Нова Избираема дисциплина:

Python за Fintech разработка

Направление: 4.6 Информатика

Анотация

Дисциплината "Python за Fintech разработка" подготвя студентите за работа като Python разработчици във финансово-технологичния сектор. Курсът комбинира задълбочено изучаване на Python екосистемата за анализ на данни с практически умения за back-end разработка и количествени методи за финансови приложения.

Учебно съдържание

Методи на преподаване

• Интерактивни лекции с практически примери от реалния финтех сектор
• Лабораторни упражнения с актуални технологии
• Работа по проекти, симулиращи реални финтех решения
• Гост-лектори от водещи fintech компании

Форми на оценяване

Очаквани резултати

• Професионално ниво на Python програмиране за fintech приложения
• Практически опит с анализ на финансови данни и количествени методи
• Умения за работа с различни бази данни и системи за съхранение
• Разбиране на финансовите концепции и алгоритмична търговия
• Готовност за работа в международен екип

Литература

• McKinney, W. (2022). Python for Data Analysis, 3rd Edition. O'Reilly Media
• Hilpisch, Y. (2021). Python for Algorithmic Trading. O'Reilly Media
• Yves Hilpisch. (2020). Artificial Intelligence in Finance. O'Reilly Media
• Hull, J. C. (2020). Machine Learning in Business: An Introduction to the World of Data Science. Cambridge University Press
• Избрани научни статии и технически документации

Техническо осигуряване

• Модерна компютърна лаборатория с необходимия софтуер и хардуер
• Високоскоростна интернет връзка
• Достъп до специализирани финансови APIs и данни
• Cloud инфраструктура за обработка на големи обеми данни

Софтуерни инструменти

• Python 3.x и специализирани библиотеки (NumPy, Pandas, SciPy)
• Oracle Database Enterprise Edition
• MongoDB Enterprise
• Jupyter Notebooks/Lab
• Git и системи за контрол на версиите
• PyCharm Professional Edition или Visual Studio Code

Голямото море от крипто валути:
Типове крипто валути и примери

Съдържание

1. Въведение
2. История на криптовалутите
3. Технически аспекти
   • Блокчейн технология
   • Механизми за консенсус
   • Криптография
4. Типове криптовалути
   • Платежни криптовалути
   • Платформени токени
   • Utility токени
   • Стейбълкойни
   • DeFi токени
   • NFT токени
   • Governance токени
5. Икономически аспекти
6. Трейдинг перспектива
7. Сравнителен анализ
8. Бъдещи перспективи

1. Въведение

Криптовалутите представляват революционна форма на дигитални активи, базирани на блокчейн технологията. Те въвеждат нов модел на финансови взаимоотношения, който елиминира необходимостта от централизирани посредници и създава възможности за директни peer-to-peer транзакции. От създаването на Bitcoin през 2009 г., пазарът на криптовалути се е развил експоненциално, като днес включва хиляди различни проекти с разнообразни приложения.

В тази лекция ще разгледаме подробно различните аспекти на криптовалутите, започвайки от техническите основи, преминавайки през различните типове и техните характеристики, и достигайки до икономическите и търговски аспекти на тази нова финансова екосистема.

2. История на криптовалутите

Историята на криптовалутите започва със създаването на Bitcoin от мистериозната личност или група, известна като Сатоши Накамото. Публикуването на Bitcoin whitepaper през 2008 г. и пускането на първия блок (Genesis block) през януари 2009 г. бележи началото на нова ера във финансовия свят.

Ключови моменти в историята на криптовалутите:

3. Технически аспекти

3.1 Блокчейн технология

Блокчейнът е разпределена база данни, която съхранява информация в блокове, свързани криптографски помежду си. Всеки блок съдържа:

• Транзакции
• Времеви печат
• Криптографски хеш на предишния блок
• Nonce (число, използвано в процеса на майнинг)

3.2 Layer архитектура

Блокчейн архитектурата се разделя на различни слоеве (layers), всеки със специфична роля:

Особености на различните слоеве:

• Layer 0: Фокусира се върху интероперабилността между различни блокчейни и осигурява базова инфраструктура.
• Layer 1: Отговаря за основните функции като валидация на транзакции, сигурност и консенсус. Това е фундаменталният слой на всяка блокчейн мрежа.
• Layer 2: Решава проблемите със скалируемостта чрез различни подходи:
  • State channels (Lightning Network)
  • Странични вериги (Sidechains)
  • Rollups (Optimistic и Zero-Knowledge)
  • Плазма решения
• Layer 3: Предоставя интерфейс между крайните потребители и блокчейн технологията, включвайки:
  • Потребителски интерфейси
  • APIs и SDK инструменти
  • Междуплатформена интеграция

3.3 Механизми за консенсус

3.3 Криптография

Криптовалутите използват различни криптографски методи за осигуряване на сигурност и анонимност:

• Публични и частни ключове
• Хеш функции (SHA-256, Keccak-256)
• Цифрови подписи
• Zero-knowledge proofs

4. Типове криптовалути

4.1 Платежни криптовалути

Това са първите и най-базови форми на криптовалути, създадени за извършване на финансови транзакции.

4.2 Платформени токени

Тези токени са свързани с блокчейн платформи, които позволяват създаването на децентрализирани приложения (dApps).

4.3 Utility токени

Utility токените предоставят достъп до специфични услуги или функционалности в рамките на дадена платформа.

4.4 Стейбълкойни

Стейбълкойните са криптовалути, чиято стойност е обвързана с традиционни активи.

5. Икономически аспекти

5.1 Монетарна политика

Криптовалутите използват различни подходи към паричното предлагане, всеки със свои предимства и недостатъци:

Допълнителни аспекти на монетарната политика:

• Burn механизми: Някои криптовалути (BNB, LUNA) използват изгаряне на токени за намаляване на предлагането:
  • Автоматично изгаряне на част от таксите за транзакции
  • Периодично изгаряне на токени от екипа
  • Buy-back и burn програми
• Vesting периоди: Постепенно освобождаване на токени за:
  • Екипа и съветниците
  • Инвеститори от ранни етапи
  • Развитие на екосистемата
• Емисионни събития: Специални случаи на създаване на нови токени:
  • Награди за стейкинг
  • Ликвидни стимули
  • Общностни награди

5.2 Икономически модели

5.3 Икономически индикатори

• Пазарна капитализация
• Обем на търговия
• Ликвидност
• Съотношение на стейкнати токени
• Общ обем в DeFi протоколи (TVL)

6. Трейдинг перспектива

6.1 Трейдинг стратегии

6.2 Технически анализ

Техническият анализ използва различни индикатори за прогнозиране на пазарните движения. Ето най-важните от тях:

Допълнителни важни индикатори:

• Momentum индикатори:
  • Stochastic Oscillator: Сравнява текущата цена със ценовия диапазон за определен период
  • CCI (Commodity Channel Index): Измерва отклонението от средната цена
  • Williams %R: Подобен на Stochastic, но с различна скала
• Volume индикатори:
  • On-Balance Volume (OBV): Кумулативна сума на обема, показваща натиска на купувачи/продавачи
  • Volume Profile: Показва нивата с най-голяма активност
  • Money Flow Index: Комбинира цена и обем
• Трендови индикатори:
  • ADX (Average Directional Index): Измерва силата на тренда
  • Parabolic SAR: Определя точки на обрат в тренда
  • Ichimoku Cloud: Комплексен индикатор за тренд и подкрепа/съпротива

Приложение в крипто пазарите:

• Криптовалутните пазари са по-волатилни от традиционните, което изисква:
  • По-широки стоп-лос нива
  • Адаптиране на периодите на индикаторите
  • Комбиниране на множество времеви рамки
• Специфични за крипто индикатори:
  • MVRV (Market Value to Realized Value)
  • NVT (Network Value to Transactions)
  • Funding Rate за фючърси

6.3 Фундаментален анализ

Ключови метрики за оценка:

• Развитие на мрежата
• Брой активни адреси
• Транзакционен обем
• Разработка на протокола
• Партньорства и интеграции

7. Сравнителен анализ

7.1 Сравнение на основните блокчейн платформи

7.2 DeFi екосистеми

8. Бъдещи перспективи

8.1 Технологични тенденции

Детайлен анализ на технологичните тенденции:

Layer 2 решения за скалируемост

• Optimistic Rollups:
  • Обработват транзакции извън основната верига
  • Използват fraud proofs за сигурност
  • По-ниски такси и по-висока пропускателна способност
  • Предизвикателство: период на изчакване за тегления
• ZK Rollups:
  • Използват математически доказателства за валидност
  • Незабавна финалност на транзакциите
  • По-сложна имплементация
  • По-високи изчислителни изисквания
• Странични вериги:
  • Независими блокчейни с мостове към основната верига
  • Собствени механизми за консенсус
  • Гъвкавост в дизайна и приложението

Интероперабилност между блокчейни

• Междуверижни протоколи:
  • Стандартизирани протоколи за комуникация
  • Сигурен обмен на данни и активи
  • Унифицирани стандарти за съобщения
• Мостове:
  • Централизирани vs. децентрализирани
  • Механизми за защита на активите
  • Автоматизирана ликвидност
• Междуверижни приложения:
  • DeFi протоколи работещи на множество вериги
  • Обединени ликвидни пулове
  • Оптимизация на газ таксите

Подобрена поверителност

• Zero-Knowledge технологии:
  • ZK-SNARKs и ZK-STARKs
  • Приватни смарт контракти
  • Верифицируеми изчисления
• Хомоморфно криптиране:
  • Изчисления върху криптирани данни
  • Защита на чувствителна информация
  • Интеграция с DeFi протоколи
• MPC (Multi-Party Computation):
  • Разпределено управление на ключове
  • Институционални решения
  • Подобрена сигурност на портфейли

Квантова устойчивост

• Пост-квантови алгоритми:
  • Решетъчна криптография
  • Хеш-базирани подписи
  • Суперсингуларни изогении
• Мигриране на съществуващи системи:
  • Постепенно обновяване на протоколите
  • Хибридни криптографски схеми
  • Обратна съвместимост
• Нови защитни механизми:
  • Квантово-устойчиви хеш функции
  • Адаптивни криптографски схеми
  • Динамично обновяване на сигурността

8.2 Регулаторна среда

Основни аспекти на регулацията:

• Класификация на криптоактивите
• AML/KYC изисквания
• Данъчно третиране
• Институционално участие

8.3 Потенциални приложения

Заключение:

Криптовалутите представляват динамично развиваща се технология с потенциал да трансформира множество индустрии. Разбирането на техническите, икономическите и търговските аспекти е ключово за успешното навигиране в тази нова финансова екосистема. Бъдещето на криптовалутите ще зависи от развитието на технологиите, регулаторната рамка и степента на масово възприемане.

Монте Карло симулация за оценка на проектен бюджет

ФУНКЦИЯ monte_carlo_simulation(iterations, activities, risks):
    резултати = празен_масив()
    
    ЗА ВСЯКО i ОТ 1 ДО iterations:
        общ_бюджет = 0
        
        ЗА ВСЯКА дейност В activities:
            // Генериране на случайна стойност по PERT разпределение
            стойност = pert_random(
                дейност.оптимистична,
                дейност.най_вероятна,
                дейност.песимистична
            )
            
            // Прилагане на рискови фактори
            ЗА ВСЕКИ риск В risks:
                АКО random() < риск.вероятност:
                    стойност *= (1 + риск.въздействие)
                    
            общ_бюджет += стойност
        
        // Добавяне на допълнителни разходи
        общ_бюджет *= 1.3  // 30% за технологии и обучения
        
        добави(резултати, общ_бюджет)
    
    ВЪРНИ резултати

ФУНКЦИЯ анализирай_резултати(резултати, планиран_бюджет):
    средна_стойност = изчисли_средно(резултати)
    стандартно_отклонение = изчисли_std(резултати)
    персентил_90 = изчисли_персентил(резултати, 90)
    вероятност_превишаване = изчисли_вероятност_превишаване(резултати, планиран_бюджет)
    
    ВЪРНИ {
        средна_стойност,
        стандартно_отклонение,
        персентил_90,
        вероятност_превишаване
    }
        

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# Define project activities and their estimates
activities = {
    'Project Manager': {
        'optimistic': 6460.48,
        'most_likely': 6945.02,
        'pessimistic': 7429.55 * 1.2
    },
    'Senior Dev 1': {
        'optimistic': 26103.69,
        'most_likely': 28061.47,
        'pessimistic': 30019.24 * 1.3
    },
    'Senior Dev 2': {
        'optimistic': 24886.95,
        'most_likely': 26753.47,
        'pessimistic': 28619.99 * 1.3
    },
    'Junior Dev 1': {
        'optimistic': 6797.73,
        'most_likely': 7307.56,
        'pessimistic': 7817.39 * 1.15
    },
    'Junior Dev 2': {
        'optimistic': 6244.19,
        'most_likely': 6712.51,
        'pessimistic': 7180.82 * 1.15
    },
    'QA Engineer': {
        'optimistic': 5532.38,
        'most_likely': 5947.31,
        'pessimistic': 6362.24 * 1.25
    }
}

# Risk factors from risk register
risk_factors = {
    'integration_issues': {'probability': 0.8, 'impact': 0.25},
    'performance_issues': {'probability': 0.8, 'impact': 0.20},
    'requirement_changes': {'probability': 0.8, 'impact': 0.15},
    'technical_challenges': {'probability': 0.6, 'impact': 0.20}
}

def pert_random(opt, likely, pess, size=1):
    """Generate random values using PERT distribution"""
    alpha = 4
    mean = (opt + alpha * likely + pess) / (alpha + 2)
    variance = ((pess - opt) ** 2) / 36
    a = ((mean - opt) * (2 * pess - opt - mean)) / variance
    b = (a * (pess - mean)) / (mean - opt)
    return np.random.beta(a, b, size=size) * (pess - opt) + opt

def run_simulation(n_iterations=10000):
    """Run Monte Carlo simulation"""
    results = []
    
    for _ in range(n_iterations):
        iteration_total = 0
        
        for activity, estimates in activities.items():
            cost = pert_random(
                estimates['optimistic'],
                estimates['most_likely'],
                estimates['pessimistic']
            )[0]
            
            for risk in risk_factors.values():
                if np.random.random() < risk['probability']:
                    cost *= (1 + risk['impact'])
            
            iteration_total += cost
        
        iteration_total *= 1.3
        results.append(iteration_total)
    
    return np.array(results)

def analyze_results(simulation_results):
    """Analyze simulation results"""
    planned_budget = 126772.39
    
    mean_cost = np.mean(simulation_results)
    std_dev = np.std(simulation_results)
    percentile_90 = np.percentile(simulation_results, 90)
    overrun_prob = np.mean(simulation_results > planned_budget)
    recommended_buffer = percentile_90 - planned_budget
    
    print(f"\nSimulation Analysis Results:")
    print(f"Mean Expected Cost: {mean_cost:,.2f} лв.")
    print(f"Standard Deviation: {std_dev:,.2f} лв.")
    print(f"90th Percentile Cost: {percentile_90:,.2f} лв.")
    print(f"Probability of Budget Overrun: {overrun_prob:.1%}")
    print(f"Recommended Additional Buffer: {max(0, recommended_buffer):,.2f} лв.")
    
    plt.figure(figsize=(10, 6))
    plt.hist(simulation_results, bins=50, density=True, alpha=0.7)
    plt.axvline(planned_budget, color='r', linestyle='dashed', label='Planned Budget')
    plt.axvline(mean_cost, color='g', linestyle='dashed', label='Mean Simulated Cost')
    plt.axvline(percentile_90, color='y', linestyle='dashed', label='90th Percentile')
    plt.title('Monte Carlo Simulation Results')
    plt.xlabel('Total Project Cost (лв.)')
    plt.ylabel('Probability Density')
    plt.legend()
    plt.grid(True, alpha=0.3)
    plt.show()

# Run simulation and analyze results
results = run_simulation(10000)
analyze_results(results)
        

Компютърна Лингвистика в Областта на Биоинформатиката

гл. ас. д-р Георги Петров Пашев

http://gpashev.com § georgepashev@uni-plovdiv.bg

Кратко описание на дисциплината:

Този курс се фокусира върху приложението на компютърна лингвистика в областта на биоинформатиката, като се разглеждат техники за обработка на естествен език и машинно обучение, приложими в анализа на биологични данни. Курсът съчетава теоретични знания с практически умения в програмиране на Python и Rust, като изследва интеграцията на тези езици в биоинформатични приложения.

Списък с теми за лекциите (7 седмици):

00001. Въведение в Компютърната Лингвистика и Биоинформатика

· Основни понятия и приложения

· Примерен код: Обработка на текстови данни с Python

00002. Машинно Обучение в Биоинформатиката

· Основи на машинното обучение

· Примерен код: Създаване на базов класификатор в Python

00003. Естествен Езиков Обработка (NLP) и Геномни Данни

· NLP техники за анализ на геномни последователности

· Примерен код: NLP алгоритми в Rust

00004. Биоинформатични Бази Данни и Тяхната Интеграция

· Работа с биологични бази данни

· Примерен код: Интегриране на бази данни в Python

00005. Използване на GPT-4 и LLAMA2 за Анализ на Биологични Данни

· Приложения на модели за естествен език в биоинформатиката

· Примерен код: Интегриране на GPT-4 API в Python

00006. Развитие на Уеб и Десктоп Интерфейси за Биоинформатични Приложения

· Основи на уеб и десктоп програмирането

· Примерен код: Създаване на прост UI в Rust

00007. Проектна Работа и Научно Писане

· Техники и методи за разработване на научни публикации

· Разработване на проектни идеи и начало на проектната работа

Оценяване:

Студентите работят в малки групи, разработвайки проект, който включва създаване на чат бот, използващ GPT-4 API, LLAMA2, или машинно обучение с Python и sklearn. Всеки проект включва научна публикация и разработка на потребителски интерфейс.

Възможно е студентите да изберат да разработват само обзорно-научната част на проекта, без практическата, ако не се чувстват достатъчно силни в областта на разработката на приложения. В такъв случай, максималната оценка, която могат да получат, е Много Добър (5).

Списък с Упражнения за Всяка Седмица

Седмица 1: Въведение в Компютърната Лингвистика и Биоинформатика

· Упражнение: Анализиране и обработка на текстови данни с Python. Студентите трябва да напишат скрипт за извличане на информация от научни публикации, свързани с биоинформатиката.

Седмица 2: Машинно Обучение в Биоинформатиката

· Упражнение: Създаване на базов класификатор в Python за разпознаване на видове ДНК последователности. Студентите използват предоставени данни за трениране на модела.

Седмица 3: Естествен Езиков Обработка (NLP) и Геномни Данни

· Упражнение: Имплементиране на NLP алгоритми в Rust за анализ на геномни последователности. Студентите трябва да адаптират традиционни NLP методи за работа с генетичен код.

Седмица 4: Биоинформатични Бази Данни и Тяхната Интеграция

· Упражнение: Интегриране на биологични бази данни в Python програма. Студентите създават интерфейс за достъп и анализ на данни от биоинформатични бази данни.

Седмица 5: Използване на GPT-4 и LLAMA2 за Анализ на Биологични Данни

· Упражнение: Работа с GPT-4 API или LLAMA2 за генериране на предсказания или анализи въз основа на биологични данни. Студентите разработват прототип на приложение, използващо тези модели.

Седмица 6: Развитие на Уеб и Десктоп Интерфейси за Биоинформатични Приложения

· Упражнение: Създаване на прост уеб или десктоп базиран UI в Rust, който да показва резултати от биоинформатични анализи. Студентите трябва да интегрират своя код в потребителски интерфейс.

Седмица 7: Проектна Работа и Научно Писане

· Упражнение: Начална разработка на проекта и написване на научен обзор за избраната тема. Студентите трябва да определят обхвата на своя проект и да изготвят план за научна публикация.

Тези упражнения са насочени към развитие на практически умения и подготовка за финалния проект, като същевременно се засилва теоретичната основа на дисциплината.

Литература:

1. Mount, D. W. (2004). Bioinformatics: Sequence and Genome Analysis. Cold Spring Harbor Laboratory Press.

2. Pevsner, J. (2015). Bioinformatics and Functional Genomics. Wiley-Blackwell.

3. Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python. O’Reilly Media.

4. Klabnik, S., & Nichols, C. (2019). The Rust Programming Language. No Starch Press.

5. McKinney, W. (2018). Python for Data Analysis. O’Reilly Media.

6. Géron, A. (2019). Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow. O’Reilly Media.

Георги Пашев се включва в инициативата за разпространяване на типично българското начертание на кирилски шрифтове.

Повече за това какво наричаме българска кирилица можете да прочетете в сайта на инициативата "За Българска Кирилица" или в следната статия от Списание 8.

Накратко кирилски шрифтове с типично българско начертание се използват най-масово и са типични за България. Отличават се със по-ръкописен тип начертание на малките букви и някои от големите, за разлика от кирилските шрифтове които са типични за Русия, където малките букви са умалено копие на големите.

Поради по-голямото разнообразие на форми, българската кирилица е по-лесна и приятна за четене.

В последно време, тя става все по-често използвана и предпочитана.

Как да включим шрифт с българска кирилица във уеб страница

Вмъкнете следното във секцията <header> на вашата уеб страница:

1. Да се извините на хората, че преди години сте станал медиен двигател за популяризирането на Бойко Борисов (Боко), който сега (уж) сте тръгнал да «изчегъртвате»;
2. Да хвърлите повече светлина върху ваши евентуално минали взаимовръзки с подземния и сенчест свят и приятелски връзки с мафиоти, които вече не са между живите, или такива, които са още живи;
3. Да хвърлите светлина върху личния ви живот, включително и това коя ви е текущата любовница. Вие отсега нататък сте не просто публична, но и обществена личност с политическо влияние и власт и трябва покрай вас всичко да е публично и осветено и изкоментирано от Вас самия (ако не искате да го коментират недоброжелателите); Също така, споделете с аудиторията дали ползвате услуги на «леки жени» и колко често и дали те биха могли да изкопчат нежелани компромати за Вас, както «Мата Хари» направи с Боко;
4. Да направите «кръгла маса» с всички партии в парламента и да създадете приоритетен списък от национални цели, които да преследвате и изпълнявате в рамките на следващ мандат и това да стане възможно най-бързо, за да не губите време;
5. Да направите управленска коалиция с всички партии, които са в парламента и не са ГЕРБ, ДПС;
6. Да направите работещ Закон за референдумите по Швейцарски модел, ако е необходимо и с конституционни кръпки, за да се даде реална власт в ръцете на хората;
7. Да уволните всички назначения на ГЕРБ в държавната администрация и да назначите свои след публично предавани конкурси в социалните мрежи и/или във вашата телевизия и/или по БНТ;
8. Да намалите броя министерства, чрез сливане. Например, социално и здравно могат да се слеят под общо име Министерство на Милосърдието или Министерство на Разходите за хората (сам изберете кое име е по-подходящо, а можете да изберете и друго); Военното и МВР и ДАНС и др. служби могат да се слеят под общо име Министерство на Държавната Репресия или нещо подобно; Идеята е тук да се постигне Швейцарския модел с малко министри и намалена администрация до санитарния минимум;​​​​​​​
9. Да изпълните нещата от вашия си референдум като де факто успешно проведен референдум и то в условията на закон за референдумите, който реално е репресивен, спрямо тях;
10. Подобно на Швейцария, да предлагате на референдуми 2 пъти в годината важни въпроси за управлението;
11. Да създадете най-после Закон за личния фалит и опрощаване на дългове и тяхната наследственост на де факто фалирали физически лица;
12. Да подложите на референдум евентуално узаконяване на проституцията (бизнес за милиарди, който може да вкара свежи пари в Бюджета и винаги е добра идея да е официално регулиран); както и леката дрога за консумация в лицензирани Кофи шопове (по Холандски модел);
13. Също така ви представям и други мои идеи, които съм развил още през далечната 2012г. в този онлайн документ, който през 2013 година е привлекъл вниманието на българи в Чикаго и са го препечатали в техен сайт: https://www.eurochicago.com/2013/06/scriptura-voluntatis-nostrae/; https://antikomunisti.blogspot.com/2013/03/scriptura-voluntatis-nostrae.html
    
    Братята британци имат ценна поговорка — «Отчаяните времена изискват отчаяни мерки». Време е за отчаяни мерки и за кардинални реформи. Дано Вие да сте на необходимата висота, за да ги направите.

Здравейте,

Предполагам, че много от вас сте се сблъсквали с добре познатия проблем - за кого да гласувате. Ако не можете да изберете, понеже мразите всички участници и не намирате достоен кандидат или тези, които харесвате "нямат реален шанс", според социолозите, можете да приложите стратегия "теглене на жребий чрез отчитане на коефициент на омраза за всеки от кандидатите.

Тук представям имплементация на алгоритъм на Python, която отчита коефициентите на омраза към отделни кандидати в списъка и "стреля" по мишени в "стрелбище", с изтеглени случайни числа. Вероятността за попадане в мишена на дадена партия, е обратно пропорционална на "омразата" към нея.

Можете да си "поиграете" с коефициентите и кода тук: https://onlinegdb.com/HJhDkA3X_

Ето го алгоритъма (коефициентите на омраза отразяват моето мнение). При максимален коефициент на омраза 1000, съответната партия се изключва от избора и не участва изобщо в него. При мен, това е партия ГЕРБ.

import random
import operator
from random import randint
from random import seed
# списък на партиите и коефициентите на омраза на всяка
parties = (
    {"name": "BSP", "hate": 95},
    {"name": "GERB", "hate": 1000},
    {"name": "DPS", "hate": 900},
    {"name": "Slavy Trifonov", "hate": 150},
    {"name": "DB", "hate": 40},
    {"name": "Vazrazhdane", "hate": 40},
    {"name": "Volya - NFSB", "hate": 455},
    {"name": "VMRO", "hate": 455},
    {"name": "ATAKA", "hate": 55},
    {"name": "MUTRI VYN", "hate": 43},
    {"name": "REPUBLIKANCI", "hate": 570},
    {"name": "KOD", "hate": 300},
    {"name": "ABV - MANGAROV", "hate": 30},
    {"name": "Pryaka demokraciq - Klissarov", "hate": 20},
    {"name": "BG LYATO - Cherepa", "hate": 400},
)

# списъците, използвани от алгоритъма за реализиране на "стрелбище"
strelbishte = []
partii_v_strelbishte = []

# речник с ключове - име на партия и стойност - попадения, в който ще се пазят попаденията след приключване на алгоритъма
akumulirani_brojki = {}
seed(a=None, version=2) # правене на псевдослучайния избор "наистина случаен" с избор на seed - текущо системно време

# инициализация на стрелбището и речника
for party in parties:
    count = 1000 - party["hate"]
    if count == 0:
        continue
    akumulirani_brojki[party["name"]] = 0
    partii_v_strelbishte += [party["name"]] * count
    strelbishte += [0] * count
# разбъркване на секторите и фрагментация на партийните зони в стрелбището и инициализация на броя мишени в него
random.shuffle(partii_v_strelbishte)
broj_v_strelbishte = len(partii_v_strelbishte)
# извършване на случайния избор (стрелбата в стрелбището)
seed(a=None, version=2)
for i in range(0, 3000):
    izteglenoChislo = randint(0, broj_v_strelbishte)
    strelbishte[izteglenoChislo] += 1
    akumulirani_brojki[partii_v_strelbishte[izteglenoChislo]] += 1

#сортиране на партиите в речника по брой попадения в низходящ ред
sorted_akumulirani_brojki = sorted(akumulirani_brojki.items(), key=operator.itemgetter(1), reverse=True)

# отпечатване на попаденията за всяка партия, вече сортирано 
print(sorted_akumulirani_brojki)

Насоки за провеждане на упражненията по ППМУ за задочни студенти

Здравейте, колеги,

Онлайн курса за упражненията ви по дисциплината ППМУ е достъпен тук: (https://uroci.online/course/view.php?id=12)

Избираема дисциплина "Програмиране с Node.JS"

PDF ръководство за упражненията:

Свали

Portable версия на програмна среда:

Свали

1. Упражнение: Сървър Express Калкулатор

var express=require('express');
var app=express();
app.get('/', function(req, res){
	res.send('Hello World!');


});

app.get('/delete/', function(req, res){
	//console.log(result);
  res.setHeader('Access-Control-Allow-Origin', '*');

  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(function(){
    console.log("17");
    db.run("DELETE FROM LOG;", function(){ 
      console.log("19");
      db.close();
      res.send(JSON.stringify({status: "OK"}));      
      
    });
    
  });
  //db.close();
  }catch(error){
    console.log({error : error});
    
  }
  
  
  
  

});

var logResult=function(result, request){
  //console.log(result);
  
  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(function(){
    db.run("CREATE TABLE "+
    " if not exists "+
    " LOG("+
    "ID INTEGER PRIMARY KEY AUTOINCREMENT, "+
    " txt text not null, "+
    " request text not null,"+
    " time datetime default current_timestamp"+
    " );"
    );
    var stmt=db.prepare("INSERT INTO LOG(txt, request) VALUES(?, ?)");
    stmt.run(JSON.stringify(result), JSON.stringify(request));
    stmt.finalize();
  });
  db.close();
  }catch(error){
    console.log({error : error});
    
  }
  
  
  
}

app.get('/one/', function(req, res){
		var result={};
		try{	
		res.setHeader('Content-Type', 'application/json');
		res.setHeader('Access-Control-Allow-Origin', '*');

		var a=parseInt(req.param("a"));
		var b=parseInt(req.param("b"));
console.log(typeof a);
console.log(typeof b);

		if(typeof a !=='number' || typeof b !=='number' ){
			result={error: "Wrong format"};
			res.send(JSON.stringify(result));
			return;
		}
		var dejstvie=req.param("dejstvie");
		
		switch(dejstvie){
			case 'add':
				result={dejstvie: 'plus', res: a+b};

			break;
			case 'sub':
				result={dejstvie: 'minus', res: a-b};
			break;
			case 'mul':
				result={dejstvie: 'po', res: a*b};
			break;
			case 'div':
				result={dejstvie: 'deleno', res: a/b};
			break;
			default:
				result={error: "No such action."};
			break;
		}

		}catch(e){
				result={error: e};
		}
    
    logResult(result, {a: a, b: b, dejstvie: dejstvie});
		res.send("{\"result\": "+JSON.stringify(result)+"}");

	

	

});
app.get('/log/', function(req, res){
  //res.setHeader('Content-Type', 'application/json');
	res.setHeader('Access-Control-Allow-Origin', '*');
  response=[];
  try{
  var sqlite3=require("sqlite3").verbose();
  var db=new sqlite3.Database("EMSG.db");
  db.serialize(/*function(){
    db.run("CREATE TABLE "+
    " if not exists "+
    " LOG("+
    "ID INTEGER PRIMARY KEY AUTOINCREMENT, "+
    " txt text not null, "+
    " request text not null,"+
    " time datetime default current_timestamp"+
    " );"
    );
    
    
    
  },*/
  function(){
    console.log("116");
    db.each("SELECT * from LOG;", 
    function(err, row){ 
      console.log(typeof err);
      console.log(err);
      if(err!= null){
         console.log("119");
          //console.log("problem: "+err);
          response={error: err};
          //console.log(res);
          
          //res.send(JSON.stringify(response));
          return;        
      }
      //console.log(err);
      console.log("131");
      response.push(row);
      
    }
    ,
  function(){
    console.log("136");
    console.log(response);
    console.log("before send");
    res.send(JSON.stringify(response));
    db.close();
  }
  
    
    );
    //res.send(JSON.stringify(response));
    
    
  }
  
  );
  
  }catch(error){
    console.log({error : error});
    res.send(JSON.stringify({error : error}));
  }
  
  
  
  
});
var server=app.listen(8087, function(){
	var host=server.address().address;
	var port=server.address().port;
	console.log("Listening at http://%s:%s", host, port);
});

2. Клиентско приложение.

<html>
<head>
<title>Елка</title>
  <meta charset="utf-8">
   <script
			  src="https://code.jquery.com/jquery-3.2.1.min.js"
			  integrity="sha256-hwg4gsxgFZhOsEEamdOYGBf13FyQuiTwlAQgxVSNgt4="
			  crossorigin="anonymous"></script>
  <link href="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/css/bootstrap.min.css" rel="stylesheet" integrity="sha384-BVYiiSIFeK1dGmJRAkycuHAHRg32OmUcww7on3RYdg4Va+PmSTsz/K68vbdEjh4u" crossorigin="anonymous">
  
  <script src="https://maxcdn.bootstrapcdn.com/bootstrap/3.3.7/js/bootstrap.min.js" integrity="sha384-Tc5IQib027qvyjSMfHjOMaLkfuWVxZxUPnCJA7l2mCWNIpG9mGCD8wGNIcPD7Txa" crossorigin="anonymous"></script>
 <style>
 input[type="number"] {
  max-width:30%;
  min-width:20%;
 }
 .label-a{
  min-width:10%;
  max-width:15%;
 }
 </style>
 
</head>
<body>
<div class="panel panel-primary">
<div class="panel-heading">
Супер яка елка
</div>
<div class="panel-body">
<table class="table table-hover">
<tr>
<td ><div class="label-a">a</div></td><td><input type="number" class="form-control" id="input_a" name="input_a"></td>
<td ><div class="label-a">b</div></td><td><input type="number" class="form-control" id="input_b" name="input_b"></td>
</tr>
<tr>
<td colspan="2">
<select class="form-control" id="dejstvie" name="dejstvie">
<option value="add">събиране</option>
<option value="sub">изваждане</option>
<option value="div">деление</option>
<option value="mul">умножение</option>
</select>
</td>
<td colspan="2">
<input class="btn btn-primary" type="button" id="buton4e" name="buton4e" value="Калкулирай">
<input class="btn btn-primary" type="button" id="delete" name="delete" value="Изтрий">

</td>



</table>


</div>
</div>
<div class="panel panel-primary">
<div class="panel-heading">
Лог на действията
</div>
<div class="panel-body" id="logDiv">
</div>
<div class="panel-footer" id="logResult">
</div>
</div>

<script>
function aaaa(){
      ///console.log("Hello.");
      var val_a=$("#input_a").val();
      var val_b=$("#input_b").val();
      
      var d=$("#dejstvie").val();
      
      //console.log({a: val_a, b: val_b, d: d});
      var url="http://localhost:8087/one/?a="+val_a+"&b="+val_b+"&dejstvie="+d;
      //alert(url);
      $.ajax({
        url: "http://localhost:8087/one/?a="+val_a+"&b="+val_b+"&dejstvie="+d,
        dataType: "text",
        //jsonpCallback: "logResults",
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
		 success: function (response) {
                var resp = JSON.parse(response);
                //alert(response);
				//alert(resp.result.res);
                $("#logResult").html("Result: "+resp.result.res);
                
        
            },
      });
      ///log results
      $.ajax({
        url: "http://localhost:8087/log/",
        dataType: "text",
        //jsonpCallback: "logResults",
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
	success: function (response) {
                //$("#logResult").text("");
                var resp = JSON.parse(response);
                var new_text="";
                for(i=0; i<resp.length; i++){
                  new_text+="<div>";
                  new_text+="request: "+resp[i].request+"<br/>";
                  new_text+="time: "+resp[i].time+"<br/>";
                  new_text+="</div>";
                }
                $("#logDiv").html(new_text);
                
                
                
                //$("#logResult").text($("#logResult").text()+new_text);
                
                
            },
      });
};

function logResults(data){
  //console.log(data);
  alert(data);

};

$(document).ready(function(){
    aaaa();
$("#delete").on('click', function(){
        $.ajax({
        url: "http://localhost:8087/delete/",
        dataType: "text",
        
        error: function (request, error) {
				alert("AJAX Call Error: " + error);
		},
		 success: function (response) {
                    $("#logResult").text("");
                    var res=JSON.parse(response);
                    if(typeof res.status == "undefined"){
                    $("#logDiv").html("Кофти");
                    }else if(res.status=="OK"){
                    $("#logDiv").html("OK");
                    }else{
                    $("#logDiv").html("Проблеми с базата данни");
                
                    }
                
                
                
                
                //$("#logResult").text($("#logResult").text()+new_text);
                
                
            },
      });
});

  $("#buton4e").on('click', function(){ aaaa();} );
      
      
      
      
      
      
      
      
      

  });






</script>

</body>
</html>

За контакти:

ас. д-р инж. Георги Пашев

e-mail: georgepashev@uni-plovdiv.bg

http://gpashev.com

Материали за упражненията по СТ-2 за спец. СТД - задочни (3.к.) можете да изтеглите от тук:

https://drive.google.com/drive/folders/1p09rzMizh62_6ikYnaN_qP6nnNAVilyB?usp=sharing

Линк за сваляне на Netbeans Portable:

https://www.softpedia.com/get/PORTABLE-SOFTWARE/Programming/NetBeans-IDE-Portable.shtml

гл. ас. д-р инж. Г. Пашев

Упражнения по Компютърна лингвистика за специалност Информатика 4. курс, задочна и редовна форма на обучение.

при гл. ас. д-р инж. Георги Пашев

e-mail: georgepashev@uni-plovdiv.bg

Линк към Google Classroom на дисциплината: ( https://classroom.google.com/c/MTY4OTIzMzU0Njk0?cjc=rwht7yj )

Линк към теми за проекти от упражнения: (https://docs.google.com/document/d/1uEz3dke1fuo55sFK2Dp0hwc-MTDnt5lHjJaoo5ZdFwU/edit?usp=sharing)

Упражнения, теми:

Упражнение 1: Крайни автомати

1. Създайте парсър на удобен за вас програмен език (на упр. ще бъде показан пример с езика PHP), който да имплементира краен автомат, който се подава като параметър на парсващата функция/процедура, заедно с текст за парсване и връща информация дали текстът е парснат успешно (отговаря на крайния автомат), или не.

2. Използвайки 1, създайте краен автомат, който да парсва изречения от този тип:

ab, aabb, abbb, aaaab, .... (променлив брой a...b...)

3. Използвайки 1, създайте парсър на дата във формат "DD.MM.YYг.".

Упражнение 2: Регулярни изрази

1. Като използвате помощния файл за упражненията и др. материали онлайн, запознайте се със синтаксиса на регулярните изрази.

2. Запознайте се с PHP функции preg_match, preg_match_all, preg_replace.

3. Като използвате preg_match_all, напишете PHP скрипт, който намира в текст всички дати във формат DD.MM.YYYY, като отделя дните, месеците и годините в подходящи подмасиви и генерира изходящ текст от рода:

Намерена е дата 15.01.2018г, денят е 15 подред на месец 01 от година 2018г.

4. Като използвате някои от функциите, напишете PHP скрипт, който намира в текст всички дати във формат DD.MM.YYYY, и генерира подобен на този текст, в който датите са в американски формат MM/DD/YYYY.

Например, текста:

На 24.09.2018г. се проведе упражнение по Компютърна лингвистика

да се превежда като

На 09/24/2018г. се проведе упражнение по Компютърна лингвистика

5. Напишете PHP скрипт, който намира в текст всички URL адреси по http/https/ftp адресна схема и ги показва в списък.

Задача: крос транслиране на командни компютърни езици с регулярни изрази. Примерен крос транслатор може да свалите от тук:

https://www.dropbox.com/s/znhxozltwq30kxe/translator.php?dl=0

Упражнение 3. Контекстно независими граматики

Използва се инструмента Grammophone, линк към който може да намерите в помощния файл за упражненията по-долу.

1. Решете задачите от темата за Контекстно независими граматики в помощния файл.

2. Допълнителни задачи:

2.1. Напишете контекстно независима граматика, която да парсва успешно програмен текст на "мини програмен език" (който за целта на упражненията ще бъде наречен PeUScript), на който е написан следния пример:

def A=0 as Int

def B=12.0 as Float

def I=0 as Int 

while I<100 or not A>7000 do

	print "Stojnostta na I e "+I+"\n"

	A=I+B

	I=I+1

	print "Stojnostta na B e"+B+"\n"

	if B <> 12.0 then

		break

	endif

done

2.2. Напишете с помощта на езици PHP и Javascript (или други удобни за вас) кространслатор и среда на изпълнение на  PeUScript , като първо преведете програмния текст на Javascript и стартирайте така получения JavaScript код в браузъра.

Примерен проект за Bison & Flex (инсталирани в Линукс/Убунту програмна среда): Свали от тук

Виртуална машина за VirtualBox с готови инсталирани пакети за работа свалете от тук:

https://www.dropbox.com/s/ipki0tirv9qn2z1/xubuntu.rar?dl=0

Компилацията се извършва с последователно извикване на командите:

flex -o calc.flex.cc calc.lex
bison calc.yy
 cc -fpermissive calc.tab.cc calc.flex.cc -Wall -lm  -o rpccalc

Еквиваленти на BISON и FLEX за други езици и програмни среди:
1. Parsimonious за Python
За употреба на пакета се изисква Python конзола. Портативен (portable) вариант за Windows на такава с предварително инсталиран пакет на Parsimonious може да изтеглите от тук:
(https://www.dropbox.com/s/v96u1wpgi8q4p3g/Portable%20Python%203.7.0%20x64.rar?dl=0)

Работещ пример на елементарна граматика за инструмента:

from parsimonious.grammar import Grammar
grammar = Grammar(
     """
     bold_text  = bold_open text bold_close
     text       = ~"[A-Z 0-9]*"i
     bold_open  = "(("
     bold_close = "))"
     """)
print(grammar.parse('((bold stuff))'))

Конзолата на Python се стартира от разархивирания архив от папката: App\Python и файла е python.exe

При нужда от инсталация на допълнителен пакет в папката App\Python се стартира Windows конзола и се изпълнява командата:

python -m pip install <package name>

Пример, парсващ елементарен израз:

from parsimonious.grammar import Grammar
grammar = Grammar(
     """	
        exps = exp op exp 
	exp = num / expparen 
	expparen = lparen num rparen
	op = ~"[\+\-]"i
        lparen = "("
	rparen = ")"
	num = ~"[0-9]+"i
     """)
print(grammar.parse('12+23'))

2. PLY за Python (напълно функционален заместител на bison/flex)

2.1. Инсталирайте PLY в конзолата с изпълнение на командата в командната конзола:

python -m pip install ply

2.2. Създайте в директорията App\Python файл calclex.py, със следното съдържание:

# ------------------------------------------------------------
# calclex.py
#
# tokenizer for a simple expression evaluator for
# numbers and +,-,*,/
# ------------------------------------------------------------
import ply.lex as lex
# List of token names.   This is always required
tokens = (
   'NUMBER',
   'PLUS',
   'MINUS',
   'TIMES',
   'DIVIDE',
   'LPAREN',
   'RPAREN',
)
# Regular expression rules for simple tokens
t_PLUS    = r'\+'
t_MINUS   = r'-'
t_TIMES   = r'\*'
t_DIVIDE  = r'/'
t_LPAREN  = r'\('
t_RPAREN  = r'\)'
# A regular expression rule with some action code
def t_NUMBER(t):
    r'\d+'
    t.value = int(t.value)    
    return t
# Define a rule so we can track line numbers
def t_newline(t):
    r'\n+'
    t.lexer.lineno += len(t.value)
# A string containing ignored characters (spaces and tabs)
t_ignore  = ' \t'
# Error handling rule
def t_error(t):
    print("Illegal character '%s'" % t.value[0])
    t.lexer.skip(1)
# Build the lexer
lexer = lex.lex()

2.3 Създайте в директорията App\Python файл yacc.py, със следното съдържание:

# Yacc example

import ply.yacc as yacc
# Get the token map from the lexer.  This is required.
from calclex import tokens
def p_expression_plus(p):
    'expression : expression PLUS term'
    p[0] = p[1] + p[3]
def p_expression_minus(p):
    'expression : expression MINUS term'
    p[0] = p[1] - p[3]
def p_expression_term(p):
    'expression : term'
    p[0] = p[1]
def p_term_times(p):
    'term : term TIMES factor'
    p[0] = p[1] * p[3]
def p_term_div(p):
    'term : term DIVIDE factor'
    p[0] = p[1] / p[3]
def p_term_factor(p):
    'term : factor'
    p[0] = p[1]
def p_factor_num(p):
    'factor : NUMBER'
    p[0] = p[1]
def p_factor_expr(p):
    'factor : LPAREN expression RPAREN'
    p[0] = p[2]
# Error rule for syntax errors
def p_error(p):
    print("Syntax error in input!")
# Build the parser
parser = yacc.yacc()
while True:
   try:
       s = input('calc > ')
   except EOFError:
       break
   if not s: continue
   result = parser.parse(s)
   print(result)

2.4. Стартирайте парсъра с изпълнение на Windows конзолната команда:

python yacc.py

4. Търсене на отношение в текст

Да се състави алгоритъм (и да се имплементира на PHP), който автоматизирано намира отношения на пишещия към търсени термини в текста, като се създадат примерни речници:

• речник на основните форми на думите с попълнени съответствия за основни форми за примерния текст, с който се тества;
• речник на съществителните, за които се търси отношение;
• речник на думите, носещи информация за положително или отрицателно отношение на пишещия в основните им форми, съдържащ индекс на отношение/емоция за съответната дума.

Алгоритъмът да е достатъчно съобразителен, за да открива инвесии (напр. чрез откриване на ключова дума "не").

Примерно решение тук: [https://www.dropbox.com/s/uw5hoaxmepnoztp/analizator_otnoshenie.php?dl=0]

5. Чат ботове

Примерен чат бот, разработван по време на упражненията, който умее да прави изводи спрямо PROLOG базирана база знания:

http://gp.gpashev.com:93/CrossTranslatorWeb/indexPrologBot.php

(Изходния код се предоставя по време на упражненията).

Помощен файл за упражненията свалете от тук

Save

Учебни материали за Контролна 1 по ОС при ас. д-р инж. Георги Пашев:

1. Ръководство за работа с Линукс: Linux Fundamentals, Paul Cobbault (до 203 стр. за 1. контролна)
2. За документация за команди: команда man <команда> или Linux Manual Pages.

Задача 1:

Да се напише команден ред, който:

• Създава папка с име one, влиза в нея и;
• Създава файл 1.txt, който съдържа имената на всички файлове и/или папки в директорията ~, сортирани по азбучен ред.
• Създава файл 2.txt, който е symlink към 1.txt

Решение:

mkdir one

cd one

ls ~ | sort > 1.txt

ln -s 1.txt 2.txt

Да се напише команден ред, който:

1. Създава папка с име two, влиза в нея и;
2. Създава файл 1.txt, който съдържа пътищата до всички .conf файлове в /etc, сортирани по азбучен ред;
3. Създава файл 2.txt, който е символичен линк към 1.txt;
4. Създава папка 1/, която съдържа копия на всички файлове от 1.
5. За всички файлове от 4. добавя право за изпълнение за user group, която е собственик на файловете.

Решение:

mkdir two

cd two

find /etc -name "*.conf" -type f | sort > 1.txt

ln -s 1.txt 2.txt

mkdir 1

cd 1

find /etc -name "*.conf" -type f -exec cp {} . \;

find . -name "*.conf" -type f -exec chmod g+x {} \;

Примерни тестови въпроси:

От така дадения команден ред по-долу определете:

giorgio@giorgio-VirtualBox:~$ ls -l
total 248
drwxr-xr-x 7 giorgio giorgio   4096 мар  6 13:37 Desktop
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Documents
drwxr-xr-x 4 giorgio giorgio   4096 мар 17 14:37 Downloads
-rw-r--r-- 1 giorgio giorgio   8980 дек  7  2015 examples.desktop
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Music
-rw------- 1 root    root    201377 яну 18  2016 nohup.out
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Pictures
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Public
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Templates
drwxr-xr-x 2 giorgio giorgio   4096 дек  7  2015 Videos
giorgio@giorgio-VirtualBox:~$

1. Кои са файловете, които нямат никакви права за изпълнение: examples.desktop; nohup.out;

2. Кои файлове не са от тип директория: examples.desktop; nohup.out;

3. Как се казва потребителят, който е собственик на файла nohup.out: root;

4. Как може да се добавят права за изпълнение за всички юзъри за nohup.out: chmod a+x nohup.out;

5. Напишете команда за изтриване на всички .out файлове в текущата директория: rm -f *.out

За въпроси:

д-р инж. Георги Пашев: georgepashev (at) gmail.com; georgepashev (at) uni-plovdiv.bg

Достъп до онлайн материали чрез платформата Google Classroom:

Обща информация по отношение на оценяването:

За специалност СТД (редовни и задочни), оценяването става чрез:

Курсови проекти (отделни) за двете дисциплини ДПМУ, ППМУ. Темите за КП по ППМУ се избират от списък тук. Темите за КП по ДПМУ могат да бъдат избрани от тук.

Минимални изисквания за КП:

1. Работа с БД sqlite3;

2. Минимум 2 activities;

Бонус точки се дават за:

1. Работа с мрежови заявки, многонишкова работа;

2. Работа със специфичен хардуер на мобилното устройство: bluetooth, gsm modem (sms, data call);

3. Работа с asyncTask, Map, ConcurrentMap, List, ArrayList, ConcurrentArrayList, др.

4. GPS и Google Maps компонента;

Оценките от упражнения се поставят по време на последните часове от триместъра или по време на изпита от ас./гл.ас. Крайните оценки по съответната дисциплина се поставят от титуляра на дисциплината по време на изпита.

За специалност СИ (задочни), оценяването става чрез:

1) Курсови задачи, изпълнени по време на третата част от 5 у.ч. упражнения; ИЛИ

2) Решаване на тест по време на третата част от 5 у. ч. упражнения;

Оценките се поставят по време на третата част от 5 у.ч. упражнения и могат да бъдат коригирани от титуляр на дисциплината.

За специалност СИ (редовни), оценяването става чрез:

Курсови проекти по МП. Темите за КП по МП се избират от списък тук.

Оценките се поставят по време на последната седмица на триместъра и могат да бъдат коригирани от титуляр на дисциплината.

Списък с теми за курсофи проекти:

Списък: https://1drv.ms/w/s!ArI6oidlkCxomX5L9joU9XloqK1k

Разработвани курсови проекти по време на упражненията (Примерни курсови проекти):

https://drive.google.com/drive/folders/0B2Sg-oFX9K4NYW9XSUFnSGdRZGM?usp=sharing

Подготовка за провеждане на упражненията:

1) Андроид студио (Сваляне на архив и разархивиране):

https://drive.google.com/file/d/1QuYudYdE6_D29q779fOU60SArgsajEIj/view?usp=sharing

След сваляне и изтегляне се стартира bin/studio64.exe

2) Андроид SDK (Сваляне на архив и разархивиране в отделна директория):

Конфигурирано SDK може да изтеглите от тук: https://drive.google.com/open?id=1l8v8ADIblCO2xXCtjVofhS9rzYgkVp4r

3) Настройване на Андроид студио за локацията на Android SDK.

File -> Sync Project with Gradle Files

Ако няма настроена папка за локация на Android SDK, ще поиска посочването на пътя до Android SDK. За вече инсталирани среди чрез стандартен инсталатор, най-често SDK се намира в "C:\Users\fmi\AppData\Local\Android\sdk".

Промяна на локацията на SDK става в Tools -> SDK Manager -> Android SDK Location: Edit и новата папка се задава в отворилия се диалогов прозорец.

4) Настройване на виртуално устройство

Tools -> AVD Manager -> + Create Virtual Device. Избира се Phone, Pixel 2XL. При нужда се изтегля API (29, 28 напр.). Емулаторът се инсталира в SDK папката; При изтегляне на SDK от линка по-горе, той вече е в нея и няма нужда от инсталация на емулатор.

Учебна литература и полезни връзки

Най-актуална версия на Android Studio за разработка можете да свалите от тук.

Проекти, работени по време на упражненията, можете да видите тук: https://drive.google.com/drive/folders/0B2Sg-oFX9K4NYW9XSUFnSGdRZGM?usp=sharing

С цел подпомагане на работата за упражненията е създаден базов проект за Android Studio, който можете да свалите от тук.

Книга за самоподготовка: "Практическо програмиране за Android" Денис Колисниченко, второ преработено и допълнено издание, изд. "Асеневци", ISBN 978-954-8898-76-8;

Всеки студент задължително прави Курсов проект.Следва списък с примерни курсови проекти, от които студентите могат да избират, а биха могли да предлагат други теми с подобна трудност и при преценка на преподавателя, да бъдат одобрени.

Теми за проекти по ДПМУ

Обявления за извънредни занятия

За допълнителна информация и въпроси:

гл. ас. д-р инж. Георги Пашев;

e-mail: georgepashev (at) uni-plovdiv.bg;

Здравейте, колеги. Тук си направих труда да извадя линк към учебни материали, които можете да сваляте свободно и безплатно и легално по дисциплината: Въведение в компютърните науки.

Те съдържат:

- решени задачи на упражнения

- записки от лекции, презентации

-други учебни материали

Можете да свалите учебните материали от тук.

Списък с учебници, които можете да търсите допълнително:

Тодорова М, Програмиране на C++, част 1., Сиела

Davis Stephen, C++ for Dummies

Wang Wallace, Beginning Programming for Dummies

Lajole Hose, C++ Primer

Различни учебници за 10. клас

за напреднали:

Тодорова М, Програмиране на C++, част 2., Сиела

Майерс Скот, По-ефективен C++: 35 нови начина да подобрите своите програми и проекти

Willemer Arnold, Coding for Fun mit C++ (Galileo Computing) (само на немски език)

Наков Преслав, Програмиране = ++ Алгоритми

За въпроси:

инж. Г. Пашев, e-mail: georgepashev@gmail.com

Бъдещето на браузърите.
За да бъде новият браузър смислен, трябва в него да има нещо уникално и ново, та да може да отмъкне дял от другите. Chrome е уникален в бързината си на работа и поради факта, че за доста неща разчита на огромния гръбнак от сървъри на Google, понеже така или иначе е тяхна собственост. Значи, трябва ти и огромен гръбнак от сървъри, но понеже туй няма как да стане, затуй може да се мисли за техна алтернатива: някакъв p2p протокол, подобен на торентите, чиято цел е да замести работата, която многото сървъри на google биха свършили: например кеширане на сайтове, кеширане на история на търсене, определяне на близост между потребители и персонализиране на резултати за търсене, подсказки за търсене и т.н. Според мен, обаче, все повече ще се засилва клауд елемента: т.е: тенденцията вече ще бъде операционната ти система да не бъде на локалния компютър, а на виртуален компютър в клауда, а локалната ти станция само ще съдържа съвсем олекотен линукс, чиято основна цел е да зареди основната операционна система от виртуалния компютър в клауда. Тогава има голяма вероятност да има голяма необходимост от браузъри, които са оптимизирани за отдалечено зареждане на уеб базирани операционни системи. Така, че според мен, който работи в тая насока, може и да направи удар при браузърите, независимо в коя държава се намира. Използване на браузър като входна точка към твоя операционна система в клауда: това е част от бъдещето на браузърите. Другото, което ще бъде тенденция, според мен е и появата на т.нар. мулти-браузъри: т.е такива браузъри, които да поддържат не само стандартни протоколи като http, ftp, но и такива протоколи, които засега са били смятани за не - уеб съвместими: например: скайп, торенти, winamp и документни поддръжки. Последното и сега се поддържа с инсталиране на плъгини, с които можеш да разглеждаш pdf, docx и др. файлове директно в браузъра, но в бъдещите браузъри това ще бъде вградено и няма да има нужда да се слагат плъгини. Дори може да се интегрира в http протокола. Представете си да имаш браузър, в който в единия таб ти е пуснат скайпа, в другия таб киснеш във фейсбук, в третия таб си пуснал winamp канал (например Venice Classic Radio), в четвъртия таб теглиш торенти, а ако си програмист, в петия таб си пуснал някаква интегрирана с браузъра среда за разработка на c++ приложение, а на шестия таб даже си стартирал една отдалечена конзола, с която управляваш нещо в ОСто ти в клауда. Ето за такова нещо говоря: браузъра да започне да върши работа едва ли не за всичко. Вариантите за това са два: или различни системи предлагат своя версия за сегашния уеб, или уеб да се пригоди за тях чрез браузър, който да ги поддържа. Кой да има тази инициатива? Според мен е по-логично браузърът да има инициативата да се развива и да предлага по-голямо разнообразие от разширения на http за комуникация. Другата тенденция, която определено ще я има е и вграждането в http и използването на периферни устройства за виртуална реалност като google glass например. Дори вече се говори за разработване на javascript api-та за това. В един момент сайтовете ще се считат за остаряли, ако не поддържат някои неща за google glass или виртуална реалност като цяло.

Задачи:

Да се напише bash shell script, който:

1) Приема име на файл и му добавя право за изпълнение. Ако няма такъв файл да изпише съобщение за грешка "No such file."

#!/bin/bash

if [ -e $1 ]; then

    chmod +x $1

else

  echo No such file $1.

fi

2) Приема от командния ред 2 числа, а ако не са подадени 2 числа като входни параметри, предлага на потребителя да ги въведе. Тези 2 числа са първите 2 числа на ред на Фибоначи, който скрипта трябва да генерира. Редът да е с размер 20 елемента. Генерираният ред да се запазва във файл: fib.txt.

#!/bin/bash

num_vh=$#
declare -i num1
declare -i num2
declare -a nums
#echo $num_vh
if [ $num_vh -le 1 ]; then
  echo "enter first number";
  read num1
  echo "enter second number";
  read num2
 else
 num1=$1
 num2=$2  
fi

nums[0]=$num1
nums[1]=$num2
echo "Fibonacci" > fib.txt
echo nums[0]=${nums[0]} >> fib.txt
echo nums[1]=${nums[1]} >> fib.txt
declare -i i=2
while [ $i -lt 20 ]; do 
  
  nums[$i]=$(( ${nums[(( $i - 1 ))]} + ${nums[(( $i - 2 ))]} )) 
  echo nums[$i]=${nums[$i]} >> fib.txt
  i=$i+1
 

done

3) Приема от командния ред цяло число и проверява дали е четно или не. Ако е четно, изписва "1", ако е нечетно "0".

#!/bin/bash

if [ $(( $1 % 2 )) -eq 0 ]; then

    echo "1"

else

  echo "0"

fi

4) Приема от командния ред променлив брой числа и връща сумата им.

#!/bin/bash

declare -i sum=0

for num in $@

do

sum=$(( $sum + $num ))

done

echo $sum

5) Приема от командния ред имена на 2 файла. Проверява дали по съдържание са еднакви. Ако са еднакви, да изтрие втория.

#!/bin/bash

fc1=""

fc2=""

if [ $# -lt 2 ]; then

    echo "not enough parameters"

    exit 1

fi

if  [ -e $1 ] && [ -e $2 ]; then 

  fc1=$( cat $1 )

  fc2=$( cat $2 )

  if [ $fc1 = $fc2 ]; then

    echo '1'

    rm $2

  else

    echo '0'

  fi  

else

    echo "one of the files do not exist"

    exit 2

fi

6) Приема от командния ред цяло число и връща неговия факториел.

#!/bin/bash

if [ $# -lt 1 ]; then

    echo "Not enough input parameters"

    exit 1

fi

re='^[0-9]+$'

if ! [[ $1 =~ $re ]] ; then

   echo "error: Not a number" >&2; exit 2

fi

declare -i fac=1

if [ $1 -eq 1 ]; then

  echo $fac

  exit 0

fi

for (( nnum=1;  nnum <= $1 ; nnum=$(( $nnum+1 )) ))

do

  fac=$(( $fac * $nnum ))

done

echo $fac

7) Генерира файл variations.txt, който съдържа всички пермутации с повторения на числата 1, 2, 3.

#!/bin/bash

for i in 1 2 3; do

  for j in 1 2 3; do

    for k in 1 2 3; do

      echo [i, j, k]=[$i, $j, $k] >> variations.txt    

    done

  done

done

Прогностично групиране на е-обучавани студенти чрез извличане на знания в съществуваща база данни за електронно обучение и динамично предсказване на най-добрият път в образователен процесен граф

Георги Пашев

ПУ „Паисий Хилендарски“, georgepashev@gmail.com

Резюме: Този доклад описва някои разширения на авторската Система за Управление на Граф Бази Данни и приложение върху нея. Целта на приложението е да се поддържа процесен граф на образователен процес, общ за множество от студенти, поддържане на крайни автомати върху процесния граф за всеки един от тези студенти и да прави прогнози и предложения на студентите, кой от пътищата в процесния граф да изберат, на базата на обучителните примери на вече завършилите студенти, които са най-подобни на текущия студент.

Ключови думи: образователен, процесен, граф, предсказване, адаптивно, обучение, машинно обучение