Экспонента для инженеров

🎓 Экспонента и КГТУ подписали соглашение о сотрудничестве ЦИТМ «Экспонента» и Калининградский государственный технический университет договорились о совместной работе в сфере инженерного образования. Документ подписали первый проректор Оксана Огий и коммерческий директор Денис Картавцев. 💼 Главный фокус — внедрение инженерной платформы Engee в образовательный процесс. Студенты смогут осваивать современные инструменты моделирования и инженерного анализа и применять их на практике уже во время обучения. В обсуждении дальнейшего сотрудничества приняли участие проректор по научной работе Наталья Кострикова, директор Центра информационных технологий Юрий Куземенский, его заместитель Юрий Кашпоров и руководитель отдела внедрения инженерного ПО ЦИТМ «Экспонента» Тимур Тухфатуллин. Соглашение станет основой для дальнейшей совместной работы и внедрения современных инженерных технологий в подготовку будущих специалистов 🤝 🏢 Экспонента

😎 2 недели до Школы анализа инженерных данных! 24 августа начинаем обучение для тех, кто работает с инженерными данными: сигналами, телеметрией, результатами испытаний и расчётов, и хочет выстроить работу с ними системно. В инженерных проектах данные редко приходят в готовом виде. Их приходится собирать из разных источников, очищать, проверять, сопоставлять, искать зависимости и разбираться с причинами отклонений. Обычно для этого постепенно складывается свой набор скриптов, таблиц и приёмов работы. Будем разбирать как собрать всё это в единый процесс, с акцентом на воспроизводимость, автоматизацию и применение методов анализа непосредственно в инженерных задачах. Как будет проходить обучение: ✔️лекции в записи каждую неделю ✔️занятия на платформе Engee ✔️практика на реальных кейсах и дз ✔️разборы работ и обратная связь от наставников ✔️чат в Телеграм и Max ✔️сертификат по итогам успешного завершения программы Наставниками станут инженеры и технические специалисты ЦИТМ «Экспонента», которые работают с задачами моделирования, расчётов и анализа данных в наукоёмких проектах для российских предприятий. 🚨 Участие бесплатное 🟡 32 часа практических занятий 🧑‍🎓 Онлайн 📎 Регистрация

📹 Новое видео в курсе «Основы цифровой обработки сигналов» Вышел седьмой модуль «Спектральный анализ». Видео знакомит зрителей с основами спектрального анализа. Темы: ✔️цели и задачи спектрального анализа ✔️БПФ для оценки спектра сигнала ✔️разрешение по частоте и дополнение нулями ✔️алгоритм оценки параметров сигнала Практические примеры собраны в интерактивном скрипте Engee, где подробно разбирается основная последовательность действий для построения амплитудного спектра на снове БПФ. Где смотреть: 🔗 Академия Engee — полный доступ к материалам и интерактивным моделям 🔗 Видеоплатформы: VK | Rutube | YouTube 🏢 Экспонента

😎 Приоткрываем программу Школы анализа инженерных данных За 5 модулей вы познакомитесь с ключевыми этапами работы с инженерными данными и научитесь применять их для решения реальных инженерных задач. Что вас ждёт? 1️⃣Инженерные данные и сигналы • Интерактивное программирование в Engee • Сигналы и временные ряды (файлы TXT, CSV, Excel, PNG, WAV и LOG) • Работа с таблицами данных • Шумы, аномалии и пропуски данных • Объединение источников данных • Графики и представление результатов 2️⃣ Исследовательский анализ данных • Корреляция и поиск зависимостей • Планирование экспериментов • Отброс лишней информации, сжатие данных • Спектральный анализ • Анализ режимов работы системы 3️⃣ Интеллектуальные алгоритмы • Анализ динамических моделей и прогноз сигналов • Проверка гипотез и анализ ошибок прогноза • Построение ансамблей моделей • Нейросетевые модели • Линейные и нелинейные модели прогноза • Анализ деградации 4️⃣ Диагностика систем • Диагностика состояний системы • Управление качеством диагностической модели • Мониторинг модели в реальном времени • Интерпретация результатов модели • Поиск аварийных режимов • Автоматизация принятия решений 5️⃣ Надёжные промышленные модели • Достаточность данных и борьба с дисбалансами • Генерация кода для промышленных систем • Нерегулярные данные: интерполяция и экстраполяция • Варианты запуска созданных алгоритмов • Дрейф данных • Обработка ошибок в сборе данных ✔️ Все пять модулей объединяет сквозной практический проект. В течение обучения вы будете разрабатывать систему анализа инженерных данных на основе промышленного кейса. Старт 24 августа 🔗 Регистрация 🏢 Экспонента

☀️ Как в ЧувГУ испытывали БАВР для объектов «Транснефти» Мы давно сотрудничаем с Чувашским государственным университетом. В этот раз хотим поделиться новой историей успеха, посвященной работе научно-исследовательской лаборатории «Цифровые тени и двойники в электроэнергетике». В брошюре рассказываем, как специалисты ЧувГУ испытали устройство БАВР производства АО «ЧЭАЗ». Для этого они собрали цифровую модель электроснабжения нефтеперекачивающей станции и провели 100 HIL-испытаний на КПМ РИТМ по программе ПАО «Транснефть». Параллельно лаборатория занимается подготовкой будущих энергетиков. Engee здесь используют в лабораторных работах по релейной защите и автоматике, а многие учебные модели выросли из реальных инженерных задач. 📖 Брошюра 2️⃣ Подробнее о проекте на Хабре

Чему можно научиться в Школе анализа инженерных данных? 😎 Вместе разберём, как работать с инженерными данными: анализировать сигналы и телеметрию, находить зависимости в работе систем, выявлять причины нестабильности, использовать ML в инженерных задачах и создавать алгоритмы диагностики. Школа поможет перейти от отдельных расчётов и разрозненных инструментов к системному подходу. 🔥 Присоединяйтесь к обучению уже 24 августа 🏢 Экспонента

📹 Новое видео в курсе «Основы цифровой обработки сигналов» Вышел шестой модуль «Быстрое преобразование Фурье (БПФ)». Видео рассматривает оптимизированную версию алгоритма дискретного преобразования Фурье (ДПФ) — быстрое преобразование Фурье (БПФ). Темы: ✔️особенности поворачивающих множителей ✔️прореживание отсчётов во времени ✔️анализ схемы "бабочка" для 8-ми отсчётов ✔️преимущества перед ДПФ с точки зрения вычислительной сложности Практические примеры собраны в интерактивном скрипте Engee, где происходит сравнение алгоритма "бабочка" с вычислением ДПФ для сигнала из 8-ми отсчётов. Где смотреть: 🔗 Академия Engee — полный доступ к материалам и интерактивным моделям 🔗 Видеоплатформы: VK | Rutube | YouTube | Дзен 🏢 Экспонента

🤩🤩 Оптимизация распределения потоков в системах массового обслуживания Как эффективно распределять потоки в сложных сетях: интернет-трафике, логистических системах, сервисах и call-центрах? Такие задачи ежедневно решают инженеры, проектирующие цифровую инфраструктуру, транспортные сети и системы обработки данных. В современном цифровом мире — от глобальных сетей передачи данных до логистических цепочек и систем обработки транзакций — мы постоянно сталкиваемся с необходимостью эффективного управления потоками. Как обеспечить бесперебойную работу интернет-соединений при пиковых нагрузках? Как оптимизировать маршруты доставки товаров в мегаполисе? Как спроектировать call-центр, чтобы клиенты не ждали ответа? Ответы на эти вопросы лежат в области теории массового обслуживания — математической дисциплины, изучающей системы, где заявки (пакеты данных, клиенты, транспортные средства) поступают на обслуживание, образуя очереди. В основе — классическая теория массового обслуживания и модель M/M/1, которая показывает важный эффект: когда нагрузка приближается к пределу, очереди начинают расти очень резко (не линейно, а "взрывным" образом). Поэтому простого равномерного распределения потоков часто недостаточно. Далее сетевые системы рассматриваются как графы с матрицами пропускных способностей и потоков, а задача распределения нагрузки формулируется как задача оптимизации. Цель — минимизировать задержки и не перегружать отдельные каналы. В результате получается инструмент, который помогает находить узкие места в сети и более разумно распределять нагрузку 🔧 👉 Полный разбор, математика и примеры в статье на Хабре 🏢 Экспонента

Друзья, долгожданный анонс! 🔥 Сегодня мы открываем набор в нашу новую летнюю школу — Школу анализа инженерных данных. Инженерных данных становится всё больше. Моделирование, испытания, измерения, телеметрия — почти любой проект сегодня оставляет после себя огромный массив информации. Вопрос уже не в том, где взять данные, а в том, как с ними работать. На практике всё часто выглядит знакомо: несколько скриптов, Excel, Jupyter Notebook, десяток графиков, ручная обработка и папка с файлами, в которой через пару месяцев уже сложно разобраться даже автору. До какого-то момента этого хватает. Но когда проект становится сложнее, такой подход начинает тормозить разработку. Именно поэтому мы решили посвятить новую школу инженерному анализу данных. Будем говорить не столько об инструментах, сколько о подходах. О том, как подготовить данные к анализу, как находить в них закономерности, как строить воспроизводимые расчёты и как сделать так, чтобы результаты можно было использовать не один раз, а на протяжении всего жизненного цикла проекта. По большому счёту, школа про одну простую вещь — как встроить анализ данных в инженерный процесс. Чтобы он перестал быть набором разрозненных скриптов и превратился в такой же полноценный этап разработки, как моделирование, испытания или верификация. Присоединяйтесь 💙 🧑‍🎓 Формат: онлайн, еженедельные лекции и разборы ⭐️ Обучение бесплатное, по итогам выдаём сертификат. ⏳ Старт Школы – с 24 августа 2026 г. 📎 Подробнее о программе и регистрация