• 19th Workshop on Algorithms and Models for the Web Graph, 2024

• Social Simulation Conference, 2024

• 18th Workshop on Algorithms and Models for the Web Graph, 2023

• Social Simulation Conference, 2021

• Konferencja: Współczesne metody i praktyki w ryzyku kredytowym, 2021

• 17th Workshop on Algorithms and Models for the Web Graph, 2020

• Workshop on Hypergraphs — Theory and Applications, 2020

• Summer School on Data Science Tools and Techniques in Modelling Complex Networks, 2019

• Blockchain Technology Symposium BTS2018

• Konferencja Metody i Zastosowania Badań Operacyjnych 2018

• International Conference on Group Decision & Negotiation 2015

• European Social Simulation Conference 2013

• Metody i zastosowania zaawansowanej analizy danych (Narodowa Agencja Wymiany Akademickiej NAWA)

• New Economy Lab (Narodowa Agencja Wymiany Akademickiej NAWA)

• Raising Open and User-friendly Transparency-Enabling Technologies for Public Administrations (Horizon 2020)

• Metodyka konstrukcji prognoz makroekonomicznych przy uwzględnieniu heterogeniczności podmiotów gospodarczych (Narodowe Centrum Nauki)

• Struktura sieci społecznej a skłonność do kooperacji i dochody indywidualne: model symulacyjny i wyniki empiryczne (Narodowe Centrum Nauki)

Zestaw interaktywnych projektów online w języku Julia: Hands-on Data Science with Julia.

• Data Preprocessing: skupia się na analizie eksploracyjnej i obróbce danych pod kątem modelowania; użytkownik w trakcie projektu zapozna się z ramkami danych z pakietu DataFrames.jl i opanuje tworzenie wizualizacji

• K-means and DBSCAN Clustering: rozpoczyna się od przygotowania zbioru danych do procesu klastrownia algorytmami k-średnich i DBSCAN; dla obu metod użytkownik wyznaczy optymalne wartości hiperparametrów i zwaliduje otrzymane wyniki, uwzględniając porówananie wyników grupowania z obu algorytmów

• Dimensionality Reduction with PCA, t-SNE and UMAP: kontynuuje analizę zbioru wykorzystanego poprzednim projekcie; dane zostają zredukowane do przestrzeni dwu- i trzywymiarowej za pomocą algorytmów PCA, t-SNE oraz UMAP; dzięki temu możliwe jest zwizualizowanie zbioru danych wraz z naniesieniem wyników klastrowania algorytmami k-średnich i DBSCAN; w przypadku algorytmów t-SNE i UMAP użytkownik skorzysta z biblioteki PyCall.jl, pozwalającej na wywołanie bibliotek z języka Python

• Regression Using GLM and DecisionTree: daje możliwość zapoznania się z tworzeniem modeli regresyjnych; użytkownik dokonuje predykcji cen mieszkań z wykorzystaniem regresji liniowej oraz drzew decyzyjnych; w ramach projektu wykonywany jest tuning hiperparametrów oraz walidacja i porównanie stworzonych modeli z pakietów GLM.jl oraz DecisionTree.jl

• Classification with XGBoost: opiera się na zadaniu klasyfikacji dochodu z biblioteką XGBoost.jl; w trakcie projektu użytkownik ma możliwość wytrenowania modelu XGBoost wraz z doborem hiperparametrów oraz implementacji własnego algorytmu istotności zmiennych; wyniki algorytmu są następnie porównywane z mechanizmem istotności zmiennych wbudowanym w model XGBoost, co pozwala sformułowanie dodatkowych wniosków biznesowych

Tutaj można znaleźć informację o książce na temat rozwiązywania problemów matematycznych, którą napisałem wspólnie z Pawłem Prałatem. Dodatkowo dostępny jest tam do pobrania w postaci PDF darmowy materiał zawierający wprowadzenie do języka Julia.

The Julia Express

EventSimulation.jl

Pakiet localsolver

Implementacja algorytmów prezentowanych w artykule Refined knowledge-gradient policy for learning probabilities (Operations Research Letters, 43, 2015) jest do pobrania tutaj.

Implementacja w języku Java algorytmu Asynchronous Knowledge Gradient jest do pobrania tutaj.

Dokumentacja algorytmu przedstawiona jest w artykule:

B. Kamiński, P. Szufel: Asynchronous Knowledge Gradient Policy for Ranking and Selection, Winter Simulation Conference, Proceedings of the 2014 Winter Simulation Conference, A. Tolk, S. Y. Diallo, I. O. Ryzhov, L. Yilmaz, S. Buckley, and J. A. Miller, eds., s. 3785-3796, 2014

WSE - Warsaw Simulation Engine

Wspólnie z Przemysławem Szufel bierzemy udział w rozwoju Projektu PyCX.

Jest to proste środowisko symulacyjne napisane w języku Python.