马特 (Mateusz Kędzia)

硕士论文：合成时空网约车交通知识图谱 (进行中) (2024.07-2025.03)
阿姆斯特丹自由大学 & 北京工业大学
Background: 城市交通研究需要先进的时空数据建模和分类方法。
Task: 开发和评估大规模时空知识图谱生成和轨迹分类算法。
Action: 基于GAN、LSTM-AE和SSVM设计和实现模型，进行全面基准测试。
Result: 推进城市交通数据分析前沿研究，为学术论文做出贡献。
Reflection: 深化了时空建模专业能力，增强了解决开放性研究问题的能力。

HedgeIoT: 物联网数据科学平台与机器学习工程 (2024.07-2024.09)
阿姆斯特丹自由大学
Background: 大学需要可扩展的协作物联网和机器学习研究平台。
Task: 作为研究助理，负责平台设计和部署，实施实时数据工作流。
Action: 构建和部署支持50+用户的Docker化JupyterHub平台，设计实时数据收集和机器学习管道，主导会议演示开发。
Result: 平台实现高效协作和实时数据分析，在HedgeIoT会议展示，支持50+研究人员。
Reflection: 增强了大规模系统设计、跨团队沟通和实用机器学习部署能力。

荷兰新闻档案网络爬虫 (2022.02-2025.03)
阿姆斯特丹大学
Background: 大规模研究需要高完整性新闻数据集。
Task: 开发高效网络爬虫进行自动化数据提取和结构化。
Action: 实施反屏蔽和相关性过滤算法，自动处理超过100万篇新闻文章。
Result: 实现99%数据完整性，为研究提供可靠数据集。
Reflection: 增强了自动化、数据质量保证和大规模数据工程能力。

学士论文：异构物联网数据的可解释AI处理
阿姆斯特丹自由大学
Background: 整合多源物联网数据需要透明、可互操作和可解释的AI解决方案。
Task: 设计可解释模型和数据管道来统一异构物联网数据。
Action: 开发设备行为预测模型，基于RDF和SPARQL实施数据集成，确保模型可解释性。
Result: 交付稳健的物联网数据集成和预测系统，获得8.0分，展示了可解释AI和语义数据集成的实用价值。
Reflection: 加强了语义数据集成、时间序列预测和AI透明性基础。