Prace inżynierskie

2014
Temat
System OCR do rozpoznawania tekstu na obrazach określonego typu
Kierunek Informatyka

Dyplomanci

Mateusz Buda, Maciej Dłuś, Paweł Kobojek

Opis

Zadaniem dyplomantów jest implementacja systemu OCR (Optical Character Recognition) wykrywającego i rozpoznającego tekst na obrazach określonego typu. System składa się z trzech niezależnych modułów odpowiedzialnych kolejno za wykrywanie tekstu na obrazie, podział znalezionego tekstu na poszczególne znaki oraz rozpoznanie wydzielnoych znaków.

Literatura
  1. Krzyśko M. [et al.] Systemy uczące się: rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, WNT, Warszawa 2008.
  2. Kwiatkowski W. Metody automatycznego rozpoznawania wzorców, Wojskowa Akademia Techniczna, Warszawa 2001.
  3. Watkins C.D., Sadun A., Marenka S., Nowoczesne metody przetwarzania obrazu, WNT, Warszawa 1995.
  4. Wróbel Z., Koprowski R. Praktyka przetwarzania obrazów w programie Matlab, Akademicka Oficyna Wydawnicza EXIT, Warszawa 2004.
  5. Jung K., Kim K. I., Jain A. K. Text information extraction in images and video: a survey.
 
Temat
Mobilny monitor giełdowy
Kierunek Informatyka

Dyplomanci

Paweł Mitruś, Mateusz Bukowski 

Opis

Zadaniem dyplomantów jest implementacja modułu pobierającego (z opóźnieniem) notowania z Warszawskiej Giełdy Papierów Wartościowych i prezentowanie wartości koszyka zdefiniowanego przez użytkownika w aplikacji mobilnej. Aplikacja wyposażona jest w moduł analityczny, którego zadaniem jest generacja alarmów w przypadku gwałtownych zmian wartości koszyka lub jego poszczególnych składowych. Alarmy i uproszczony podgląd koszyka są prezentowane poprzez widżet.

Literatura
  1. Mednieks, Zigurd & G. Blake Meike & Laird Dornin & Masumi Nakamura, Programming Android: Java Programming for the New Generation of Mobile Devices. O'Reilly Media 2012
  2. Martin Kalin Java Web Services: Up and Running, O'Reilly Media 2009

 

Temat

Implementacja mobilnej aplikacji USOS dla Windows Phone 8.

Kierunek Informatyka

Dyplomanci

Katarzyna Kuzawska, Michał Piwowarski, Michał Sitko

Opis

Celem pracy jest stworzenie mobilnej aplikacji klienckiej dla systemów z rodziny USOS. Aplikacja zostanie wydana na platformę Windows Phone 8. Dane z systemów uczelnianych zostaną pozyskane dzięki zastosowaniu USOSapi. Program powinien udostępniać ogólnouczelniany interfejs publiczny, jak również interfejs prywatny dostępny po zalogowaniu się na konto USOS. Zakres funkcjonalności zostanie dostosowany do potrzeb użytkownika.

Aplikacja, oprócz udostępniania standardowego interfejsu dostępnego przez przeglądarkę powinna przetwarzać pobrane informacje i udostępniać najważniejsze z nich (zbliżające się kolokwium, oddanie projektu, zapisy na przedmioty) poprzez system powiadomień (widget, kafelek, itd.). Oprócz powiadomień bezpośrednich system będzie informował o zdarzeniach będących wnioskiem z pobranych danych (np.o niskiej liczbue punktów lub dopingujący do starań o stypendium.).

 Ponadto aplikacja zostanie zintegrowana z innymi dostępnymi na urządzeniu. Na przykład - plan zajęć oraz zdarzenia z USOS po uprzednim skonfigurowaniu przez użytkownika zostaną przesłane do kalendarza urządzenia. 

Literatura
  1. USOS API reference - http://usosapps.uw.edu.pl/developers/api/
  2. Windows Phone 8 Application Development Essentials – Tomasz Szostak, Packt Publishing, ISBN 1-84969-677-2

 

Temat

Automatyczny dobór ofert pracy na podstawie kwalifikacji

Kierunek Informatyka

Dyplomanci

Krzysztof Główka, Michał Szewczka

Opis

Zadaniem dyplomantów jest utworzenie algorytmu uczenia maszynowego, który na podstawie rezydualnej i niepełnej informacji o kwalifikacjach aplikanta dopasuje odpowiadające mu oferty pracy. Główną trudnością w opracowaniu algorytmu jest otwarty słownik kwalifikacji, co powoduje, że te same kwalifikacje mogą istnieć pod różnymi nazwami. Pary kwalifikacji są łączone w dynamicznej macierzy podobieństwa, która jest rzadka i niepełna.
Wyjściem algorytmu byłoby procentowe przypisane oceny dla pary oferta pracy, CV aplikanta. Algorytm zostanie opracowany jako usługa sieciowa w oparciu o relacyjną bazę danych.

Literatura
  1. Krzyśko M. [et al.] Systemy uczące się: rozpoznawanie wzorców, analiza skupień i redukcja wymiarowości, WNT, Warszawa 2008.
  2. Christopher M. Bishop, Pattern recognition and machine learning, Springer 2006 Anders Krogh An Introduction to Hidden Markov Models for Biological Sequences I n Computational Methods in Molecular Biology, Elsevier, 1998.