Konkurs na najlepszą pracę magisterską - uczenie maszynowe i analiza danych
28.10.2022 14:27
Uroczysta gala, Wydział MiNI PW/ fot. E.Szczęsna
Rozstrzygnięto ogólnopolski konkurs na najlepszą pracę magisterską dotyczącą uczenia maszynowego lub analizy danych. 27 października 2022 r. na Wydziale Matematyki i Nauk Informacyjnych PW uroczyście wręczono nagrody.
Konkurs po raz trzeci organizował Wydział Matematyki i Nauk Informacyjnych. Można było zgłaszać prace magisterskie obronione na uczelniach wyższych w Polsce w latach 2020-2021 w dwóch kategoriach: Metody i algorytmy oraz Zastosowania.
Nadesłano 36 prac magisterskich z całej Polski, 17 prac w kategorii Metody i Algorytmy oraz 19 prac w kategorii Zastosowania. Wiele z prac magisterskich opartych było o artykuł naukowy autora, który był w recenzji lub był już przyjęty do publikacji. Wśród nagrodzonych znalazła się także trójka absolwentów z Wydziału MiNI PW.
W czasie gali zaprezentowali się partnerzy konkursu, a zwycięzcy wystąpili ze swoimi referatami.
W kategorii Metody i algorytmy nagrody i wyróżnienia otrzymali:
I miejsce "The problem of regression for molecular spectra in mass spectroscopy and nuclear magnetic resonance spectroscopy". Autor: mgr Barbara Domżał (UW), opiekun naukowy: prof. dr hab. Anna Gambin.
II miejsce "Classification and regression using a network of partially transparent mirrors". Autorzy: mgr Marcin Zakrzewski i mgr Krzystof Więcław (PW), opiekun naukowy: dr Paweł Teisseyre.
II miejsce "Hyperspectral unmixing using deep learning". Autor: mgr Łukasz Tulczyjew (PŚ), opiekun naukowy: dr hab. inż. Jakub Nalepa).
Wyróżnienie: "Conversational explanations of Machine Learning models using chatbots". Autor: mgr Michał Kuźba (UW), opiekun naukowy: dr hab. inż. Przemysław Biecek.
Wyróżnienie: "Uniwersalny analizator morfologiczno-składniowy języka naturalnego". Autor: mgr Piotr Rybak (UW), opiekun naukowy: prof. dr hab. Adam Przepiórkowski i dr Alina Wróblewska.
Wyróżnienie: "Spatial Latent Representations in Generative Adversarial Networks for Image Generation". Autor: mgr Maciej Sypetkowski (UW), opiekun naukowy: dr Piotr Biliński.
Wyróżnienie: Uczenie maszynowe w zastosowaniu do szeregów czasowych. Autor: mgr Kacper Szulik (PG), opiekun naukowy: dr hab. Paweł Pilarczyk.
W kategorii Zastosowania nagrodzono:
I miejsce "Analiza porównawcza wybranych metod uczenia maszynowego w zagadnieniu wykrywania i automatycznej korekty błędów językowych w tekstach". Autor: mgr Michał Pogoda (PWr), opiekun naukowy: dr inż. Jan Kocoń.
II miejsce "Testowanie zgodności na podstawie danych rozmytych". Autor: mgr Oliwia Gadomska (PW), opiekun naukowy: prof. dr hab. Przemysław Grzegorzewski.
III miejsce "Zastosowanie sieci neuronowych, optymalizacji bayesowskiej i transformat falkowych w rozpoznawaniu aktywności ruchowych człowieka". Autor: mgr Paweł Grabowski (PW), opiekun naukowy: dr hab. inż. Krzysztof Siwek.
Wyróżnienie: "Wykorzystanie uczenia głębokiego w predykcji interakcji miRNA-mRNA". Autor: mgr Jan Przybyszewski (AGH), opiekun naukowy: dr hab. inż. Maciej Malawski.
Wyróżnienie: "Modelowanie podobieństw między zdjęciami potraw a przepisami kulinarnymi". Autor: mgr Michał Puchalski (SGH), opiekun naukowy: dr hab. Michał Bernardelli.
Wyróżnienie: "Wykorzystanie metod data mining w celu wspomagania oszacowania parametrów projektów informatycznych" mgr Marlena Stanek (SGH). opiekun naukowy: dr hab. Beata Czarnacka-Chrobot.
Wyróżnienie: "Wykorzystanie głębokich sieci neuronowych na potrzeby statystyki energii odnawialnej". Autor: mgr Michel Voss (UEP), opiekun naukowy: dr Maciej Beręsewicz.