id int64 18 21.1k | created_at timestamp[ns, tz=UTC]date 2026-02-23 07:30:20 2026-02-24 16:54:39 | updated_at timestamp[ns, tz=UTC]date 2026-02-23 08:08:14 2026-02-24 16:54:39 | 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 |
|---|---|---|---|---|---|---|---|---|
12,407 | 2026-02-24T10:54:58.560000Z | 2026-02-24T10:54:58.560000Z | Lec. | The result of this work is a comprehensive software service consisting of the following key components: | false | true | false | |
12,406 | 2026-02-24T10:54:56.749000Z | 2026-02-24T10:54:56.749000Z | Lec. | Further developments in this area may include improving data verification algorithms on the server and expanding the service's functionality | false | true | false | |
12,405 | 2026-02-24T10:54:54.994000Z | 2026-02-24T10:54:54.994000Z | Lec. | Interaction with the service is carried out through a website that is accessible from any point in the world | false | true | false | |
12,404 | 2026-02-24T10:54:53.252000Z | 2026-02-24T10:54:53.252000Z | Lec. | It is optimized for use on both computers and mobile devices, providing comfortable access to functionality from any device | false | true | false | |
12,403 | 2026-02-24T10:54:51.507000Z | 2026-02-24T10:54:51.507000Z | Lec. | This service is characterized by its simplicity and intuitive clarity, making it accessible to a wide audience | false | true | false | |
12,402 | 2026-02-24T10:54:49.757000Z | 2026-02-24T10:54:49.757000Z | Lec. | As part of this work, a service was developed for convenient and relevant job searching in MIEM projects that meets user requests | false | true | false | |
12,401 | 2026-02-24T10:54:48.031000Z | 2026-02-24T10:54:48.031000Z | Lec. | Работа состоит из 80 страниц, 35 источников, 42 рисунка и 7 таблиц | false | false | false | |
12,400 | 2026-02-24T10:54:46.415000Z | 2026-02-24T10:54:46.415000Z | Lec. | Онтология: разработанная база знаний по предметной области, содержащая различные текстовые вариации написания направлений и навыков, что обеспечивает точность и релевантность результатов поиска | false | true | false | |
12,399 | 2026-02-24T10:54:44.488000Z | 2026-02-24T10:54:44.488000Z | Lec. | Клиентская часть: веб-сайт, который предоставляет пользователям функциональность поиска вакансий на основе их запросов, обеспечивая удобный пользовательский интерфейс и эффективное взаимодействие с сервером | false | true | false | |
12,398 | 2026-02-24T10:54:42.627000Z | 2026-02-24T10:54:42.627000Z | Lec. | Серверная часть: включает скрипт для загрузки исходных данных, их последующую обработку и верификацию, а также реализацию API для взаимодействия с клиентской частью | false | true | false | |
12,397 | 2026-02-24T10:54:39.913000Z | 2026-02-24T10:54:39.913000Z | Lec. | Результатом данной работы является комплексное программное обеспечение сервиса, состоящее из следующих ключевых элементов: | false | true | false | |
12,396 | 2026-02-24T10:54:38.277000Z | 2026-02-24T10:54:38.278000Z | Lec. | Дальнейшие разработки в данной области могут включать в себя улучшение алгоритмов верификации данных на сервере и расширение функциональности сервиса | false | true | false | |
12,395 | 2026-02-24T10:54:36.515000Z | 2026-02-24T10:54:36.515000Z | Lec. | Взаимодействие с сервисом осуществляется через веб-сайт, который доступен из любой точки мира | false | true | false | |
12,394 | 2026-02-24T10:54:34.714000Z | 2026-02-24T10:54:34.714000Z | Lec. | Он предназначен для использования как на компьютерах, так и на мобильных устройствах, обеспечивая комфортный доступ к функционалу с любого устройства | false | true | false | |
12,393 | 2026-02-24T10:54:32.950000Z | 2026-02-24T10:54:32.950000Z | Lec. | Этот сервис отличается простотой и интуитивной понятностью, что делает его доступным для широкой аудитории | false | true | false | |
12,392 | 2026-02-24T10:54:31.191000Z | 2026-02-24T10:54:31.191000Z | Lec. | В рамках данной работы разрабатывается сервис для удобного и релевантного поиска вакансий в проектах МИЭМ, отвечающий запросам пользователей | false | true | false | |
12,391 | 2026-02-24T10:54:29.311000Z | 2026-02-24T10:54:29.311000Z | Lec. | титульник. график сдачи 1. график сдачи | false | false | false | |
12,390 | 2026-02-24T10:54:27.754000Z | 2026-02-24T10:54:27.754000Z | Lec. | Параметры конфигурации:. random_seed (int): Seed для воспроизводимости. test_or_train (str): Режим ("Train" или "Test"). parser:. parser_class (str): Класс парсера (GraphMLParser). target (str): Целевая переменная (delay, area). data_loader:. data_loader_class (str): Класс загрузчика (GraphMLDataLoader). batch_size (int): Размер батча. trainer:. trainer_class (str): Класс тренера (HOGA_Trainer). learning_rate (float): Скорость обучения. additional_params (dict): Гиперпараметры модели. | false | false | false | |
12,389 | 2026-02-24T10:54:25.774000Z | 2026-02-24T10:54:25.774000Z | Lec. | Методы:. train_step(data): Обновляет веса модели на одном батче | false | true | false | |
12,388 | 2026-02-24T10:54:24.108000Z | 2026-02-24T10:54:24.108000Z | Lec. | Параметры конструктора:. model (nn.Module): Модель. optimizer (optim.Optimizer): Оптимизатор. criterion (nn.Module): Функция потерь. device (str): Устройство | false | false | false | |
12,387 | 2026-02-24T10:54:22.394000Z | 2026-02-24T10:54:22.394000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_layers (int): Количество слоев. dropout (float): Вероятность дропаута. num_hops (int): Количество шагов агрегации. heads (int): Количество голов внимания | false | true | false | |
12,386 | 2026-02-24T10:54:20.615000Z | 2026-02-24T10:54:20.615000Z | Lec. | Агрегирует признаки через глобальный пулинг | false | true | false | |
12,385 | 2026-02-24T10:54:18.732000Z | 2026-02-24T10:54:18.732000Z | Lec. | На каждом слое использует ReLU и дропаут | false | true | false | |
12,384 | 2026-02-24T10:54:17.242000Z | 2026-02-24T10:54:17.242000Z | Lec. | Логика: Последовательно применяет слои GCNConv с пакетной нормализацией (BatchNorm) | false | true | false | |
12,383 | 2026-02-24T10:54:15.441000Z | 2026-02-24T10:54:15.441000Z | Lec. | Методы:. forward(self, x, edge_index, batch): | false | false | false | |
12,382 | 2026-02-24T10:54:13.643000Z | 2026-02-24T10:54:13.643000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_layers (int): Количество слоев GCN. dropout (float): Вероятность дропаута (например, 0.5) | false | false | false | |
12,381 | 2026-02-24T10:54:11.701000Z | 2026-02-24T10:54:11.701000Z | Lec. | Назначение: Классическая графовая сверточная сеть (GCN) с поддержкой пакетной нормализации | false | true | false | |
12,380 | 2026-02-24T10:54:10.188000Z | 2026-02-24T10:54:10.188000Z | Lec. | Агрегирует признаки узлов через глобальный пулинг (global_mean_pool) | false | true | false | |
12,379 | 2026-02-24T10:54:08.388000Z | 2026-02-24T10:54:08.388000Z | Lec. | Логика: Применяет два слоя TransformerConv с активацией ReLU | false | true | false | |
12,378 | 2026-02-24T10:54:06.657000Z | 2026-02-24T10:54:06.657000Z | Lec. | Методы:. forward(self, x, edge_index, batch) | false | false | false | |
12,377 | 2026-02-24T10:54:05.032000Z | 2026-02-24T10:54:05.032000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков. hidden_channels (int): Размерность скрытого слоя. out_channels (int): Размерность выхода. num_heads (int, опционально): Количество голов внимания (по умолчанию: 4) | false | true | false | |
12,376 | 2026-02-24T10:54:03.358000Z | 2026-02-24T10:54:03.358000Z | Lec. | Наследование: AbstractGraphModel | false | true | false | |
12,375 | 2026-02-24T10:54:01.753000Z | 2026-02-24T10:54:01.753000Z | Lec. | Назначение: Реализация GNN на основе механизма внимания из трансформеров | false | true | false | |
12,374 | 2026-02-24T10:54:00.233000Z | 2026-02-24T10:54:00.233000Z | Lec. | Возвращает: Выход модели (тензор) | false | true | false | |
12,373 | 2026-02-24T10:53:58.573000Z | 2026-02-24T10:53:58.573000Z | Lec. | Параметры:. x (Tensor): Признаки узлов (размерность: [num_nodes, in_channels]). edge_index (Tensor): Индексы ребер (размерность: [2, num_edges]). batch (Tensor): Вектор, указывающий принадлежность узлов к батчам | false | false | false | |
12,372 | 2026-02-24T10:53:56.820000Z | 2026-02-24T10:53:56.820000Z | Lec. | Назначение: Определяет прямой проход модели | false | true | false | |
12,371 | 2026-02-24T10:53:55.188000Z | 2026-02-24T10:53:55.188000Z | Lec. | Методы:. forward(self, x, edge_index, batch) (абстрактный): | false | false | false | |
12,370 | 2026-02-24T10:53:53.623000Z | 2026-02-24T10:53:53.623000Z | Lec. | Параметры конструктора:. in_channels (int): Размерность входных признаков узлов. hidden_channels (int): Размерность скрытых слоев. out_channels (int): Размерность выходного слоя. **kwargs: Дополнительные параметры (например, гиперпараметры) | false | false | false | |
12,369 | 2026-02-24T10:53:51.550000Z | 2026-02-24T10:53:51.550000Z | Lec. | Определяет обязательные методы и структуру для моделей | false | true | false | |
12,368 | 2026-02-24T10:53:49.691000Z | 2026-02-24T10:53:49.691000Z | Lec. | Назначение: Абстрактный базовый класс для всех графовых нейронных сетей | false | true | false | |
12,367 | 2026-02-24T10:53:47.598000Z | 2026-02-24T10:53:47.598000Z | Lec. | Методы:. fit(train_loader, val_loader): Запускает обучение | false | true | false | |
12,366 | 2026-02-24T10:53:45.618000Z | 2026-02-24T10:53:45.618000Z | Lec. | Параметры конструктора:. learning_rate (float): Скорость обучения. device (str): Устройство ("cpu" или "cuda"). criterion (nn.Module): Функция потерь. **kwargs: Гиперпараметры модели (например, hidden_channels=256) | false | true | false | |
12,365 | 2026-02-24T10:53:43.946000Z | 2026-02-24T10:53:43.946000Z | Lec. | Методы:. run(): Запускает обучение или тестирование. create_model_trainer(config): Создает тренер модели | false | false | false | |
12,364 | 2026-02-24T10:53:42.324000Z | 2026-02-24T10:53:42.324000Z | Lec. | Параметры конструктора:. config_path (str): Путь к JSON-конфигурации | false | true | false | |
12,363 | 2026-02-24T10:53:40.743000Z | 2026-02-24T10:53:40.743000Z | Lec. | Возвращает: Экземпляр парсера (например, GraphMLParser) | false | false | false | |
12,362 | 2026-02-24T10:53:38.995000Z | 2026-02-24T10:53:38.995000Z | Lec. | Параметры:. config (ParserConfig): Конфигурация парсера | false | true | false | |
12,361 | 2026-02-24T10:53:37.440000Z | 2026-02-24T10:53:37.440000Z | Lec. | Методы:. create_parser(config): | false | false | false | |
12,360 | 2026-02-24T10:53:32.744000Z | 2026-02-24T10:53:32.744000Z | Lec. | Возвращает:. torch.Tensor: Тензор с меткой | false | true | false | |
12,359 | 2026-02-24T10:53:31.309000Z | 2026-02-24T10:53:31.309000Z | Lec. | Назначение: извлекает метку из JSON-файла по ключу target | true | true | false | |
12,358 | 2026-02-24T10:53:29.832000Z | 2026-02-24T10:53:29.832000Z | Lec. | Возвращает:. nx.Graph: Граф схемы. load_label(self, file_path): | false | false | false | |
12,357 | 2026-02-24T10:53:28.018000Z | 2026-02-24T10:53:28.018000Z | Lec. | Назначение: читает GraphML-файл с помощью networkx | false | true | false | |
12,356 | 2026-02-24T10:53:26.493000Z | 2026-02-24T10:53:26.493000Z | Lec. | Методы:. load_data(self, file_path): | false | false | false | |
12,355 | 2026-02-24T10:53:24.985000Z | 2026-02-24T10:53:24.985000Z | Lec. | Параметры конструктора:. target (str): Целевая метка (например, "delay") | true | true | false | |
12,354 | 2026-02-24T10:53:23.365000Z | 2026-02-24T10:53:23.365000Z | Lec. | Наследование: AbstractDataParser | false | true | false | |
12,353 | 2026-02-24T10:53:21.774000Z | 2026-02-24T10:53:21.774000Z | Lec. | Назначение: Парсит данные из формата GraphML и извлекает метки из JSON-файлов | false | true | false | |
12,352 | 2026-02-24T10:53:20.216000Z | 2026-02-24T10:53:20.216000Z | Lec. | Any: Метка (например, torch.Tensor) | false | false | false | |
12,351 | 2026-02-24T10:53:18.712000Z | 2026-02-24T10:53:18.712000Z | Lec. | Параметры:. file_path (str): Путь к файлу с меткой (например, .json) | true | true | false | |
12,350 | 2026-02-24T10:53:12.268000Z | 2026-02-24T10:53:12.268000Z | Lec. | Назначение: Извлекает целевую метку из файла | false | true | false | |
12,349 | 2026-02-24T10:53:10.808000Z | 2026-02-24T10:53:10.808000Z | Lec. | Any: Граф (например, объект nx.Graph). load_label(self, file_path) (абстрактный): | false | true | false | |
12,348 | 2026-02-24T10:53:08.919000Z | 2026-02-24T10:53:08.919000Z | Lec. | Параметры:. file_path (str): Путь к файлу с данными (например, .graphml, .v) | true | true | false | |
12,347 | 2026-02-24T10:53:01.326000Z | 2026-02-24T10:53:01.326000Z | Lec. | Назначение: Загружает и преобразует данные из файла в структуру графа | false | true | false | |
12,346 | 2026-02-24T10:52:59.173000Z | 2026-02-24T10:52:59.173000Z | Lec. | Методы:. load_data(self, file_path) (абстрактный): | false | false | false | |
12,345 | 2026-02-24T10:52:57.197000Z | 2026-02-24T10:52:57.197000Z | Lec. | Параметры конструктора:. target (str): Целевая метка для предсказания (например, "delay", "area") | false | true | false | |
12,344 | 2026-02-24T10:52:55.625000Z | 2026-02-24T10:52:55.625000Z | Lec. | Наследование: ABC | false | true | false | |
12,343 | 2026-02-24T10:52:54.011000Z | 2026-02-24T10:52:54.011000Z | Lec. | Определяет интерфейс для чтения и обработки входных данных | false | true | false | |
12,342 | 2026-02-24T10:52:52.473000Z | 2026-02-24T10:52:52.473000Z | Lec. | Назначение: Абстрактный базовый класс для всех парсеров данных | false | true | false | |
12,341 | 2026-02-24T10:52:50.756000Z | 2026-02-24T10:52:50.756000Z | Lec. | Возвращает:. list[Data]: Список объектов Data | true | true | false | |
12,340 | 2026-02-24T10:52:49.197000Z | 2026-02-24T10:52:49.197000Z | Lec. | Назначение: Создает датасет из всех графов в директории | false | true | false | |
12,339 | 2026-02-24T10:52:47.615000Z | 2026-02-24T10:52:47.615000Z | Lec. | Data: Объект PyTorch Geometric с признаками узлов, ребрами и меткой. create_dataset(self): | false | false | false | |
12,338 | 2026-02-24T10:52:45.099000Z | 2026-02-24T10:52:45.099000Z | Lec. | Параметры:. path_name_tuple (tuple): Кортеж вида (путь_к_папке, имя_графа) | false | false | false | |
12,337 | 2026-02-24T10:52:43.457000Z | 2026-02-24T10:52:43.457000Z | Lec. | Назначение: Обрабатывает папку с данными графа и преобразует их в объект Data | false | true | false | |
12,336 | 2026-02-24T10:52:41.754000Z | 2026-02-24T10:52:41.754000Z | Lec. | Возвращает:. int: Код ошибки (0 — успех, 1 — ошибка). process_graph_folder(self, path_name_tuple): | false | true | false | |
12,335 | 2026-02-24T10:52:40.325000Z | 2026-02-24T10:52:40.325000Z | Lec. | Если не указан, проверяет первый файл в датасете | false | true | false | |
12,334 | 2026-02-24T10:52:38.789000Z | 2026-02-24T10:52:38.789000Z | Lec. | Параметры:. graphml_file_path (str, опционально): Путь к файлу GraphML | false | true | false | |
12,333 | 2026-02-24T10:52:37.305000Z | 2026-02-24T10:52:37.305000Z | Lec. | Назначение: Проверяет наличие ошибок в данных (некорректные теги, ID узлов) | true | true | false | |
12,332 | 2026-02-24T10:52:35.655000Z | 2026-02-24T10:52:35.655000Z | Lec. | Методы:. check_errors(self, graphml_file_path=None): | false | false | false | |
12,331 | 2026-02-24T10:52:34.200000Z | 2026-02-24T10:52:34.200000Z | Lec. | Параметры конструктора:. dataset_path (str): Путь к директории с датасетом. batch_size (int): Размер батча. parser (AbstractDataParser): Парсер данных (например, GraphMLParser). encoder (str): Тип энкодера (например, "One-hot-encoder"). shuffle (bool, опционально): Перемешивание данных (по умолчанию: True). num_workers (int, опционально): Количество процессов для загрузки (по умолчанию: 0). use_scaler (bool, опционально): Использовать нормализацию меток (по умолчанию: False) | false | false | false | |
12,330 | 2026-02-24T10:52:32.465000Z | 2026-02-24T10:52:32.465000Z | Lec. | Наследование: AbstractGraphDataLoader | false | true | false | |
12,329 | 2026-02-24T10:52:30.506000Z | 2026-02-24T10:52:30.506000Z | Lec. | Назначение: Загрузка и преобразование данных из формата GraphML в объекты Data PyTorch Geometric | false | true | false | |
12,328 | 2026-02-24T10:52:28.275000Z | 2026-02-24T10:52:28.275000Z | Lec. | Методы:. check_errors(): Проверяет ошибки в данных. create_dataset(): Создает Dataset | false | true | false | |
12,327 | 2026-02-24T10:52:26.575000Z | 2026-02-24T10:52:26.575000Z | Lec. | Параметры конструктора:. dataset_path (str): Путь к датасету. batch_size (int): Размер батча. parser (AbstractDataParser): Парсер данных. encoder (str): Тип энкодера (например, "One-hot-encoder"). shuffle (bool): Перемешивание данных. num_workers (int): Количество процессов. use_scaler (bool): Использовать нормализацию | false | true | false | |
12,326 | 2026-02-24T10:52:25.083000Z | 2026-02-24T10:52:25.083000Z | Lec. | Аналогично FixGraphmlEdgeError | false | false | false | |
12,325 | 2026-02-24T10:52:23.613000Z | 2026-02-24T10:52:23.613000Z | Lec. | Возвращает: Код ошибки (0 — успех, 1 — ошибка) | false | true | false | |
12,324 | 2026-02-24T10:52:22.079000Z | 2026-02-24T10:52:22.079000Z | Lec. | Параметры:. graphml_file_path (str): Путь к файлу GraphML | true | true | false | |
12,323 | 2026-02-24T10:52:14.038000Z | 2026-02-24T10:52:14.038000Z | Lec. | Методы:. fix_error(graphml_file_path): | false | true | false | |
12,322 | 2026-02-24T10:52:12.558000Z | 2026-02-24T10:52:12.558000Z | Lec. | Наследует: AbstractErrorFixer | false | false | false | |
12,321 | 2026-02-24T10:52:11.099000Z | 2026-02-24T10:52:11.099000Z | Lec. | Методы:. fix_error(data): Исправляет ошибки в данных (абстрактный метод) | false | true | false | |
12,320 | 2026-02-24T10:52:09.567000Z | 2026-02-24T10:52:09.567000Z | Lec. | Параметры конструктора:. dataset_path (str): Путь к датасету. num_workers (int): Количество процессов для параллельной обработки | false | false | false | |
12,319 | 2026-02-24T10:52:07.127000Z | 2026-02-24T10:52:07.127000Z | Lec. | Возвращает: Модифицированный объект data | false | true | false | |
12,318 | 2026-02-24T10:52:05.427000Z | 2026-02-24T10:52:05.427000Z | Lec. | Параметры:. data (Data): Объект данных PyG. args (dict): Параметры:. directed (bool): Учитывать направленность графа. num_hops (int): Количество шагов агрегации | false | false | false | |
12,317 | 2026-02-24T10:52:03.789000Z | 2026-02-24T10:52:03.789000Z | Lec. | Назначение: Добавляет мультимасштабные признаки к данным | false | true | false | |
12,316 | 2026-02-24T10:52:01.950000Z | 2026-02-24T10:52:01.950000Z | Lec. | Возвращает: Кортеж (DAD, AD, DA) | false | true | false | |
12,315 | 2026-02-24T10:52:00.439000Z | 2026-02-24T10:52:00.439000Z | Lec. | Параметры:. adj (scipy.sparse matrix): Исходная матрица смежности | false | false | false | |
12,314 | 2026-02-24T10:51:58.875000Z | 2026-02-24T10:51:58.875000Z | Lec. | Назначение: Преобразует матрицу смежности в нормализованные версии | false | true | false | |
12,313 | 2026-02-24T10:51:57.314000Z | 2026-02-24T10:51:57.314000Z | Lec. | Методы:. forward(y_pred, y_true): Аналогично MAPE_loss. preprocessing/preprocessing.py | false | false | false | |
12,312 | 2026-02-24T10:51:55.661000Z | 2026-02-24T10:51:55.661000Z | Lec. | Конструктор: Нет параметров | false | true | false | |
12,311 | 2026-02-24T10:51:53.984000Z | 2026-02-24T10:51:53.984000Z | Lec. | Параметры:. y_pred (Tensor): Предсказания. y_true (Tensor): Истинные значения | false | true | false | |
12,310 | 2026-02-24T10:51:52.438000Z | 2026-02-24T10:51:52.438000Z | Lec. | Методы:. forward(y_pred, y_true): | false | false | false | |
12,309 | 2026-02-24T10:51:50.796000Z | 2026-02-24T10:51:50.797000Z | Lec. | Параметры конструктора:. epsilon (float, default=1e-6): Малое значение для предотвращения деления на ноль | false | true | false | |
12,308 | 2026-02-24T10:51:49.233000Z | 2026-02-24T10:51:49.233000Z | Lec. | Возвращает: Значение функции потерь | false | true | false |
Subsets and Splits
No community queries yet
The top public SQL queries from the community will appear here once available.