Kobiety napisały ponad jedną czwartą prac zgłoszonych do ogólnopolskiego konkursu na najlepsze polskie magisterki z dziedziny uczenia maszynowego i analizy danych. Coraz więcej prac powstaje też we współpracy studentów z centrami badawczo-rozwojowymi
Do konkursu zgłoszono 63 prace obronione w latach 2018–2019 na 20 polskich uczelniach. Najwięcej z Politechniki Warszawskiej i Akademii Górniczo-Hutniczej w Krakowie – po 12 w obu przypadkach. W sumie 17 prac napisały kobiety, co stanowi 26 procent wszystkich zgłoszeń. Dwie studentki znalazły się w gronie zwycięzców, a trzy zdobyły wyróżnienia.
W tym roku liczba zgłoszonych prac była podobna jak w poprzedniej edycji, jednak więcej z nich powstało we współpracy z centrami badawczo-rozwojowymi dużych firm. Wzrosła też liczba prac wykorzystujących techniki uczenia głębokiego i uczenia ze wzmocnieniem, co oznacza, że magistranci mają dostęp do klastrów obliczeniowych i dużych zasobów danych. Zwiększyła się także liczba prac, w których proponowano nowe algorytmy i metody, oraz napisanych w języku angielskim (około 40 procent).
Wśród nagrodzonych prac jest wiele odważnych, nieszablonowych projektów badawczych
Prace oceniano w dwóch kategoriach: Metody i algorytmy oraz Zastosowania. W pierwszym wypadku dotyczyły one głównie analizy matematycznej algorytmów statystycznych lub uczenia maszynowego i miały bardziej teoretyczny charakter. W drugim – zastosowania nowych algorytmów do konkretnych problemów biznesowych oraz empirycznych sposobów badania właściwości nowych algorytmów.
– Wśród nagrodzonych prac jest wiele odważnych, nieszablonowych projektów badawczych – mówi koordynator konkursu, prof. Przemysław Biecek. – Mam nadzieję, że w następnych latach ich liczba będzie rosła i że pojawią się też prace o dużym potencjale komercjalizacji, dzięki którym powstaną nowe firmy świadczące usługi z zakresu data science i uczenia maszynowego. Liczę też, że coraz więcej wyników badań będzie publikowanych w czasopismach naukowych, przedstawianych na konferencjach lub udostępnianych w postaci otwartego oprogramowania.
Nagrodzone bądź wyróżnione prace dotyczyły m.in. takich zagadnień, jak: różnicowanie typów nowotworów nerek na podstawie analizy obrazów tomograficznych, wykrywanie interakcji między genami przy użyciu metod teorii informacji, nawigowanie podwodnym robotem autonomicznym z wykorzystaniem uczenia głębokiego, segmentacja zmian skórnych przy pomocy głębokich sieci neuronowych oraz wyjaśnialna sztuczna inteligencja.
Pierwsze miejsca w konkursie zajęli: Michał Makowski z Uniwersytetu Wrocławskiego z pracą poświęconą analizie algorytmów LASSO i SLOPE (kategoria Metody i algorytmy) oraz Krzysztof Maziarz z Uniwersytetu Jagiellońskiego, którego dysertacja dotyczyła nowego algorytmu do automatycznego trenowania modeli uczenia maszynowego (kategoria Zastosowania).
Szczegółowe informacje na temat wszystkich zwycięzców oraz nagrodzonych i wyróżnionych prac można znaleźć na stronie organizatora konkursu, którym jest Wydział Matematyki i Nauk Informacyjnych Politechniki Warszawskiej.
Nagrody zostały ufundowane przez Samsung R&D Institute Poland oraz PwC Polska.
Portal Sztuczna Inteligencja objął konkurs patronatem medialnym.