Тема выпускной квалификационной работы: «Микросервис для классификации пользователей по уровню произношения в системе обучения иностранному языку». Цель данной работы - создание микросервиса для классификации пользователей по уровню произношения в системе обучения иностранному языку. В начале работы рассмотрены недостатки современных систем для самостоятельного обучения и описано предлагаемое решение. Далее детально рассмотрены и обоснованы применяемые решения и инструменты. Основная часть посвещена реализации заявленных целей - созданию панели управления, обучению нейронной сети, а также созданию скрипта для классификации наборов DTW метрик. В конце работы микросервис был протестирован, а также собрана обратная связь от команды StudyIntonation, для которой он и был разработан.

The subject of the graduate qualification work is «Microservice for classifying users by pronunciation level in a foreign language teaching system». The purpose of this work is to create a microservice for classifying users by pronunciation level in a foreign language teaching system. At the beginning of the work, the disadvantages of modern systems for self-study are considered and the proposed solution is described. Further, the solutions and tools used are considered in detail and justified. The main part is devoted to the implementation of the stated goals - creating a control panel, training a neural network, as well as creating a script for classifying sets of DTW metrics. At the end of the work, the microservice was tested, and feedback was collected from the StudyIntonation team, for which it was developed.

• 1. Проблематика и актуальность
• 2. Определение требований
  • 2.1. Сбор и согласование требований
  • 2.2. Анализ и выбор инструментов
    • 2.2.1. Архитектура
    • 2.2.2. Язык
    • 2.2.3. Сервер
    • 2.2.4. Графический пользовательский интерфейс
    • 2.2.5. Нейронная сеть
    • 2.2.6. База данных
• 3. Создание панели управления
  • 3.1. Хранение данных
  • 3.2. Панель управления
  • 3.3. API
• 4. Классификация метрик
  • 4.1. Кластеризация данных
  • 4.2. Обучение нейронной сети
  • 4.3. Создание скрипта для классификации
• 5. Тестирование