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:

    • TBA (2 projekty)

9

2026-12-01

  • prezentacje cz. I.2:

    • TBA (3 projekty)

10

2026-12-08

  • prezentacje cz. I.3:

    • TBA (3 projekty)

11

2026-12-15

  • prezentacje cz. I.4:

    • TBA (2/3 projekty)

12

2026-12-22

  • TBA

13

2027-01-12

  • prezentacje cz. II.1:

    • TBA (3 projekty)

14

2026-01-19

  • prezentacje cz. II.2:

    • TBA (3/4 projekty)

15

2026-01-26

  • prezentacje cz. II.3:

    • TBA (3/4 projekty)

Grupa II: Wtorki 18:15–20:00, 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) (Osiński Krzysztof)

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

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

    • 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)

    • SVR i SVM (wolny)

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

8

2026-11-24

  • prezentacje cz. I.1:

    • TBA (2 projekty)

9

2026-12-01

  • prezentacje cz. I.2:

    • TBA (3 projekty)

10

2026-12-08

  • prezentacje cz. I.3:

    • TBA (3 projekty)

11

2026-12-15

  • prezentacje cz. I.4:

    • TBA (2/3 projekty)

12

2026-12-22

  • TBA

13

2027-01-12

  • prezentacje cz. II.1:

    • TBA (3 projekty)

14

2026-01-19

  • prezentacje cz. II.2:

    • TBA (3/4 projekty)

15

2026-01-26

  • prezentacje cz. II.3:

    • TBA (3/4 projekty)

Grupa III: Poniedziałki 18:15–20:00, 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)

    • Porównanie TCP i UDP (Jamroż Mateusz)

6

2026-11-09

  • Tematy egzaminacyjne 3:

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

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

    • 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)

    • 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:

    • TBA (2 projekty)

9

2026-11-30

  • prezentacje cz. I.2:

    • TBA (3 projekty)

10

2026-12-07

  • prezentacje cz. I.3:

    • TBA (3 projekty)

11

2026-12-14

  • prezentacje cz. I.4:

    • TBA (2/3 projekty)

12

2026-12-21

  • TBA

13

2027-01-11

  • prezentacje cz. II.1:

    • TBA (3 projekty)

14

2026-01-18

  • prezentacje cz. II.2:

    • TBA (3/4 projekty)

15

2026-01-26

  • prezentacje cz. II.3:

    • TBA (3/4 projekty)

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,

  • 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).

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).

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.