Кому нужен этот промт и как он работает?
Данный промт предназначен для студентов магистратуры, изучающих сложные направления, такие как проектирование и анализ алгоритмов, особенно с фокусом на приближённые алгоритмы. Его основная задача — помочь в организации и написании качественной научной работы, облегчить генерацию идей, создание заявки и её доработку. Промт также позволяет оценивать несколько заявок по важным критериям.
Промт помогает студентам структурировать процесс работы над дипломной или магистерской диссертацией. Он облегчает поиск исследовательских вопросов, предложение методик, оформление заявки и её улучшение, что значительно экономит время и повышает качество научного текста. В основе работы лежит чёткий параметрический запрос с подробным описанием задач.
Готовый к использованию промт
|
1 |
Я студент магистратуры по направлению «Проектирование и анализ алгоритмов». Мой научный руководитель специализируется на приближённых алгоритмах. Прошу помочь в следующих областях: 1. Исследование идей: помощь в генерации и изучении потенциальных тем для моей дипломной работы, с акцентом на применение алгоритмов машинного обучения для решения сложных задач в вычислительной биологии. Предложения по исследовательским вопросам, методологиям и интересным темам. 2. Составление заявки: помощь в написании заявки по заданной теме, включая структуру: заголовок (лучшие практики написания), описание (до 300 символов, академический стиль, фон, цель, методология, ожидаемый результат; общий и абстрактный, без излишней конкретики), ключевые слова (4-5), план работы на 12 месяцев с разбивкой на 5-6 этапов, список из не менее трёх актуальных публикаций (с 2025, минимум одна из 2025). 3. Доработка заявки: помощь в доработке, улучшении, редактировании текста для ясности, краткости и воздействия. 4. Оценка заявок: просмотр и оценка нескольких заявок по четырём критериям — реализуемость, практичность, потенциал, уровень сложности, с выставлением баллов от 1 до 10. Прошу обеспечить релевантный, точный и структурированный ответ в рамках указанных форматов. |
Как использовать промт и на что обращать внимание
- Перед использованием убедитесь, что у вас есть четкое понимание темы и области исследования, чтобы корректно указать направление.
- Для более точного результата можно добавлять конкретные детали, например, уточнять виды приближённых алгоритмов или области вычислительной биологии, которые интересуют.
- Если требуется оценка заявок, предоставьте полный текст заявок с необходимой структурой, чтобы AI мог провести качественный анализ.
- Результаты могут быть обобщёнными — в научных формулировках стоит проверять и адаптировать предложения и ключевые слова самостоятельно.
- Помните, что AI помогает оформить и структурировать материал, но окончательная ответственность за содержание лежит на авторе.
Примеры использования
Этот пример поможет сгенерировать идеи для магистерской работы по применению алгоритмов машинного обучения для анализа геномных данных в биологии.
|
1 |
Я студент магистратуры по направлению «Проектирование и анализ алгоритмов». Мой научный руководитель специализируется на приближённых алгоритмах. Прошу помочь в следующих областях: 1. Исследование идей: помощь в генерации и изучении потенциальных тем для моей дипломной работы, с акцентом на применение алгоритмов машинного обучения для анализа геномных данных. Предложения по исследовательским вопросам, методологиям и интересным темам. |
В данном случае студента просят помочь составить заявку с чётким планом работы и подбором современных публикаций по теме использования нейросетей для прогнозирования структуры белков.
|
1 |
Я студент магистратуры по направлению «Проектирование и анализ алгоритмов». Мой научный руководитель специализируется на приближённых алгоритмах. Прошу помощь в составе заявки на тему «Применение нейросетей для прогнозирования структуры белков». Нужны: заголовок, краткое описание (до 300 символов), 4-5 ключевых слов, подробный план работы на 12 месяцев (5 этапов), не менее трёх актуальных публикаций (2021-2023). |
Пример вывода нейросети
✅ Пример:
1. Исследование идей: Предлагается изучить применение методов глубокого обучения для ускоренного поиска приближённых решений задач кластеризации больших биологических данных. Основные вопросы — как повысить точность и снизить вычислительные затраты.
2. Составление заявки:
Заголовок: «Оптимизация приближённых алгоритмов машинного обучения для анализа биологических данных».
Описание: «Предлагается разработка и исследование методов приближённого машинного обучения для обработки больших наборов данных в вычислительной биологии с целью повышения точности и эффективности.»
Ключевые слова: алгоритмы машинного обучения, биологические данные, приближённые методы, кластеризация, глубокое обучение.
План работы:
— Месяцы 1-2: обзор литературы и формулировка задач;
— Месяцы 3-5: разработка моделей;
— Месяцы 6-8: экспериментальная оценка;
— Месяцы 9-10: анализ результатов;
— Месяцы 11-12: написание и доработка работы.
Публикации:
• Zhang et al. (2023). Advances in Approximate Machine Learning for Genomics.
• Smith & Lee (2022). Clustering Algorithms in Computational Biology.
• Gupta (2021). Deep Learning for Big Data Analysis.»
3. Доработка заявки: Оптимизация языка для лучшей читабельности и академического стиля.
4. Оценка: Реализуемость — 8, Практичность — 9, Потенциал — 9, Уровень сложности — 7.
Примечание: результат примерный и может отличаться.
Итог: зачем нужен этот промт?
Используя этот промт, студенты получают комплексную помощь в формировании, написании и оценке научной работы. Промт систематизирует процесс, экономит время и помогает улучшить качество исследования и оформления заявки.
Основное преимущество: эффективная организация и оформление научной магистерской работы с помощью структурированного и точного AI-сценария.
