Gleb Pimenov's repositories
ML-TerrActs
Machine learning project for ETU based on dataset of terrorict attacks
AandDS-laboratory-work-03
Лабораторная работа по алгоритмам и структурам данных
AandDS-laboratory-work-04
Лабораторная работа по алгоритмам и структурам данных, пирамидальная сортировка/ сортировка кучей/ heap sort
Autopilot
Проект автопилота для FPV-дрона с режимом управления acro
DjangoTestProject
Executed architecture based on SQLite database using Django. Implemented APIs based on a ready-made architecture.
OOP_course
Разработка системы для диспетчера автобусного парка в рамках курсового проекта по дисциплине "Объектно-ориентированное программирование"
DMTI_baza
Система компьютерной алгебры, разработанная в рамках коллоквиума по Дискретной Математике и Теоретической Информатике. Представлен командой "Baza Unlimited"
EVM-team08-lab01
Лабораторная работа номер 1 по ОРГЭВМ, числа с плавающей точкой, побитовое представление, побитовый сдвиг
graph-algorithms-2022
Repository for implementation graph algorithms for WiseTask system
laba-inf-01
Лабораторная работа по информатике, изучающая перевод в разные системы счисления
LabWorkInformaticsBot
Extra version of interface
ML-Auto
Проект
OS_Labs
os lab 01
ParallelMultiplication
Parallel matrix multiplication (OOP laboratory work 10)
ProgramForTheHeadMan
Program for the head man
SAT-Genetic
Генетический алгоритм для коллоквиума по МЛиТА
Software-design-pattern
Шаблоны проектирования на Java
Tetris
Tetris which is written in java with using SWT-graphics.
VK-click-stream-AI
При помощи методов искусственного интеллекта предстоит предсказать, будет ли совершено определенное действие пользователем или нет в зависимости от его кликстрима. Задача построена на неструктурированных текстовых источниках данных. Каждый объект выборки характеризуется набором интернет-сессий (непрерывные последовательности посещенных пользователем сайтов). Решение позволит сформировать спектр услуг под приоритеты и потребности отдельного пользователя. Решение задачи осложняется низкой долей положительного класса, наличием пропусков и зашумленности в данных, необходимостью выделения признаков из не структурированного текстового источника.