Thesis Topics

-

No description provided.

No description provided.

No description provided.

No description provided.

No description provided.

Design deep learning approaches for omics data in medicine.

Design decision or generative models for medical tasks involving multiple data types (images, omics, signals)

Design of machine learning approaches for medical tasks (imaging, signal, tabular data)

Se acceptă propuneri din partea studenților, care vor fi discutate în prealabil.

ema propune dezvoltarea unei aplicații software pentru simularea concurenței între firme într-un model economic de tip Cournot. Firmele vor fi modelate ca agenți software care aleg cantitatea produsă în funcție de condițiile pieței și de comportamentul celorlalți agenți. Aplicația va permite calculul profitului, simularea interacțiunii dintre agenți și analiza evoluției strategiilor în diferite scenarii. Studentul va implementa mecanismele de simulare și reprezentarea grafică a rezultatelor experimentale. Se recomandă utilizarea limbajului Python împreună cu biblioteci pentru calcul numeric și vizualizare de date.

Realizarea unei aplicații de prelucrare și/sau analiză a imaginilor digitale care să ofere soluții pentru problemele din viața reală, din diverse domenii de activitate: medicină, industrie, economie etc. Limbaje de programare: Python, C++, C#, Java

Dezvoltarea unei aplicații în Visual C++ pe diferite tematici: aplicații educaționale, aplicații de gestiune etc.

Sunt acceptate și ideile propuse de studenți (pe baza unor discuții preliminare)

Description: Train a mobile robot—using simulated sensor inputs (e.g., LiDAR or depth camera)—to learn policies that map perceptions to motion commands, enabling real‐time collision‐free navigation in dynamic environments. Possible Focuses: Comparing tabular Q‐learning versus deep Reinforcement Learning methods for obstacle avoidance and designing reward functions along with safety constraints to facilitate efficient simulation‐to‐real life policy transfer.

Description: Use a Jetson NANO–powered robot that uses LIDAR and a lightweight deep-learning model to build maps and navigate indoor spaces without collisions. Possible Focuses: Comparing efficient neural architectures for LIDAR-based perception on constrained hardware and integrating real-time SLAM with obstacle-avoidance path planning under RaspberryPi computation limits.

Description: Create an affordable mobile telepresence system (camera, mic/speaker, wheels) that streams audio/video and uses on-board AI (e.g., lightweight SLAM and obstacle avoidance) to move autonomously or via remote Android/iOS application. Possible Focuses: Selecting economical components (Raspberry Pi, low-cost sensors), implementing efficient on-device SLAM/path planning under compute constraints, integrating low-latency audio/video streaming, and evaluating usability and reliability during remote sessions.

Description: Detect human emotions via facial expression and vocal tone analysis such that a social robot can adapt its responses and behaviors in real time. Possible Focuses: Comparing classical CV (e.g., Haar cascades + handcrafted features) versus deep‐learning emotion classifiers and integrating emotion outputs into the robot’s dialogue/behavior selection for more natural interactions.

Description: Use a proof assistant (e.g., Coq, Isabelle/HOL) or an automated theorem prover (e.g., Theorema) to verify correctness properties of a motion planning algorithm—such as A*, RRT*, or Dijkstra’s—ensuring that, under idealized assumptions (e.g., static obstacles, discretized configuration space), the planner always finds a shortest (or cost-optimal) path when one exists and never returns a path through obstacles. Possible Focuses: Encoding a grid or geometric workspace and proving invariants (e.g., monotonicity of cost estimates); Formalizing obstacle representation and showing the algorithm never returns invalid waypoints; Extracting verified executable code and validating performance on small robotic scenarios.

Description: Live hand-gesture recognition via camera to drive robotic‐arm motions for pick‐and‐place tasks. Possible Focuses: Comparing lightweight CV vs. CNN‐based gesture detection and optimizing low-latency, safety-aware mapping to arm kinematics.

Description: Develop a workflow that links ROS-based robotic software (nodes written in C++/Python) with an external theorem prover for end-to-end certification. For example, extract critical modules (path planning, collision checking) into a formal model and prove they cannot produce unsafe commands. Then instrument the ROS build system so that any code change triggers a re-verification step before deployment. Possible Focuses: Designing a semantic embedding from ROS message definitions and node behavior into a higher‐order logic model. Automating proof obligations for common robot patterns (e.g., “stop if no obstacle info received within T ms”). Evaluating the overhead (developer time, build time) of maintaining proofs as the ROS codebase evolves.

Aplicarea tehnicilor TDA pentru a analiza structuri complexe în date biologice, cum ar fi rețelele genetice sau structurile proteinelor. Emmett, K. J., & Rabadan, R. (2014). `Characterizing scales of genetic recombination and antibiotic resistance in pathogenic bacteria using topological data analysis.` Lecture Notes in Computer Science, 8881, 65–75. https://doi.org/10.1007/978-3-319-10590-1_7

Aplicarea metodelor de analiză topologică a datelor (TDA) pentru a identifica structuri și modele în date multidimensionale. Ghrist, R. (2008). `Barcodes: The persistent topology of data.` Bulletin of the American Mathematical Society, 45(1), 61–75. https://doi.org/10.1090/S0273-0979-07-01191-3

Crearea unui model de învățare automată care nu doar clasifică imagini medicale, dar oferă și explicații interpretabile pentru deciziile sale. Holzinger, A., Langs, G., Denk, H., Zatloukal, K., & Müller, H. (2019). `Causability and explainability of artificial intelligence in medicine.` Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 9(4), e1312. https://doi.org/10.1002/widm.1312

Dezvoltarea unui model care poate identifica comportamente anormale în rețele de senzori, contribuind la securitatea și fiabilitatea sistemelor. Ahmed, M., Mahmood, A. N., & Hu, J. (2016). `A survey of network anomaly detection techniques.` Journal of Network and Computer Applications, 60, 19–31. https://doi.org/10.1016/j.jnca.2015.11.016

Dezvoltarea unui sistem care utilizează rețele neuronale convoluționale pentru a identifica defecte în structuri mecanice pe baza semnalelor vibraționale. Cha, Y.-J., Choi, W., & Büyüköztürk, O. (2017). `Deep learning‐based crack damage detection using convolutional neural networks.` Computer‐Aided Civil and Infrastructure Engineering, 32(5), 361–378. https://doi.org/10.1111/mice.12263

Crearea unui asistent virtual care poate răspunde la întrebări educaționale, integrând tehnici de procesare a limbajului natural pentru interacțiuni eficiente. Jurafsky, D., & Martin, J. H. (2023). Speech and Language Processing (3rd ed. draft). Pearson. https://web.stanford.edu/~jurafsky/slp3/

Implementarea unui sistem de recomandare care utilizează tehnici avansate de învățare automată pentru a oferi sugestii personalizate utilizatorilor. Zhang, S., Yao, L., Sun, A., & Tay, Y. (2019). `Deep learning-based recommender system: A survey and new perspectives.` ACM Computing Surveys (CSUR), 52(1), 1–38. https://doi.org/10.1145/3285029

Implementarea unei ierarhii de decizie (ex. dacă bacteria este Gram-pozitivă, elimină logic anumite clase de antibiotice din predicție).

Dezvoltarea unui sistem care utilizează modele de învățare automată explicabile pentru a asista în diagnosticarea bolilor, oferind transparență în deciziile luate. Tjoa, E., & Guan, C. (2021). `A survey on explainable artificial intelligence (XAI): Toward medical XAI.` IEEE Transactions on Neural Networks and Learning Systems, 32(11), 4793–4813. https://doi.org/10.1109/TNNLS.2020.3027314

Teme discutate cu studenții, cu cerințe similare temelor din anii precedenti, folosind o serie de biblioteci C, inclusiv CAF – (https://www.actor-framework.org), webassembly/emscripten, Boost.org etc. Limbaj / tehnologii alternative: scala, playframework, pekko.

Platformă web pentru gestiunea unor vizite la diferite instituții. Pot fi avute în vedere vizite la grădini zoologice și/sau muzee de artă, tururi ghidate prin orașe, etc. Prin intermediul platformei se dorește îmbogățirea experienței rezultată dintr-o vizită “normală”. Recomandată integrarea cu Google Maps sau soluții similare. Tehnologii utilizabile: AR.js, A-Frame, MindAR, LocAR, etc.

Realizarea unui studiu legat de Enterprise Integration Patterns și utilizarea acestora. Studiul va acoperi diferite sisteme care facilitează transportul mesajelor (Enterprise Service Bus), cu o atenție deosebită pentru Apache Camel și concepte legate de ‘data integration’. (Enterprise Integration Patterns Designing, Building, and Deploying Messaging Solutions by Gregor Hohpe and Bobby Woolf)

Realizarea unor studii comparative asupra pricipalelor limbaje/biblioteci pentru micro-servicii (ex. Akka, Vert.x, jolie, etc.), sau abordări care presupun utilizarea unor astfel de tehnologii

A distributed systems approach, integrating generative AI to make up realistic/coherent anomalies within IoT data streams, with an integration in the digital twin ecosystem. Investigate how an AI interceptor can stress test a digital twin without disturbing the whole system.

Realizarea unui limbaj de programare care sa faciliteze realizarea de interfete grafice intr-un format concis. Se va realiza integrarea cu o platformă de interfețe grafice pentru a crea o interfață grafică în minimal-code/no-code. Va fi avuta in vedere integrarea cu modele LLM, pentru a asista utilizatorul în depanarea aplicatiilor.

Abordările din această categorie de teme vizează diferitele aspecte legate de IoT, WoT și modelarea resurselor asociate. Direcția de studiu se stabilește după o perioadă de documentare, existând posibilități variate de lucru. Resurse de studiu: https://www.w3.org/WoT/ https://ieeexplore.ieee.org/document/9103025 https://www.digitaltwinconsortium.org/glossary/

Investigate open-source foundation models for time series forecasting, and the various applications of foundation models for TS.

Investigarea realizarii unor modele parametrice, testarea preciziei de predicție și evaluarea metodelor folosite pentru a corespunde cu procesul fizic studiat. Identificarea unui sistem multi-actor / multi-agent pentru a permite implementarea procesului studiat, pe baza datelor furnizate de o colectie de senzori, si exploatarea calitatii acestor date.

Pattern matching is a core feature of functional- and rule-based programming, to check data against structures, deconstruct it, and bind variables in a single step. When patterns are extended with more kinds of variables, the language becomes more expressive and the matching algorithms become more complex. The goal of this thesis is to identify and implement matching algorithms and strategies for patterns with sequence variables and context variables, and to illustrate their practical application in rule-based programming. Prerequisites: get used to rule-based programming with Mathematica.

The goal of this thesis is to study and compare the core reconstruction techniques of an unknown environment from 2D images and/or other sensor data, and design techniques and algorithms that perform best on resource-constrained mobile devices.

This thesis is addressed to students eager to study how to use rewriting logic model and analyse the functionality og distributed systems. The thesis will describe how various distributed systems can be easily modeled, simulated, and analysed in Maude. Maude is a high-performance language and formal verification tool based on rewriting logic. It excels at specifying and analysing concurrent, distributed systems, and object-oriented models by defining system states and transitions through equational and rewriting rules.

Se accepta propuneri din partea studenților

Se accepta propuneri din partea studenților

Acest proiect se concentrează pe dezvoltarea unui set de instrumente vizuale pentru a ajuta la analiza exploratorie a datelor (EDA) pentru fluxurile de lucru de învățare automată. Studenții vor crea componente pentru vizualizarea distribuțiilor, corelațiilor, valorilor lipsă și a potențialelor valori aberante folosind, de exemplu, Python și Seaborn. Aspectul etic include integrarea metricilor de corectitudine și detectarea prejudecăților în pipeline-ul EDA pentru a promova dezvoltarea responsabilă a IA. Instrumente recomandate: Python (Pandas, Seaborn, Matplotlib), Jupyter Notebooks, Scikit-learn. This project focuses on developing a visual toolkit to assist in exploratory data analysis (EDA) for machine learning workflows. Students will create components for visualizing distributions, correlations, missing values, and potential outliers using, for example, Python and Seaborn. The ethical angle includes integrating fairness metrics and bias detection into the EDA pipeline to promote responsible AI development. Recommended Tools: Python (Pandas, Seaborn, Matplotlib), Jupyter Notebooks, Scikit-learn

Dezvoltarea și evaluarea tehnicilor de analiză a datelor în medii distribuite, cu procesare parțială la nivel edge și agregare în cloud. Developing and evaluating data analysis techniques in distributed environments with edge processing and cloud aggregation.

Acest proiect va analiza seturile de date publice supuse unor potențiale comportamente părtinitoare - cum ar fi cele bazate pe gen, etnie sau locație - și va crea vizualizări pentru a evidenția aceste probleme. Instrumentele utilizate vor include Python (Matplotlib, Altair) și R. Proiectul își propune să crească gradul de conștientizare și să propună recomandări pentru o colectare și utilizare mai etică a datelor. Instrumente recomandate: Python (Fairlearn, AIF360, Altair, Seaborn), R (ggplot2) This project will analyze public datasets for potential biases - such as those based on gender, ethnicity, or location - and create visualizations to highlight these issues. The tools used will include Python (Matplotlib, Altair) and R. The project aims to raise awareness and propose recommendations for more ethical data collection and use. Recommended Tools: Python (Fairlearn, AIF360, Altair, Seaborn), R (ggplot2)

Acest proiect implică proiectarea și implementarea unei aplicații interactive destinate elevilor pentru a îmbunătăți învățarea în Știință, Tehnologie, Inginerie, Arte și Matematică (STEAM). Aplicația va include module teoretice, simulări dinamice și chestionare pentru a consolida învățarea. O abordare multi-platformă care utilizează instrumente precum App Inventor, Android Studio sau Flutter va asigura funcționarea perfectă a aplicației atât pe dispozitivele Android, cât și pe cele iOS. Considerațiile etice includ asigurarea unui conținut adecvat vârstei, protejarea confidențialității datelor elevilor și evitarea prejudecăților algoritmice în recomandarea de conținut sau în funcțiile de învățare adaptivă. Instrumente recomandate: App Inventor, Android Studio, Flutter, Firebase (pentru backend), SQLite (pentru stocare offline) This project involves designing and implementing an interactive mobile application targeted at pre-university students to enhance learning in Science, Technology, Engineering, Arts, and Mathematics (STEAM). The application will include theoretical modules, dynamic simulations, and quizes to reinforce learning. A cross platform approach using tools like App Inventor, Android Studio or Flutter will ensure that the app functions seamlessly on both Android and iOS devices. Ethical considerations include ensuring age-appropriate content, protecting student data privacy, and avoiding algorithmic bias in content recommendation or adaptive learning features. Recommended Tools: App Inventor, Android Studio, Flutter, Firebase (for backend), SQLite (for offline storage)

Acest proiect implică crearea de dashboard-uri și interfețe vizuale care ajută actorii din educație să analizeze seturi mari de date legate de performanța cursanților, prezență și alți indicatori. Folosind biblioteci R sau Python, cum ar fi Plotly și Dash, studenții vor construi instrumente pentru a oferi perspective și informații utile. Se va pune un accent deosebit pe asigurarea anonimizării datelor și prevenirea utilizării abuzive a analizelor pentru a lua decizii părtinitoare sau nedrepte. Instrumente recomandate: R, Python (Pandas, Plotly, Dash), Tableau, Microsoft Power BI This project involves the creation of dashboards and visual interfaces that help educators analyze large datasets related to student performance, attendance, and other metrics. Using R or Python libraries such as Plotly and Dash, students will build tools to provide insights and actionable information. Special emphasis will be placed on ensuring data anonymization and preventing misuse of analytics to make biased or unfair decisions. Recommended Tools: R, Python (Pandas, Plotly, Dash), Tableau, Microsoft Power BI.

Se acceptă propuneri din partea studenților, potrivite cu domeniile mele de expertiză.

Design and implement a simple compiler able to translate high-level language into machine level code. Propose code optimisations that minimize program execution time, memory use, storage size, etc.

• Zero-Knowledge Proofs for securing medical application data • Post-quantum cryptography

Design and implement algorithms to • identify ransomware behaviours and prevent the encryption of critical files. • identify botnet activity within network traffic and distinguish legitimate user behaviour from malicious bot activities. • detect phishing attempts in real-time based on email content and user behaviour

Implement an application to detect manipulation of media (image/audio/video) files. Use stenographic techniques to detect hidden messages.

În acest proiect, studenții vor aplica tehnici de inteligență artificială explicabile, cum ar fi SHAP și LIME, pentru a oferi transparență în modelele de învățare automată utilizate pentru prezicerea rezultatelor cursanților. Scopul este de a construi încredere și înțelegere între educatori și cursanți cu privire la modul în care se formează recomandările de inteligență artificială. Considerațiile etice cheie includ corectitudinea, transparența și evitarea automatizării dăunătoare în evaluarea academică. Instrumente recomandate: Python (SHAP, LIME, Scikit learn), Streamlit pentru tablouri de bord In this project, students will apply explainable AI techniques such as SHAP and LIME to provide transparency in machine learning models used for predicting student outcomes. The goal is to build trust and understanding among educators and students about how AI recommendations are formed. Key ethical considerations include fairness, transparency, and avoidance of harmful automation in academic assessment. Recommended Tools: Python (SHAP, LIME, Scikit-learn), Streamlit for dashboards.

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei tehnice si seriilor de timp b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Inteligenta Artificiala, Algoritmi Instrumente: Java, Python,Elemente de Web Design, C#, C++, Utilizare GUI

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei tehnice si seriilor de timp b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Inteligenta Artificiala, Algoritmi Instrumente: Java, Python,Elemente de Web Design, C#, C++, Utilizare GUI

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei textului b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi de prelucrare a textului, Algoritmi de analiza a datelor Instrumente: Java, Knime/Weka

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei textului b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi de prelucrare a textului, Algoritmi de analiza a datelor Instrumente: Java, Knime/Weka

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei riscului b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi deanaliza a riscului, Algoritmi de analiza a optimizarii unui portofoliu de investitii, Inteligenta artificiala, Probabilitati si Statistica Instrumente: Java, Jess

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente analizei riscului b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi deanaliza a riscului, Algoritmi de analiza a optimizarii unui portofoliu de investitii, Inteligenta artificiala, Probabilitati si Statistica Instrumente: Java, Jess

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente inteligentei artificiale, optimizarii de portofolii b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi de determinare a drumului cel mai scurti, Algoritmi de analiza a optimizarii unui portofoliu de investitii, Inteligenta artificiala, Probabilitati si Statistica Instrumente: Java

Lucrarea trebuie sa cuprinda: a. Studiu teoretic al modelelor si metodelor aferente inteligentei artificiale, optimizarii de portofolii b. Descriere aplicatie. Teste. Comparatii. Deprinderi: Programare, Algoritmi de determinare a drumului cel mai scurti, Algoritmi de analiza a optimizarii unui portofoliu de investitii, Inteligenta artificiala, Probabilitati si Statistica Instrumente: Java

No description provided.

Tematici: Inteligenta artificiala, Text Mining, Machine learning, Optimizare, Trust, Reinforcement Learning

Lucrarea urmărește dezvoltarea unui model multi-agent în care agenții utilizează mecanisme de Theory of Mind pentru a anticipa intențiile și strategiile altor participanți la piață. Se vor analiza interacțiuni repetitive, comportamente cooperative/opportuniste și impactul memoriei asupra stabilității strategiilor. Direcții tehnice: Agent-Based Modeling modele cognitive ToM game theory și Axelrod strategies behavioral finance

Lucrarea investighează apariția comportamentelor colective și a strategiilor adaptive într-un mediu financiar simulat, utilizând agenți capabili de învățare prin recompensă și cooperare/competiție. Direcții tehnice: MARL (Multi-Agent Reinforcement Learning) emergent behavior volatility modeling adaptive agents

Lucrarea propune dezvoltarea unei arhitecturi cognitive pentru agenți financiari care combină Theory of Mind, modele dinamice de trust și reinforcement learning pentru simularea realistă a comportamentului investitorilor. Direcții de cercetare: recursive belief modeling trust-aware decision systems strategic reasoning financial MAS

Lucrarea propune utilizarea agenților bazați pe Large Language Models pentru simularea comportamentului investitorilor și a reacțiilor la informații financiare, știri și evenimente geopolitice. Direcții : LLM agents agentic AI reasoning systems market simulation behavioral forecasting

Studii teoretice asupra functiilor submodulare. Implementarea algoritmilor greedy de acoperire. Aplicarea pe probleme de acoperire a nodurilor importante intr-un graf. Analiza performantei pe instante reale si generate.

Studii teoretice asupra functiilor submodulare. Implementarea algoritmilor greedy de acoperire. Aplicarea pe probleme de acoperire a nodurilor importante intr-un graf. Analiza performantei pe instante reale si generate.

Definirea unei probleme de acoperire combinatorica (Set Cover, Vertex Cover). Implementarea unui algoritm evolutiv simplu (GA). Compararea performantei cu metode deterministe. Vizualizarea progresului optimizarii in functie de generatii.

Definirea unei probleme de acoperire combinatorica (Set Cover, Vertex Cover). Implementarea unui algoritm evolutiv simplu (GA). Compararea performantei cu metode deterministe. Vizualizarea progresului optimizarii in functie de generatii.

Construirea unei retele de legaturi intre site-uri (web crawl simplu sau surse date). Aplicarea algoritmului PageRank si interpretarea rezultatelor. Compararea cu alte masuri de centralitate (grad, intermediere). Vizualizarea retelei si pozitionarea site-urilor influente.

Construirea unei retele de legaturi intre site-uri (web crawl simplu sau surse date). Aplicarea algoritmului PageRank si interpretarea rezultatelor. Compararea cu alte masuri de centralitate (grad, intermediere). Vizualizarea retelei si pozitionarea site-urilor influente.

Proiectarea unei aplicatii interactive pentru elevi/studenti. Implementarea calculului centralitatilor in timp real (ex: cu NetworkX). Interfata vizuala pentru comparatii intre noduri si masuri. Testarea aplicatiei pe grafuri reale si generate.

Proiectarea unei aplicatii interactive pentru elevi/studenti. Implementarea calculului centralitatilor in timp real (ex: cu NetworkX). Interfata vizuala pentru comparatii intre noduri si masuri. Testarea aplicatiei pe grafuri reale si generate.

No description provided.

Modelarea unei retele de transport (reala sau simulata) ca graf orientat/ponderat. Calcularea masurilor de centralitate si corelarea cu eficienta nodurilor. Analiza vulnerabilitatii retelei la esecuri de noduri centrale. Vizualizarea si simularea rutelor optime bazate pe centralitate.

Modelarea unei retele de transport (reala sau simulata) ca graf orientat/ponderat. Calcularea masurilor de centralitate si corelarea cu eficienta nodurilor. Analiza vulnerabilitatii retelei la esecuri de noduri centrale. Vizualizarea si simularea rutelor optime bazate pe centralitate.

Modelarea conversatiilor ca grafuri cu noduri (stari) si arce (tranzitii). Utilizarea centralitatii pentru a prioritiza raspunsuri sau topici. Implementarea chatbotului si simularea dialogului educational. Testarea performantei pe scenarii de invatare.

Modelarea conversatiilor ca grafuri cu noduri (stari) si arce (tranzitii). Utilizarea centralitatii pentru a prioritiza raspunsuri sau topici. Implementarea chatbotului si simularea dialogului educational. Testarea performantei pe scenarii de invatare.

Obtinerea unei retele de citari (ex: academica, DBLP, Google Scholar). Calculul centralitatii si identificarea lucrarilor influente. Compararea autorilor in functie de pozitia in retea. Prezentarea evolutiei in timp a influentei bibliografice.

Obtinerea unei retele de citari (ex: academica, DBLP, Google Scholar). Calculul centralitatii si identificarea lucrarilor influente. Compararea autorilor in functie de pozitia in retea. Prezentarea evolutiei in timp a influentei bibliografice.

Studierea filtrarii morfologice si a dilatarii. Implementarea unei metode de filtrare dilatata pe imagini binare sau grayscale. Aplicarea in clarificarea contururilor (ex: radiografii, text scanat). Compararea rezultatelor cu alte metode clasice.

Studierea filtrarii morfologice si a dilatarii. Implementarea unei metode de filtrare dilatata pe imagini binare sau grayscale. Aplicarea in clarificarea contururilor (ex: radiografii, text scanat). Compararea rezultatelor cu alte metode clasice.

Construirea unei retele de co-aparitie intre termeni in text. Calculul centralitatilor pentru noduri (termeni). Identificarea termenilor centrali in functie de contextul semantic. Vizualizarea retelei si evidentierea nodurilor cheie.

Studierea operatiilor morfologice: dilatare, eroziune, deschidere, inchidere. Aplicarea tehnicilor pe imagini scanate de documente pentru imbunatatire. Evaluarea claritatii textului si reducerea zgomotului. Crearea unei interfete de testare pentru fisiere imagine.

Studierea operatiilor morfologice: dilatare, eroziune, deschidere, inchidere. Aplicarea tehnicilor pe imagini scanate de documente pentru imbunatatire. Evaluarea claritatii textului si reducerea zgomotului. Crearea unei interfete de testare pentru fisiere imagine.

TBD

No description provided.

- sistemul trebuie sa promoveze muzica negenerata de AI

Construirea unei retele film-utilizator cu arce ponderate. Calculul similaritatii intre noduri (filme) pe baza metricilor de retea. Recomandarea personalizata de continut in functie de vecinatate/topologie. Evaluarea preciziei recomandarilor pe seturi de test.

Construirea unei retele film-utilizator cu arce ponderate. Calculul similaritatii intre noduri (filme) pe baza metricilor de retea. Recomandarea personalizata de continut in functie de vecinatate/topologie. Evaluarea preciziei recomandarilor pe seturi de test.

În acest proiect, studenții vor aplica tehnici de inteligență artificială explicabile, cum ar fi SHAP și LIME, pentru a oferi transparență în modelele de învățare automată utilizate pentru evaluarea rezultatelor cursanților. Scopul este de a construi încredere și înțelegere între educatori și cursanți cu privire la modul în care se formează recomandările de inteligență artificială. Considerațiile etice cheie includ corectitudinea, transparența și evitarea automatizării dăunătoare în evaluarea academică. Instrumente recomandate: Python (SHAP, LIME, Scikit learn), Streamlit pentru tablouri de bord.

Integrarea unui asistent vocal (ex: Raspberry Pi + microfon) cu funcții de monitorizare (medicamente, activitate fizică, semne vitale), folosind NLP și notificări personalizate.

Integrarea unui asistent vocal (ex: Raspberry Pi + microfon) cu funcții de monitorizare (medicamente, activitate fizică, semne vitale), folosind NLP și notificări personalizate.

Sistem bazat pe senzori de temperatură, umiditate, lumină și CO₂, conectat la o interfață web pentru controlul automatizat al climatului. Opțional: integrare cu AI pentru recomandări privind irigarea.

Sistem bazat pe senzori de temperatură, umiditate, lumină și CO₂, conectat la o interfață web pentru controlul automatizat al climatului. Opțional: integrare cu AI pentru recomandări privind irigarea.

Dezvoltarea unei rețele de senzori distribuiți (temperatură, fum, presiune atmosferică) și transmiterea alertelor în cloud, cu vizualizare pe hartă și predicții bazate pe învățare automată.

Dezvoltarea unei rețele de senzori distribuiți (temperatură, fum, presiune atmosferică) și transmiterea alertelor în cloud, cu vizualizare pe hartă și predicții bazate pe învățare automată.

Proiectarea unui sistem de tip edge/cloud care colectează și analizează semne vitale (ritm cardiac, SpO2, temperatură) cu alerte în timp real. Se pot integra algoritmi de predicție pentru detecția timpurie a episoadelor critice.

Proiectarea unui sistem de tip edge/cloud care colectează și analizează semne vitale (ritm cardiac, SpO2, temperatură) cu alerte în timp real. Se pot integra algoritmi de predicție pentru detecția timpurie a episoadelor critice.

Dezvoltarea unui sistem inteligent capabil să recunoască activitățile persoanelor din cadrul unui mediu ambiental. Sistemul va colecta date de la mai mulți senzori ambientali pentru a analiza comportamentul / rutina zilnică a utilizatorului. Scopul sistemului este de a detecta potențiale probleme / tulburări în comportamentul utilizatorului sau tipare de viață nesănătoase și de a anunța automat utilizatorul sau personalul medical.

Dezvoltarea unui sistem inteligent capabil să recunoască activitățile persoanelor din cadrul unui mediu ambiental. Sistemul va colecta date de la mai mulți senzori ambientali pentru a analiza comportamentul / rutina zilnică a utilizatorului. Scopul sistemului este de a detecta potențiale probleme / tulburări în comportamentul utilizatorului sau tipare de viață nesănătoase și de a anunța automat utilizatorul sau personalul medical.

Utilizarea de senzori, camere video și agenți inteligenți pentru optimizarea semafoarelor și redirecționarea traficului pe baza fluxurilor reale. Se poate implementa un simulator urban pentru testare.

Utilizarea de senzori, camere video și agenți inteligenți pentru optimizarea semafoarelor și redirecționarea traficului pe baza fluxurilor reale. Se poate implementa un simulator urban pentru testare.

Temă propusă de student

Temă propusă de student

Proiectarea unui prototip bazat pe modele de limbaj de tip GPT/BioGPT/BERT-medical pentru a analiza simptomele introduse de pacienți și a oferi sugestii privind posibile diagnostice sau nivelul de urgență. Sistemul poate fi antrenat pe date anonimizate și validat cu cazuri clinice reale.

Proiectarea unui prototip bazat pe modele de limbaj de tip GPT/BioGPT/BERT-medical pentru a analiza simptomele introduse de pacienți și a oferi sugestii privind posibile diagnostice sau nivelul de urgență. Sistemul poate fi antrenat pe date anonimizate și validat cu cazuri clinice reale.

Objectives: - Design a mobile robotic system for inspection tasks, - Implement autonomous navigation using LiDAR/camera sensors - Apply SLAM techniques for mapping and localization - Simulate inspection scenarios in a virtual environment - (Optional) Model and analyze environmental risk factors

Objectives: - Implement basic obstacle avoidance strategies - Explore multi-drone coordination or swarm behavior - Investigate optimization techniques for path planning - Evaluate the performance of the system in terms of stability, accuracy, and reliability

Objectives: - Design and develop an immersive VR interface for controlling autonomous systems - Implement real-time communication between the VR environment and the drone/robot platform - Enable intuitive teleoperation of a drone and/or mobile robot using VR controls - Integrate sensor data (e.g., position, orientation, distance) for real-time feedback in the VR interface - Simulate and/or test the system in a controlled virtual or real-world environment - Evaluate the usability and performance of the system in terms of responsiveness, accuracy, and user interaction

This thesis focuses on the modernization of an existing web platform for managing information about translators. The original platform, implemented in Java using a WildFly application server and a MySQL database, was previously publicly available, but it is currently unavailable due to infrastructure-related problems. The objective of the thesis is to redesign and reimplement the platform using modern web technologies, restore its public availability, and extend the administrative module. The resulting system should support two categories of users: regular users, who can browse and search translator-related information, and administrators, who can manage the platform content and maintain translator records. Information regarding the platform: Badea, Georgiana & Punga, Loredana & Micota, Flavia. (2019). The ITRO/ROHIST Project: Digitalizing Romanian History and Histriography of Translation itro.info.uvt.ro. Translationes. 11. 42-57. 10.2478/tran-2019-0001.

The aim of this thesis is to investigate whether Genetic Programming can be used to derive interpretable dispatching rules that approximate the behavior of high-performing metaheuristics, such as Simulated Annealing, in a static scheduling environment. While metaheuristics often obtain better solutions than manually designed or automatically evolved dispatching rules, they are usually less interpretable and more computationally expensive. The thesis will explore whether the decisions produced by a fine-tuned metaheuristic can be analyzed and partially reproduced by GP-evolved priority functions. A particular focus will be placed on identifying the terminals and operators that contribute most to reproducing the scheduling behavior of the metaheuristic. Bibliography: Yi Mei, Qi Chen, Andrew Lensen, Bing Xue, and Mengjie Zhang. 2023. Explainable Artificial Intelligence by Genetic Programming: A Survey. Trans. Evol. Comp 27, 3 (June 2023), 621–641. https://doi.org/10.1109/TEVC.2022.3225509 Octavian Maghiar, Adrian Copie, Teodora Selea, Mircea Marin, Flavia Micota, Daniela Zaharie, and Ionuț Țepeneu. 2024. Behaviour Analysis of Trajectory and Population-Based Metaheuristics on Flexible Assembly Scheduling. In Metaheuristics: 15th International Conference, MIC 2024, Lorient, France, June 4–7, 2024, Proceedings, Part II. Springer-Verlag, Berlin, Heidelberg, 80–95. https://doi.org/10.1007/978-3-031-62922-8_6

The aim is to investigates whether Large Language Models can be used to simplify dispatching rule expressions evolved by Genetic Programming for dynamic flexible scheduling. The goal is to reduce rule size and improve interpretability while preserving the scheduling behavior and performance of the original expressions. An example of comparative study could be: the LLM-based simplification is compared with classical algebraic simplification methods and evaluated in terms of expression size, behavioral equivalence, and scheduling performance. Bibliography: S. Panda and Y. Mei, "Genetic Programming with Algebraic Simplification for Dynamic Job Shop Scheduling," 2021 IEEE Congress on Evolutionary Computation (CEC), Kraków, Poland, 2021, pp. 1848-1855, doi: 10.1109/CEC45853.2021.9505010. Jin Huang and Xinyu Li and Liang Gao and Qihao Liu and Yue Teng, Automatic programming via large language models with population self-evolution for dynamic job shop scheduling problem, 2024 ogdan Burlacu, Lukas Kammerer, Michael Affenzeller, and Gabriel Kronberger. 2021. Hash-Based Tree Similarity and Simplification in Genetic Programming for Symbolic Regression. arXiv:2107.10640. Paula Maddigan and Andrew Lensen and Bing Xue, Explaining Genetic Programming Trees using Large Language Models2024, https://arxiv.org/abs/2403.03397} Chen H, Qi R. LLM-Assisted Semantic Pruning for Genetic Programming-Based Alpha Factor Discovery. Applied Sciences. 2026; 16(12):6231. https://doi.org/10.3390/app16126231

Compararea de mai multi algoritmi de ML pentru identificarea de tumori. Bibliografie: Man Wang, Fei Yu, Yuan Zhang, Current status and prospects of artificial intelligence in liver cancer management, Intelligent Oncology, Volume 1, Issue 3, 2025, Pages 216-232, ISSN 2950-2616, https://doi.org/10.1016/j.intonc.2025.06.003.

Compararea de mai multi algoritmi de ML pentru identificarea de tumori. Bibliografie: Man Wang, Fei Yu, Yuan Zhang, Current status and prospects of artificial intelligence in liver cancer management, Intelligent Oncology, Volume 1, Issue 3, 2025, Pages 216-232, ISSN 2950-2616, https://doi.org/10.1016/j.intonc.2025.06.003.

comparing every part of the pipeline, traditional vs agentic RAG