Tedenski oris

  • Seznam prostih mentorskih mest

    Na spodnjem seznamu so imena vseh možnih mentorjev diplomskih del na FRI,  podatek o njihovi razpoložljivosti v tekočem šolskem letu ter okvirno področje, ki ga posamezen mentor v okviru diplomskih del pokriva.  

    as
    MentorjiKljučne besede s področja
    prof. dr. Marko Bajecinternet stvari (IoT), podatkovno intenzivni sistemi, IoT platforme, podatkovno analitične platforme, ekstrakcija podatkov s spleta
    viš. pred. dr. Borut Batageljumetna inteligenca, rač. vid, biometrija, forenzika, digitalna avtentikacija slike
    izr. prof. dr. Zoran Bosnićumetna inteligenca, strojno učenje, podatkovni tokovi, priporočilni sistemi
    izr. prof. dr. Narvika Bovcon
    akad. prof. dr. Ivan Bratkoumetna inteligenca, strojno učenje, algoritmi preiskovanja in planiranja, inteligentni roboti, spodbujevano učenje
    doc. dr. Andrej Brodnik
    izr. prof. dr. Patricio BulićVgrajeni sistemi, RTOS, Paralelno procesiranje, GPU, CUDA/OpenCL, Digitalno načrtovanje, FPGA, IoT, Pametna hiša, Pametna mesta, Računalniška aritmetika
    izr. prof. dr. Mojca Ciglarič
    doc. dr. Tomaž Curkstrojno učenje, bioinformatika, matrična faktorizacija, globoke nevronske mreže na zaporedjih, odprti podatki in analize
    doc. dr. Luka Čehovin Zajcračunalniški vid, interakcija človek-računalnik (HCI), naravni uporabniški vmesniki (NUI), inteligentna robotika
    prof. dr. Janez Demšar
    prof. dr. Saša Divjak
    doc. dr. Tomaž DobravecAlgoritmika (razvoj in analiza algoritmov; primerjava različnih algoritmov za reševanje izbranega problema; razvoj spletnega sistema za avtomatsko ocenjevanje implementacij algoritmov). Sistemska programska oprema (zbirnik, razbirnik, razhroščevalnik, zložna koda, ...).
    prof. dr. Gašper FijavžTeorija grafov, algoritmi na grafih. Tudi kombinatorika in kombinatorična optimizacija.
    doc. dr. Matej Guidumetna inteligenca, igranje iger, reševanje problemov (hevristično preiskovanje, avtomatsko prepoznavanje težavnosti problemov, avtomatsko komentiranje...), strojno učenje, inteligentni tutorski sistemi
    doc. dr. Tomaž Hovelja
    prof. dr. Franc JagerAvtomatska analiza elektrokardiografskih signalov, signalov elektrohisterograma, signalov elektroencefalograma, avtomatsko napovedovanje prezgodnjega poroda, komunikacija možgani računalnik. (Poleg obstoječih diplomantov sem že dogovorjen s še tremi kandidati)
    prof. dr. Branko Matjaž Jurič
    prof. dr. Aleksandar Jurišićkriptografija in računalniška varnost (npr. pametne kartice, IoT, PKI, CA,...), aplikacija e-quiz, verjetnost in statistika, diskretna matematika (algrebraična kombinatorika, končni obsegi), optimizacijske metode (tudi FPGA)
    viš. pred. dr. Alenka Kavčičsamo razpisane teme
    prof. dr. Igor Kononenkostrojno učenje, podatkovno rudarjenje, nevronske mreže, umetna inteligenca
    izr. prof. dr. Matej KristanRačunalniški vid, sledenje objektov, razpoznavanje objetkov, segmentacija, računalniški vid za mobilno robotiko
    izr. prof. dr. Matjaž KukarTeme v letu 2018: uporaba računalniškega vida v športu, prometu in industriji; podatkovno rudarjenje, priporočilni sistemi, relacijske in nerelacijske podatkovne baze, strojno učenje iz podatkovnih tokov, strojno učenje v medicini, TensorFlow, skalabilno strojno učenje v oblaku (z možnostjo financiranja oblačne infrastrukture za potrebe diplome)
    doc. dr. Dejan Lavbič
    izr. prof. dr. Iztok Lebar Bajec
    prof. dr. Aleš Leonardis
    izr. prof. dr. Uroš LotričPorazdeljeni sistemi, Visokozmogljivo računanje (Grid, gruča, GPU, XeonPhi), vodenje procesov, IoT
    prof. dr. Viljan Mahnič
    doc. dr. Matija MaroltRačunalniška grafika. Vizualizacija. Analiza in obdelava zvoka in glasbe. Razpisane teme so dostopne na povezavi.
    doc. dr. Jurij Mihelič
    doc. dr. Miha MoškonModeliranje in simulacije, analiza in vizualizacija grafov, optimizacijske metode, genetski algoritmi, računska biologija, mehka logika, sistemska in sintezna biologija, dinamični sistemi, digitalne strukture in sistemi v biologiji, procesiranje v bioloških sistemih, prostorsko modeliranje
    prof. dr. Nežka Mramor KostaTopološka analiza podatkov, računska geometrija in topologija, uporaba topoloških metod v računalništvu
    prof. dr. Miha MrazZanesljivost, modeli rač.omrežij, računska biologija, QCA strukture, itd.
    izr. prof. dr. Polona OblakUporaba linearne algebre v računalništvu
    prof. dr. Bojan Orel
    izr. prof. dr. Peter Peergloboko učenje, konvolucijske in generativne mreže v računalniškem vidu in biometriji (detekcija in razpoznava na osnovi biometričnih modalnosti)
    doc. dr. Veljko Pejovićmobile computing, wireless networks, ubiquitous computing, computer networks, Android, mobile sensing, computer systems
    prof. Fabio Ricciatowireless communications, mobile networks, processing of wireless signals, software-defined radio, WiFi localization, IoT , Performance Measurements in Wide-Area IP Networks.
    prof. dr. Borut RobičRazvoj, analiza, primerjava, pregled raznih vrst algoritmov za izbrane računske probleme. Aktualne teme iz računske zahtevnosti. Aktualne teme iz operacijskih sistemov.
    izr. prof. dr. Marko Robnik Šikonjastrojno učenje, obdelava naravnega jezika, goboko učenje, umetna inteligenca, podatkovno rudarjenje
    viš. pred. dr. Robert RozmanNisem še z vsemi čisto točno dogovorjen, je pa trenutno 12 interesentov...
    viš. pred. dr. Igor Rožanc
    doc. dr. Rok Rupnik
    viš. pred. dr. Aleksander Sadikovumetna inteligenca, hevristike, hevristično preiskovanje, priporočilni sistemi, sistemi za podporo odločanju v medicini, spodbujevano učenje, game-playing, eye-tracking, obleka za beleženje gibanja (Animazoo)
    izr. prof. dr. Danijel Skočaj
    doc. dr. Boštjan Slivnikprevajalniki, vzporedno programiranje
    doc. dr. Aleš Smrdel
    prof. dr. Franc Solinaračunalniški vid, detektor linearne perspektive na sliki, android
    doc. dr. Luka ŠajnOptimizacija izvorne kode, Štetje celic z genetskim algoritmom (v jeziku Scala in ImageJ); Pregled potrebnih funkcij poslovne aplikacije in primernost različnih programskih okolij
    pred. mag. Igor Škraba
    doc. dr. Sebastjan Šprager
    prof. dr. Branko Štermikrokrmilniki in vgrajeni sistemi, digitalno načrtovanje, FPGA, strojno učenje (nevronske mreže, spodbujevalno učenje), hevristično preiskovanje, igre, hardverske implementacije algoritmov strojnega učenja
    doc. dr. Erik Štrumbelj
    doc. dr. Lovro Šubeljanaliza kompleksnih omrežij; odkrivanje znanj iz omrežnih podatkov; družbena, informacijska, tehnološka omrežja
    prof. dr. Denis Trček
    doc. dr. Mira Trebar
    izr. prof. dr. Damjan Vavpotičpodatkovna analitika v turizmu in zdravstvu (big data, datamining), agilni pristopi k razvoju infromacijskih sistemov, programsko inženirstvo (software engineering), procesi razvoja programske opreme, vpeljevanje inovacij IT v poslovne procese, process mining; dobrodošli so tudi lastni predlogi s širšega področja informacijskih sistemov in njihovega razvoja
    prof. dr. Nikolaj ZimicIPv6 na mikroračunalnikih, WiFi direct, WiFi nizka poraba energije, FreeRTOS, simulacija omrežij, senzorska omrežja
    viš. pred. dr. Aljaž Zrnec
    prof. dr. Blaž Zupanstrojno učenje, vizualizacija podatkov, dostop do odprtih podatkov, razvoj gradnikov programskega sistema Orange, povezava strojnega učenja in IoT
    doc. dr. Marina Žitnik

    • Diplomsko delo v sodelovanju s podjetjem

      Predlogi tem za diplomske naloge v sodelovanju s podjetji

      Nekatera slovenska podjetja so predlagala za diplomska dela teme, ki so za podjetje neposredno zanimive in uporabne. Študentje, ki se boste odločili za takšno temo, si na fakulteti izberete enega od mentorjev, ki so v tabeli napisani pri posamezni temi, ali pa si sami izberete mentorja (če v tabeli ni predlagan). V dogovoru z mentorjem na FRI vzpostavite stik z delovnim mentorjem v podjetju in skupaj določite primerno vsebino, obseg in cilje diplome. Mentor v podjetju mora podpisati priloženo izjavo, ki jo oddate mentorju na fakulteti. Sicer pa delo poteka enako kot pri ostalih diplomah.

      Podjetje, kontaktna osebaPredlog naslovaVsebinaPotencialni mentorji
      1PARSEK, kontakt "Tomo Jarc" <tomo.jarc@parsek.com>Prednosti in pasti uporabe Blockchain tehnologije v e-zdravstvuV zadnjih letih skoraj ne mine teden, da javnost ne bi bila obveščena o novi rešitvi, ki temelji na Blockchain tehnologiji. Veliko teh rešitev konča na smetišču zgodovine a Blockchain je tu, da bo ostal. Le najti mu moramo primerne načine uporabe. Zadnje čase se ob digitalni disrupciji v zdravstvu pogosto omenja potencial uvedbe Blockchaina, kot mehanizma za varovanje občutljivih osebnih podatkov. V podjetju se ukvarjamo tudi z rešitvami v zdravstveni domeni. Zanimajo nas tveganja uvedbe take tehnologije. Diplomsko delo naj bi primarno odgovorilo na vprašanje, kako je res varna rešitev, ki temelji na Blockchain tehnologiji, kakšni so potencialni vektorji napadov in kako se lahko zaščitimo.Jurij Mihelič, Andy
      2Parsek je uveljavljeno slovensko podjetje, specializirano za informacijske tehnologije v zdravstvu. Osrednja dejavnost podjetja je razvoj spletnih platform, ki omogočajo integracijo in medsebojno povezovanje zdravstvenih rešitev za sodelovanje in vključevanje različnih deležnikov na področju zdravstva in oskrbe. S sedežem podjetja na Dunaju in z razvojnim centrom v Ljubljani Parsek razvija rešitve za številne stranke v regiji EMEA. Z močno podporo globalnih partnerjev, ki že desetletja oblikujejo digitalne industrije, Parsekove rešitve zagotavljajo dostopnejše in kakovostnejše storitve zdravstva in oskrbe milijonom državljanov po svetu. Za dodatne informacije lahko obiščete: www.parsek.com in www.vitaly-portal.com. Parsek ima bogate izkušnje v implementaciji najrazličnejših projektov s področja zdravstva, financ in telekomunikacij. Večino zdravstvenih projektov je bilo realiziranih v tujini (regija DACH, Francija in Italija), kjer je Parsek priznan igralec na področju zdravstvenih portalov.Varnost omrežij v zdravstvu , kako jih lahko napademo in varujemoZdravstvo je panoga, ki je relativno pozno sprejela digitalni svet kot svoj. Zato so lahko tudi uporabniki in odločevalci v zdravstvu relativno slabše seznanjeni z varnostnimi tveganji digitalizacije delovnih tokov in hrambe občutljivih podatkov. Trend je povezovanje zdravstvenih ustanov preko državnih ali zasebnih omrežji. V podjetju nas zanima kako robustna so trenutno zdravstvena omrežja, kako so podvržena napadom in kako se trenutno ščitijo pred le temi. Ker je poročil o vdorih relativno malo je največji izziv naloge pridobiti prave sogovornike. Zelo veseli bi bili, če bi naloga temeljila na dejanski analizi stanja. Lahko pa je tudi povzetek iz strokovne literature.Andy (nekaj podobnega imam ravno sedaj v delu)
      3Dinit CS, kontakt "Valentina Knap" <valentina.knap@dinitcs.com>Prehod v oblakTranzicija iz standardne »enterprise« in PCI (Payment Card Industry Security Standards) skladne arhitekture v oblak (kakšni bi bili vplivi na poslovanje, operativo, infrastrukturo)
      4Dinit CS, kontakt "Valentina Knap" <valentina.knap@dinitcs.com>Uporaba umetne inteligence v procesiranju plačilUporaba AI in machine learning konceptov v procesiranju plačil (dodatne storitve v plačilih, ki jih AI in ML omogočajo..)Igor Kononenko (temo je treba dodelati in najbrž spremeniti naslov)
      5Datalab, kontakt "Andrej Mertelj" <Andrej.Mertelj@datalab.eu>Optimizacija urnikov kmetijske mehanizacije(Na kmetijskem gospodarstvu / storitvene zadruge kmetijske mehanizacije). Potrebno je npr. obdelati 100 polj z 4 traktorji, 6 vozniki in 4 plugi. Kako jih razporedimo? Optimizacija glede na stroške (premiki) ali glede na čas. Zadruge kmetijske mehanizacije: nekdo (kmet, skupina kmetov, ...) kupi nek stroj in potem z njim opravlja storitve za druge kmete. Razsšritev zgornjih algoritmov s portalom, ki bo omogočal vpis povpraševanj ter potem uporabil gornji algoritem za razporejanje.Andy
      6Datalab, kontakt "Andrej Mertelj" <Andrej.Mertelj@datalab.eu>Optimizacija poti transporta kmetijske mehanizacije do polja & nazajNapisati algoritme za optimizacijo poti od kmetije do polja oz. za premike od polja do polja.Andy
      7Datalab, kontakt "Andrej Mertelj" <Andrej.Mertelj@datalab.eu>Orodje (plug-in) za določanje nosilnosti terena (driveability) na podlagi kart zemlje (soil maps) in meteonapovediČe je deževno, se zemlja razmoči in s traktorjem ni mogoče zapeljati na njivo (ni nosilnosti). Karte zemlje (sestava) obstajajo pri geodetskem zavodu, meteonapovedi pa so že zelo točne. Napisati orodje, ki opozarja, da na določen dan v prihodnosti ne bo možno zapeljati s tem traktorjem (določena teža, osni pritisk) na to njivo.
      8Datalab, kontakt "Andrej Mertelj" <Andrej.Mertelj@datalab.eu>Uporaba google speach2text za izpolnjevanje obrazcev na mobilni aplikaciji za kmeteV kmetijstvu je izredno omejena uporaba rok za izpolnjevanje obrazcev (koliko smo porabili škropiva/gnojila, kaj smo delali na njivi, ...). Narediti speech2text (google S2T, da je uporabno v več državah?) ki ga lahko uporabimo kot nadomestek za izpolnjevanje obrazcevVeljko Pejović
      9Datalab, kontakt "Andrej Mertelj" <Andrej.Mertelj@datalab.eu>Uporaba zvoka v panju za napovedovanje zdravja čebelMed čebelarji velja, da zdrav panj drugače brni kot okužen/bolan. Naresti prototip napravice za snemanje zvoka v panju in pošiljanja vzorcev v oblak. Tam naresti prepoznavanje vzorcev zvoka, ki vrne indikacijo zdravja panja. V sodelovanju s čebelarsko zvezo in biotehniško fakulteto.Patricio Bulić, Matija Marolt, Jure Žabkar
      10Arctur d.o.o, kontakt nejc.bat@arctur.siOrodja za pripravo simulacij na superračunalnikuPoglavitna dejavnost našega podjetja je med drugim tudi superračunalništvo in simulacije na našem superračunalniku. Uporabniki superračunalnikov so visoko usposobljeni strokovnjaki na nišnih področjih vendar opažamo, da jim veliko težav povzroča prav priprava navodil za izvajanje simulacij na porazdeljenih sistemih. Na Arctur-2 se za to uporablja sistem SLURM. Delo na diplomi bi tako vključevalo spoznavanje s sistemom SLURM, učenje konceptov dela z GRID sistemi, raziskavo in primerjavo skript za paralelno procesiranje z različnimi simulacijskimi okolji in morebiti celo vsaj začetno zasnovo orodja za pred-pripravo SLURM skript. (Dobro obvladovanje operacijskega sistema Linux in ukazne vrstice je predpogoj.)Patricio Bulić
      11Biosistemika, kontakt Matjaz Hren <mhren@biosistemika.com>
      Razvoj programske opreme za raziskovalce in znanstvenike v področju ved o življenju (ang. Life sciences) je še pred mnogimi izzivi. V našem podjetju skupaj z ameriškim partnerjem razvijamo odprtokodno internetno platformo sciNote, namenjeno urejevanju in digitizaciji raziskovalnega dela. Platforma se razvija v Ruby on Rails.
      Priprava avtomatiziranih povzetkov s strojnim učenjemMed nekaterimi razvojnimi izzivi sciNote je uporaba strojnega učenja za potrebe priprave avtomatiziranih povzetkov preteklega opravljenega dela, rezultatov in ostalih vnešenih aktivnosti, ki so zanimivi za uporabnike naše platforme ali pa so zanimivi za interne potrebe profiliranja uporabnikov, iskanju vzorca uporabe sciNote z namenom izboljševanja uporabniške izkušnje ali prilagajanja PaaS resourcev. Primer je tudi konstantno izbljševanje “Manuscript writerja”, posebnega Add-ona, ki pripravlja povzetke znanstenega dela iz vnešenih podatkov v sciNote z uporabo najnovejših metod strojnega učenja.Marko Robnik-Šikonja
      12Biosistemika, kontakt Matjaz Hren <mhren@biosistemika.com>Integracija sciNote z drugimi spletnimi rešitvamiMed nekaterimi razvojnimi izzivi sciNote so integracije z drugimi web programskimi rešitvami za shranjevanje, vizualizacijo ali obdelavo podatkov. Mnoge od teh integracij so zelo nišne, nekatere kot npr. Googlova suita pa splošne. Pri teh projektih potrebujemo pomoč tako v začetni fazi, kjer se preučuje in išče ustrezne web aplikacije glede na zahteve, nato išče načine za ustrezno integracijo, in potem v sami fazi izdelave integracije in testiranja. Pri tem je potrebno sodelovati s produktnimi specialisti v podjetju, kot tudi z razvijalci. Primer je lahko integracija z Googlovim koledarjem, ali pa integracija z web platformo, v kateri so shranjeni znanstveni članki z njihovo vsebino ter metapodatki.
      13Biosistemika, kontakt Matjaz Hren <mhren@biosistemika.com>Varnostna analiza in strategija SaaSsciNote je spletna aplikacija (SaaS - software as a service), v katero uporabniki shranjujejo precejšnje količine svojih diagnostičnih ali raziskovalnih podatkov, ki so kritični za delovanje številnih podjetij, organizacij, inštitucij ipd. Zato je varnost uporabnikov in njihovih podatkov ključnega pomena. Primer diplomske naloge je lahko varnostna analiza platforme (npr. po seznamih najbolj kritičnih ranljivosti OWASP top 10, CWE/SANS, ipd.), uporabljenih tehnologij (Ruby on Rails), analiza upravljanja s tveganji, predlagane rešitve oz. varnostni popravki platforme ali pa celo izvajanje penetracijskih testov.
      14Biosistemika, kontakt Matjaz Hren <mhren@biosistemika.com>Vmesnik za integracijo s sciNotePrimer diplomske naloge za sciNote je tudi razvoj spletnega vmesnika (Restful API-ja), ki bi ga lahko uporabljale druge storitve za integracijo s sciNote platformo. V sklopu diplomske naloge bi se lahko pripravila analiza podatkovnega modela, specifikacija samega API-ja, ter nato implementacija z uporabo najmodernejših pristopov in tehnologij k razvoju spletnih storitev (angl. web services) kot so npr. GraphQL, SwaggerHub, WebHooks, ipd.
      15NITO d.o.o., kontakt "Eva Znidarsic" <evaz@marg.si>Uporaba pogovornih robotov v povezavi z avtomatizacijo opravil v e-poštiModerne aplikacije za osebno in skupinsko komunikacijo namesto e-pošte uporabljajo neposredno sporočanje (angl. instant messaging, chat). Te aplikacije za pomoč in komunikcijo z uporabniki pogosto uporabljajo tudi t.i. pogovorne robote (angl. chat bot), ki so, zaradi vmesnika v naravnem jeziku, pri uporabnikih dobro sprejeti in omogočajo večjo fleksibilnost ter običajno bolj angažirajo uporabnika.
      V diplomski nalogi želimo preveriti možnost uporabe chat botov pri avtomatizaciji opravil v e-pošti. Cilji naloge so:
      - ugotoviti katera obstoječa opravila v e-pošti lahko zamenjamo oz. izboljšamo z namenskimi pogovornimi roboti,
      - ugotoviti, kako lahko v ta opravila vključimo zunanje vire informacij in zaledne sisteme,
      - ugotoviti s tem povezana uporabniška pričakovanja,
      - razviti namenskega pogovornega robota za izbrano opravilo,
      - preveriti uspešnost njegovega delovanja na končnih uporabnikih.
      Za razvoj in testiranje pogovornega robota predlagamo uporabo platforme 4th Office, ki omogoča souporabo e-pošte in neposrednega sporočanja, ob enem pa ima odprt API, ki omogoča enostaven razvoj in vključitev novih pogovornih robotov.
      Jure Žabkar
      16NiceLabel d.o.o., kontakt Andrej Zrimšek <andrej.zrimsek@nicelabel.com>Razpoznava strukture dokumenta s slikeNiceLabel dokumenti so sestavljeni iz različnih gradnikov: besedila, črtne kode, črte, okvirji, elipse, lahko pa vsebujejo tudi poljubno sliko. Potencialne stranke produkta imajo v večini primerov že natisnjene etikete. Da jim olajšamo prehod iz njihove obstoječe rešitve na programsko opremo NiceLabel, bi jim radi olajšali proces z naslednjim postopkom: Uporabnik naredi sliko že natisnjene etikete (scan, fotografija). S pomočjo razpoznave slike programska oprema zgradi strukturo dokumenta s pripadajočimi elementi v xml. Na tak način se skrajša potreben čas za pripravo dokumentov in njihovo nadaljnjo uporabo v sistemu NiceLabelLuka Čehovin Zajc, Peter Peer
      17NiceLabel d.o.o., kontakt Andrej Zrimšek <andrej.zrimsek@nicelabel.com>Izdelava orodja za analizo in testiranje vmesnika med NiceLabel aplikacijo in gonilnikom za tiskalnikNiceLabel programska oprema za tiskanje etike v kombinaciji z NiceLabel gonilnikom za tiskalnik uporablja poseben vmesnik, preko katerega aplikacija in gonilnik izmenjujeta podatke in poskrbita za optimalno generiranje tiskalniških poslov. Izdelati je potrebno orodje, ki bo komuniciralo z gonilnikom in z uporabo omenjenega vmesnika preverjalo pravilnost poizvedb. Z orodjem bo možno postaviti ogrodje za avtomatsko testiranje gonilnika, v kar je vključeno preverjanje pravilnosti osnovnega izvajanja vseh klicev v vmesniku, izvajanje testov s primerjavo rezultatov predhodnih testiranj, izdelava sistema za shranjevanje rezultatov v podatkovno bazo in analiza teh rezultatov skozi časovno obdobje, integracija rezultatov z obstoječo infrastrukturo za avtomatsko testiranje. Implementacija v Microsoft .NET okolju z uporabo jezika C#.
      18NiceLabel d.o.o., kontakt Andrej Zrimšek <andrej.zrimsek@nicelabel.com>Analiza dokumentov in izdelava algoritmov za iskanje sorodnih skupin dokumentovV procesu oblikovanja dokumentov so uporabniki nagnjeni k kratkoročnemu razmišljanju, kar z uporabo »copy, paste and change a little« pristopa lahko privede do ogromnega števila ustvarjenih dokumentov, ki pa se med seboj le minimalno razlikujejo. S časom postane tako okolje neobvladljivo za vzdrževanje. S konsolidacijo se lahko končno število dokumentov drastično zmanjša (primer iz prakse: 30.000 dokumentov je bilo konsolidirano na nekaj deset dokumentov), saj lahko uporabimo pametno predlogo, ki nam v kombinaciji z različnimi podatki pokrije vse prej unikatne oblike dokumentov. Cilj naloge je izdelati algoritem, ki bo analiziral večje število dokumentov in ugotovil, kateri dokumenti so si med seboj podobni. V ta namen je na voljo uporaba NiceLabel SDK knjižnice, ki za vsak posamezni dokument poda njegovo strukturo: seznam gradnikov in njihove lastnosti. Implementacija je predvidena v Microsoft .NET okolju z uporabo C# jezika.
      19Gorenje d.d., kontakt Blaž Plaskan, blaz.plaskan@gorenje.comAndroid aplikacija za hitro nastavljanje WiFi modulov povezljivih aparatovCilj naloge je razviti android aplikacijo, ki bo mobilno napravo s čim manj truda za uporabnika povezala na gospodinjski aparat. To pomeni, da aplikacija zna aktivirati Wifi opcijo na android napravi, poiskati določeno omrežje in se na njega povezati. S pomočjo http ukaza mora avtomatsko nastaviti Wifi parametre, kot je določeno v interni specifikaciji. Pri tem mora biti omogočeno, da uporabnik lahko poljubno nastavlja parametre preden se ti pošljejo na izbrano Wifi omrežje. Cilj: razviti aplikacijo za samodejno povezavo mobilne naprave z gospodinjskim aparatom s čim manj poseganja uporabnika v nastavitve in povezovanje.Patricio Bulić, Veljko Pejović, Niko Zimic
      20Gorenje d.d., kontakt Matjaž Linec, matjaz.linec@gorenje.comSpletni poštni odjemalec za varno pošiljanje velikih datotek zunanjim partnerjemNaloga predvideva razvoj WEB aplikacije, ki je en del večje WEB aplikacije razvite interno, namenjeno projektnemu vodenju. Cilj je zagotoviti možnost pošiljanja tudi večjih datotek v prilogi maila, ki so zaupne narave. Osnovna ideja je, da spletni poštni odjemalec deluje podobno kot klasični odjemalci, le da priloge, ki jih uporabnik doda ta skrči v eno datoteko, jih enkriptira z naključnim geslom in doda unikatno oznako s katero se identificira tudi vsebina skrčene datoteke. Ko se e-pošta odpošlje, se priloga dejansko shrani lokalno na internem serverju, naslovniku pa se pošlje le obvestilo o datoteki na serverju in osnovni podatki. Uporabnik se nato prijavi na server s svojim uporabniškim računom in si lahko shrani datoteko lokalno. Pripadajoče geslo za to datoteko se naslovniku pošlje ločeno. Program ne sme omogočati naknadnega spreminjanja priloge, za vsako enkriptirano prilogo se na varen način shranjujejo tudi gesla in datum kdaj se je shranila na server ter unikatna oznaka priloge. Datoteke, ki se lahko dodajajo v prilogo se morajo nahajati v bazi znotraj obstoječe WEB aplikacije. Dodajanje datotek z lokalnega računalnika ne sme biti dovoljeno. Potrebno je tudi zagotoviti integracijo z obstoječo WEB aplikacijo za projektno vodenje za interno uporabo, pripraviti analizo najprimernejših rešitev za realizacijo naloge s poudarkom na prednostih in slabostih, razviti WEB aplikacijo in demonstrirati njeno uporabo s poudarkom na varnosti.To je Filesender na ARNES
      21Gorenje d.d., kontakt Matjaž Linec, matjaz.linec@gorenje.comVirtualni asistent za pripravo hraneCilj naloge je razviti virtualnega asistenta pri pripravi hrane, ki je realiziran s micro/pico projektorjem in kamero. Zaželeno je, da rešitev sistema »teče« na vgrajenem sistemu v povezavi z računalnikom preko brezžičnega vmesnika. Z računalnikom se sistemu le prenaša vsebino, ki jo želimo projicirati. Projektor projicira izmišljen uporabniški vmesnik, kamera pa zaznava izbiro, ki jo ponuja vmesnik. Ideja je, da se rešitev kamere in projektorja montira nad pultom (pod zgornjo omaro) in se projicira na pultom (višina cca 55 cm). Na vmesniku naj bodo tako recepti, ki jih bo možno listati z gestami z roko izbire pa bo možno potrditi z »navideznim« pritiskom, kot tudi prikaz video posnetkov, ki jih bo možno ustaviti na ukaz (pavza), vrteti naprej, nazaj z gestami z roko itn. Cilji: izbira primerne kamere in projektorja s ciljem izbrati cenovno optimalno rešitev, ki je hkrati dovolj kvalitetna (kar se tiče prikaza projicirane slike), pripraviti pripadajočo podporno programje za projektor, kamero, razpoznavanje gest ter računalnik, analizirati strojno rešitev in algoritme v realnem okolju in določiti omejitve sistema.Franc Solina, Borut Batagelj, Luka Čehovin Zajc, Peter Peer, Iztok Lebar Bajec
      22Kolektor d.d., kontakt Maja Leban <Maja.Leban@kolektor.com>Integracije na področju poslovno informacijskih sistemovPoslovanje podjetja je podprto z različnimi poslovno informacijskimi rešitvami, ki naj bi služile kot podpora uporabnikom pri kreiranju in obdelavi podatkov. To so npr. aplikacije za ročni vnos in obdelavo podatkov, avtomatsko generiranje podatkov, zajem s senzorji in še kaj. V pridruženih podjetjih so različna poslovna področja pokrita z različnimi ERP sistemi. ERP sistemi so lahko povezani preko vmesnikov ali celo nepovezani. Kako čimbolj učinkovito zagotoviti povezljivost različnih sistemov? Npr. možnosti: SAPov produkt SAP PI, MuleSoft (uporablja ga Tesla, oziroma po dogovoru.
      23Kolektor d.d., kontakt Maja Leban <Maja.Leban@kolektor.com>Integracije na področju infrastruktureIntegracije pridruženih podjetji na področju infrastrukture – Kako na varen in enostaven način zagotoviti potrebam po čim hitrejši integraciji pridruženih podjetij? IKT okolja podjetij, katerih poslovanje je v informacijskem smislu zaupano internim IKT oddelkom, so velikokrat relativno standardizirana. Razloge gre iskati predvsem v zahtevi po enotni uporabniški izkušnji. Kljub temu pa se IKT oddelki v rastočih okoljih srečujejo z drugimi, različnimi okolji. Prav zato je zagotavljanje enotne uporabniške izkušnje svojevrsten izziv. Izziv dodatno povečuje razvoj in uporaba modernih tehnologij.
      24Kolektor d.d., kontakt Maja Leban <Maja.Leban@kolektor.com>Digitalizacija – Kako slediti potrebam, obenem pa zagotavljati varnost in upravljanje proizvodnih naprav in ostalih sistemovKako držati pod kontrolo vedno več programske opreme in sistemov. Varnost. V poplavi novih tehnologij se srečujemo z veliko vrsto različnih odjemalcev, ki vsak zase in vsak zase, že zagotavlja zbiranje določenih podatkov. Prav zaradi količin podatkov so zahteve uporabnikov o priklopu naprav v IKT omrežje razumljive. Pri tem je potrebno upoštevati heterogenost naprav, ki zahtevajo uporabo različnih orodij in metod za zagotavljanje ustreznega delovanja in povezljivosti. Število naprav in njihova heterogenost na eni strani povečuje zahtevnost naloge, na drugi strani pa generira potrebo po kontroli nad programsko opremo, kot tudi kontrolo nad sistemi.Aleksandar Jurišić
      25Mahle Letrika d.o.o., kontakt Jernej Kuželički, <jernej.kuzelicki@si.mahle.com>Standardizacija CAN komunikacije v krmilnikih električnih motorjevKrmilniki motorjev podjetja MAHLE Letrika imajo vgrajen CAN vmesnik, prek katerega komunicirajo z ostalimi napravami v električnem vozilu in diagnostičnimi orodji. Prek CAN omrežja se prenašajo regulacijski signali, izvaja diagnostika in parametrizacija ter razvija software. Za te namene v podjetju pogosto uporabljamo lastne protokole, a je naš cilj, da implementiramo standarde avtomobilske protokole, kot so XCP, UDS in SAE J1939. Cilj diplomske naloge je programiranje izbranih funkcij na krmilniku in diagnostičnih orodjih po enem od standarnih protokolov.Patricio Bulić, Niko Zimic, Robert Rozman
      26Mahle Letrika d.o.o., kontakt Jernej Kuželički, <jernej.kuzelicki@si.mahle.com>Software varnostnih funkcij na električnih vozilihElektrična vozila morajo biti načrtovana po standardih funkcionalne varnosti, kot sta na primer ISO 13849 in ISO 26262. Večina varnostnih funkcij je implementiranih programsko. Izvaja jih bodisi glavni ali pa pomožni varnostni mikrokrmilnik. Standardi predpisujejo sistematičen razvojni procesa varnostnega softvera po V-modelu. Razvijte, dokumentirajte in testirajte predpisane varnostne funkcije s pomočjo simulacije električnega vozila.Patricio Bulić