Wiktor Reczek

Praca magisterska. Celem pracy było zbadanie skuteczności różnych algorytmów klasyfikacji i ich rozszerzeń w ocenie jakości odlewów. Pomocne w realizacji projektu było skorzystanie z platofrmy Google Colaboratory pozwalającego na kompleksowe przebadanie wszystkich zaimplementowanych algorytmów. Korzystając z tej aplikacji, zostanły przeprowadzone eksperymenty, w których
przygotowane algorytmy i metody uczenia maszynowego zostały przetestowane w różnych warunkach i konfiguracjach, a także dla różnych danych wejściowych, którymi były zdjęcia przekrojów odlewów (zdjęcia mikrostruktury) lub informacje na temat materiału (np. typ, skład).

Praca ma charakter badawczy, gdyż jak wykazał przegląd literatury, prac naukowych na ten temat (tj. pod kątem wykorzystania uczenia maszynowego w celu oceny jakości odlewów) oraz źródeł wskazujących na praktyczne stosowanie oprogramowania o podobnym przeznaczeniu jest niewiele. Dlatego
też skuteczność algorytmów uczenia maszynowego w ocenie jakości odlewów została przetestowana z użyciem najbardziej uniwersalnych metod. Wyniki uzyskane przez klasyczne metody uczenia maszynowego oraz przez sieci neuronowe zostaną ze sobą porównane, biorąc pod uwagę takie aspekty, jak interpretowalność rezultatów, łatwość implementacji modelu, prostotę algorytmu czy czas uczenia.