Kudy se vydava a co chysta Seznam.cz 3. dil

Zadání: Dokázat rozpoznat důležitost a typy jednotlivých informací na stránce (obsah, navigace, obrázky) a možnosti využití těchto informací v klasickém fulltextovém vyhledávání (přiblížení robota fulltextu tomu, co vidí uživatel).

Zadání: Seznamte se s aktuální nabídkou nástrojů pro testování výkonu SQL databází. Vyberte vhodný, případně implementujte vlastní nástroj určený pro jednoduché testování výkonu relačních databází. Navrhněte vhodnou datovou strukturu pro provedení testů a připravte relevantní testovací data. Sestavte a vhodně vyvažte sadu dotazů, které prověří výkon databáze z hlediska velkého množství paralelních čtecích operací a zápisových operací tak, aby byla co nejpřesněji simulována reálná zátěž na silně zatížených OLTP systémech. Proveďte test na vybraných databázových systémech, především pak databázích MySQL 5, FireBird, PostgreSQL 8, Oracle XE, DB2 9 Viper, MSSQL2005 Express Edition, případně dalších volně dostupných databázových systémech. Vizualizujte, zhodnoťte a interpretujte naměřené výsledky.

Zadání: Prostudujte aktuálně používané algoritmy pro online shlukování podobných dokumentů a odhalování duplicit při vyhledávání. Navrhněte a implementujte inkrementální shlukovací algoritmus dovolující v krátké době zpracovávat velké množství dokumentů s velkým počtem českých slov. Implementovaný algoritmus otestuje na vhodném vzorku dat a případně porovnejte s jinými algoritmy.

Zadání: Vektorizovat mapový podklad tvořený:

1. Soustavou čar, které dle typu mají definovanou barevnost, tloušťku a případně i outline o definované šířce a barevnosti. Čáry mohou být mezi sebou propojeny.
2. Soustavou ploch s definovanou barevností. Plochy vyplňují prostor vymezený soustavou čar. Plochy mohou mít definovaný outline, ale nemusí. Plochy se mohou sebe dotýkat, jedna plocha může obsahovat N dalších ploch.

Plocha pro vektorizaci nesmí být omezena co do velikosti. Cílem je nadefinovat algoritmus a předvést jeho funkčnost na praktickém příkladu.

Zadání: Opravit síť vektorů s definovaným typem, která má následující vlastnosti:

1. zdrojové soubory jsou ve formátu Shape File
2. v místě křižovatky se vektory, tak jak je kreslič vytvoří,
   • nemusí dotýkat
   • mohou překrývat
3. křižovatku nelze vytvořit s vektorem typu
   • most
   • tunel
4. u specifického typu vektorů (např. dálnice) lze křižovatku tvořit pouze s vektorem typu nájezd
5. vektor jednoho typu může být tvořen nespojitými částmi. Je třeba je spojit a interpolovat, aby v místě dopočítaného spojení nedošlo k ostrému spojení

Kromě opravy je třeba v místě křižovatek vytvořit křižovatku i jako datovou entitu spojující N vektorů. Cílem je nadefinovat algoritmus a předvést jeho funkčnost na praktickém příkladu.

Zadání: Známe souřadnice zhruba 2,6 milionu adres, o kterých známe:

1. GPS souřadnici adresy
2. administrativní parametry adresy (číslo popisné/orientační, ulice, obec, okres, část obce a městská část)
3. GPS souřadnice adres mají určitou chybovost
   • souřadnice neexistují
   • souřadnice je chybně zaměřena
4. Čísla orientační (pokud v obci existují) mohou mít lichou hodnotu na jedné a sudou na druhé straně ulice.
5. Body adres vytváří v rámci ulice souběžné čáry, případně N úhelník v případě náměstí.

Cílem je nadefinovat algoritmus a vygenerovat na základě bodů detailní mapu uliční sítě města. Ulice by měla obsahovat parametr o své šířce.

Zadání: Máme síť vektorů, které se protínají v uzlech. Každý vektor je ohodnocen těmito údaji:

• délka vektoru
• rychlost jakou je možné po vektoru jet
• údaj zda je vektor jednosměrný
• údaj zda je úsek placený

Síť vektorů může obsahovat řádově statisíce položek. Vstupní parametry pro hledání trasy:

• trasu hledat i přes placené úseky – Ano/Ne
• hledat nejkratší/nejrychlejší trasu

Cílem je nadefinovat algoritmus hledající optimální trasu a ověřit jej na praktické ukázce.

Zadání: Máme data pro generování 3D modelu terénu s těmito vlastnostmi:

• přes danou plochu je položena pravidelná čtvercová síť
• pro každý uzel sítě známe nadmořskou výšku

Model terénu chceme použít pro vygenerování výškového profilu libovolného vektoru/trasy, kterou nad modelem provedeme. Cílem je nadefinovat algoritmus. Vygenerovat a vizualizovat výškový profil trasy na praktické ukázce.

Zadání: Cílem diplomové práce je nalézt efektivní způsob tvorby hashů z mailů označených jako spam, ukládání těchto hashů a rychlé hledání v databázi hashů. Dále tento nalezený postup aplikovat v praxi pro detekci již známých spamů. Výsledkem navrhované diplomové práce by mělo být rozšíření spamového detektoru pro freemail. Aplikace bude navržena tak, aby běžela na unixových operačních systémech a byla přenositelná na různé platformy i386, sparc64, amd64, atd. Programovací jazyk bude použit ANSI C, případně některé rutiny mohou být v asembleru. Diplomant by se měl seznámit s používáním extrémně rychlých hashovacích funkci, případně navrhnout vlastní variantu. Dále by měl prozkoumat možnosti vysoce efektivního hledání v obrovských databázích vzorků. Výsledek by měl ověřit na reálných datech v reálném provozu.