id
int64
18
18.8k
created_at
timestamp[ns, tz=UTC]date
2026-02-23 07:30:20
2026-02-24 14:51:09
updated_at
timestamp[ns, tz=UTC]date
2026-02-23 08:08:14
2026-02-24 14:51:09
doc_name
stringclasses
1 value
input
stringlengths
11
9.24k
output
stringlengths
0
738
is_personal
bool
2 classes
is_sentence
bool
2 classes
is_corrected
bool
2 classes
1,857
2026-02-23T11:17:53.380000Z
2026-02-23T13:31:48.653000Z
Lec.
В разных топологиях наблюдается рост или снижение производительности в зависимости от вида трафика, поэтому необходимо исследовать влияние различного поведения пакетов на планируемую топологию при проектировании сети
При проектировании сети необходимо исследовать влияние различных поведений пакетов на планируемую топологию, поскольку производительность сети может изменяться в зависимости от вида трафика в разных топологиях.
false
true
true
1,856
2026-02-23T11:17:51.506000Z
2026-02-23T13:31:33.428000Z
Lec.
Понимание различных профилей трафика необходимо для понимания всех возможных нагрузок на СтнК в процессе эксплуатации
Понимание различных профилей трафика необходимо для понимания всех возможных нагрузок на СТНК в процессе эксплуатации.
false
true
true
1,855
2026-02-23T11:17:49.566000Z
2026-02-23T13:47:31.374000Z
Lec.
В данной работе приводится обзор существующих профилей трафика и их подробная классификация
В данной работе приводится обзор существующих профилей трафика и их подробная классификация.
false
true
true
1,854
2026-02-23T11:17:47.145000Z
2026-02-23T17:21:19.189000Z
Lec.
Профиль трафика показывает общую картину перемещения пакетов в СтнК и степень загрузки отдельных ядер и частей системы
Профиль трафика показывает общую картину перемещения пакетов в Сетевом Кластере и степень загрузки отдельных ядер и частей системы.
false
true
true
1,853
2026-02-23T11:17:45.280000Z
2026-02-23T11:17:45.280000Z
Lec.
Профиль трафика в сети на кристалле представляет собой набор закономерностей, по которым происходят передачи в сети
false
true
false
1,852
2026-02-23T11:17:43.527000Z
2026-02-23T11:17:43.527000Z
Lec.
При проектировании и запуске СтнК для правильной настройки распределения пакетов важно понимать, как сеть реагирует на различные комбинации отправителей и получателей пакетов
false
true
false
1,851
2026-02-23T11:17:41.691000Z
2026-02-23T13:46:03.341000Z
Lec.
Их задачей является эффективное распределение потоков данных для сохранения скорости работы сети и предотвращения простоев
Их задачей является эффективное распределение потоков данных для сохранения скорости работы сети и предотвращения простоев в работе.
false
true
true
1,850
2026-02-23T11:17:39.809000Z
2026-02-23T18:25:00.123000Z
Lec.
За перемещение пакетов внутри сети отвечают специальные блоки, которые называются маршрутизаторы
За перемещение пакетов внутри сети отвечают специальные блоки, которые называются маршрутизаторы.
false
true
true
1,849
2026-02-23T11:17:38.176000Z
2026-02-23T11:17:38.176000Z
Lec.
Маршрутизация и доставка пакетов данных в СтнК является важной задачей, т.к. тратится существенное количество времени и аппаратных ресурсов
false
true
false
1,848
2026-02-23T11:17:36.109000Z
2026-02-23T11:17:36.109000Z
Lec.
Ядра выполняют операции обособленно и обмениваются данными при помощи подсистемы связи, организованной в виде маршрутизаторов, соединенных короткими связями
false
true
false
1,847
2026-02-23T11:17:34.370000Z
2026-02-23T16:41:52.695000Z
Lec.
Сеть на кристалле (СтнК) – многоядерная вычислительная система, расположенная на одном чипе
Сеть на кристалле (СтнК) – многоядерная вычислительная система, расположенная на одном чипе.
false
true
true
1,846
2026-02-23T11:17:32.521000Z
2026-02-23T11:17:32.521000Z
Lec.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 40
false
false
false
1,845
2026-02-23T11:17:30.555000Z
2026-02-23T11:17:30.555000Z
Lec.
ЗАКЛЮЧЕНИЕ 39
false
false
false
1,844
2026-02-23T11:17:29.019000Z
2026-02-23T11:17:29.019000Z
Lec.
Бенчмарк SLALOM 29. 3.2 Бенчмарки для квантовых компьютеров 30. 3.3 Бенчмарки Интернета вещей 32. 3.4 Использование глубоких нейронных сетей в СтнК 34. 3.5 Генерация трафика с помощью нейронных сетей 37. 3.6 Выводы к разделу 3 38
false
false
false
1,843
2026-02-23T11:17:26.945000Z
2026-02-23T11:17:26.945000Z
Lec.
Бенчмарки HPL и HPCG 29
false
false
false
1,842
2026-02-23T11:17:25.127000Z
2026-02-23T11:17:25.127000Z
Lec.
Трафик, генерируемый отдельными приложениями 17. 1.3 Итоговая классификация реалистичных профилей 20. 1.4 Выводы к разделу 1 21. 2 Анализ бенчмарков и обзор способов генерации трафика в СтнК 22. 2.1 Stanford ParalleL Applications for SHared memory 22. 2.2 Princeton Application Repository for Shared-Memory Computers 24....
false
false
false
1,841
2026-02-23T11:17:22.944000Z
2026-02-23T16:47:54.037000Z
Lec.
Трафик, генерируемый с помощью бенчмарков 14
Трафик, генерируемый с помощью бенчмарков.
false
true
true
1,840
2026-02-23T11:17:20.942000Z
2026-02-23T11:17:20.942000Z
Lec.
ВВЕДЕНИЕ 6. 1 Обзор и классификация профилей трафика 8. 1.1 Синтетические профили трафика 8. 1.2 Реалистичные профили трафика 13
false
false
false
1,839
2026-02-23T11:17:18.836000Z
2026-02-23T18:27:16.549000Z
Lec.
It is also necessary to analyze existing benchmarks and develop a library to generate core traffic patterns and transfer the prepared data to the NoCfor modeling and verification purposes
It is also necessary to analyze existing benchmarks and develop a library to generate core traffic patterns and transfer the prepared data to the NoC for modeling and verification purposes.
false
true
true
1,838
2026-02-23T11:17:17.063000Z
2026-02-23T11:17:17.063000Z
Lec.
The aim of the work is to study and classify known traffic patterns and to propose new possible patterns of communication between the cores of NoCs
false
true
false
1,837
2026-02-23T11:17:15.451000Z
2026-02-23T11:17:15.451000Z
Lec.
The relevance of this work stems from the fact that traffic patterns in NoCs are poorly understood and lack any general classification, and there are no universal generators and benchmarks for synthetic patterns
false
true
false
1,836
2026-02-23T11:17:13.839000Z
2026-02-23T11:17:13.839000Z
Lec.
A critical aspect of NoCs is the interaction between computational cores, including patterns by which cores exchange data
false
true
false
1,835
2026-02-23T11:17:11.935000Z
2026-02-23T16:05:29.043000Z
Lec.
Networks-on-chip (NoCs) have already become widespread and are used in many applications
Networks-on-chip (NoCs) have already become widespread and are used in many applications.
false
true
true
1,834
2026-02-23T11:17:10.183000Z
2026-02-23T17:26:54.659000Z
Lec.
Также необходимо провести анализ существующих бенчмарков и разработать библиотеку, которая бы позволила генерировать основные профили трафика и передавать подготовленные данные в сеть на кристалле для запуска и тестирования
Также необходимо провести анализ существующих бенчмарков и разработать библиотеку, которая позволила бы генерировать основные профили трафика и передавать подготовленные данные в сеть на кристалле для запуска и тестирования.
false
true
true
1,833
2026-02-23T11:17:08.570000Z
2026-02-23T11:17:08.570000Z
Lec.
Целью работы является изучение и классификация известных профилей трафика данных, а также предложение новых возможных закономерностей в коммуникации между ядрами СтнК
false
true
false
1,832
2026-02-23T11:17:06.822000Z
2026-02-23T11:17:06.822000Z
Lec.
Актуальность данной работы обусловлена тем, что профили трафика в СтнК мало изучены и не имеют никакой общей классификации, а также не существует универсальных генераторов и бенчмарков для синтетических профилей
false
true
false
1,831
2026-02-23T11:17:04.996000Z
2026-02-23T11:17:04.996000Z
Lec.
Критически важным аспектом при использовании сетей на кристалле является взаимодействие между вычислительными ядрами, в том числе закономерности, по которым ядра обмениваются данными
false
true
false
1,830
2026-02-23T11:17:03.235000Z
2026-02-23T11:17:03.235000Z
Lec.
Сети на кристалле (СтнК) уже получили широкое распространение и применяются во многих сферах
false
true
false
1,829
2026-02-23T11:17:01.413000Z
2026-02-23T11:17:01.413000Z
Lec.
ТЗ с подписями, скан
false
false
false
1,828
2026-02-23T11:16:59.617000Z
2026-02-23T11:16:59.617000Z
Lec.
ЗАДАНИЕ НА ВКР
false
false
false
1,827
2026-02-23T11:16:58.149000Z
2026-02-23T11:16:58.149000Z
Lec.
Москва 2025 г
false
false
false
1,826
2026-02-23T11:16:56.474000Z
2026-02-23T11:16:56.474000Z
Lec.
Консультант. ученая степень, звание (при наличии). ____________________
false
true
false
1,825
2026-02-23T11:16:54.593000Z
2026-02-23T11:16:54.593000Z
Lec.
Романов. подпись И.О
true
true
false
1,824
2026-02-23T11:16:52.881000Z
2026-02-23T11:16:52.881000Z
Lec.
Руководитель. д.т.н., доцент МИЭМ НИУ ВШЭ. ____________________ А.Ю
true
true
false
1,823
2026-02-23T11:16:51.170000Z
2026-02-23T18:18:17.655000Z
Lec.
Рецензент. ученая степень, звание (при наличии). ___________________
Рецензент. ученая степень, звание (при наличии).
false
true
true
1,822
2026-02-23T11:16:49.272000Z
2026-02-23T11:16:49.272000Z
Lec.
Маликов. подпись И.О
true
false
false
1,821
2026-02-23T11:16:47.498000Z
2026-02-23T11:16:47.498000Z
Lec.
Студент ___________________ М.А
true
true
false
1,820
2026-02-23T11:16:45.959000Z
2026-02-23T11:16:45.959000Z
Lec.
Выпускная квалификационная работа. по направлению 09.03.01 Информатика и вычислительная техника. студентов образовательной программы бакалавриата «Информатика и вычислительная техника»
false
true
false
1,819
2026-02-23T11:16:44.158000Z
2026-02-23T11:16:44.158000Z
Lec.
Исследование профилей трафика в сетях на кристалле
false
true
false
1,818
2026-02-23T11:16:42.238000Z
2026-02-23T11:16:42.238000Z
Lec.
Маликов Михаил Алексеевич, группа БИВ214
true
true
false
1,817
2026-02-23T11:16:34.946000Z
2026-02-23T11:16:34.946000Z
Lec.
Москва, 2025.
false
false
false
1,816
2026-02-23T11:16:33.153000Z
2026-02-23T11:16:33.153000Z
Lec.
Wen, “UAV-Based Visual Navigation for Urban Search and Rescue in Post-Disaster Areas A 2024 Istan- bul Case Study,” Nov. 2024, doi: 10.31219/OSF.IO/S2PHX.
false
false
false
1,815
2026-02-23T11:16:31.078000Z
2026-02-23T11:16:31.078000Z
Lec.
Hong, and J
false
false
false
1,814
2026-02-23T11:16:29.272000Z
2026-02-23T16:19:44.159000Z
Lec.
Sun, “A Review of Electric UAV Visual Detection and Navigation Technologies for Emergency Rescue Missions,” Sustain. , vol. 16, no. 5, Mar. 2024, doi: 10.3390/SU16052105. [25] L
Sun, “A Review of Electric UAV Visual Detection and Navigation Technologies for Emergency Rescue Missions,” Sustain., vol. 16, no. 5, Mar. 2024, doi: 10.3390/SU16052105.[25] L.
false
true
true
1,813
2026-02-23T11:16:27.140000Z
2026-02-23T11:16:27.140000Z
Lec.
Eng., 2010, doi: 10.3169/itej.64.315. [23] Zulko, “MoviePy,” MIT Licence. [24] P
false
false
false
1,812
2026-02-23T11:16:25.107000Z
2026-02-23T11:16:25.107000Z
Lec.
Tsutsuguhi, “FFmpeg,” Kyokai Joho Imeji Zasshi/Journal Inst
false
false
false
1,811
2026-02-23T11:16:23.219000Z
2026-02-23T13:41:21.269000Z
Lec.
Howse, OpenCV Computer Vision with Python. 2013. [22] K
House, OpenCV Computer Vision with Python. 2013. [22] K
false
true
true
1,810
2026-02-23T11:16:21.287000Z
2026-02-23T11:16:21.287000Z
Lec.
Available: https://arxiv.org/abs/2405.12979v1. [21] J
false
true
false
1,809
2026-02-23T11:16:19.255000Z
2026-02-23T11:16:19.255000Z
Lec.
Araujo, “OmniGlue: Generalizable Feature Matching with Foundation Model Guidance,” May 2024, Accessed: Feb. 24, 2025. [Online]
false
true
false
1,808
2026-02-23T11:16:17.094000Z
2026-02-23T11:16:17.094000Z
Lec.
Huang, and A
false
true
false
1,807
2026-02-23T11:16:15.154000Z
2026-02-23T11:16:15.154000Z
Lec.
Vis., pp. 17581–17592, Jun. 2023, doi: 10.1109/ICCV51070.2023.01616. [20] H
false
false
false
1,806
2026-02-23T11:16:12.990000Z
2026-02-23T11:16:12.990000Z
Lec.
Pollefeys, “LightGlue: Local Feature Matching at Light Speed,” Proc
false
false
false
1,805
2026-02-23T11:16:11.062000Z
2026-02-23T11:16:11.062000Z
Lec.
Sarlin, and M
false
false
false
1,804
2026-02-23T11:16:09.144000Z
2026-02-23T11:16:09.144000Z
Lec.
Lindenberger, P
true
false
false
1,803
2026-02-23T11:16:07.323000Z
2026-02-23T13:32:20.417000Z
Lec.
Available: https://arxiv.org/abs/1906.06195v2. [19] P
Available: https://arxiv.org/abs/1906.06195v2. [19] P
false
true
true
1,802
2026-02-23T11:16:05.182000Z
2026-02-23T11:16:05.182000Z
Lec.
Syst., vol. 32, Jun. 2019, Accessed: Feb. 24, 2025. [Online]
false
false
false
1,801
2026-02-23T11:16:03.223000Z
2026-02-23T11:16:03.223000Z
Lec.
Revaud et al., “R2D2: Repeatable and Reliable Detector and Descriptor,” Adv
false
false
false
1,800
2026-02-23T11:16:01.363000Z
2026-02-23T13:37:29.746000Z
Lec.
Yi, “LF-Net: Learning local features from images,” in Advances in Neural Information Processing Systems, 2018, pp. 6234–6244. [18] J
Yi, “LF-Net: Learning local features from images,” in Advances in Neural Information Processing Systems, 2018, pp. 6234–6244.[18] J
false
true
true
1,799
2026-02-23T11:15:59.380000Z
2026-02-23T11:15:59.380000Z
Lec.
Trulls, and K
false
false
false
1,798
2026-02-23T11:15:57.607000Z
2026-02-23T11:15:57.607000Z
Lec.
Pattern Recognit., pp. 4937–4946, Nov. 2019, doi: 10.1109/CVPR42600.2020.00499. [17] Y
false
false
false
1,797
2026-02-23T11:15:55.459000Z
2026-02-23T11:15:55.459000Z
Lec.
Rabinovich, “SuperGlue: Learning Feature Matching with Graph Neural Networks,” Proc
false
false
false
1,796
2026-02-23T11:15:53.716000Z
2026-02-23T11:15:53.716000Z
Lec.
Available: https://arxiv.org/abs/1905.03561v1. [16] P
false
false
false
1,795
2026-02-23T11:15:51.754000Z
2026-02-23T11:15:51.754000Z
Lec.
Dusmanu et al., “D2-Net: A Trainable CNN for Joint Detection and Description of Local Features,” Cvpr2019, May 2019, Accessed: Feb. 24, 2025. [Online]
false
false
false
1,794
2026-02-23T11:15:49.558000Z
2026-02-23T11:15:49.558000Z
Lec.
Work., vol. 2018-June, pp. 337–349, Dec. 2017, doi: 10.1109/CVPRW.2018.00060. [15] M
false
false
false
1,793
2026-02-23T11:15:47.579000Z
2026-02-23T11:15:47.579000Z
Lec.
Pattern Recognit
false
false
false
1,792
2026-02-23T11:15:45.980000Z
2026-02-23T11:15:45.980000Z
Lec.
Rabinovich, “SuperPoint: Self-Supervised Interest Point Detection and Description,” IEEE Comput
true
false
false
1,791
2026-02-23T11:15:44.132000Z
2026-02-23T11:15:44.132000Z
Lec.
Malisiewicz, and A
false
true
false
1,790
2026-02-23T11:15:42.276000Z
2026-02-23T11:15:42.276000Z
Lec.
Pattern Recognit., pp. 8918–8927, Apr. 2021, doi: 10.1109/CVPR46437.2021.00881. [14] D
false
true
false
1,789
2026-02-23T11:15:40.120000Z
2026-02-23T11:15:40.120000Z
Lec.
IEEE Comput
false
false
false
1,788
2026-02-23T11:15:38.002000Z
2026-02-23T11:15:38.002000Z
Lec.
Zhou, “LoFTR: Detector-Free Local Feature Matching with Transformers,” Proc
false
false
false
1,787
2026-02-23T11:15:36.059000Z
2026-02-23T11:15:36.059000Z
Lec.
Akhloufi, “A Review on Deep Learning for UAV Absolute Visual Localization,” Drones 2024, Vol. 8, Page 622, vol. 8, no. 11, p. 622, Oct. 2024, doi: 10.3390/DRONES8110622. [13] J
false
false
false
1,786
2026-02-23T11:15:33.853000Z
2026-02-23T11:15:33.853000Z
Lec.
Conf. 2013, 2013, doi: 10.5244/C.27.13. [12] A
false
true
false
1,785
2026-02-23T11:15:31.656000Z
2026-02-23T11:15:31.656000Z
Lec.
Bartoli, “Fast explicit diffusion for accelerated features in nonlinear scale spaces,” BMVC 2013 - Electron
false
true
false
1,784
2026-02-23T11:15:29.520000Z
2026-02-23T11:15:29.520000Z
Lec.
Nuevo, and A
false
false
false
1,783
2026-02-23T11:15:27.335000Z
2026-02-23T11:15:27.335000Z
Lec.
Alcantarilla, J
false
false
false
1,782
2026-02-23T11:15:25.565000Z
2026-02-23T11:15:25.565000Z
Lec.
Vis., pp. 2564–2571, 2011, doi: 10.1109/ICCV.2011.6126544. [11] P
false
false
false
1,781
2026-02-23T11:15:23.673000Z
2026-02-23T11:15:23.673000Z
Lec.
Bradski, “ORB: An efficient alternative to SIFT or SURF,” Proc
false
false
false
1,780
2026-02-23T11:15:21.791000Z
2026-02-23T11:15:21.791000Z
Lec.
Konolige, and G
false
false
false
1,779
2026-02-23T11:15:20Z
2026-02-23T11:15:20Z
Lec.
Van Gool, “SURF: Speeded up robust features,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2006, pp. 404–417. doi: 10.1007/11744023_32. [10] E
false
true
false
1,778
2026-02-23T11:15:17.815000Z
2026-02-23T11:15:17.815000Z
Lec.
Tuytelaars, and L
false
false
false
1,777
2026-02-23T11:15:16.082000Z
2026-02-23T11:15:16.082000Z
Lec.
Vis., vol. 60, no. 2, pp. 91–110, Nov. 2004, doi: 10.1023/B:VISI.0000029664.99615.94/METRICS. [9] H
false
false
false
1,776
2026-02-23T11:15:14.074000Z
2026-02-23T11:15:14.074000Z
Lec.
Lowe, “Distinctive image features from scale-invariant keypoints,” Int
false
true
false
1,775
2026-02-23T11:15:12.092000Z
2026-02-23T11:15:12.092000Z
Lec.
Available: https://europe.naverlabs.com/blog/methods-for-visual-localization/. [8] D
false
true
false
1,774
2026-02-23T11:15:10.143000Z
2026-02-23T13:36:43.757000Z
Lec.
Syst., vol. 135, p. 103666, Jan. 2021, doi: 10.1016/J.ROBOT.2020.103666. [7] “Methods for visual localization - Naver Labs Europe.” Accessed: Feb. 24, 2025. [Online]
Syst., vol. 135, p. 103666, Jan. 2021, DOI: 10.1016/j.robot.2020.103666.[7] "Methods for visual localization - Naver Labs Europe." Accessed: Feb. 24, 2025.[Online]
false
true
true
1,773
2026-02-23T11:15:08.001000Z
2026-02-23T13:28:43.696000Z
Lec.
Akhloufi, “A review on absolute visual localization for UAV,” Rob
Akhloufi, “A review on absolute visual localization for UAV,” Rob
false
true
true
1,772
2026-02-23T11:15:06.044000Z
2026-02-23T11:15:06.044000Z
Lec.
Couturier and M
false
false
false
1,771
2026-02-23T11:15:04.195000Z
2026-02-23T13:48:17.196000Z
Lec.
Available: https://www.lens.org/?locale=ru. [6] A
Available: https://www.lens.org/?locale=ru.[6] A
false
true
true
1,770
2026-02-23T11:15:02.118000Z
2026-02-23T11:15:02.118000Z
Lec.
Available: https://wordstat.yandex.ru/. [5] “Lens - бесплатный и открытый патентный и научный поиск.” Accessed: Mar. 12, 2025. [Online]
false
false
false
1,769
2026-02-23T11:15:00.101000Z
2026-02-23T11:15:00.101000Z
Lec.
Саденков, “Алгоритмы навигации беспилотных летательных аппаратов с использованием систем технического зрения”, doi: 10.17285/0869-7035.00105. [4] “Вордстат.” Accessed: Mar. 12, 2025. [Online]
false
true
false
1,768
2026-02-23T11:14:58.200000Z
2026-02-23T11:14:58.200000Z
Lec.
Robot., vol. 3, pp. 8–22, Jan. 2023, doi: 10.1016/J.COGR.2022.12.004. [3] В
false
true
false
1,767
2026-02-23T11:14:56.273000Z
2026-02-23T17:03:55.732000Z
Lec.
Nawaz, “Unmanned aerial vehicles: A review,” Cogn
Nawaz, “Unmanned aerial vehicles: A review,” Cognitive
false
true
true
1,766
2026-02-23T11:14:54.426000Z
2026-02-23T11:14:54.426000Z
Lec.
Laghari, and H
false
false
false
1,765
2026-02-23T11:14:52.733000Z
2026-02-23T11:14:52.733000Z
Lec.
Available: https://www.mordorintelligence.com/ru/industry-reports/uav-market. [2] A
false
false
false
1,764
2026-02-23T11:14:50.910000Z
2026-02-23T13:43:07.093000Z
Lec.
Сравнение результатов полученной системы с классическими алгоритмами сопоставления изображений. [1] “Анализ размера и доли рынка беспилотных летательных аппаратов-Отчет об отраслевых исследованиях-Тенденции роста.” Accessed: Mar. 12, 2025. [Online]
Сравнение результатов полученной системы с классическими алгоритмами сопоставления изображений. [1] «Анализ размера и доли рынка беспилотных летательных аппаратов. Отчет об отраслевых исследованиях: тенденции роста». Accessed: Mar. 12, 2025. [Online]
false
true
true
1,763
2026-02-23T11:14:48.697000Z
2026-02-23T16:58:59.443000Z
Lec.
Тестирование системы по выбранным метрикам
Тестирование системы по выбранным метрикам
false
true
true
1,762
2026-02-23T11:14:46.692000Z
2026-02-23T11:14:46.692000Z
Lec.
Анализ существующих метрик качества моделей визуальной локализации БПЛА
false
true
false
1,761
2026-02-23T11:14:44.978000Z
2026-02-23T18:03:08.009000Z
Lec.
Разработка системы визуальной локализации БПЛА, основанной на одной или нескольких моделей сопоставления изображений
Разработка системы визуальной локализации беспилотного летательного аппарата, основанная на одной или нескольких моделях сопоставления изображений
false
true
true
1,760
2026-02-23T11:14:42.903000Z
2026-02-23T13:47:24.077000Z
Lec.
Создание вспомогательных систем, таких как загрузка и обработка изображений в соответствии с выбранным методом обработки и анализа изображений на языке Python
Создание вспомогательных систем, таких как загрузка и обработка изображений в соответствии с выбранным методом обработки и анализа изображений на языке Python.
false
true
true
1,759
2026-02-23T11:14:41.162000Z
2026-02-23T16:57:21.549000Z
Lec.
Анализ существующих моделей и выбор наиболее перспективных алгоритмов сопоставления изображений
Анализ существующих моделей и выбор наиболее перспективных алгоритмов для сопоставления изображений.
false
true
true
1,758
2026-02-23T11:14:39.518000Z
2026-02-23T11:14:39.518000Z
Lec.
Обработка наборов данных, приведение к подходящему для работы формату
false
true
false