Adam Gregosiewicz
Adam Gregosiewicz

Zaawansowane metody analizy i eksploracji danych | I2S | semestr letni 2025/2026

Terminy zajęć

  • Grupa 1.1/1: poniedziałek, 8.45–10.15, PE121.
  • Grupa 1.1/2: poniedziałek, 10.30–12.00, PE121.

Konsultacje

  • Poniedziałek, 12.15-13.00, Pentagon, pok. 3 (PE 3).
  • Piątek, 11.00–11.45, Pentagon, pok. 3 (PE 3).

Laboratoria

Repozytorium z zadaniami i przykładowymi rozwiązaniami: GitHub.

Projekt zaliczeniowy

Zaliczenie laboratoriów polegać będzie na przygotowaniu projktu zspołowgo z ogólnie pojętej analizy danych. Temat projektu może być dowolny, ale powinien wykorzystywać metody analizy danych omawiane podczas wykładu/zajęć. Poniżej zamieszczam też listę prac naukowych, z których można czerpać inspiracje.

Wymagania

  • Każdy projekt powinien być realizowany przez 2 (w uzasadnionych przypadkach 3) osoby. Wkład wszystkich osób powinien być podobny.
  • Implementację należy przygotować w formie repozytorium git w GitHub Classroom. Link do zadania, przez który można utworzyć szablon repozytorium, znajduje się w naszej grupie teamsowej.
  • W repozytorium należy umieścić plik README.md z krótką instrukcją uruchomienia (komendy, środowisko, wymagania). Szczegóły znajdują się w szablonie repozytorium.
  • W pliku DESC.md (ewentualnie desc.pdf) należy umieścić opis przygotowanego projektu (postawienie problemu, opisanie rozwiązania i sposobu implementacji). Opis powinien być zrozumiały dla osoby, która nie jest specjalistą od rozważanego zagadnienia. Jednocześnie należy omówić szczegóły teoretyczno/matematyczne. Proszę jednak nie kopiować fragmentów książek czy artykułów, ma to być opis Państwa własnymi słowami.
  • W pliku EXAMPLE.md lub example.pdf można umieścić opis przykładowego uruchomienia na konkretnych danych wraz z komentarzem.
  • Implementacja powinna znaleźć się w katalogu src.
  • Jeżeli przy prezentacji projektu wykorzystana jest prezentacja, to ona również powinna się znaleźć w repozytorium w oddzielnym pliku.

Instrukcja GitHub Classroom

  1. Trzeba wejść na stronę projektu i (po ewentualym zalogowaniu) wybrać Create team (jeśli jest się pierwszą osobą w zespole) albo Join an existing team (jeśli zespół już istnieje i chcemy do niego dołączyć).
  2. Po utworzeniu zespołu GitHub automatycznie stworzy prywatne repozytorium (tego zespołu), w którym należy przygotować projekt.

Ważne zasady

  • Korzystajcie z narzędzi AI (jak ChatGPT, Gemini, Claude, …) z dużą ostrożnością. Mogą one być pomocne, ale kod musi być Państwa autorstwa. To Państwo mają rozumieć i umieć wyjaśnić każdy element projektu.
  • Każdy członek zespołu musi być w stanie wytłumaczyć, jak działa cały projekt – zarówno od strony matematycznej, jak i implementacyjnej. Podział pracy jest naturalny, ale odpowiedzialność za całość jest wspólna.
  • Upewnijcie się, że rozumiecie każdą linijkę kodu w projekcie. Podczas prezentacji możecie być poproszeni o wytłumaczenie konkretnego fragmentu programu.
  • Starajcie się implementować algorytmy samodzielnie, ,,od zera’’. Unikajcie gotowych bibliotek realizujących algorytm (lub jego istotny fragment) jako ,,czarną skrzynkę’'.
  • Projekt ma być nie tylko działającym programem, ale także dowodem zrozumienia idei, algorytmu i jego ograniczeń.

Terminy

  • Repozytorium powinno być gotowe do 8.06.2026 do północy. Oczywiście zachęcam do prawidłowego korzystania z systemu kontroli wersji. Nie dodawajcie wszystkiego w jednym commicie. Niech historia repozytorium pokazuje zmiany w projekcie.
  • Podczas laboratoriów (8.06.2026) każdy zespół zaprezentuje swój projekt. Ma to być krótkie i przystępne omówienie problemu oraz jego rozwiązania. Następnie należy wskazać istotne elementy implementacji oraz działanie programu w praktyce. Całość nie powinna zająć więcej niż ok. 20 minut.
  • Rada: proszę nie przygotowywać jakiejś dużej prezentacji z wieloma slajdami i morzem tekstu. Wystarczy prosty ,,obrazek’’, na którym wskażecie główne idee. Najważniejsze jest to, co powiecie, a nie to, co będzie wyświetlone.

Ocena

Przy wystawianiu ocen będę brał pod uwagę jakość:

  • implementacji – 40%.
  • prezentacji – 60%.

Podkreślam, że w prezentacji nie chodzi o przygotowanie pliku ze slajdami. Tego może w ogóle nie być. W razie czego jest tablica. Chodzi o Państwa zaprezentowanie tematu i omówienie rozwiązania.

Proponowane tematy

Poniżej przedstawiam listę przykładowych prac, które mogą być podstawą projektu. Niektóre prace są zupełnie proste, inne trochę trudniejsze. Proszę znaleźć coś dla siebie. Oczywiście można też wybrać artykuł spoza listy. W tej sytuacji prosiłbym o wcześniejszą informację.

Dwa różne zespoły nie mogą wybrać tego samego artykułu (o wyborze decyduje kolejność zgłoszeń).

Klasteryzacja

  1. Louis Mahon, Mirella Lapata, K∗-Means: A Parameter-free Clustering Algorithm.
  2. Jingyun Zhang, Hao Peng, Li Sun, Guanlin Wu, Chunyang Liu, Zhengtao Yu, Unsupervised Graph Clustering with Deep Structural Entropy.
  3. Guanlin Mo, Shihong Song, Hu Ding, Towards Metric DBSCAN: Exact, Approximate, and Streaming Algorithms.
  4. Ziqing Wang, Zhirong Ye, Yuyang Du, Yi Mao, Yanying Liu, Ziling Wu, Jun Wang, AMD-DBSCAN: An Adaptive Multi-density DBSCAN for Datasets of Extremely Variable Density.
  5. Alfred K. Adzika, Prudence Djagba, Inference with K-means.
  6. Ben Jourdan, Gregory Schwartzman, Mini-Batch Kernel k-means.
  7. HaoChuan Xu, Ninh Pham, Scalable DBSCAN with Random Projections.

PCA i redukcja wymiaru

  1. Lakshmi Jayalal, Gokularam Muthukrishnan, Sheetal Kalyani, Tuning-Free Online Robust Principal Component Analysis through Implicit Regularization.
  2. Rachel S. Y. Teo, Tan M. Nguyen, Unveiling the Hidden Structure of Self-Attention via Kernel Principal Component Analysis.
  3. Ruriko Yoshida, Projected Gradient Descent Method for Tropical Principal Component Analysis over Tree Space.
  4. Yangyang Xu, Kexin Li, Li Yang, You-Wei Wen, Outlier-aware Tensor Robust Principal Component Analysis with Self-guided Data Augmentation.
  5. Yanqing Yin, Wang Zhou, High-Dimensional PCA Revisited: Insights from General Spiked Models and Data Normalization Effects.

Klasyfikacja liniowa i regresja logistyczna

  1. Cencheng Shen, Yuexiao Dong, Linear Discriminant Analysis with Gradient Optimization on Covariance Inverse.
  2. Jingfeng Wu, Pierre Marion, Peter Bartlett, Large Stepsizes Accelerate Gradient Descent for Regularized Logistic Regression.
  3. Qingshi Sun, Nathan Justin, Andres Gomez, Phebe Vayanos, Mixed-feature Logistic Regression Robust to Distribution Shifts.
  4. Qipeng Zhan, Zhuoping Zhou, Zixuan Wen, Zexuan Wang, Boning Tong, Heng Huang, Andrew J. Saykin, Paul M. Thompson, Christos Davatzikos, Li Shen, SLR: A Modified Logistic Regression Model with Sinkhorn Divergence for Alzheimer’s Disease Classification.

Analiza przeżycia

  1. Mike Van Ness, Madeleine Udell, Interpretable Prediction and Feature Selection for Survival Analysis.
  2. Annabel L. Davies, Anthony C. C. Coolen, Tobias Galla, Retarded Kernels for Longitudinal Survival Analysis and Dynamic Prediction.
  3. Aliasghar Tarkhan, Noah Simon, An Online Framework for Survival Analysis: Reframing Cox Proportional Hazards Model for Large Data Sets and Neural Networks.
  4. Narasimha Raghavan Veeraragavan, Sai Praneeth Karimireddy, Jan Franz Nygård, A Differentially Private Kaplan–Meier Estimator for Privacy-Preserving Survival Analysis.

Systemy rekomendacyjne i grafowe GNN

  1. Hansol Jung, Hyunwoo Seo, Chiehyeon Lim, Sequential Recommendation on Temporal Proximities with Contrastive Learning and Self-Attention.
  2. Xiangnan He, Kuan Deng, Xiang Wang, Yan Li, Yongdong Zhang, Meng Wang, LightGCN: Simplifying and Powering Graph Convolution Network for Recommendation.

Modelowanie czasowe i regresja sekwencyjna

  1. Matthew Ricci, Guy Pelc, Zoe Piran, Noa Moriel, Mor Nitzan, TRENDy: Temporal Regression of Effective Non-linear Dynamics.
  2. Emirhan Ilhan, Mehmet Y. Turali, Suleyman S. Kozat, Gradient Boosting With Moving-Average Terms for Nonlinear Sequential Regression.

Statystyczna kontrola procesu

  1. Tanuja Negi, Estimated Phase II Weibull Control Chart for Monitoring Times Between Events.
  2. Mohammad Iqbal Rasul Seeam, Victor S. Sheng, Proactive Statistical Process Control Using AI: A Time Series Forecasting Approach for Semiconductor Manufacturing.

Reguły asocjacyjne

  1. Hadar Ben-Efraim, Susan B. Davidson, Amit Somech, SHARQ: Explainability Framework for Association Rules on Relational Data.

Testowanie statystyczne

  1. Miguel Araujo-Voces, Víctor Quesada, An Exact, Unconditional, Nuisance-Agnostic Test for Contingency Tables.

Materiały

Poza materiałami cytowanymi w sylabusie przedmiotu polecam:

Książki

  1. Jiawei Han, Micheline Kamber, Jian Pei, Data Mining: Concepts and Techniques.
  2. Gareth James, Daniela Witten, Trevor Hastie, Rob Tibshirani, Jonathan Taylor An Introduction to Statistical Learning.
  3. Pang-Ning Tan, Michael Steinbach, Vipin Kumar, Introduction to Data Mining.
  4. Sergio J. Rey, Dani Arribas-Bel, Levi J. Wolf, Geographic Data Science with Python.
  5. Wes McKinney, Python for Data Analysis.

Strony internetowe

  1. Introduction to Data Mining.

Kursy wideo

  1. StatQuest.
  2. zedstatistics.
  3. Data Analysis with Python Specialization.