Kandidat: Domen Baumgartner

Naslov diplomskega dela: Ogrodje RAG za parametrično modeliranje v naravnem jeziku

Povzetek:

Parametrično modeliranje v okolju Grasshopper zahteva poznavanje programiranja,
kar predstavlja težavo mnogim arhitektom in oblikovalcem. V diplomskem
delu smo razvili sistem, ki z uporabo velikih jezikovnih modelov
omogoča generiranje GHPython kode iz opisov v naravnem jeziku.
Sistem smo implementirali kot spletno aplikacijo z uporabo ogrodja FastAPI
in knjižnice Streamlit. Za izboljšanje rezultatov smo uporabili tehniko
RAG z bazo znanja, ki vsebuje dokumentacijo knjižnice RhinoCommon.
Vrednotenje na treh jezikovnih modelih (Gemini 2.5 Flash, GPT-5.2,
Claude Sonnet 4.5) je pokazalo, da sistem uspešno generira kodo za osnovne
in srednje zahtevne geometrijske oblike. Baza znanja je bistveno izboljšala
rezultate pri kompleksnejših nalogah.

Mentor: doc. dr. Jure Žabkar

Kandidatka: Mateja Čerina

Naslov diplomskega dela: Ocena napredovanja Parkinsonove bolezni iz videoposnetkov testa tapkanja s prsti z uporabo Gaussovih procesov

Povzetek:

Parkinsonova bolezen je druga najpogostejša degeneratvina bolezen. Je neozdravljiva, vendar se ob zgodnjem odkritju napredovanje lahko upočasni. Pogosto se zgodi, da se znaki bolezni zgodaj opazijo s strani družinskih zdravnikov, vendar zaradi dolgih čakalnih vrst za nevrologa, diagnoza in posledično zdravljenje, pridejo nekoliko kasneje. Krajšanju čakalnih vrst bi lahko pripomogla avtomatizacija napovedovanja stopnje bolezni, kar je motivacija za nastanek te naloge. Eden izmed načinov ocenjevanja stopnje prizadetosti je uporaba testa tapkanja s prsti, ki je del lestvice MDS-UPDRS. V sklopu naloge smo uporabili video posnetke, kjer pacienti izvajajo test tapkanja. Ti so bili ocenjeni s strani zdravnika od 0 do 4 z uporabo kriterijev, ki jih določa lestvica. Za zaznavo roke smo uporabili orodje MMPose ter iz pridobljenih ključnih točk izdelali značilke. Klasifikacijo smo izvedli z uporabo Gaussovih procesov, pri čemer smo primerjali učinkovitost različnih kovariančnih funkcij oziroma jeder. Najboljši rezultat smo dosegli z uporabo jedra Matern 3/2, kjer je model dosegel 66% točnost in 0,66 F1 vrednost.

Mentor: doc. dr. Jure Žabkar

Komisija za zagovor:

doc. dr. Alenka Kavčič (predsednica),

doc. dr. Jure Žabkar (mentor),

doc. dr. Uroš Čibej (član).

Prostor: Predavalnica 18