Winner cup

DATA SCIENCE

MASTERS

Konkurs na najlepszą pracę magisterską z zakresu Machine Learning i Data Science

O konkursie

“Data Science Masters” to konkurs na najlepszą pracę magisterską z zakresu Data Science organizowany przez Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej. Tematyka poszukiwanych do konkursu prac magisterskich obejmuje: analizę danych, uczenie maszynowe, inżynierię danych, statystykę oraz sztuczną inteligencję. Konkurs ma charakter otwarty i mogą wziąć w nim udział absolwenci dowolnej polskiej uczelni.

Dlaczego warto?

Icon medal
Atrakcyjne nagrody finansowe
Icon thumb
Silny punkt w CV

Jaki jest cel konkursu?

Celem konkursu jest popularyzacja wiedzy z zakresu data science oraz wyłanianie najciekawszych prac magisterskich, które powstały w tym obszarze w Polsce. Inicjatywa ma zachęcić studentów do prowadzenia badań i tworzenia ambitnych rozwiązań analitycznych.

Jakich prac szukamy?

Do udziału w konkursie zapraszamy absolwentów uczelni i instytutów naukowych, którzy w danym roku obronili swoją pracę magisterską.

Pierwsza edycja konkursu
rozstrzygnięta!

Contest image 1
Zainteresowanie premierową edycją konkursu przerosło najśmielsze oczekiwania organizatorów! Do konkursu zgłoszono aż 72 prace magisterskie z 17 najważniejszych ośrodków akademickich w Polsce kształcących wysokiej klasy specjalistów z zakresu Data Science. Tematyka prac konkursowych była niesamowicie zróżnicowana – od zastosowań głębokich sieci neuronowych, przez analizę matematyczną właściwości testów statystycznych, po modele ekonometryczne.
Po burzliwych obradach Komisji Konkursowej, spośród zgłoszeń wybrano autorów 3 zwycięskich prac. Ze względu na wysoki poziom merytoryczny nadesłanych prac, Jury konkursu postanowiło przyznać 3 dodatkowe wyróżnienia. Rozstrzygnięcie konkursu odbyło się podczas gali finałowej na Wydziale MiNI Politechniki Warszawskiej. Laureatom wręczono nagrody finansowe o łącznej puli 8 500 PLN, które ufundowała firma Nethone.
Contest image 2

Następna edycja konkursu planowana jest na jesień 2018 roku. Z niecierpliwością czekamy na kolejne prace, które w równie interesujący sposób pokażą wykorzystanie Data Science i Machine Learning.

Przegląd prac nagrodzonych
w I edycji konkursu:

Nagroda I stopnia
Tomasz Wąs, Uniwersytet Warszawski
Aksjomatyzacja centralności wektora własnego i Katza oraz ich zastosowanie w systemie finansowym
O pracy:
Centralności zwrotne (Feedback Centralities) określają istotność danego elementu w sieci rekurencyjnie na podstawie istotności elementów w jego otoczeniu. W swojej pracy analizowałem dwie z nich: centralność wektora własnego (Eigenvector Centrality) i centralność Katza (Katz Centrality), zastanawiając się, w jakiej sytuacji należy ich użyć. Stosując podejście aksjomatyczne, proponuję system prostych własności charakteryzujących te centralności. W ten sposób pokazuję ich podobieństwa i różnice, tworząc tym samym teoretyczne podstawy do zastosowania ich dla konkretnych danych. Następnie, korzystając z tej aksjomatyzacji, omawiam ich wykorzystanie przy ocenie ryzyka w sieci zobowiązań finansowych.
Nagroda II stopnia
Mateusz Susik, Uniwersytet Warszawski
Author name disambiguation for the Inspire project
O pracy:
W pracy zająłem się problemem ujednoznaczniania imion autorów w bibliotece cyfrowej Inspire. Algorytm składa się z trzech części: na początku sygnatury są grupowane na małe bloki, następnie uczona jest funkcja podobieństwa pomiędzy dwiema dowolnymi sygnaturami, a na koniec zaś używając wyuczonych podobieństw, klastrowane są sygnatury wewnątrz bloków. W pracy magisterskiej poprawiono każdą z tych faz wobec dotychczas istniejących rozwiązań. Przy grupowaniu na bloki użyto algorytmów fonetycznych i rozwiązano problem autorów o wielu nazwiskach, przy funkcji podobieństwa korzystano z modelu, który ocenia pochodzenie etniczne autora na podstawie nazwiska oraz dodatkowo wprowadzono poprawkę do klastrowania hierarchicznego - w pół-nadzorowany sposób decydując o liczbie klastrów.
Nagroda III stopnia
Aleksander Nosarzewski, Szkoła Główna Handlowa
O czym w Sejmie piszczy? Analiza tekstowa przemówień poselskich
O pracy:
Celem pracy było określenie odległości ideologicznych między polskimi partiami politycznymi oraz eksploracja różnicujących je tematów, poruszanych przez posłów podczas przemówień sejmowych. Został on zrealizowany z wykorzystaniem strukturalnego modelu tematycznego (STM), który zwrócił 13 merytorycznie istotnych tematów oraz odległości Bhattacharyyi, jako miary zróżnicowania ideologicznego między partiami. Podejście to, w przeciwieństwie do standardowych metod, pozwala otrzymać obiektywne wyniki, które mogą być łatwo aktualizowane wraz z upływem czasu. Dzięki zastosowanej metodologii,możliwe było określenie różnic między partiami ze względu na tematykę przez nie poruszaną oraz umieszczenie ich w dwuwymiarowej przestrzeni ideologicznej. Uzyskane wyniki dobrze obrazują zmiany zachodzące na polskiej scenie politycznej oraz charakteryzują się lepszą interpretowalnością od wcześniejszych badań.
Wyróżnienia
Dymitr Pietrow, Wojskowa Akademia Techniczna
System identyfikacji osób przy użyciu dronów i sztucznych sieci neuronowych
O pracy:
Praca magisterska opisuje stworzenie przykładowego systemu identyfikacji przy zastosowaniu sztucznych sieci neuronowych oraz dronów. Zawiera opis działania na przykładzie identyfikacji osób, gdzie twarz jest obiektem kluczowym przetwarzania. Przedstawia budowę systemu oraz składowe elementy podsystemu uczenia sieci neuronowych oraz podsystemu przetwarzania (detekcji, rozpoznania). Zawiera opis i przykłady zastosowanych algorytmów uczących sieci neuronowe, przetwarzających obrazy oraz zastosowanych technologii. Wyniki pomiarów skuteczności oraz szybkości działania poszczególnych algorytmów są przedstawione w postaci tabel i odpowiednich charakterystyk. W pracy w podsumowaniu omówiono także możliwości rozwoju systemu.
Agnieszka Sitko, Uniwersytet Warszawski
Merge and Select: Visualization of a likelihood based k-sample adaptive fusing and model selection
O pracy:
W pracy z modelami parametrycznymi niezwykle istotny jest wybór ich formy funkcyjnej oraz uwzględnionych zmiennych. Odnalezienie optymalnego modelu często okazuje się jednak niełatwym zadaniem, szczególnie wtedy gdy pracujemy z dużymi danymi. Metodologia Merge and Select pomaga zautomatyzować proces selekcji, skupiając się na klastrowaniu poziomów zmiennych dyskretnych występujących w modelu. Poza opisem algorytmów, w pracy proponujemy pewną ich implementację wyposażoną w kompleksowe wizualizacje pozwalające na lepsze zrozumienie hierarchicznej struktury zmiennych. Szczegółowy opis:https://github.com/MI2DataLab/factorMerger
Urszula Mołdysz, Politechnika Śląska
System wczesnego wykrywania ryzyka zawału mięśnia sercowego
O pracy:
Temat mojej pracy magisterskiej dotyczył wczesnego wykrywania ryzyka wystąpienia zawału mięśnia sercowego. W ramach pracy magisterskiej stworzyłam aplikację webową umożliwiającą użytkownikowi w warunkach domowych ocenę ryzyka poprzez podanie kilku podstawowych informacji zdrowotnych użytkownika, takich jak ciśnienie czy cholesterol. Stworzona aplikacja wykorzystuje system rozmyty, a zwrócony przez nią wynik procentowy można traktować jako wskazówkę w profilaktyce zdrowotnej.

JURY

Prace zgłoszone w konkursie oceniane są przez Komisję Konkursową złożoną z przedstawicieli najlepszych polskich uczelni, w składzie:

dr hab. inż. Przemysław Biecek, prof. PW
Politechnika Warszawska, przewodniczący komisji
prof. dr hab. Anna Gambin
Uniwersytet Warszawski
prof. dr hab. Przemysław Grzegorzewski
Politechnika Warszawska
dr hab. inż. Maciej Grzenda
Politechnika Warszawska
prof. dr hab. inż. Andrzej Polański
Politechnika Śląska
dr hab. Michał Ramsza, prof. SGH
Szkoła Główna Handlowa

W recenzję prac nadesłanych do konkursu zaangażowani byli także recenzenci:

dr hab. Bogumił Kamiński, prof. SGH
dr Michał Bernardelli
dr Przemyslaw Szufel
dr hab. Jacek Leśkow, prof. PK

W ocenie nadesłanych prac kluczową rolę odgrywają walory naukowe, poznawcze i praktyczne otrzymanych wyników. Szczegółowe kryteria oceny dostępne są w Regulaminie konkursu.

KONTAKT

Masz jakieś pytania związane z konkursem?
Zapraszamy do kontaktowania się z organizatorem poprzez maila:

[email protected]
Organizator:
SPONSOR GŁÓWNY:
Gala finałowa konkursu została objęta patronatem honorowym MNiSW
Partnerzy: