e-Sekretariat KIiA

Tematy prac dyplomowych na rok akademicki 2025/2026

Lp.	Prowadzący	Temat	Kierunki	Zarezerwowane
1	dr inż. Tomasz RAK	AI-First Engineering w tworzeniu produkcyjnie gotowych aplikacji webowych Celem pracy jest opracowanie i eksperymentalna ocena metodyki AI-First Engineering wspierającej wytwarzanie aplikacji webowej od etapu koncepcji do wdrożenia produkcyjnego. Zakres pracy zostanie celowo ograniczony do jednej aplikacji referencyjnej, dla której zostaną zdefiniowane zasady zarządzania kontekstem projektowym, wykorzystania agentów AI, quality gates, testowania, skanowania bezpieczeństwa oraz automatyzacji dostarczania. Część badawcza obejmie porównanie procesu sformalizowanego z pracą prowadzoną ad hoc z użyciem mierzalnych kryteriów, takich jak jakość kodu, spójność architektury, liczba błędów, podatności bezpieczeństwa, czas realizacji zadań i powtarzalność rezultatów. Praca dotyczy zaprojektowania, implementacji i oceny ustrukturyzowanego procesu wytwarzania aplikacji webowych, w którym sztuczna inteligencja pełni rolę aktywnego uczestnika procesu inżynierskiego, a nie jedynie narzędzia do generowania fragmentów kodu.	EA-DU, EF-DU	NIE
2	dr inż. Tomasz RAK	Porównanie podejścia imperatywnego i funkcyjnego w aplikacji full-stack TypeScript na przykładzie wybranego stosu technologicznego Celem pracy jest zaprojektowanie i implementacja aplikacji full-stack w języku TypeScript w dwóch wariantach: imperatywnym i funkcyjnym, przy zachowaniu tego samego zakresu funkcjonalnego i jednego wybranego stosu technologicznego (MERN, MEVN, PERN, MEAN). W pracy zostaną wykorzystane m.in. niemutowalność, kompozycja funkcji, silne typowanie oraz kontrolowana walidacja danych wejściowych i wyjściowych. Ewaluacja obejmie porównanie obu podejść pod względem testowalności, złożoności kodu, podatności na błędy, czytelności oraz utrzymywalności z użyciem mierzalnych wskaźników i analizy jakościowej. Projekt obejmie warstwę domenową modelowaną przy użyciu typów algebraicznych oraz walidację I/O z io-ts/zod. Na FE zastosowane zostaną komponenty funkcyjne, hooki oraz stan oparty o reduktory i/pod lub bibliotekę fp-ts. BE otrzyma funkcjonalną obsługę efektów (fp-ts/Effect), kontrolę błędów i transakcje logiczne.	EA-DU, EF-DU	NIE
3	dr inż. Tomasz RAK	Projekt i ewaluacja workflow wspomagającego wytwarzanie aplikacji webowych z wykorzystaniem narzędzi AI Celem pracy jest opracowanie i ocena sformalizowanego workflow wykorzystania narzędzi AI w wybranych etapach wytwarzania aplikacji webowej, takich jak analiza wymagań, implementacja, refaktoryzacja, testowanie i kontrola jakości. Wynikiem pracy ma być konkretny artefakt metodyczny, obejmujący procedurę działania, zestaw reguł użycia, quality gates oraz repozytorium referencyjne ilustrujące zastosowanie workflow. Ewaluacja zostanie przeprowadzona na podstawie jakości wytworzonych artefaktów, powtarzalności wyników, liczby wykrytych błędów oraz efektywności realizacji zadań. Workflow ma obejmować pełny cykl życia projektu: od analizy wymagań i generowania kodu, przez integrację z narzędziami zewnętrznymi, testowanie i kontrolę jakości, aż po wdrożenie produkcyjne, monitorowanie oraz wsparcie diagnostyczne.	EA-DU, EF-DU	NIE
4	dr inż. Tomasz RAK	Segmentacja i analiza zachowań użytkowników aplikacji webowej na podstawie logów z wykorzystaniem metod uczenia maszynowego Celem pracy jest opracowanie i ocena metod segmentacji zachowań użytkowników aplikacji webowej na podstawie danych logowych pochodzących z rzeczywistego lub symulowanego systemu transakcyjnego. Praca obejmie przygotowanie zbioru danych, ekstrakcję cech opisujących sesje, sekwencje działań i intensywność interakcji oraz zastosowanie wybranych metod uczenia nienadzorowanego lub półnadzorowanego. Wyniki zostaną ocenione pod kątem jakości wydzielonych segmentów, ich stabilności, interpretowalności oraz przydatności do analizy wzorców użycia systemu. Zastosowania różnych technik AI, w tym algorytmów uczenia maszynowego, do analizy danych logów w celu identyfikacji anomalii, trendów i zachowań użytkowników. Na podstawie: https://doi.org/10.3390/s23042274 https://doi.org/10.3390/app12126115 https://doi.org/10.3390/electronics12214408	EA-DU, EF-DU	NIE
5	dr inż. Tomasz RAK	Wpływ microcachingu i request coalescing na wydajność konteneryzowanego API REST w środowisku kontenerowym oraz ich porównanie ze skalowaniem horyzontalnym Celem pracy jest zaprojektowanie i implementacja konteneryzowanego API REST oraz eksperymentalna ocena wpływu microcachingu i mechanizmu koalescencji żądań w warstwie reverse proxy/cache na wydajność systemu. Badania zostaną przeprowadzone w jednym, jasno określonym środowisku orkiestracji, tj. Swarm/Kubernetes, z wykorzystaniem powtarzalnego stanowiska testowego i scenariuszy obciążeniowych dla endpointów o zróżnicowanym koszcie obsługi. Ocenie podlegać będą opóźnienia ogonowe (p95, p99, p99.9), przepustowość, zużycie zasobów oraz efektywność mechanizmów cache w porównaniu z podejściem opartym wyłącznie na zwiększaniu liczby replik aplikacji. Jest to rozszerzenie istniejącej pracy "Doker jako platforma do przygotowania i wdrożenia systemu webowego" M. Wrona.	EA-DU, EF-DU	NIE
6	dr inż. Tomasz RAK	Wykrywanie anomalii w logach systemu webowego z wykorzystaniem klasyfikatorów jednoklasowych Celem pracy jest opracowanie i porównanie metod wykrywania anomalii w logach systemu webowego generowanych podczas kontrolowanego obciążania aplikacji API. Praca obejmie przygotowanie środowiska eksperymentalnego, rejestrację danych logowych, ekstrakcję cech oraz implementację i ocenę wybranych metod jednoklasowych służących do detekcji odstępstw od normalnego działania systemu. Skuteczność rozwiązań zostanie oceniona na podstawie jakości detekcji, liczby fałszywych alarmów, odporności na zmienność obciążenia oraz możliwości interpretacji wyników.	EA-DU, EF-DU	NIE
7	dr inż. Tomasz RAK	Wykrywanie nadużyć API i ruchu scrapingowego z wykorzystaniem klasyfikacji uczenia maszynowego Celem pracy jest zaprojektowanie, implementacja i ocena modułu wykrywania nadużyć API, w szczególności ruchu scrapingowego, na podstawie telemetrii żądań HTTP oraz wybranych metryk wykonaniowych. Praca obejmie budowę pipeline’u danych, ekstrakcję cech, trenowanie modeli klasyfikacyjnych oraz porównanie ich z baseline’em regułowym. Istotnym elementem będzie implementacja serwisu decyzyjnego realizującego zdefiniowane klasy reakcji, np. allow, throttle, challenge i block, oraz ocena rozwiązania pod kątem skuteczności ochrony, opóźnienia decyzji i wpływu na legalny ruch. W ramach pracy zostanie zbudowany pipeline danych obejmujący np.: rejestrację i normalizację logów, ekstrakcję cech, trening oraz ewaluację modeli klasyfikacyjnych (z baseline opartym o reguły), a także wdrożenie serwisu decyzyjnego „Guard” udostępniającego API predykcji. (na podstawie wcześniejszych prac i publikacji). Na podstawie pracy "Badanie logów z wykorzystaniem analizy danych" M. Skali.	EA-DU, EF-DU	NIE