Seminarium dyplomowe

Studia inżynierskie, VII sem. (zimowy), Inżynieria i Analiza Danych (Data Science), Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej

Celem przedmiotu jest przygotowanie Was do obrony (świetnej) pracy dyplomowej inżynierskiej i zaliczenia (bardzo dobrze) egzaminu dyplomowego.

Harmonogram – Semestr zimowy 2026/2027

Konsultacje: MiNI pok. 550, jestem prawie codziennie.

Grupa I: Wtorki 16:15–18:00, 316 MiNI

Tydzień

Data

Temat

1

2026-10-06

  • Nie ma zajęć (nadrobimy)

2

2026-10-13

  • Nie ma zajęć (nadrobimy)

3

2026-10-20

  • Wprowadzenie

4

2026-10-27

  • Tematy egzaminacyjne 1:

    • Przykłady algorytmów sortujących i ich właściwości (złożoność, stabilność, dolne ograniczenia złożoności) (Bartkowiak Daria)

    • Rozkłady macierzy na czynniki i ich zastosowania w analizie danych (Lahunovich Yahor)

    • Miary błędów w zadaniach klasyfikacji. Kroswalidacja. Krzywe ROC (Winkler Maciej)

    • Oprogramowanie FLOSS, oprogramowanie wolne i otwarte (Botero Sebastian)

5

2026-11-03

  • Tematy egzaminacyjne 2:

    • Wyrażenia regularne. Narzędzia do przetwarzania danych tekstowych (Baraniak Wojciech)

    • Metoda Newtona rozwiązywania zadań optymalizacji bez ograniczeń (Łukaszyk Wojciech)

    • Metody selekcji zmiennych w zadaniach klasyfikacji i regresji (Polkowski Cezary)

    • Pojęcie złożoności obliczeniowej. Notacje. Przykłady algorytmów o różnej złożoności obliczeniowej (Socha Karol)

    • Wybrane algorytmy analizy skupień (aglomeracyjne, k-średnich, spektralna, DBSCAN, Gaussian Mixtures itp.) (Głowiński Paweł)

    • Porównanie TCP i UDP (Kawa Wiktoria)

6

2026-11-10

  • Tematy egzaminacyjne 3:

    • Protokół HTTP i usługi w modelu REST (Butsialevich Yauheni)

    • Spójność grafów: Podstawowe pojęcia, twierdzenie Mengera (Czarnecki Ryszard)

    • Właściwości i zalecenia związane z prezentacją danych. Typowe błędy w wizualizacji danych. Zasady doboru kolorów na wykresach, teoria znaku, defekty w widzeniu barw (Dzeranhouskaya Daminika)

    • Weryfikacja hipotez: Podstawowe pojęcia i własności testów oraz metody konstrukcji testów statystycznych, lemat Neymana-Pearsona (Bójski Mikołaj)

    • Perceptron wielowarstwowy: Topologia, uczenie gradientowe, zastosowania (Stasiak Mateusz)

    • Etapy procesu wytwarzania oprogramowania (Syrkiewicz Michał)

7

2026-11-17

  • Tematy egzaminacyjne 4:

    • Wektory losowe: Rozkłady łączne i brzegowe, niezależność, korelacja i kowariancja (Szczerbińska Hanna)

    • Paradygmaty programowania obiektowego. Własności i przykłady języków obiektowych (Zalewska Zuzanna)

    • Struktury danych do implementacji kolejek priorytetowych i słowników (Rakowski Antoni)

    • Przetwarzanie transakcyjne w bazach danych (Sadowska Martyna)

    • SVR i SVM (Miszczak Jakub)

    • Metody estymacji parametrów i testowania ich istotności w modelu liniowym (wolny)

8

2026-11-24

  • prezentacje cz. I.1:

    • AdamGBM: Implementacja modeli typu Gradient Boosting z aktualizacją parametrów inspirowaną algorytmem Adam (Sebastian Botero, Mikołaj Bójski)

    • Narzędzie do interpretacji modelu dyfuzyjnego Stable Diffusion: analiza wpływu promptu i parametrów generacji na wynik obrazu (Yauheni Butsialevich, Yahor Lahunovich)

9

2026-12-01

  • prezentacje cz. I.2:

    • Multimodalny system rozpoznawania mowy z wykorzystaniem analizy obrazu i dźwięku (Ryszard Czarnecki, Michał Syrkiewicz)

    • Analiza heterogeniczności hiperparametrów drzew w lesie losowym (Mateusz Stasiak, Daminika Dzeranhouskaya)

    • Ewolucja moralności sztucznego społeczeństwa (Wiktoria Kawa, Wojciech Łukaszyk)

10

2026-12-08

  • prezentacje cz. I.3:

    • Inteligentny Asystent Wypowiedzi jako narzędzie do ewaluacji techniki mowy użytkownika (Jakub Miszczak, Paweł Głowiński)

    • Lokalna optymalizacja predykcji w modelach drzewiastych (Cezary Polkowski, Karol Socha)

    • Analiza porównawcza metod wczesnego zakończenia inferencji w modelach zespołowych (Maciej Winkler, Wojciech Baraniak)

11

2026-12-15

  • prezentacje cz. I.4:

    • Implementacja i ewaluacja autorskiej biblioteki do głębokiego uczenia maszynowego z akceleracją GPU w środowisku C++/CUDA (Antoni Rakowski, Wojciech Królikowski, Konrad Burdach)

    • System do rekonstrukcji pofragmentowanych dokumentów na podstawie kształtu i zawartości fragmentów (Martyna Sadowska, Hanna Szczerbińska, Zuzanna Zalewska)

    • System ekstrakcji wiedzy z polskich tekstów nieustrukturyzowanych z wykorzystaniem kompaktowych modeli językowych (Daria Bartkowiak)

12

2026-12-22

  • TBA

13

2027-01-12

  • prezentacje cz. II.1:

    • AdamGBM: Implementacja modeli typu Gradient Boosting z aktualizacją parametrów inspirowaną algorytmem Adam (Sebastian Botero, Mikołaj Bójski)

    • Narzędzie do interpretacji modelu dyfuzyjnego Stable Diffusion: analiza wpływu promptu i parametrów generacji na wynik obrazu (Yauheni Butsialevich, Yahor Lahunovich)

    • Multimodalny system rozpoznawania mowy z wykorzystaniem analizy obrazu i dźwięku (Ryszard Czarnecki, Michał Syrkiewicz)

    • Analiza heterogeniczności hiperparametrów drzew w lesie losowym (Mateusz Stasiak, Daminika Dzeranhouskaya)

14

2026-01-19

  • prezentacje cz. II.2:

    • Ewolucja moralności sztucznego społeczeństwa (Wiktoria Kawa, Wojciech Łukaszyk)

    • Inteligentny Asystent Wypowiedzi jako narzędzie do ewaluacji techniki mowy użytkownika (Jakub Miszczak, Paweł Głowiński)

    • Lokalna optymalizacja predykcji w modelach drzewiastych (Cezary Polkowski, Karol Socha)

    • Analiza porównawcza metod wczesnego zakończenia inferencji w modelach zespołowych (Maciej Winkler, Wojciech Baraniak)

15

2026-01-26

  • prezentacje cz. II.3:

    • Implementacja i ewaluacja autorskiej biblioteki do głębokiego uczenia maszynowego z akceleracją GPU w środowisku C++/CUDA (Antoni Rakowski, Wojciech Królikowski, Konrad Burdach)

    • System do rekonstrukcji pofragmentowanych dokumentów na podstawie kształtu i zawartości fragmentów (Martyna Sadowska, Hanna Szczerbińska, Zuzanna Zalewska)

    • System ekstrakcji wiedzy z polskich tekstów nieustrukturyzowanych z wykorzystaniem kompaktowych modeli językowych (Daria Bartkowiak)

Grupa II: Wtorki 18:00–19:45, 316 MiNI

Tydzień

Data

Temat

1

2026-10-06

  • Nie ma zajęć (nadrobimy)

2

2026-10-13

  • Nie ma zajęć (nadrobimy)

3

2026-10-20

  • Wprowadzenie

4

2026-10-27

  • Tematy egzaminacyjne 1:

    • Rozkłady macierzy na czynniki i ich zastosowania w analizie danych (Skoczylas Katarzyna)

    • Miary błędów w zadaniach klasyfikacji. Kroswalidacja. Krzywe ROC (Bihniak Nazarii)

    • Przykłady algorytmów sortujących i ich właściwości (złożoność, stabilność, dolne ograniczenia złożoności) (Osiński Krzysztof)

    • Oprogramowanie FLOSS, oprogramowanie wolne i otwarte (Luckner Aleksander)

5

2026-11-03

  • Tematy egzaminacyjne 2:

    • Wyrażenia regularne. Narzędzia do przetwarzania danych tekstowych (Zawadka Aleksandra)

    • Metoda Newtona rozwiązywania zadań optymalizacji bez ograniczeń (Hallak Elissa)

    • Metody selekcji zmiennych w zadaniach klasyfikacji i regresji (Vinichenko Oleksii)

    • Pojęcie złożoności obliczeniowej. Notacje. Przykłady algorytmów o różnej złożoności obliczeniowej (Gajda Stefan)

    • Wybrane algorytmy analizy skupień (aglomeracyjne, k-średnich, spektralna, DBSCAN, Gaussian Mixtures itp.) (Kotłowski Piotr)

    • Porównanie TCP i UDP (Wojterska Ada)

6

2026-11-10

  • Tematy egzaminacyjne 3:

    • Protokół HTTP i usługi w modelu REST (Andrzejewski Maciej)

    • Spójność grafów: Podstawowe pojęcia, twierdzenie Mengera (Karandys Mateusz)

    • Właściwości i zalecenia związane z prezentacją danych. Typowe błędy w wizualizacji danych. Zasady doboru kolorów na wykresach, teoria znaku, defekty w widzeniu barw (Ząbkowski Bartosz)

    • Weryfikacja hipotez: Podstawowe pojęcia i własności testów oraz metody konstrukcji testów statystycznych, lemat Neymana-Pearsona (Ryski Adam)

    • Perceptron wielowarstwowy: Topologia, uczenie gradientowe, zastosowania (Szlingiert Filip)

    • Etapy procesu wytwarzania oprogramowania (Brandt Aleksander)

7

2026-11-17

  • Tematy egzaminacyjne 4:

    • Wektory losowe: Rozkłady łączne i brzegowe, niezależność, korelacja i kowariancja (Razantsau Maksim)

    • Paradygmaty programowania obiektowego. Własności i przykłady języków obiektowych (Zawada Igor)

    • Struktury danych do implementacji kolejek priorytetowych i słowników (Więckowska Kamila)

    • Przetwarzanie transakcyjne w bazach danych (Grabowski Gabriel)

    • Struktury danych do implementacji kolejek priorytetowych i słowników (Svetlana Gridina)

    • Estymacja przedziałowa (Karandys Mateusz-bonus)

    • SVR i SVM (wolny)

    • Metody estymacji parametrów i testowania ich istotności w modelu liniowym (wolny)

8

2026-11-24

  • prezentacje cz. I.1:

    • Śledzenie wiedzy i rekomendacje w systemie edukacyjnym opartym na dialogu (Katarzyna Skoczylas, Aleksandra Zawadka, Ada Wojterska)

    • Zautomatyzowana ocena i informacje zwrotne w edukacji (Kamila Więckowska, Elissa Hallak)

9

2026-12-01

  • prezentacje cz. I.2:

    • Opracowanie aplikacji do badania i analizy porównawczej metod imputacji braków danych z uwzględnieniem anotacji eksperckiej (Stefan Gajda, Krzysztof Osiński)

    • Zastosowanie podejścia LLM-as-a-Judge do oceny jakości transkrypcji rozmów sprzedażowych i generowania informacji zwrotnej dla konsultantów (Nazarii Bihniak, Svetlana Gridina)

    • Zastosowanie systemu wieloagentowego opartego na modelach językowych do analizy sentymentu danych tekstowych oraz badania zależności z rynkiem akcji (Aleksander Brandt, Gabriel Grabowski)

10

2026-12-08

  • prezentacje cz. I.3:

    • System wykorzystujący architekturę transformer do generatywnej syntezy dźwięku (Igor Zawada, Bartosz Ząbkowski)

    • Analiza wewnętrznych reprezentacji modeli w zadaniach nawigacji przestrzennej (Piotr Kotłowski, Maciej Andrzejewski)

    • Analiza systemów wieloagentowych opartych na małych modelach językowych w zadaniach złożonego wnioskowania (Maksim Razantsau, Oleksii Vinichenko)

11

2026-12-15

  • prezentacje cz. I.4:

    • Biblioteka do analizy habitatów w obrazach medycznych (Luckner Aleksander, Karandys Mateusz)

    • TBA (Ryski Adam)

12

2026-12-22

  • TBA

13

2027-01-12

  • prezentacje cz. II.1:

    • Śledzenie wiedzy i rekomendacje w systemie edukacyjnym opartym na dialogu (Katarzyna Skoczylas, Aleksandra Zawadka, Ada Wojterska)

    • Zautomatyzowana ocena i informacje zwrotne w edukacji (Kamila Więckowska, Elissa Hallak)

    • Opracowanie aplikacji do badania i analizy porównawczej metod imputacji braków danych z uwzględnieniem anotacji eksperckiej (Stefan Gajda, Krzysztof Osiński)

14

2026-01-19

  • prezentacje cz. II.2:

    • Zastosowanie podejścia LLM-as-a-Judge do oceny jakości transkrypcji rozmów sprzedażowych i generowania informacji zwrotnej dla konsultantów (Nazarii Bihniak, Svetlana Gridina)

    • Zastosowanie systemu wieloagentowego opartego na modelach językowych do analizy sentymentu danych tekstowych oraz badania zależności z rynkiem akcji (Aleksander Brandt, Gabriel Grabowski)

    • System wykorzystujący architekturę transformer do generatywnej syntezy dźwięku (Igor Zawada, Bartosz Ząbkowski)

    • Analiza wewnętrznych reprezentacji modeli w zadaniach nawigacji przestrzennej (Piotr Kotłowski, Maciej Andrzejewski)

15

2026-01-26

  • prezentacje cz. II.3:

    • Analiza systemów wieloagentowych opartych na małych modelach językowych w zadaniach złożonego wnioskowania (Maksim Razantsau, Oleksii Vinichenko)

    • Biblioteka do analizy habitatów w obrazach medycznych (Luckner Aleksander, Karandys Mateusz)

    • TBA (Ryski Adam)

Grupa III: Poniedziałki 18:00–19:45, 316 MiNI

Tydzień

Data

Temat

1

2026-10-05

  • Nie ma zajęć (nadrobimy)

2

2026-10-12

  • Nie ma zajęć (nadrobimy)

3

2026-10-19

  • Wprowadzenie

4

2026-10-26

  • Tematy egzaminacyjne 1:

    • Przykłady algorytmów sortujących i ich właściwości (złożoność, stabilność, dolne ograniczenia złożoności) (Tomaszkiewicz Julia)

    • Rozkłady macierzy na czynniki i ich zastosowania w analizie danych (Radacka Julia)

    • Miary błędów w zadaniach klasyfikacji. Kroswalidacja. Krzywe ROC (Wysocki Piotr)

    • Oprogramowanie FLOSS, oprogramowanie wolne i otwarte (Kawulska Karolina)

5

2026-11-02

  • Tematy egzaminacyjne 2:

    • Wyrażenia regularne. Narzędzia do przetwarzania danych tekstowych (Madej Ludwik)

    • Metoda Newtona rozwiązywania zadań optymalizacji bez ograniczeń (Kacprzak Karol)

    • Metody selekcji zmiennych w zadaniach klasyfikacji i regresji (Wójcicka Oliwia)

    • Pojęcie złożoności obliczeniowej. Notacje. Przykłady algorytmów o różnej złożoności obliczeniowej (Dubois Józef)

    • Wybrane algorytmy analizy skupień (aglomeracyjne, k-średnich, spektralna, DBSCAN, Gaussian Mixtures itp.) (Tomczyk Kacper)

    • Właściwości i zalecenia związane z prezentacją danych. Typowe błędy w wizualizacji danych. Zasady doboru kolorów na wykresach, teoria znaku, defekty w widzeniu barw (Sirko Liliana)

6

2026-11-09

  • Tematy egzaminacyjne 3:

    • Porównanie TCP i UDP (Jamroż Mateusz)

    • Protokół HTTP i usługi w modelu REST (Kiełtyka Szymon)

    • Spójność grafów: Podstawowe pojęcia, twierdzenie Mengera (Taran Jan)

    • Weryfikacja hipotez: Podstawowe pojęcia i własności testów oraz metody konstrukcji testów statystycznych, lemat Neymana-Pearsona (Rzeźniczak Kacper)

    • Perceptron wielowarstwowy: Topologia, uczenie gradientowe, zastosowania (Zieliński Miłosz)

    • Etapy procesu wytwarzania oprogramowania (Sulowski Michał)

7

2026-11-16

  • Tematy egzaminacyjne 4:

    • Wektory losowe: Rozkłady łączne i brzegowe, niezależność, korelacja i kowariancja (Rybak Jakub)

    • Paradygmaty programowania obiektowego. Własności i przykłady języków obiektowych (Wołkowska Paula)

    • Struktury danych do implementacji kolejek priorytetowych i słowników (Jankowska Liwia)

    • Przetwarzanie transakcyjne w bazach danych (Przeździecka Alicja)

    • SVR i SVM (wolny)

    • Metody estymacji parametrów i testowania ich istotności w modelu liniowym (wolny)

8

2026-11-23

  • prezentacje cz. I.1:

    • System wyszukiwania semantycznego w e-commerce z wykorzystaniem modeli językowych (Jakub Rybak, Michał Sulowski)

    • Wieloagentowy system do rekomendacji tradingu z wykorzystaniem RAG (Piotr Wysocki, Miłosz Zieliński)

9

2026-11-30

  • prezentacje cz. I.2:

    • Zastosowanie metod regresyjnych do wyznaczania właściwości syntetycznych mas bentonitowych (Ludwik Madej, Karol Kacprzak)

    • System do eksploracyjnej analizy cech akustycznych pacjentów z chorobą afektywną dwubiegunową (Karolina Kawulska, Oliwia Wójcicka)

    • Aplikacja wspomagająca detekcję i interpretację zmian stanu w chorobie afektywnej dwubiegunowej na podstawie danych akustycznych (Liwia Jankowska, Julia Radacka)

10

2026-12-07

  • prezentacje cz. I.3:

    • Kompresja generatywna danych ze zderzeń cząstek wysokich energii z zachowaniem informacji fizycznej (Liliana Sirko, Julia Tomaszkiewicz)

    • Mobilny system rozpoznawania grzybów na podstawie zdjęć z trybami online i offline (Józef Dubois, Kacper Rzeźniczak)

    • Implementacja agenta do gry „Settlers of Catan” z wykorzystaniem głębokiego uczenia ze wzmocnieniem (Jan Taran, Kacper Tomczyk)

11

2026-12-14

  • prezentacje cz. I.4:

    • Implementacja aplikacji webowej wspomagającej kadydatów w podejmowaniu decyzji zawodowych (Alicja Przeździecka, Paula Wołkowska)

    • Agent do odpowiadania na pytania dotyczące trendów i zależności w publikacjach naukowych (Mateusz Jamroż, Szymon Kiełtyka)

12

2026-12-21

  • TBA

13

2027-01-11

  • prezentacje cz. II.1:

    • System wyszukiwania semantycznego w e-commerce z wykorzystaniem modeli językowych (Jakub Rybak, Michał Sulowski)

    • Wieloagentowy system do rekomendacji tradingu z wykorzystaniem RAG (Piotr Wysocki, Miłosz Zieliński)

    • Zastosowanie metod regresyjnych do wyznaczania właściwości syntetycznych mas bentonitowych (Ludwik Madej, Karol Kacprzak)

14

2026-01-18

  • prezentacje cz. II.2:

    • System do eksploracyjnej analizy cech akustycznych pacjentów z chorobą afektywną dwubiegunową (Karolina Kawulska, Oliwia Wójcicka)

    • Aplikacja wspomagająca detekcję i interpretację zmian stanu w chorobie afektywnej dwubiegunowej na podstawie danych akustycznych (Liwia Jankowska, Julia Radacka)

    • Kompresja generatywna danych ze zderzeń cząstek wysokich energii z zachowaniem informacji fizycznej (Liliana Sirko, Julia Tomaszkiewicz)

    • Mobilny system rozpoznawania grzybów na podstawie zdjęć z trybami online i offline (Józef Dubois, Kacper Rzeźniczak)

15

2026-01-26

  • prezentacje cz. II.3:

    • Implementacja agenta do gry „Settlers of Catan” z wykorzystaniem głębokiego uczenia ze wzmocnieniem (Jan Taran, Kacper Tomczyk)

    • Implementacja aplikacji webowej wspomagającej kadydatów w podejmowaniu decyzji zawodowych (Alicja Przeździecka, Paula Wołkowska)

    • Agent do odpowiadania na pytania dotyczące trendów i zależności w publikacjach naukowych (Mateusz Jamroż, Szymon Kiełtyka)

Regulamin i zasady zaliczenia

W pierwszej części semestru temat referatu jest określany przez Prowadzącego i obejmuje zakres szeroko rozumianej inżynierii i analizy danych. Prezentacja odbywa się tylko przy użyciu tablicy (jak na egzaminie dyplomowym), tj. bez własnych notatek, bez slajdów. Odpowiedzi są indywidualne (ok. 5 min. na temat + dyskusja).

W drugiej i trzeciej części semestru każda grupa projektowa (2–3 osobowa) przedstawia referaty (slajdy; ok. 10–15 min.), po których następuje krótka dyskusja (pytania z sali itp.). Referaty dotyczą realizowanych prac dyplomowych. Studenci przedstawiają m.in.:

  • ramowy zakres pracy,

  • uzasadnienie wyboru tematu,

  • przegląd literatury związanej z tematyką pracy, krytyczny przegląd istniejących rozwiązań (dobre i słabe strony),

  • osiągnięte oraz planowane rezultaty,

  • przewidywane problemy,

  • podział obowiązków wśród członków zespołu,

  • pomysły na przyszłe badania/rozwijanie tematu,

  • aktualną wersję PDF pracy (celem oceny stopnia jej zaawansowania).

Dodatkowo oceniana jest aktywność na zajęciach (całościowo).

Punktacja

Każdy z etapów jest oceniany w skali od 0 do 5 punktów.

Ostateczną oceną jest zaokrąglona do najbliższej 0,5-ki ważona średnia arytmetyczna z uzyskanych punktów, z następującymi wagami:

  • pytanie egzaminacyjne 20%,

  • pierwsza prezentacja 20%,

  • druga prezentacja 40%,

  • aktywność 20%.

Obecność na wszystkich zajęciach jest obowiązkowa. Za każdą nieusprawiedliwioną (np. formalnym zaświadczeniem lekarskim) nieobecność obniża się ocenę końcową o 0,25 pkt. Szanujmy siebie nawzajem: skoro kolega lub koleżanka słucha naszej prezentacji, to i my słuchamy ich.

Za niewygłoszenie referatu przyznawane jest 0 punktów (zero).

Ocena bardzo dobra

Ocenę bardzo dobrą można dostać jedynie za spełnienie wszystkich z następujących kryteriów:

  • bardzo dobre przygotowanie do wygłoszenia prezentacji (płynność, poprawność językowa, utrzymanie ram czasowych, inżyniersko-naukowe wyważenie argumentów /mówienie tak o dobrych jak i słabych stronach proponowanych rozwiązań, podanie alternatyw/ itp.),

  • dopracowaną wizualnie prezentację (w tym bibliografię),

  • postępy w pracy zgodnie z harmonogramem,

  • rzeczowe odpowiedzi na pytania z sali,

  • aktywne uczestniczenie w dyskusji, zadawanie pytań i konstruktywną krytykę/pochwałę pracy innych zespołów,

  • umiejętność przyjmowania krytyki pracy i postawy własnej,

  • koleżeństwo i dbanie o dobro wspólnoty akademickiej, punktualność.

Dodatkowe informacje

Szczegółowe informacje na temat realizacji pracy zostały podane na pierwszych zajęciach.

Redakcja pracy

Język: akademicki, a nie korporacyjny żargon lub marketingowy bełkot.

Styl: raczej formalny.

Bibliografia

  • Preferujemy cytowanie dobrych książek i czasopism, a nie informacji ze stron internetowych (np. blogów czy Wikipedii, choć mogą być one punktem wyjścia do przeglądu literaturowego).

  • Przeglądu literatury dokonujemy z należytą starannością. ChatGPT lub podobne (np. automatycznie generowane podsumowania w wyszukiwarce G**gle) zwracają niewiarogodne wyniki. Sugerujemy zapoznanie się z bazą Google Scholar lub Scopus.

  • Dostęp do większości czasopism mamy z sieci PW za darmo. Jeśli nie, to preprinty większości artykułów można znaleźć dość łatwo np. na ArXiVie.

  • Unikamy materiałów z kiepskich konferencji oraz tzw. predatory journals, choć i tam znaleźć się mogą perły (tak jak w tzw. renomowanych czasopismach jest wiele śmieci). Zawsze podchodzimy krytycznie do tego, co czytamy.

  • Bibliografię formatujemy przy użyciu BibTeXa lub Bibera, nigdy ręcznie. Formatowanie bibliografii powinno być spójne.

Samodzielność i poprawność pracy

Odpowiadacie za całość treści pracy, w tym jej poprawność merytoryczną.

Przypominamy, że zgodnie z regulaminem studiów w PW (§ 29 ust. 2), praca dyplomowa jest samodzielnym opracowaniem zagadnienia naukowego lub praktycznego albo dokonaniem technicznym, prezentującym ogólną wiedzę i umiejętności studenta związane ze studiami na danym kierunku, poziomie i profilu oraz umiejętności samodzielnego analizowania i wnioskowania.

Prace będą przetwarzane przez system antyplagiatowy.

Nie generujemy/streszczamy/parafrazujemy tekstu pracy, kodu i prezentacji przy użyciu narzędzi informatycznych (GenAI w tym LLM typu ChatGPT, Llama, Copilot itp.). Miejmy swój styl. Chcemy, byście wyrośli na niezależnych ekspertów, których nie zastąpi tzw. AI. Uwaga: wysyłając pracę, składacie oświadczenie że została ona napisana samodzielnie oraz że nie narusza ona praw autorskich.

Świadomy(a) odpowiedzialności karnej za składanie fałszywych zeznań oświadczam, że niniejsza praca dyplomowa została napisana przeze mnie samodzielnie, pod opieką kierującego pracą dyplomową.

Jednocześnie oświadczam, że:

  • niniejsza praca dyplomowa nie narusza praw autorskich w rozumieniu ustawy z dnia 4 lutego 1994 roku o prawie autorskim i prawach pokrewnych (Dz.U. z 2021 r., poz. 1062) oraz dóbr osobistych chronionych prawem cywilnym,

  • niniejsza praca dyplomowa nie zawiera danych i informacji, które uzyskałem(am) w sposób niedozwolony,

  • niniejsza praca dyplomowa nie była wcześniej podstawą żadnej innej urzędowej procedury związanej z nadawaniem dyplomów lub tytułów zawodowych,

  • wszystkie informacje umieszczone w niniejszej pracy, uzyskane ze źródeł pisanych i elektronicznych, zostały udokumentowane w wykazie literatury odpowiednimi odnośnikami,

  • znam regulacje prawne Politechniki Warszawskiej w sprawie zarządzania prawami autorskimi i prawami pokrewnymi, prawami własności przemysłowej oraz zasadami komercjalizacji.

Ponadto składacie osobne oświadczenie dotyczące użycia GenAI.