Seminaria

Zrealizowane tematy prac licencjackich:

• Spektralna analiza skupień (2023, matematyka)
• Robust Random Cut Forest jako metoda usuwania anomalii z danych (2023, matematyka)
• Algorytm LightGBM jako efektywna metoda klasyfikacji i regresji (2022, matematyka)
• Metoda LLE jako metoda redukcji wymiarowości (2022, matematyka)
• Algorytm Catboost jako efektywna metoda klasyfikacji i regresji w przypadku występowania cech jakościowych (2022, matematyka)
• Segmentacja obrazu na bloki tekstowe (2021, matematyka)
• Analiza skupień za pomocą algorytmów DBSCAN i OPTICS (2020, matematyka)
• Redukcja wymiaru danych za pomocą metody t-SNE (2020, matematyka)
• Uogólniona analiza składowych głównych dla danych nie-normalnych (2020, matematyka)
• Las izolacyjny (2020, matematyka)
• Redukcja wymiaru w celu wykrywania obserwacji odstających za pomocą metody DOBIN (2020, matematyka)
• Prognozowanie szeregów czasowych za pomocą metody ETS (2020, matematyka)
• Klasyfikacja za pomocą metody DANN (2020, matematyka)
• Jądrowa analiza składowych głównych (2020, matematyka)
• Analiza skupień dla danych jakościowych za pomocą algorytmu ROCK (2019, matematyka)
• Wykrywanie anomalii w danych za pomocą algorytmu LOF (2019, matematyka)
• Las rotacyjny (2018, matematyka)
• Wybrane zastosowania ukrytych modeli Markowa w nauczaniu maszynowym (2017, matematyka)
• Wybrane metody statystyczne w analizie danych RNA-seq (2017, matematyka)
• Klasyfikacja zdarzeń rzadkich (2017, matematyka)
• Głębokie uczenie (2017, matematyka)
• Zastosowanie algorytmu SVM do klasyfikacji (2017, matematyka)

Zrealizowane tematy prac magisterskich:

• Power Iteration Clustering jako efektywna metoda grupowania danych (2023, analiza i przetwarzanie danych)
• Klasyfikacja dzieł kultury na podstawie reprezentujących je grafik (2023, analiza i przetwarzanie danych)
• Generowanie obrazów z wykorzystaniem sieci typu GAN (2023, analiza i przetwarzanie danych)
• Regularized Implicit Neural Representations for Controlled Shape Interpolation (2023, analiza i przetwarzanie danych)
• Uczenie głębokie w detekcji epizodów zamrożenia chodu (2023, informatyka)
• White Box Attacks in Adversarial Machine Learning (2023, matematyka)
• Analiza statystyczna i uczenie maszynowe w procesie wsparcia decyzji transferowych w piłce nożnej (2023, analiza i przetwarzanie danych)
• Rozpoznawanie typu lokalizacji dla sklepu Żabka (2023, analiza i przetwarzanie danych)
• Wykorzystanie VBA dla MS Excel w celu stworzenia cennika dla działu sprzedaży jako
  dopełnienie funkcjonującego systemu ERP (2022, analiza i przetwarzanie danych)
• Predykcja sukcesu w piłce nożnej w oparciu o dane historyczne i uczenie maszynowe (2022, informatyka)
• Sieci głębokich stert (2022, matematyka)
• Predykcja wyników w oparciu o analizę historycznych danych dotyczących zdarzeń w piłce nożnej z wybranych lig europejskich (2022, informatyka)
• Rola hiperparametrów w celu osiągnięcia najwyższej jakości predykcji sukcesu w Ekstraklasie (2022, informatyka)
• Analiza geostatystyczna rozprzestrzeniania się wirusa SARS-CoV-2 (2021, analiza i przetwarzanie danych)
• Porównanie wybranych gradientowych algorytmów uczenia maszynowego GB, XGBoost, LightGBM oraz CatBoost (2021, matematyka)
• Uczenie przez wzmacnianie (2021, analiza i przetwarzanie danych)
• Predykcja rotacji z wykorzystaniem technik uczenia maszynowego (2021, analiza i przetwarzanie danych)
• Analiza wydźwięku na podstawie muzyki (2021, analiza i przetwarzanie danych)
• Zastosowanie metod uczenia maszynowego w analizie przeżycia (2021, analiza i przetwarzanie danych)
• Metody analizy danych geostatystycznych (2021, analiza i przetwarzanie danych)
• Analiza jakości życia emerytów w wybranych krajach UE w latach 2008-2017 (2021, analiza i przetwarzanie danych)
• Porównanie metod uzupełniania danych (2021, analiza i przetwarzanie danych)
• Użycie konwolucyjnych sieci neuronowych do wykrywania malarii na podstawie rozmazów krwi (2021, analiza i przetwarzanie danych)
• Analiza anomalii pogodowych za pomocą metod głębokiego uczenia (2021, analiza i przetwarzanie danych)
• Klasyfikacja ekstremalna (2021, analiza i przetwarzanie danych)
• Metody uczenia głębokich sieci neuronowych (2021, analiza i przetwarzanie danych)
• Optymalizacja hiperparametrów w nauczaniu maszynowym (2021, analiza i przetwarzanie danych)
• Rozmyte sieci neuronowe (2021, analiza i przetwarzanie danych)
• Diagnostyka zdjęć medycznych z plików DICOM z wykorzystaniem uczenia transferowego (2020, informatyka)
• Aplikacja do analizy danych za pomocą podstawowych statystyk (2020, analiza i przetwarzanie danych)
• Imputacja danych za pomocą algorytmu Amelia II (2020, analiza i przetwarzanie danych)
• Zastosowanie lasów losowych oraz XGBoost do analizy przeżycia (2020, analiza i przetwarzanie danych)
• Metody uczenia maszynowego w klasyfikacji utworów muzycznych i systemach rekomendacji (2020, analiza i przetwarzanie danych)
• Metody regularyzacji stosowane w analizie regresji (2020, analiza i przetwarzanie danych)
• Zastosowania algorytmów uczenia maszynowego w projektowaniu doświadczeń użytkownika (2020, analiza i przetwarzanie danych)
• Analiza wyników uzyskanych przez uczniów z zadań matematycznych (2020, analiza i przetwarzanie danych)
• Generowanie emotikonów z tekstu za pomocą sieci GAN (2020, analiza i przetwarzanie danych)
• Uczenie ze wzmacnianiem w grach planszowych (2020, analiza i przetwarzanie danych)
• Analiza wpływu wdrożenia elektronicznego obiegu dokumentów na przedsiębiorstwo (2020, analiza i przetwarzanie danych)
• Zastosowanie głębokich sieci neuronowych do przygotowywania posiłków (2020, informatyka)
• Prognozowanie sprzedaży z wykorzystaniem platformy Hadoop + Spark (2020, analiza i przetwarzanie danych)
• Generowanie muzyki przy pomocy głębokiego uczenia (2020, analiza i przetwarzanie danych)
• Analiza danych oraz raportowanie w Tableau (2020, analiza i przetwarzanie danych)
• Uczenie wielowystąpieniowe (2019, analiza i przetwarzanie danych)
• Skuteczne wykrywanie obserwacji odstających (2019, analiza i przetwarzanie danych)
• Segmentacja szeregów czasowych (2019, analiza i przetwarzanie danych)
• Klasyfikacja wieloetykietowa (2019, analiza i przetwarzanie danych)
• Algorytm XGBoost jako efektywna metoda klasyfikacji i regresji (2019, analiza i przetwarzanie danych)
• Interpretacja sieci neuronowych (2019, matematyka)
• Jak poprawnie porównywać klasyfikatory (2019, analiza i przetwarzanie danych)
• Konwolucyjne sieci neuronowe (2019, analiza i przetwarzanie danych)
• Prognozowanie szeregów czasowych za pomocą algorytmu Prophet (2019, analiza i przetwarzanie danych)
• Regresja funkcjonalna dla odpowiedzi skalarnych (2019, analiza i przetwarzanie danych)
• Zastosowanie metod uczenia maszynowego w muzyce (2019, analiza i przetwarzanie danych)
• Uzupełnianie danych za pomocą algorytmu MICE (2018, matematyka)
• Nieparametryczne metody estymacji funkcji przeżycia (2017, matematyka)
• Metoda rzutowania jako nieliniowa metoda redukcji wymiaru (2017, matematyka)

Zalecana literatura:

• Bradley Efron, Trevor Hastie (2021). Computer Age Statistical Inference. Cambridge University Press.
• Trevor Hastie, Robert Tibshirani and Jerome Friedman (2009). The Elements of Statistical Learning. Springer.
• Trevor Hastie, Robert Tibshirani and Martin Wainwright (2020). Statistical Learning with Sparsity. CRC Press.
• Gareth James, Daniela Witten, Trevor Hastie and Robert Tibshirani (2021). An Introduction to Statistical Learning with Applications in R. Springer.