Нет, Тостер себя не изжил. Но какой ответ вы хотели получить даже не упомянув название своей специальности? А ведь дипломная работа делается не "по теме", а именно "по специальности". Что толку, если вам подскажут тему для Прикладной Математики, если ваша специальность Финансовая Аналитика?
И какой вам толк, если вам назовут то, что "сейчас актуально", если у вас на это (вдруг) не хватит базовой подготовки?
>А ведь дипломная работа делается не "по теме", а именно "по специальности".
Я в курсе
>Что толку, если вам подскажут тему для Прикладной Математики, если ваша специальность Финансовая Аналитика?
Ок, бизнес-информатика. Что-то думается мне, что никто, по-прежнему, не даст толкового ответа ;)
>И какой вам толк, если вам назовут то, что "сейчас актуально", если у вас на это (вдруг) не хватит базовой подготовки?
Это уже проблема того, кто решит взяться за то, что (вдруг) не потянет. Да и стал бы студент брать тему, которую, априори, не сможет осилить?
Ну, нате вам тему по анализу данных:
"Использования стримминг (потоковых) методов при классификации и кластеризации данных". Очень актуально и вообще при диагностике чего-нибудь, и при анализе бизнес-процессов методами Machine Learning. Основной посыл - "полностью стационарных" данных не бывает. Соответственно - кластер - это не застывшая структура, он постоянно "живет". То, что было "аномалией" вчера - сегодня может стать "нормой". Или наоборот. "Классические" методы кластеризации и классификации в таких случаях или вообще не работают или работают плохо. Обозначенная тема как раз и развивает методы классификации, кластеризации (и связанные с ними прикладные задачи) для использования в описанных условиях.
Очень актуально и действительно, "на острие".
Удачи.
Сложный
Сложный
