https://wiki.cs.hse.ru/api.php?action=feedcontributions&feedformat=atom&user=Emitroshin 2026-09-29T13:57:38Z Вклад MediaWiki 1.43.9 https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24835 2017-10-02T15:25:40Z

<p>Emitroshin: fixed typo</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> ===== Дано =====<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> ===== Хочется =====<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> ===== Зачем =====<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> ===== Что ожидается на выходе =====<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненты (Из каких частей состоит проект?) ===<br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> # Специфика задач отдела Business Quality Control<br /> # Проекты компании, приоритетные направления для нас<br /> # Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> * 4-5: Классификация инцидентов consumer и b2b направлений<br /> * 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> * 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> * A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> * Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> * Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> * Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24834 2017-10-02T15:25:06Z

<p>Emitroshin: reformatted</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> ===== Дано =====<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> ===== Хочется =====<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> ===== Зачем =====<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> ===== Что ожидается на выходе =====<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> <br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> # Специфика задач отдела Business Quality Control<br /> # Проекты компании, приоритетные направления для нас<br /> # Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> * 4-5: Классификация инцидентов consumer и b2b направлений<br /> * 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> * 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> * A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> * Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> * Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> * Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24833 2017-10-02T15:23:44Z

<p>Emitroshin: reformatted</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> Дано:<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> Хочется:<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> Зачем:<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> Что ожидается на выходе:<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> <br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> # Специфика задач отдела Business Quality Control<br /> # Проекты компании, приоритетные направления для нас<br /> # Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> * 4-5: Классификация инцидентов consumer и b2b направлений<br /> * 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> * 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> * A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> * Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> * Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> * Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24832 2017-10-02T15:23:23Z

<p>Emitroshin: reformatted</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> Дано:<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> Хочется:<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> Зачем:<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> Что ожидается на выходе:<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> <br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> # Специфика задач отдела Business Quality Control<br /> # Проекты компании, приоритетные направления для нас<br /> # Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> * 4-5: Классификация инцидентов consumer и b2b направлений<br /> * 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> * 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24831 2017-10-02T15:23:01Z

<p>Emitroshin: reformatted</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> Дано:<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> Хочется:<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> Зачем:<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> Что ожидается на выходе:<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> <br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> # Специфика задач отдела Business Quality Control<br /> # Проекты компании, приоритетные направления для нас<br /> # Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> 4-5: Классификация инцидентов consumer и b2b направлений<br /> 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin https://wiki.cs.hse.ru/index.php?title=%D0%9A%D0%BB%D0%B0%D1%81%D1%81%D0%B8%D1%84%D0%B8%D0%BA%D0%B0%D1%86%D0%B8%D1%8F_%D0%B8_%D0%BF%D1%80%D0%B5%D0%B4%D1%81%D0%BA%D0%B0%D0%B7%D0%B0%D0%BD%D0%B8%D0%B5_%D0%BF%D0%BE%D0%BB%D1%8C%D0%B7%D0%BE%D0%B2%D0%B0%D1%82%D0%B5%D0%BB%D1%8C%D1%81%D0%BA%D0%B8%D1%85_%D0%B8%D0%BD%D1%86%D0%B8%D0%B4%D0%B5%D0%BD%D1%82%D0%BE%D0%B2_(%D0%BA%D0%BE%D0%BC%D0%B0%D0%BD%D0%B4%D0%BD%D1%8B%D0%B9_%D0%BF%D1%80%D0%BE%D0%B5%D0%BA%D1%82)&diff=24826 2017-10-02T15:17:26Z

<p>Emitroshin: Новая страница, с помощью формы Новый_командный_проект</p> <hr /> <div>{{Карточка_командного_проекта<br /> |name=Классификация и предсказание пользовательских инцидентов<br /> |company=Kaspersky Lab<br /> |semester=Осень 2017<br /> |course=3<br /> |number_of_students=3<br /> |categorize=yes<br /> }}<br /> <br /> === Что это за проект? ===<br /> Дано:<br /> Система управления инцидентами, bug-tracker с артфеактами разработки и множество проектов в разработке.<br /> <br /> Хочется:<br /> Используя методы машинного обучения прогнозировать, какие инциденты могут произойти после выхода новой версии продукта.<br /> Для анализа доступна ретроспектива инцидентов случившихся и артефакты разрабатываемого проетка (баги, требования и т.д.).<br /> Классифицировать обращения по содержанию.<br /> <br /> Зачем:<br /> Выявление приоритетных векторов проверки во время приёмки выпускаемых продуктов, избежание рисков при выпуске как следствие.<br /> <br /> Что ожидается на выходе:<br /> В идеале видится dashboard со сводной информацией. Либо инструмент, позволяющий так или иначе получить набор нужных данных (напр. список рискованных функциональных областей продукта с весами) без представления.<br /> <br /> === Чему научатся студенты? Что самое интересное в проекте? ===<br /> Применение классических задач регрессии и классификации в контексте реальной бизнес-задачи.<br /> <br /> === Организация работы (Как студенты будут работать в команде?) ===<br /> Можем взять максимум трёх человек, работа сугубо исследовательская, будем собираться минимум раз в неделю для координации работ и обсуждения идей.<br /> <br /> === Компоненеты (Из каких частей состоит проект?) ===<br /> <br /> <br /> === Какие будут использоваться технологии? ===<br /> Python, MS SQL Server и Team Foundation Services как источники данных, Atlassian JIRA для ведения задач, RapidMiner (предположительно).<br /> <br /> === Какие начальные требования? ===<br /> Python, желательно Transact-SQL, знание или сильное желание разобраться в методах text mining.<br /> <br /> === Темы вводных занятий ===<br /> - Специфика задач отдела Business Quality Control<br /> - Проекты компании, приоритетные направления для нас<br /> - Текущие наработки, проблемы с которыми сталкивались в результатах исследования, что имеем сейчас<br /> <br /> === Критерии оценки ===<br /> 4-5: Классификация инцидентов consumer и b2b направлений<br /> 6-7: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b решениях<br /> 8-10: Классификация инцидентов consumer и b2b направлений + прогнозирование проблем в флагманских b2b и b2c решениях. Тематическое моделирование.<br /> <br /> === Похожие проекты ===<br /> Whitepapers:<br /> A Discriminative Model Approach for Accurate Duplicate Bug Report Retrieval - Chengnian Sun, David Lo, Xiaoyin Wang, Jing Jiang, Siau-Cheng Khoo.<br /> Automatic bug triage using text categorization - Davor Cubranic, Gail C. Murphy.<br /> Comparing Mining Algorithms for Predicting the Severity of a Reported Bug - Ahmed Lamkanfi, Serge Demeyer, Quinten David Soetens, Tim Verdonckz.<br /> Identifying Security Bug Reports via Text Mining: An Industrial Case Study - Michael Gegick, Pete Rotella, Tao Xie.<br /> <br /> === Контактная информация ===<br /> evgeny.mitroshin@kaspersky.com</div>

Emitroshin