, JavaScript и веб-графика. 5-е изд. СПб: БХВ-Петербург, 2021.

Морозов Александр Сергеевич, гр. 22407

4 курс, Программная инженерия

Тема: Применение машинного обучения для анализа поэтических текстов с помощью Python

Краткое описание: машинное обучение (ML) применяется для анализа текстовых данных с помощью Python в задачах обработки естественного языка (NLP). Это позволяет извлекать полезную информацию из текстовых данных, что может быть применено при анализе поэтических текстов. В работе с текстовыми данными в Python нужно использовать библиотеки, которые предоставляют инструменты для предварительной обработки текста и извлечения признаков, а также алгоритмы машинного обучения.

1. Мюллер А., Гвидо С. Машинное обучение с помощью Python. Руководство для специалистов по работе с данными. Санкт-Петербург, 2022. 

Логунова Елена Сергеевна, гр. 22407

4 курс, Программная инженерия

Тема: Разработка приложения для изучения научных связей между исследователями с помощью сетевых методов

Краткое описание: сетевые методы позволяют изучать научные связи между исследователями, анализируя структуру взаимодействий, выявляя сообщества, лидеров и динамику развития научных полей. Эти методы опираются на теорию графов и математические инструменты анализа сетей. В ходе работы нужно разработать приложение для подобных исследований.

1. Гарскова И.М. Сетевой анализ историографии: динамика формирования межрегиональной компоненты сети АИК // Историческая информатика, 2017. №4. С. 112-129. 

Ломазина Александра Алексеевна, гр. 22407

1 курс магистратуры, Информационные системы и технологии

Тема: Распознавание объектов животного мира с изображений фотовидеорегистраторов методами машинного обучения

Краткое описание: работа посвящена разработке алгоритмов и программного обеспечения с применением технологий

компьютерного зрения, интеллектуального анализа изображений, и машинного обучения для обработки, анализа и распознавания объектов животного мира на фотоснимках с фотоловушек.

1. Клетте Р. Компьютерное зрение. Теория и алгоритмы. М.: ДМК-Пресс, 2019. 

Лужинский Владимир Дмитриевич, гр. 22505

1 курс магистратуры, Информационные системы и технологии

Тема: Марковские модели в задаче атрибуции текстов

Краткое описание: марковские цепи - это инструмент для анализа текстов, который позволяет моделировать последовательности слов или символов с учётом вероятностных зависимостей между ними. В работе планируется реализовать подобный метод и применить его для решения прикладной задачи (например, определение языка текста, поиск схожих текстов, генерация текста, автозаполнение, анализ стиля).

1. Лукашевич Н. В., Сорокин А. А. Компьютерная лингвистика и автоматическая обработка текстов: учебное пособие. – Москва: МАКС Пресс, 2025. 

Ежов Максим Александрович, гр. 22505

2 курс магистратуры, Информационные системы и технологии

Тема: Анализ рукописного текста при помощи графов для верификации подписи

Краткое описание: графы применяются для анализа изображений в различных задачах: сегментации, обнаружении объектов, трёхмерной реконструкции и сопоставлении изображений. Необходимо проанализировать и обобщить существующий опыт в этом направлении, а также разработать собственное решение для верификации подписей.

1. Кочкаров А.А., Яцкин Д.В., Кочкаров Р.А. Прикладная теория графов и сетевые модели. Учебное пособие. Москва: Кнорус, 2024. 

Тумазов Владислав Вячеславович, гр. 22605

№ курса и Направление

Тема (название темы, краткое описание и список рекомендуемой литературы)

ФИО студента, № группы

1 курс,

09.04.02

Управление данными

Тема: Разработка системы сегментации речи нескольких дикторов с использованием методов кластеризации и определения ролей говорящих.

Краткое описание: в области анализа и обработки речи существуют задача

сегментации разговора нескольких участников на монологические составляющие. В западной литературе она также известна, как задача сегментации новостей. Существуют решения с предварительным обучением систем голосам дикторов, но для ситуации, когда заранее неизвестно количество дикторов и нет образцов их голосов, найти такое приложение становиться проблематичным.

1. Григорян Р. Л., Репалов С.А. Применение методов векторного квантования к задаче верификации дикторов // Материалы VI Междунар. науч.-практ. конф. «Методы и алгоритмы прикладной математики в технике, медицине и экономике». – Ч. 3. – Новочеркасск: ЮРГТУ. – 2004. – 48 с.

2. Григорян Р. Л., Репалов С.А., Коршунов С.С. Метод выделения монологических составляющих с использованием идентификации дикторов на основе векторного квантования. Научно-теоретический журнал "Искусственный интеллект" No.3'2006.

3. Репалов С. А. Разработка математических моделей и робастных алгоритмов идентификации дикторов по их речи : Дис. канд. физ.-мат. наук : 05.13.18 : Ростов н/Д, 2003 144 c. РГБ ОД, 61:04-1/242-X.

 1 курс,

09.04.02

Управление данными

Тема: Разработка ИИ инструмента для хранения ЛНА организации.

Краткое описание: В настоящее время существуют классические решения для организации хранения локальных нормативных актов организаций: от справочно-правовых систем (Консультант+, Кодекс, Гарант и т.п.) до систем электронного документооборота (ЭОС Дело и т.п.). В развитием языковых моделей искусственного интеллекта перспективным выглядит их использование в качестве их полноценного использование вместо вышеуказанных систем, либо в качестве промежуточного звена для приема запросов (промтов). Инструментальные средства: Python, PHP, XML и пр.

2 курс,

09.04.02

Управление данными

Тема: Практические аспекты дата инженерии.

Краткое описание: Рассматриваются вопросы построения конвейеров данных

22605 Е.А. Федорова

4 курс,

09.03.02

Тема: Применение Doc2Vec модели при решении задачи атрибуции текстов

Краткое описание: Как правило, атрибуция текстов рассматривается как задача их классификации. Вместе с тем, для определенных текстов (публицистических, малого объема и т.п.) характерно внешнее влияние (редакторские правки и т.п.), что может приводить к противоречивым результатам классификации. Поэтому, целесообразным выглядит первоначальная кластеризация рабочего материала с целью выработки последующих решений по его исследованию.

 Инструментальные средства: Excel, VBA, PHP, MySQL, Python, gensim и пр.

1. Сидоров Ю. В. Математическая и информационная поддержка методов обработки литературный текстов на основе формально-грамматических параметров : специальность 05.13.18 «Математическое моделирование, численные методы и комплексы программ» : диссертация на соискание ученой степени кандидата технических наук / Сидоров Юрий Владимирович ; Санкт-Пет. ин-т информатики и автоматизации. — Санкт-Петербург, 2002. — 127 с.

2. Мандель И.Д. Кластерный анализ. М., «Финансы и статистика», 1988.- 176 с..

3. Айвазян С. А., Бухштабер В. М., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Классификация и снижение размерности. — М.: Финансы и статистика, 1989. — 607 с.

3 курс,

09.03.02

Тема: Компьютерный анализ текстов на естественном языке для решения задачи атрибуции текстов: синтаксический уровень

Краткое описание: изучение основных принципов компьютерного анализа текстов на естественном языке; практическая реализация методов атрибуции текстов, основанных на синтаксических признаках, на корпусе публицистических статей. Инструментальные средства: Excel, VBA, PHP и пр.

1. Рогов А. А., Седов А. В., Сидоров Ю. В., Суровцова Т. Г. Математические методы атрибуции текстов. (учебное пособие). Петрозаводск: Изд-во ПетрГУ, 2012. – 48 с.

2. Боярский К. К. Введение в компьютерную лингвистику : учебное пособие. СПб. : НИУ ИТМО, 2013. 72 с

3. Сидоров Ю. В., Смирнов Н.В. Вероятностные методы анализа неструктурированной текстовой информации. (учебное пособие). Петрозаводск: Изд-во ПетрГУ, 2012. – 56 с.

4. Информационная система «СМАЛТ» : [сайт]. URL:http://smalt.karelia.ru

Яковлев Иван 22305

3 курс, 09.03.02

Тема: Извлечение именованных сущностей в текстах дореформенной орфографии

Краткое описание: В области анализа естественных языков достаточно успешно реализована задача извлечения именованных сущностей для современных языков. Целью работы является изучение возможностей современных языковых моделей к извлечению именованных сущностей из текстов дореволюционной орфографии. Инструментальные средства: Python, PHP и пр.

1. Mozharova V., Loukachevitch N. Combining Knowledge and CRF-based Approach to Named Entity Recognition in Russian // Proc. the 5th International Conference on Analysis of Images, Social Networks, and Texts, AIST’2016. – 2016

2. Трофимов И. В. Выявление личных имен в новостных текстах на материале коллекций Persons-1000/1111-F // RCDL-2014. − 2014.

3. Ivanin, V., Artemova, E., Batura, T., Ivanov, V., Sarkisyan, V., Tutubalina, E., & Smurov, I. RuREBus-2020 Shared Task: Russian Relation Extraction for Business // Computational Linguistics and Intellectual Technologies: Proceedings of the International Conference “Dialog”. 2020. URL:

http://www.dialog-21.ru/media/5098/ivaninvaplusetal-182.pdf

3 курс,

09.03.04

Тема: Разработка приложения для преобразование pdf-документов  в текст и внесение в базу данных локальных нормативных актов

Краткое описание: Рядом организации накоплен массив локальных нормативных документов (приказы и т.п.) в формате pdf. Требуется автоматизировать процесс их внесения в СУБД, путем формирования XML файла. Инструментальные средства: Python, PHP, XML и пр.

Потес Богдан 22307

№ курса и Направление

Тема (название темы, краткое описание и список рекомендуемой литературы)

ФИО студента, № группы

3 курс, ИСИТ

Тема: Помощник арбитра для оценки техники выступлений на соревнованиях по фитнес-аэробике  

Краткое описание:

Коллективная курсовая.

Разработка алгоритмов и моделей для помощи судьи соревнований и автоматизации оценка качества выполнения спортивных элементов

*Коллективная курсовая (2 студента)

А. А. Щетинин, 22305

П. С. Кузнецова, 22305

3 курс, ИСИТ

Тема: AI-агенты в прикладных задачах

Краткое описание:

Анализ возможностей и применение AI-агентов в прикладных задачах

М. А. Иванов, 22306

3 курс, Программная инженерия

Тема: Поиск элементов в документе: рисунков, рукописных дат, подписей

Краткое описание:

Поиск/создание датасетов. Разработка алгоритмов/моделей для решения указанных в теме задач.

Для исследования требуется наличие видеокарты с >= 10 Гб видеопамяти

 * Тема для 1 студента в коллективной курсовой (общая цель: разработка парсера документов)

3 курс, 01.03.02 Прикладная математика и информатика

Тема: Поиск структурных элементов на изображениях текстовых документов

Краткое описание:

Разработка алгоритмов/моделей для поиска разделов, заголовков и других структурных элементов на изображении.

* Тема для 1 студента в коллективной курсовой (общая цель: разработка парсера документов)

3 курс, Программная инженерия

Тема: Парсер .docx документов

Краткое описание:

Создание алгоритмов/моделей для разбора и извлечения структурных элементов файла технической документации.

* Тема для 1 студента в коллективной курсовой (общая цель: разработка парсера документов)

3 курс, 01.03.02 Прикладная математика и информатика

Тема: Автоматизация тестирования ПО

Краткое описание:

Анализ программных средств, LLM для тестирования ПО. Разработка программного решения для автоматизации процессов тестирования ПО.

1 курс, 01.04.02 Прикладная математика и информатика (Анализ данных)

Тема: Автоматизация тестирования ПО

Краткое описание:

Анализ программных средств, LLM для тестирования ПО. Разработка программного решения для автоматизации процессов тестирования ПО.

1 курс, 01.04.02 Прикладная математика и информатика (Анализ данных)

Тема: Детектирование и распознавание элементов документа.

Краткое описание:

Разработка датасетов, алгоритмов/моделей для детектирования и распознавания рисунков, таблиц, подписей, рукописных дат, формул.

Для исследования требуется наличие видеокарты с >= 10 Гб видеопамяти

2 курс, 01.04.02 Прикладная математика и информатика

Тема: Разработка программного комплекса для распознавания текста документа

Краткое описание:

Разработка программного комплекса для распознавания текста документа

Мендков М.А., 22603