→ Rekrutacja na semestr zimowy 2025/26

Logo ICM
  • Home
  • Aktualności
  • Studia w ICM
  • Kadra
  • Program
  • Prace dyplomowe
  • Rekrutacja
Rejestracja IRK od 5.06

Tag: uczenie maszynowe

ROK OBRONY

  • 2025
  • 2024
  • 2023
  • 2022
  • 2021
  • 2020
  • 2019
  • 2018
  • Wykorzystanie technologii PySpark i Microsoft Power BI w analizie oraz predykcji cen nieruchomości we Włoszech

    Wykorzystanie technologii PySpark i Microsoft Power BI w analizie oraz predykcji cen nieruchomości we Włoszech

    Celem pracy dyplomowej jest przeprowadzenie analizy danych pochodzących z ogłoszeń sprzedaży nieruchomości we Włoszech, a także zastosowanie uczenia maszynowego do predykcji cen domów i mieszkań z wykorzystaniem narzędzi Spark oraz…

    21.06.2024
  • Porównanie efektywności detekcji guzów nowotworowych za pomocą konwolucyjnych sieci neuronowych w obrazach tomografii komputerowej i sinogramach

    Porównanie efektywności detekcji guzów nowotworowych za pomocą konwolucyjnych sieci neuronowych w obrazach tomografii komputerowej i sinogramach

    W niniejszej pracy przeprowadzono analizę porównawczą skuteczności detekcji guzów płucnych wykorzystując obrazy tomografii komputerowej oraz sinogramy. Dane badawcze pochodziły z bazy LIDC-IDRI, która zawiera obrazy tomograficzne płuc z wyraźnie zaznaczoną lokalizacją guzów, pochodzące od wielu pacjentów…

    27.05.2024
  • Krótkoterminowe prognozy wiatru przy użyciu sztucznych sieci neuronowych

    Krótkoterminowe prognozy wiatru przy użyciu sztucznych sieci neuronowych

    Celem pracy było sprawdzenie skuteczności zastosowania sztucznych sieci neuronowych do krótkoterminowych (od 1 do 6 godzin) prognoz prędkości i kierunku wiatru. W analizach wykorzystano dane meteorologiczne, takie jak prędkość wiatru, temperatura, ciśnienie atmosferyczne, suma opadów…

    08.02.2024
  • Wizualizacja konwolucyjnej sieci neuronowej w procesie rozpoznawania obrazów

    Wizualizacja konwolucyjnej sieci neuronowej w procesie rozpoznawania obrazów

    Sztuczna Inteligencja jest obecnie jedną z najszybciej rozwijających się dyscyplin, która może pozwolić na automatyzację i wsparcie wielu dziedzin życia społecznego. Obecnie największą barierą powstrzymującą zastosowanie modeli AI jest ich złożona architektura, która powoduje efekt…

    26.10.2021
  • Automatyczna generalizacja prezentacji prognozy pogody z użyciem analizy statystycznej wybranych parametrów meteorologicznych

    Automatyczna generalizacja prezentacji prognozy pogody z użyciem analizy statystycznej wybranych parametrów meteorologicznych

    Algorytmy sztucznej inteligencji pozwalają na rozwiązywanie złożonych i pracochłonnychzadań oraz usprawniając istniejące procesy decyzyjne. W poniższej pracy sprawdzono, czy przyużyciu metod uczenia maszynowego oraz głębokiego można zautomatyzować procesgeneralizacji reprezentacji prognozy pogody. Celem pracy było opracowanie algorytmu,…

    24.09.2021
  • Zastosowanie głębokich sieci neuronowych do analizy sekwencji DNA

    Zastosowanie głębokich sieci neuronowych do analizy sekwencji DNA

    Bioinformatyka jest interdyscyplinarną dziedziną wykorzystującą wiedzę z zakresu biologii wspieraną przez metody matematyczne oraz obliczeniowe w celu lepszego zrozumienia danych biologicznych, które często przez swoją objętość oraz złożoność potrafią stanowić analityczne wyzwanie. Niniejsza praca skoncentrowana jest…

    29.12.2020
  • Opracowanie biblioteki języka R realizującej protokół rzetelnej budowy modeli uczenia maszynowego i przetestowanie na danych z „Neuroblastoma Data Integration Challenge” Camda 2017

    Opracowanie biblioteki języka R realizującej protokół rzetelnej budowy modeli uczenia maszynowego i przetestowanie na danych z „Neuroblastoma Data Integration Challenge” Camda 2017

    W pracy przedstawiono opracowanie i testy biblioteki języka R realizującej protokół rzetelnej budowy modelinadzorowanego uczenia maszynowego. Zaimplementowany protokół używa wielostopniowej walidacji krzyżowej do oceny obciążenia modelu wynikających z zastosowania wyboru zmiennych, rozrzutu wyników wynikającego…

    24.06.2019
ICM
Student UW
OLAT
IRK

KONTAKT

Email: studia@icm.edu.pl
Telefon: 22 87 49 201
Lokalizacja: ICM UW, Kampus Ochota
Pawińskiego 5a, 02-106 Warszawa

© 2025 ICM UW

Pliki cookies
  • LinkedIn
  • Facebook
  • X
  • YouTube
Ta strona korzysta z ciasteczek aby świadczyć usługi na najwyższym poziomie. Dalsze korzystanie ze strony oznacza, że zgadzasz się na ich użycie.Zgoda