ВКР по курсу «DataScience» Прогнозирование конечных свойств новых материалов (композиционных материалов).

1. Подготовить проект, который необходимо будет представить на защите.

2. Подготовить пояснительную записку. Объем записки 30 страниц.

Структура:

1. Аналитическая часть

1.1. Постановка задачи.

1.2. Описание используемых методов

1.3. Разведочный анализ данных

2. Практическая часть

2.1. Предобработка данных

В данном разделе приводится графики распределения для каждого признака до и после нормализации, указать максимальные и минимальные значения.

2.2. Разработка и обучение модели

В данной части приводится список моделей, которые будут использоваться для прогноза модуля упругости при растяжении и прочности при растяжении.

2.3. Тестирование модели

В данном разделе показывается ошибка каждой модели на тренировочной и тестирующей части выборки. Обосновывается выбор модели.

2.4. Написать нейронную сеть, которая будет рекомендовать соотношение матрица.

Описывается выбранная архитектура нейронной сети и ее результаты.

2.5. Разработка приложения

Описать функционал приложения и краткую инструкцию использования.

2.6. Создание удаленного репозитория и загрузка результатов работы на него.

Указывается страница слушателя, созданный репозиторий, коммиты в репозитории.

2. Задание

Тема: Прогнозирование конечных свойств новых материалов (композиционных материалов).

На входе имеются данные о начальных свойствах компонентов композиционных материалов (количество связующего, наполнителя, температурный режим отверждения и т.д.). На выходе необходимо спрогнозировать ряд конечных свойств получаемых композиционных материалов.

Датасет со свойствами композитов. Объединение делать по индексу тип объединения INNER

Требуется:

1) Изучить теоретические основы и методы решения поставленной задачи.

2) Провести разведочный анализ предложенных данных.Необходимо нарисовать гистограммы распределения каждой из переменной, диаграммы ящика с усами, попарные графики рассеяния точек. Необходимо также для каждой колонке получить среднее, медианное значение, провести анализ и исключение выбросов, проверить наличие пропусков.

3) Провести предобработку данных (удаление шумов, нормализация и т.д.).

4) Обучить нескольких моделей для прогноза модуля упругости при растяжении и прочности при растяжении. При построении модели необходимо 30% данных оставить на тестирование модели, на остальных происходит обучение моделей. При построении моделей провести поиск гиперпараметров модели с помощью поиска по сетке с перекрестной проверкой, количество блоков равно 10.

5) Написать нейронную сеть, которая будет рекомендовать соотношение матрица-наполнитель.

6) Разработать приложение с графическим интерфейсом или интерфейсом командной строки, которое будет выдавать прогноз, полученный в задании 4 или 5 (один или два прогноза, на выбор учащегося).

7) Оценить точность модели на тренировочном и тестовом датасете.

8) Создать репозиторий в GitHub / GitLab и разместить там код исследования. Оформить файл README.