Ваш браузер устарел. Рекомендуем обновить его до последней версии.

Кафедра ГМХТП

Сайт о нашей кафедре 
и студентах

Что такое БТК или БТГ ? Это специальности для тех, кому нравятся химия, математика и информатика !

Подробнее о БТК >>

Подробнее о БТГ >>


Какие предметы Вы будете изучать в течение четырех лет обучения в бакалавриате БТК или БТГ !

Подробнее БТК >>

Подробнее БТГ >>


 Кем и где Вы будете работать после окончания обучения. Информация о распределении выпускников и местах их работы.

Подробнее >>


Расчет и моделирование химико-технологических процессов в газохимии, нефтепереработке, нефтехимии и биотехнологии !

Лаборатория когнитивных вычислений и анализа данных в нефтегазохимии

 

Цели:

Практическая подготовка высококвалифицированных специалистов с hard-skill - компетенциями по Big Data, Data Science, Machine Learning применительно к нефтегазохимической отрасли и развитие навыков soft-skill.

Основным направлением деятельности лаборатории будет адресная подготовка специалистов и проведение НИОКР для предприятий ТЭК. 


 Задачи:

Совершенствование качества образования путем использования результатов научно-исследовательских работ в образовательном процессе. Повышение качества образовательной деятельности путем привлечения высококвалифицированных специалистов-практиков в соответствующих областях.

Предлагается использовать лабораторию как инкубатор для исследований и разработок по опережающим технологиям цифровизации, переработке углеводородного сырья и синтезу органических веществ. В ходе обучения магистранту или группе магистрантов дается на апробацию современная технология (метод, программа, алгоритм). Как и любая научная работа, она будет состоять из ряда обязательных этапов. Создание небольшого пилотного проекта, в ходе подготовки магистрантом диссертации, покажет целесообразность и применимость данной технологии в промышленном масштабе. После защиты диссертационной работы и подтверждения жизнеспособности идеи предприятие получает апробированную в лабораторных условиях технологию и одного или группу молодых специалистов, которые готовы к выполнению работы по внедрению технологии на соответствующих предприятиях.

Такой подход имеет ряд преимуществ перед вариантом, когда компания покупает уже готовый к использованию продукт и обучает использованию работников предприятия:

  • Стоимость готового решения всегда выше, чем на стадии зарождения технологии.
  • Сокращается время на внедрение и подготовку специалистов.
  • Вместо того чтобы доучивать студента на предприятии, предприятие может получать от нового сотрудника пользу, как от специалиста уже с опытом работы.
  • Апробация на кафедре университета программных продуктов, как правило, на порядки дешевле из-за разницы в стоимости коммерческих и академических лицензий.
  • Апробация идей на ранней стадии приводит к отсеиванию большого их процента как негодных к использованию, что может сэкономить время и ресурсы предприятия при проведении испытаний и тестов.

 

Направления исследований:

  1. Искусственный интеллект и его формы.
  2. Моделирование химико-технологических процессов и аппаратов.
  3. Современное 3D моделирование.  Моделирование физики течения жидкостей,  газов и вязких субстанций. Моделирование физики сред.
  4. Нечеткая логика Лотфи Заде. Нечетко-логические системы.
  5. Генетические алгоритмы. Решение задач оптимизации с помощью ГА.
  6. Нейронные сети: распознавание изображений.
  7. Нейронные сети: распознавание временных сигналов.
  8. Нейронные сети: классификаторы и их виды.
  9. Нейронные сети: рекурсивные сети.
  10. Радиально-базисные сети.
  11. Машины больцмана,  ограниченные машины больцмана.
  12. Задача продвинутого управления технологическим аппаратом по выбору.
  13. Системы Искусственного интеллекта майкрософт.
  14. Пакеты tensorflow,  chainer,  caffe2, cntk.
  15. Анализ больших данных: задачи и пути их решения.
  16. Моделирование в условиях нехватки данных.
  17. Виртуальная и дополненная реальность,  области применения.
  18. Машинное обучение, методы машинного обучения
  19. Использование методов машинного обучения и ИИ при конструировании веществ (лекарства, нефтехимия и т.д.).

 

Руководитель лаборатории:

доцент каф. ГМХТП, Руднев Н.А.

Смотрите также:
УГНТУ  ♦  ПК УГНТУ  ♦  ГМХТП (зеркало)  ♦  ТФ ВК  ♦  ГМХТП ВК ♦ @digital_ugntu

Пробник