Te ajutăm cu lucrarea în Python
Privat. Primul capitol gratuit. Fără avans. Plata la final sau în etape. Status constant al lucrării. Raport AI + plagiat.
Scrie-ne pe WhatsAppCuprins · 7 secțiuni
Cu Python poți face la licență o aplicație web, o analiză de date sau un model de învățare automată, iar la disertație îl folosești de obicei pentru experimente. Mai jos ai ce tip de lucrare alegi, ce se schimbă de la licență la disertație, cum descrii tehnologia în capitole, 14 teme și ce întreabă comisia. Structura completă a lucrării e pe pagina de licență la Informatică.
La licență, comisia evaluează o aplicație în Python care funcționează și documentația ei: de ce ai ales Python și framework-ul, cum e construită aplicația, cum ai testat-o. La disertație, Python e unealta unei cercetări: o întrebare precisă, experimente pe care le poate repeta oricine și rezultate comparate cu literatura.
Ce poți face în Python la licență
| Tipul lucrării | Tehnologii | Exemplu de temă |
|---|---|---|
| Aplicație web | Django, Flask sau FastAPI, cu PostgreSQL sau MySQL | Programări online pentru un cabinet |
| Analiză de date | pandas, NumPy, matplotlib, Jupyter | Analiza vânzărilor unui magazin online |
| Învățare automată | scikit-learn, PyTorch sau TensorFlow | Clasificarea e-mailurilor de tip spam |
| Automatizare, desktop | scripturi, Tkinter sau PyQt | Extragerea datelor din facturi PDF |
Django vine cu autentificare, panou de administrare și ORM incluse, așa că ajungi repede la o aplicație completă. Flask și FastAPI sunt mai mici: alegi singur bibliotecile, iar FastAPI generează automat documentația API-ului. Oricare ar fi, alegerea o justifici față de alternative în capitolul de tehnologii.
La licență și la disertație
Aceeași tehnologie, alt nivel. Apasă pe unul ca să vezi ce se așteaptă și un exemplu de cod.
LLa licență
o aplicație care funcționează, bine documentată
Comisia vrea să vadă o aplicație completă și să înțeleagă cum ai construit-o: cerințele, arhitectura, baza de date, implementarea și testele. Nu trebuie să inventezi ceva nou; trebuie să rezolvi bine o problemă reală.
- Aplicația rulează la susținere, pe un scenariu pregătit.
- Partea importantă are teste automate, de exemplu cu pytest.
- Codul e pe un repository sau în anexă, cu instrucțiunile de instalare.
Exemplu: un endpoint Flask care nu acceptă două programări la aceeași oră și testele lui. Le-am rulat, ambele teste trec.
from datetime import datetime
from flask import Flask, jsonify, request
def create_app():
app = Flask(__name__)
programari = [] # in aplicatia reala: un tabel in PostgreSQL, prin SQLAlchemy
@app.post("/api/programari")
def creeaza_programare():
date = request.get_json(silent=True) or {}
try:
ora = datetime.fromisoformat(date["ora"])
except (KeyError, ValueError):
return jsonify(eroare="ora lipseste sau nu e in format ISO"), 400
if any(p["ora"] == ora for p in programari):
return jsonify(eroare="intervalul este deja ocupat"), 409
programari.append({"pacient": date.get("pacient", ""), "ora": ora})
return jsonify(id=len(programari), ora=ora.isoformat()), 201
return appfrom app import create_app
def test_nu_accepta_doua_programari_la_aceeasi_ora():
client = create_app().test_client()
cerere = {"pacient": "P1", "ora": "2027-05-10T09:00"}
assert client.post("/api/programari", json=cerere).status_code == 201
assert client.post("/api/programari", json=cerere).status_code == 409
def test_respinge_o_ora_gresita():
client = create_app().test_client()
raspuns = client.post("/api/programari", json={"ora": "maine"})
assert raspuns.status_code == 400Comisia caută: să explici ce primește utilizatorul când trimite date greșite (răspunsul 400 sau 409) și de ce ai scris un test pentru asta.
DLa disertație
o întrebare de cercetare, experimente, rezultate
La master, o aplicație care funcționează nu mai e suficientă. Pornești de la o întrebare precisă (de exemplu: care dintre două modele detectează mai bine fraudele pe date dezechilibrate?), o legi de articole recente, alegi metrici potrivite și rulezi experimente pe care le poate repeta oricine.
- Aceleași date și aceeași împărțire pentru toate modelele (validare încrucișată stratificată).
- Metrici potrivite problemei: pe clase dezechilibrate, F1 sau aria sub curba precizie-recall, nu acuratețea.
- Media și abaterea standard pe fold-uri, plus un test statistic înainte să scrii că un model e mai bun.
- Semințe aleatoare fixate (
random_state) și versiunile bibliotecilor notate, ca experimentul să poată fi repetat.
from sklearn.datasets import make_classification
from sklearn.ensemble import RandomForestClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import StratifiedKFold, cross_val_score
from sklearn.pipeline import make_pipeline
from sklearn.preprocessing import StandardScaler
# date simulate: 2.000 de tranzactii, aproximativ 5% frauduloase
X, y = make_classification(n_samples=2000, n_features=12, weights=[0.95], random_state=42)
modele = {
"Regresie logistica": make_pipeline(StandardScaler(), LogisticRegression(class_weight="balanced")),
"Random forest": RandomForestClassifier(n_estimators=200, class_weight="balanced", random_state=42),
}
validare = StratifiedKFold(n_splits=5, shuffle=True, random_state=42)
for nume, model in modele.items():
f1 = cross_val_score(model, X, y, cv=validare, scoring="f1")
print(f"{nume}: F1 = {f1.mean():.3f} (abatere standard {f1.std():.3f})")Regresie logistică: F1 = 0,435 (abatere standard 0,035). Random forest: F1 = 0,562 (abatere standard 0,082). Diferența pare mare, dar e calculată pe doar 5 fold-uri, iar random forest variază mult de la un fold la altul, așa că o testezi statistic înainte de concluzie.
Comisia caută: de ce ai ales metrica și cum te-ai asigurat că datele de test nu au ajuns în antrenare. Vezi și ce este lucrarea de disertație.
Cum descrii Python în lucrare
Capitolele în care apare tehnologia. Apasă pe unul ca să-l deschizi.
1Tehnologii utilizate
de ce Python și de ce framework-ul ales
Așa arată în exemplul nostru →
Un tabel cu fiecare tehnologie, rolul ei și motivul alegerii, cu versiunile folosite. Compară framework-ul ales cu cel puțin o alternativă (Django față de Flask, PyTorch față de TensorFlow) pe criterii concrete: ce îți trebuia, documentația, cât de folosit e.
| Componenta | Opțiuni în Python |
|---|---|
| Framework web | Django, Flask, FastAPI |
| Bază de date și ORM | PostgreSQL, MySQL sau SQLite, cu Django ORM sau SQLAlchemy |
| Interfață | șabloane Django sau Jinja, ori un frontend separat (React, Vue) |
| Date și învățare automată | pandas, NumPy, scikit-learn, PyTorch, TensorFlow |
| Teste | pytest, unittest, coverage |
| Rulare | mediu virtual (venv), requirements.txt, Docker |
Comisia caută: alegeri justificate, nu o listă de tehnologii la modă.
2Arhitectura și baza de date
părțile aplicației, modelele, diagrama bazei de date
Așa arată în exemplul nostru →
O diagramă a arhitecturii (la Django: modele, vederi și șabloane; la FastAPI: API-ul și frontend-ul separat), diagrama bazei de date și modelele ORM care o descriu. Explică de ce o relație e una-la-mai-multe și unde ai pus indecși.
3Implementarea
fragmente scurte, nu tot codul
Câteva fragmente comentate, fiecare de cel mult o pagină: autentificarea, funcția principală, o validare. Arată și structura folderelor proiectului. Codul complet merge în anexă sau pe un repository, cu linkul în lucrare.
4Testarea și evaluarea
teste automate, performanță, experimente
Așa arată în exemplul nostru →
La licență: tabelul cazurilor de test (intrarea, rezultatul așteptat, rezultatul obținut), testele automate scrise cu pytest și, dacă are sens, timpul de răspuns sau un test cu utilizatori. La disertație, aici sunt experimentele: metricile, tabelele cu medii și abateri standard, testele statistice.
5Instalare și rulare
anexa după care oricine pornește aplicația
Pașii de instalare: versiunea de Python, crearea mediului virtual, pip install -r requirements.txt, variabilele de mediu și comanda de pornire. Cu Docker, ajunge docker compose up. Coordonatorul trebuie să poată porni aplicația doar după instrucțiunile tale.
Teme de licență și disertație în Python
LTeme de licență
8 teme
- Programări online pentru un cabinet sau un service auto (Django, PostgreSQL).
- Gestiunea stocurilor unui magazin mic, cu rapoarte lunare (Flask, SQLAlchemy).
- API pentru o aplicație mobilă de rezervări, cu documentație generată automat (FastAPI).
- Platformă de cursuri online cu teste și certificate (Django).
- Dashboard pentru vânzările unui magazin online (pandas, Plotly).
- Clasificarea e-mailurilor de tip spam (scikit-learn).
- Recunoașterea cifrelor scrise de mână cu o rețea neuronală (PyTorch).
- Extragerea datelor din facturi PDF într-un tabel, cu recunoaștere optică a textului.
DTeme de disertație
6 teme
- Detecția fraudelor pe date puternic dezechilibrate: compararea modelelor și a metodelor de echilibrare.
- Detecția știrilor false în limba română cu modele de limbaj preantrenate.
- Prognoza consumului de energie: modele statistice clasice față de rețele neuronale.
- Explicabilitatea modelelor de acordare a creditelor (SHAP, LIME).
- Analiza sentimentelor din recenziile de produse scrise în română.
- Detecția anomaliilor în traficul de rețea cu învățare nesupravegheată.
Mai multe idei, pe niveluri de dificultate: teme de licență la Informatică.
Ce întreabă comisia
- De ce Python și de ce Django (sau Flask, FastAPI), nu altă tehnologie?
- Cum păstrezi parolele? (doar ca hash, de exemplu prin autentificarea din Django)
- Cum previi o injecție SQL? (interogări prin ORM sau parametrizate, niciodată text lipit în SQL)
- Ce ai testat, ce nu ai testat și de ce?
- La disertație: de ce metrica aleasă și cum ai împărțit datele?
- Ce s-ar schimba dacă aplicația ar avea de 100 de ori mai mulți utilizatori?
Răspunsurile le pregătești odată cu prezentarea și discursul de susținere.
Lucrarea în Python la comandă
- Aplicația în Python, pe tema ta: web (Django, Flask, FastAPI), analiză de date sau învățare automată, cu codul comentat.
- Lucrarea scrisă: tehnologii, arhitectură, implementare, testare sau experimente, cu citări în stilul cerut.
- Prezentarea PowerPoint, discursul de susținere și întrebările probabile ale comisiei.
- Corectare și tehnoredactare, dacă ai deja lucrarea.
Raportul de similaritate și verificarea de text generat cu AI sunt incluse. Livrăm în maxim 2 zile, iar plata se face după livrare, fără avans. Scrie-ne pe WhatsApp tema și ghidul facultății și primești primul capitol gratuit.
Întrebări frecvente
Ce framework Python aleg pentru licență: Django, Flask sau FastAPI?
Django, dacă aplicația are utilizatori, roluri și multe pagini: autentificarea, panoul de administrare și ORM-ul sunt incluse. Flask, dacă aplicația e mică și vrei să alegi singur bibliotecile. FastAPI, dacă faci un API pentru o aplicație mobilă sau pentru un frontend separat. Alegerea o justifici în capitolul de tehnologii.
Pot face licența doar cu o analiză de date în Python, fără aplicație?
Depinde de specializare și de ghidul facultății. La Informatică se cere de obicei o aplicație implementată; la Cibernetică, Statistică sau Economie, o analiză de date bine făcută, cu un dashboard sau un instrument, poate fi tema lucrării. Întreabă coordonatorul de la început.
Ce are în plus o disertație în Python față de o licență?
O întrebare de cercetare precisă, legată de articole recente, experimente repetabile (aceleași date și împărțiri, semințe aleatoare fixate) și rezultate raportate cu metrici potrivite, medii și abateri standard. Aplicația, dacă există, e doar unealta cu care ai făcut experimentele.
Unde pun codul sursă?
În lucrare pui doar fragmente scurte, comentate. Codul complet merge în anexă sau pe un repository, de exemplu GitHub, cu linkul în lucrare și instrucțiunile de instalare. Cum se predă exact scrie în ghidul facultății.
Pot folosi Jupyter Notebook în lucrare?
Da, pentru analiză și experimente, mai ales la disertație. În lucrare treci rezultatele ca tabele și figuri numerotate, nu capturi din notebook, iar notebook-ul îl pui în anexă sau pe repository, ca să poată fi rulat din nou.
Ce versiune de Python trec în lucrare?
Versiunea exactă cu care ai lucrat (o afli cu python --version) și versiunile bibliotecilor, din requirements.txt. Așa oricine poate reface mediul și rula aplicația sau experimentele.
