Чтобы научиться строить дома, недостаточно научиться отдельно строить стены, вставлять окна и двери, проводить электричество и воду. Все это по отдельности не дает никакого представления о строительстве целого дома. Чтобы научиться строить дома, нужно их строить под руководством опытного архитектора или наблюдать за его работой . Точно так же, чтобы научиться делать проекты, недостаточно пройти несколько курсов и сделать домашние задания, необходимо научиться использовать знания и навыки из разных курсов для создания законченного программного продукта, и, конечно, для этого нужен опытный ментор.

Левин Михаил Владимирович
Куратор проектной работы на первом курсе ПМИ

В результате презентации проект “Распознавание рукописных цифр при помощи многослойной нейронной сети” занял первое место, “Игра Rally для Oculus Rift”  и “Задача коммивояжера” – второе место, а “Утилита для очистки текстов от обсценной лексики” и “Web-сайт на клиентских технологиях” – третье. Призом зрительских симпатий были отмечены проекты “Социальный портрет по профилю в Instagram” и “Игра с драконом для Oculus Rift”.

Распознавание рукописных цифр при помощи нейронной сети

• Формулировка постановки задачи
• Написание надежного и понятного кода
• Основы теории нейронных сетей на примере классической модели Перспетрона Розенблатта
• Многослойные нейронные сети

Глеб Пособин, студент первого курса ПМИ, победитель конкурса проектов

Нейронная сеть – это взвешенный ацикличный ориентированный граф, у которого в каждой вершине стоит функция от одного аргумента. Есть такое утверждение, что для любой непрерывной функции найдется нейронная сеть, приближающая эту функцию сколь угодно хорошо. Это один из аргументов в пользу использования нейронных сетей в машинном обучении, в частности в распознавании картинок. Как обучать сеть? Например, подаем на вход вектор, “проталкиваем” его по сети,  меняем коэффициенты в каждой вершине так, чтобы приблизиться к правильному ответу на этом векторе. В проекте у нас была задача: даны изображения рукописных цифр, нужно распознать что за цифры указаны. Данный модуль протестирован на известной обучающей выборке MNIST из десяти тысяч картинок

За основу я взял многослойную нейронную сеть, после 20 минут обучения она ошиблась на 4,5% картинках. Сверточная нейронная сеть достигла ошибки 2,2%  за те же 20 минут обучения.

Социальный портрет по профилю в Instagram

Ментор: Андрей Казаринов, студент 4-го курса образовательной программы Программная инженерия, Яндекс

Полученные навыки за время проектной работы:

• Написание надежного и понятного кода
• Проектирование и разработка веб-приложений
• Использование реляционных или NoSQL баз данных
• Использование систем контроля версий
• Взаимодействие со сторонними сервисам через API

Александр Пушин, студент первого курса ПМИ, получил приз зрительских симпатий

 Ментором решил стать в момент неофициального анонса ФКН в Яндексе. Так как я сам уже работал в Яндексе и в то же время был студентом программной инженерии, я очень хорошо понимал "внутреннюю кухню" и проблемы студентов и преподавателей.

На своем опыте я ощутил, что именно такого рода проектной деятельности не хватало на первом курсе в мое время, а еще больше не хватало ментора, который мог бы подсказать и направить и связь с которым была бы очень простой. Проект "Анализ профиля Instagram" должен был создать интерес у студентов за счёт новизны и  перспективности данной области. В настоящее время тренд анализа социальных профилей только зарождается, а анализом "модного" на сегодняшний день Инстаграма занимаются всего несколько команд по всему миру.

Для реализации проекта были предложены популярные и "свежие" технологии и инструменты. Я пытался создать максимально легкие и быстрые каналы коммуникации: общение велось в группе ВКонтакте и чате. Студенты часто задавали вопросы в личных сообщениях, на которые я мог оперативно отвечать, что сильно ускоряло решение их проблем. Также была возможность пообщаться по видео и аудиосвязи, чем мы иногда пользовались. В итоге я был в курсе состояния дел каждого студента и мог корректировать курс "на лету", а они в свою очередь получали быструю помощь.

Казаринов Андрей
Ментор проекта, сотрудник Яндекса и студент 4-го курса ПИ

Задача коммивояжера

Ментор: Алексей Гусаков, Яндекс

• Основы теории графов
• Основы приближённых алгоритмов
• Использование линейного программирования для оптимизации перебора
• Визуализация решения

Павел Поляков, студент первого курса ПМИ, 2-е место на конкурсе проектов

Этот проект для меня прежде всего некий вызов – удастся ли мне достичь по производительности существующие решения.  В результате работы реализованы  различные методы для создания и генерации случайных как абстрактных графов, так и графов с метрикой, реализованы эвристические и точные алгоритмы, пользовательский интерфейс и визуализиция решения.

Полученный алгоритм позволяет искать гамильтонов путь на графе из 100 вершин за секунды .

Проект “Oculus VR Variations”

Ментор: Олег Чумаков, Nival

Полученные навыки за время проектной работы:

•  Работе с Unity 3D/UE4
• Особенностям оптимизаций для Oculus Rift (стереорендеринг)
• Особенности технологий Low Persistence и Time Warp

Денис Деркач. студент первого курса ПМИ, 2-е место на конкурсе проектов

Мой проект – это 3D игра на Oculus Rift. В начале работы я поставил себе цель сделать гонку, в которой реалистичное управление, есть соперник и трасса для соревнования. Мне было очень интересно работать над проектов,  я хотел создать что-то похожее на настоящую игру, научиться работать с игровыми движками и графикой, а также с очками виртуальной реальности. Когда я начинал создавать проект, магазин Oculus состоял примерно из 20 приложений, причем гонок в них не было. Неделю назад, когда я снова заходил в Oculus магазин, там появились гонки, но их тоже было мало, но ралли среди них не было.

В моей игре два режима: вы можете соревноваться с соперниками или включить автопилот и наслаждаться поездкой по лесу.

Финальную версию моего проекта можно уже сейчас опробовать, скачав по ссылке.

Проектная работа студентов продолжится в следующем году, с третьего курса проекты станут командными, а некоторые студенты смогут зачесть стажировки в топовых компаниях за проектную работу.