suai

Лабораторные работы ГУАП по направлению 09.03.02

С++ Programming Labs at the SUAI university 🚀

Telegram-бот на Python, который автоматически отслеживает личный кабинет студента ГУАП и напоминает о предстоящих дедлайнах сдачи работ.

📚🎓 This repository contains coursework, labs, and project reports for Software Engineering and Management at Saint Petersburg State University of Aerospace Instrumentation (SUAI). It showcases assignments, code, and reports on programming, software development, and IT aspects of management. Includes B.Sc. SE and M.Sc. Management tracks.

Implementation AVL-Tree, Hash table, list

Image clustering algorithm by k-means method

Clustering of image by k-means algorithm

Web-application, client - Vue.js, server(rest-api) - Spring boot, db - MySQL

CLI для генерации из Markdown отчетов к лабораторным.

Реализация основных структур данных

Обслуживание клиентов оператора сотовой связи на основе собственных структур данных

Проект реализует триггеры для автоматизации управления данными сотрудников железнодорожной станции в MySQL. Включает триггеры для добавления, обновления и удаления записей, а также процедуру логирования. Все данные оформлены в соответствии с ГОСТ. (Базы данных: Турнецкая Е.Л. + Акопян Б.К. + Боженко В.В.)

Лабораторные работы по мультимедийным технологиям: генерация и фильтрация аудио, спектральный анализ, синтез звука, обработка контраста, выделение границ и восстановление изображений на Python. (Мультимедиа технологии: Жаринов О.О.)

Проект, направленный на упрощение просмотра и улучшение внешнего вида расписания при просмотре с ПК

Лабораторные работы по моделированию распределения радиоресурсов: модели ITU-R P.1238 и Окумура—Хата, алгоритмы Round Robin, Max Rate и Proportional Fair, анализ скорости, буферов и качества обслуживания в беспроводных сетях. (Моделирование систем распределения ресурсов: Гурнов К.Б. + Соколова К.Д.

Лабораторные работы по прикладным методам оптимизации на Python: аналитические производные, одномерный поиск экстремума методами равномерного поиска, дихотомии, золотого сечения и Фибоначчи, а также анализ критических точек с помощью градиента и матрицы Гессе. (Прикладные методы оптимизации: Григорьева Н.Н. + Акопян Б.К.)

Лабораторные работы по машинному обучению: нейронные сети, LSTM, кластеризация, CNN и transfer learning на TensorFlow. (Машинное обучение: Татарникова Т.М. + Раскопина А.С.)

Учебные лабораторные работы по программной инженерии: GUI-приложение для анализа данных и прогнозирования, графовые базы Neo4j и ETL-пайплайны Apache Airflow с PostgreSQL. (Программная инженерия: Турнецкая Е.Л. + Загураева М.В.)

OOP course project