TEMATY PRAC INŻYNIERSKICH - ENGINEERING THESES

Prace inżynierskie są etapem kończącym studia inżynierskie i prowadzącym do rozpoczęcia studiów magisterskich. Wartościowe prace inżynierskie będzie można rozszerzyć do prac magisterskich. Chcąc zrealizować ciekawą i ambitną pracę dyplomową (magisterską), warto rozpocząć przygotowania już na 4. roku studiów w trakcie pisania pracy inżynierskiej. Osoby zainteresowane pisaniem u mnie prac magisterskich proszone są przejrzenie ich listy i sygnalizowanie takiego zamiaru. Wspólnie możemy przygotować takie tematy prac inżynierskich, żeby można było je rozwinąć do ciekawych prac magisterskich.


Jeśli chciał(a)byś zdobyć Stypendium Ministra przygotuj wartościową pracę inżynierską oraz uzyskane wyniki wykorzystaj do przygotowania artykułu naukowego we współpracy z promotorem, a masz szansę zdobyć to stypendium! Ambitnych studentów zapraszam do współpracy oraz realizacji prac inżynierskich.


Możliwość wzięcia udziału w konkursie Perły Nauki i zdobycia grantu na badania przez studentów!


Lp. Temat pracy dyplomowej Zakres i cel pracy dyplomowej Rodzaj pracy
Kierunek (specjalność)
Stan
2020/0. Temat związany ze sztuczną inteligencją, inteligencją obliczeniową, uczeniem maszynowym, w tym uczeniem głębokim, systemami asocjacyjno-kognitywnymi, eksploracją danych, inżynierią wiedzy oraz ich aplikacje.
Subject related to artificial intelligence, computational intelligence, machine learning, including deep learning, associative and cognitive systems, data mining, knowledge engineering and their applications.
Do uzgodnienia wg propozycji studentów i zakresu tematyki prac dyplomowych z możliwością; rozwinięcia pracy inżynierskiej do pracy magisterskiej. Zapraszam do kontaktu e-mailowego lub na MS Teams w celu omówienia tematów, ich propozycji oraz celów tak, by były zgodne z pożądanymi kierunkami rozwoju przez dyplomantów/ki. inżynierska
BiIB, AiR, INF
wolny
2018/8. Wykorzystanie asocjacyjnych grafów AGDS do przyspieszenia wyszukiwania sąsiedztwa animowanych poruszających się obiektów w grafice 2D.
The use of AGDS associative graphs to speed up the neighborhood search of animated moving objects in 2D graphics.
Celem pracy jest zbudowanie zoptymalizowanego asocjacyjnego grafu AGDS do reprezentacji przestrzeni 2D oraz przyspieszenia wyszukiwania obiektów sąsiednich w celu usprawnienia przetwarzania zależności pomiędzy poruszającymi się animowanymi obiektami na ekranie. Zakres pracy obejmuje przygotowanie graficznego interfejsu i sceny 2D z wieloma poruszającymi się obiektami (może to być w postaci jakiejś gry), które wchodzą ze sobą w interakcję i na tej podstawie realizują pewne akcje. Obiekty mogą być o dowolnym stopniu złożoności, ale mogą być też proste. Należy dokonać porównania efektywności (czasu reakcji, ilości klatek na sekundę itp.) dla scen 2D i interakcji badanych metodami klasycznymi i z wykorzystaniem struktur skojarzeniowych, a następnie wyciągnąć z tego wnioski. inżynierska
BiIB, AiR, INF
wolny
2018/7. Wykorzystanie modelu asocjacyjnego do reprezentacji i akceleracji operacji na obiektach w scenie 3D wraz z porównaniem ich efektywności do klasycznego modelu.
The use of an associative model for the representation and acceleration of operations on objects in the 3D scene together with the comparison of their effectiveness to the classical model.
Celem pracy jest wykorzystanie skojarzeniowej reprezentacji danych (grafów AGDS możliwie ew. wraz AVB+drzewami) o obiektach w scenie 3D w celu przyspieszenie wyszukiwania relacji (zderzeń, nakładania się, zbliżania itp.) Zakres pracy obejmuje przygotowanie graficznego interfejsu i sceny 3D z wieloma obiektami, które wchodzą ze sobą w interakcję i na tej podstawie realizują pewne akcje. Obiekty mogą być o dowolnym stopniu złożoności, ale mogą być też proste. Należy dokonać porównania efektywności (czasu reakcji, ilości klatek na sekundę itp.) dla scen 3D i interakcji badanych metodami klasycznymi i z wykorzystaniem struktur skojarzeniowych, a następnie wyciągnąć z tego wnioski. inżynierska
BiIB, AiR, INF
wolny
2018/6. Graficzny edukacyjny interaktywny interfejs graficzny przedstawiający animowaną prezentację operacji na AVB+drzewach.
Graphic educational interactive graphic interface showing an animated presentation of operations on AVB+trees.
Celem pracy ładnego graficznego interaktywny interfejsu graficznego przedstawiającego animowaną prezentację wszystkich podstawowych i części przydanych operacji na AVB+drzewach, tj. dodawanie, usuwanie, wyszukiwanie, wyznaczanie median, minimów, maksimów czy obliczanie średnich, dla celów edukacyjnych w celu zobrazowania, jak te operacje są przeprowadzane razem z krokami pośrednimi. Zakres pracy obejmuje zaimplementowanie tych drzew wraz z budową interfejsu graficznego, który powinien udostępniać też wynik operacji pochodnych, tj. średnie, mediany, minima, maksima, oraz przy możliwości wyłączenia interfejsu graficznego powinien móc być w stanie porównać czas i efektywność poszczególnych operacji na tych drzewach z analogicznymi operacjami na klasycznych strukturach danych, tj. tablice czy listy. inżynierska
BiIB, AiR, INF
wolny
2018/5. SCRUM Weryfikator - inteligentny system posiadający wiedzę na temat metodologii prowadzenia i zarządzania projektami SCRUM oraz wspomagający jej implementację w projektach informatycznych.
SCRUM Verifier - an intelligent system with knowledge about the methodology of running and managing SCRUM projects and supporting its implementation in IT projects.
Celem pracy jest stworzenie systemu, który posiada sformalizowaną wiedzę na temat wdrożenia i prowadzenia projektów w metodologii zarządzania projektami informatycznymi SCRUM, prowadzi nowicjuszy za rękę, a innym umożliwia kontrolę nad poszczególnymi krokami, mierzy efektywność, rysuje wykresy, tworzy wirtualną tablicę SCRUM itp. Zakres pracy obejmuje stworzenie interfejsu użytkownika zdolnego wspomagać prowadzenie projektów z wykorzystaniem metodologii SCRUM i nadzorować ich prawidłowe wykonywanie oraz reagować na nieprawidłowości i informować o nich. Aplikacja powinna umożliwiać stworzenie kont Właściciela Produktu, Mistrza Scrum oraz pozostałych członków zespołu. Możliwości: Istnieje możliwość zatrudnienia zdolnego dyplomanta w projekcie informatycznym do przygotowania prawdziwego komercyjnego narzędzia do udostępniania takich usług w kooperacji z firmą informatyczną, ew. jego zatrudnienia jako Mistrza Scrum! inżynierska
BiIB, AiR, INF
wolny
2018/4. Lean Startup Weryfikator - inteligentny system posiadający wiedzę na tematu metodologii prowadzenia tworzenia startupów oraz wspomagający jego implementację w firmach informatycznych.
Lean Startup Verifier - an intelligent system with knowledge of the methodology of running startups and supporting its implementation in IT companies.
Celem pracy jest stworzenie systemu, który posiada sformalizowaną wiedzę na temat wdrożenia i prowadzenia podejścia do tworzenia i zarządzania przedsiębiorstwami Lean Startup Erica Riesa - nowoczesnego podejścia do tworzenia startupów wywodzącego się z Doliny Krzemowej - w celu implementacji w metodologii Lean Startup, prowadząc nowicjuszy za rękę, a innym umożliwiając kontrolę nad poszczególnymi krokami, mierzeniem zdefiniowanych przez użytkownika wskaźników efektywności, rysując wykresy itp. Zakres pracy obejmuje stworzenie interfejsu użytkownika zdolnego wspomagać wprowadzenie podejścia Lean Startup w nowo tworzonych startupach lub firmach pragnących dokonać konstruktywnej i efektywnej zmiany zgodnie z najnowszymi trendami wywodzącymi się z Doliny Krzemowej. System powinien być w stanie automatycznie reagować na nieprawidłowości i informować o nich. Możliwości: Istnieje możliwość zatrudnienia zdolnego dyplomanta w projekcie informatycznym do przygotowania prawdziwego komercyjnego narzędzia do udostępniania takich usług w kooperacji z firmą informatyczną, ew. jego zatrudnienia w startupie prowadzonym metodologią Lean Startup na stanowisku kierowniczym! inżynierska
BiIB, AiR, INF
wolny
2018/3. Zastosowanie sieci neuronowych i uczenia ze wzmocnieniem do inteligentnego sterowania manipulatorem.
Application of neural networks and reinforcement learning for intelligent manipulator control.
Celem pracy jest zbadanie możliwości, jakie daje algorytm sterowania manipulatorem oparty na sieciach neuronowych uczonych metodą uczenia ze wzmocnieniem (reinforcement learning). Główną ideą w procesie uczenia jest podanie ruchu referencyjnego, który ma być naśladowany, oraz dodatkowego celu, który każdorazowo powinien zostać spełniony. Pożądanym efektem jest sterownik realizujący dowolnie skomplikowany ruch, jednocześnie zdolny dostosować go do dynamicznie zmieniających się wymagań. Zakres pracy obejmuje zbudowanie aplikacji realizującej symulację działania takiego manipulatora, umożliwiającą realizację wygodnego środowiska do trenowania modelu. Po otrzymaniu pozytywnych rezultatów symulacji, sterownik zostanie zaaplikowany na rzeczywistym manipulatorze. inżynierska
AiR
zajęty
2018/2. Spersonalizowany system rozpoznawania mowy bazujący na asocjacyjnych grafach neuronowych.
Personalised speech recognition sysem based on associative neural graphs.
Celem pracy jest stworzenie asocjacyjnego systemu zdolnego do automatycznego rozpoznawania polskich słów w głosie określonej osoby pozyskiwanym w czasie rzeczywistym za pomocą mikrofonu. Zakres pracy obejmuje implementację kompletnego systemu rozpoznawania mowy polskiej dedykowanego dla jednego użytkownika od procesu pozyskiwania sygnału głosowego za pomocą mikrofonu, poprzez zastosowanie wybranych metod przetwarzania sygnału cyfrowego i parametryzację sygnału aż po wykorzystanie struktur asocjacyjnych do automatycznego rozpoznawania fonemów, a ostatecznie słów w pobieranym sygnale. inżynierska
AiR
zajęty
2018/1. System inteligentnego tworzenia stron internetowych na podstawie rozmowy z chatbotem w języku naturalnym.
A system of intelligent producing of web pages based on a natural language conversation with a chatbot.
Celem pracy jest skonstruowanie systemu generowania kodu szablonów stron internetowych, zgodnych z obowiązującymi standardami projektowania i tworzenia stron internetowych, na podstawie rozmowy z czatbotem. Rozmowa z czatbotem w języku naturalnym ma służyć pozyskaniu od użytkownika informacji na temat jego wyobrażenia wyglądu strony. Chatbot powinien umieć wysłuchać użytkownika, prezentować mu różne możliwości do wyboru, ale również zadawać pytania konkretyzujące i pozwalające uzyskać mu informacje o niezbędnych elementach, cechach lub funkcjonalnościach projektowanej strony internetowej. Użytkownik z pomocą czatbota powinien móc zbudować stronę internetową poprzez dobór poszczególnych elementów funkcjonalnych (np. elementów menu), określenie ich położenia, rodzaju, wyglądu, parametrów i funkcjonalności, podziału widoku itp. Zakres pracy obejmuje zbudowanie strony internetowej, która powinna być: • zgodna z obowiązującymi standardami projektowania stron internetowych, • w pełni responsywna, tzn. powinna automatycznie dopasowywać się do wielkości ekranu urządzenia, na którym będzie wyświetlana, • zoptymalizowana zgodnie z obecnymi praktykami pozycjonowania stron internetowych. Zakres pracy obejmuje również zbudowanie panelu zarządzania projektami dostępnego po zalogowaniu się użytkownika, który powinien umożliwiać: • dostęp do projektów utworzonych przez użytkownika, • przejście do edycji wybranego projektu, • podgląd ostatniej rozmowy z chatbotem, • pobranie plików definiujących zbudowaną z chatbotem stronę internetową. inżynierska
AiR
zajęty
2017/1 Wykorzystanie sieci neuronowej do nauczenia robota powracania do początkowej lokalizacji w labiryncie z wykorzystaniem uczenia nadzorowanego.
Use of a neural network to move a robot back to the starting position in a maze using supervised learning.
Celem pracy jest stworzenie modułu oprogramowania dla wirtualnego robota umożliwiającego mu przemieszczanie się w labiryncie do wyznaczonego celu z wykorzystaniem uczenia nadzorowanego sieci neuronowej, realizującego postulaty inteligentnego uczenia motywowanego. Moduł oprogramowania tworzony w ramach tej pracy ma za zadanie umożliwić robotowi realizację jego fundamentalnej potrzeby związanej z naładowaniem baterii umożliwiającej mu dalszą realizację zadań, jeśli bateria wyczerpie się poniżej pewnego poziomu krytycznego. Celem uczenia jest znalezienie możliwie najkrótszej trasy do miejsca ładowania z wykorzystaniem gromadzonej w sieci wiedzy na temat możliwych ruchów wykonanych przez robota w przeszłości. W labiryncie może znajdywać się wiele przeszkód, które robot ma się nauczyć umiejętnie omijać. Robot ma za zadanie nauczyć się możliwie całego labiryntu i być w stanie powracać do miejsca ładowania jak najkrótszą drogą, niezależnie od tego, jaką trasą dotarł do miejsca, z którego rozpoczął procedurę powrotu. W zakresie pracy jest również wykonanie wizualizacji ruchu robota w labiryncie. Całość pracy może być zrealizowana w środowisku symulacyjnym, w celu skupienia się na nauce sieci oraz kwestiach algorytmicznych tego rozwiązania. Moduł wytworzony w ramach tej pracy powinien pozwolić na jego połączenie z innymi modułami oraz na późniejsze wykorzystanie do sterowania rzeczywistym robotem.
Wymagania:
  • wiedza i umiejętność tworzenia i nadzorowanego uczenia sieci neuronowych
  • umiejętność programowania w języku C#
  • znajomość środowiska Unity 3D lub innego podobnego
  • język angielski w celu przestudiowania artykułów naukowych
inżynierska
AiR, INF
zajęty
2017/2 Wykorzystanie sieci neuronowej do przemieszczania się robota w labiryncie do wyznaczonej docelowej lokalizacji z wykorzystaniem uczenia ze wzmocnieniem.
Use of a neural network to move a robot to the designated target position in a maze using reinforcement learning.
Celem pracy jest stworzenie modułu oprogramowania dla wirtualnego robota umożliwiającego mu przemieszczanie się w labiryncie do wyznaczonego celu z wykorzystaniem uczenia ze wzmacnianiem, realizującego postulaty inteligentnego uczenia motywowanego. Moduł oprogramowania tworzony w ramach tej pracy ma za zadanie umożliwić robotowi realizację potrzeby dotarcia do pewnego wyznaczonego celu (lokalizacji) w labiryncie. Lokalizacja początkowa może się zmieniać, zaś lokalizacja docelowa jest stała. Celem uczenia jest znalezienie możliwie najkrótszej trasy do lokalizacji docelowej z wykorzystaniem gromadzonej wiedzy na temat możliwych ruchów wykonywanych przez robota w przeszłości. W labiryncie może znajdywać się wiele przeszkód, które robot ma się nauczyć umiejętnie omijać. Robot ma za zadanie nauczyć się możliwie całego labiryntu i być w stanie osiągać lokalizację docelową jak najkrótszą drogą, niezależnie od miejsca, w którym zostanie umieszczony. W zakresie pracy jest również wykonanie wizualizacji ruchu robota w labiryncie. Całość pracy może być zrealizowana w środowisku symulacyjnym, w celu skupienia się na nauce sieci oraz kwestiach algorytmicznych tego rozwiązania. Moduł wytworzony w ramach tej pracy powinien pozwolić na jego połączenie z innymi modułami oraz na późniejsze wykorzystanie do sterowania rzeczywistym robotem.
Wymagania:
  • wiedza i umiejętność tworzenia i uczenia ze wzmocnieniem sieci neuronowych
  • umiejętność programowania w języku C#
  • znajomość środowiska Unity 3D lub innego podobnego
  • język angielski w celu przestudiowania artykułów naukowych
inżynierska
AiR, INF
zajęty
2017/3 Inteligentny asocjacyjny system klasteryzacji gier odsprzedawanych na rynku wtórnym z wykorzystaniem serwisu internetowego.
Intelligent associative system for clustering games resold on the secondary market using the website.
Celem pracy jest stworzenie modułu klasteryzacji gier komputerowych z wykorzystaniem serwisu webowego umożliwiającego sprzedaż lub wymianę kluczy licencyjnych do gier komputerowych na rynku wtórnym. Zakres pracy obejmuje stworzenie dedykowanego systemu klasteryzacji z wykorzystaniem metod sztucznej inteligencji oraz sztucznych systemów skojarzeniowych i struktur asocjacyjnych do gromadzenia powiązanych danych w celu przeprowadzania efektywnej klasteryzacji gier, a na podstawie tego systemu podpowiedzi i wspomaganie decyzji użytkowników poprzez system rekomendacji, który sugerował będzie wysokości cen zakupu/sprzedaży oraz potencjalnie najbardziej interesujące oferty. W zakresie pracy mieści się także zautomatyzowanie testów funkcjonalnych dla frontendu serwisu webowego oraz walidacja jakości kodu backendowego (analiza porównawcza przygotowanego algorytmu i innych publicznie dostępnych narzędzi do klasteryzacji).
Wymagania: Podstawowa znajomość serwisów internetowych oraz baz danych, znajomość systemów kontroli wersji, umiejętność tworzenia testów automatycznych, znajomość sztucznych systemów skojarzeniowych i struktur AGDS.
inżynierska
AiR, INF
zajęty
2017/4 Inteligentny asocjacyjny system klasteryzacji użytkowników na podstawie ich aktywności w webowym serwisie odsprzedaży kluczy licencyjnych gier na rynku wtórnym.
Intelligent associative system for clustering users based on their activity on the website for reselling game licence keys in the secondary market.
Wstępnym celem pracy jest stworzenie serwisu webowego umożliwiającego użytkownikom sprzedaż, wymianę i zakup kluczy licencyjnych do gier komputerowych oraz bazy danych gromadzącej informacje o dokonanych przez użytkowników transakcjach. W kolejnym etapie przygotowany zostanie inteligentny asocjacyjny system klasteryzujący użytkowników na podstawie pozyskanych wcześniej danych o ich cechach i potrzebach, umożliwiający wspomaganie podejmowania kolejnych decyzji z wykorzystaniem asocjacyjnych grafów AGDS. Zakres pracy obejmuje przygotowanie serwera, opracowanie jego komunikacji ze stworzoną bazą danych, stroną internetową oraz opracowanym systemem klasteryzacji, czyli stworzenie tak zwanego backendu. Praca będzie również obejmować stworzenie plików html, css oraz skryptów obsługiwanych przez przeglądarki, czyli całego frontendu dla serwisu webowego. Dodatkowo przebadana zostanie skuteczność przygotowanego systemu klasteryzacji oraz możliwości jego rozwoju i porównanie z innymi oferowanymi przez dostępne technologie narzędziami.
Wymagania: Podstawowa wiedza o budowie serwisów internetowych oraz przesyłaniu danych. Znajomość języków skryptowych, umiejętność obsługi baz danych. Podstawowa wiedza o systemach inteligentnych. Znajomość języka angielskiego na poziomie umożliwiającym korzystanie z dostępnych materiałów i literatury. Umiejętność posługiwania się systemów kontroli wersji. Umiejętność implementacji grafów AGDS oraz znajomość metod klasteryzacji z ich wykorzystaniem.
inżynierska
AiR, INF
zajęty