Tematy prac magisterskich mogą dotyczyć zarówno uczestnictwa w większych projektach badawczych oraz komercyjnych, jak i zadań indywidualnych. Należy uwzględnić następujące aspekty, które powinny znaleźć odzwierciedlenie w pracy:
· Możliwie duży wkład merytoryczny, polegający na modyfikacjach istniejących, bądź rozwoju nowych podejść analitycznych, zgodnych z potrzebami zastosowań
· Możliwie głębokie wniknięcie w dziedzinę zastosowań, przygotowanie danych, praktyczna interpretacja wyników analiz w świetle dziedziny zastosowania
· Wybróbowanie nowych algorytmów na możliwie szerokim zbiorze danych ukazujących różne możliwości zastosowań praktycznych
Poniżej sygnalizujemy dwa spośród najistotniejszych dla nas kierunków zastosowań. Studenci mogą oczywiście formułować własne tematy prac. Zapewniamy w tym zakresie pełną pomoc merytoryczną, o ile proponowana tematyka wpisuje się w cele specjalizacji.
Bioinformatyka i medycyna: Biologia podlega szybkiej przemianie z nauki opartej na małej ilości danych na dziedzinę, w której koniecznym jest przetwarzanie dużej ich liczby. Przykładowo, technologia mikromacierzy DNA umożliwia równoległą reprezentację i obserwację ekspresji tysięcy genów. Odpowiednie metody analityczne pozwalają na wykorzystanie tak zdobytych danych do interaktywnej wizualizacji zależności pomiędzy genami, a także na próby budowy modeli prognozowania ryzyka wystąpienia pewnych chorób (np. nowotworów) na podstawie wiedzy o ludzkiej charakterystyce genetycznej.
CRM (Customer Relationship Management): CRM można określić jako interaktywny proces uzyskiwania optymalnej równowagi między inwestycjami firmy a satysfakcją klientów. CRM to między innymi nabywanie i ciągła aktualizacja wiedzy o potrzebach klientów, ich motywacji i zachowaniu, wykorzystanie wiedzy o kliencie do ciągłego polepszania wyników firmy w procesie uczenia się na podstawie sukcesów i porażek. Omawiane metody analizy danych służyć tu mogą, na przykład, wyborowi tych klientów, którzy zakupią określony produkt, podziałowi klientów na tych, którzy przynoszą zyski i tych, którzy przynoszą straty, identyfikację klientów, którzy pozostaną lojalni, a którzy odejdą, czy sprzedaż łączoną zainteresowanym klientom. Zgodnie z celem specjalizacji, tematyka ta obejmuje także zagadnienia implementacji odpowiednich systemów, które wspierają nabywanie i współdzielenie wiedzy o kliencie oraz mierzą efektywność CRM.
Metodologia stosowana podczas realizacji projektów:
Dziedziny nauki, które składają się na podstawy algorytmiczne i teoretyczne:
· Statystyka i Rachunek Prawdopodobieństwa (Zakres inżynierskich wykładów MAD oraz SAD, a także obowiązkowego magisterskiego wykładu MIM).
· Systemy Decyzyjne i Uczące się (Specjalistyczne wykłady WED oraz EDZ)
· Sztuczna Inteligencja (Rozszerzenie zakresu inżynierskiego wykładu NAI)
Magisterskie przedmioty specjalistyczne DM:
· Wstęp do Eksploracji Danych (WED, Semestr I): utrwalenie i rozszerzenie podstawowej wiedzy potrzebnej do realizacji projektów magisterskich
· Hurtownie Danych (HUR, Semestr II): modelowanie, przechowywanie i przetwarzanie wielkich baz danych, ze szczególnym uwzględnieniem ich analitycznego wykorzystania przy realizacji projektów
· Eksploracja Dużych Zbiorów Danych (EDZ, Semestr III): algorytmy służące uefektywnieniu eksploracji i przetwarzania dużych zbiorów danych
· Analiza Danych Złożonych (ADZ, Semestr IV): adaptacja uprzednio poznanych technik celem analizy danych wielostrukturalnych, w oparciu o przykłady z takich dziedzin, jak bioinformatyka, medycyna, internet, multimedia, etc.
Sugerowane magisterskie przedmioty dodatkowe (w zależności od zainteresowań i ofert zatwierdzonych przez decyzje Senatu Uczelni): Algorytmy Ewolucyjne, Algorytmy na Grafach, Bioinformatyka, Metody Rozpoznawania Obrazów, Probabilistyczne Aspekty Sztucznej Inteligencji, Standardy i Percepcja Danych Multimedialnych.
Istotne z punktu widzenia Specjalizacji DM magisterskie przedmioty obowiązkowe: Metody Ilościowe i Modelowanie, Przetwarzanie Sygnałów i Obrazów Cyfrowych, Inteligentne Systemy Informacyjne.
Przedmioty inżynierskie, których dobra znajomość ułatwia studia magisterskie DM: MAD, ASD, SAD, NAI, wszelkie przedmioty związane z programowaniem.
Specjalizacje inżynierskie, dla których DM stanowi korzystne rozszerzenie na poziomie magisterskim: odkrywanie wiedzy, bazy danych, systemy wieloagentowe, multimedia.
Osoby odpowiedzialne: dr Jakub Wróblewski, dr Dominik Ślęzak, współpracują pracownicy Katedry Sztucznej Inteligencji