Piotr Adamski

Inżynier Danych / Data Scientist

Łączę wieloletnie doświadczenie w lotnictwie z inżynierią danych i uczeniem maszynowym.

Kim jestem

O mnie

Przygodę z lotnictwem zacząłem w wieku 12 lat, kiedy własnoręcznie zbudowałem rzutkę z balsy. Zafascynowało mnie to, jak bezszelestnie przecinała powietrze. To było pierwsze z wielu moich hobby, ale to jedno zaprowadziło mnie na Politechnikę Warszawską, na specjalność sterowanie ruchem lotniczym, a później do pierwszej pracy w lotnictwie.

Po drodze znajomi coraz częściej prosili mnie o pomoc z telefonami i komputerami, które im nie działały. Szybko okazało się, że mam do tego lekką smykałkę. Postanowiłem połączyć obie ścieżki: lotnictwo z komputerami.

Dziś w LOT Polish Airlines buduję narzędzia i dashboardy analityczne w Azure Databricks i szukam wzorców w danych rozkładowych. Na studiach magisterskich z Analizy danych Big Data na SGH rozwijam to dalej, w stronę uczenia maszynowego i inżynierii danych.

Pasje

Hobbystycznie zgłębiam uczenie maszynowe, interesuję się lotnictwem i na bieżąco śledzę Formułę 1.

Jako odskocznia od komputera:

Rower szosowy, rekreacyjnie
Gitara elektryczna (wcześniej akustyczna)
Bouldering

Kariera

Doświadczenie zawodowe

2025 – obecnie

Warszawa

Młodszy specjalista ds. rozkładów

LOT Polish Airlines

Rozwój i automatyzacja zaawansowanych raportów rozkładowych i slotowych w środowisku Databricks, przetwarzanie oraz eksploracja danych.
Budowa aplikacji i dashboardów do dokładniejszej analizy aktualnych slotów oraz dostępności slotów na lotniskach zewnętrznych, ułatwiających ich pozyskiwanie i skuteczną alokację posiadanych zasobów.
Optymalizacja rozkładów linii lotniczej pod względem handlowym oraz technicznym.
Synchronizacja rozkładów lotów w systemach GDS (Amadeus, NetLine/Sched oraz Sched Connect).
Koordynacja alokacji slotów lotniskowych potrzebnych do wykonywania rejsów rozkładowych.

2024 – 2025

Piaseczno

Spedytor lotniczy

Logwin

Koordynacja procesów logistycznych transportu lotniczego cargo.
Analiza danych logistycznych w celu identyfikacji zdolności optymalizacyjnej procesów i redukcji kosztów.
Współpraca z liniami lotniczymi, agentami i klientami w celu zapewnienia terminowości i jakości obsługi.

2024

Warszawa

Praktykant w dziale Analiz Operacji Technicznych i Rozwoju Lotniska

Polskie Porty Lotnicze (PPL)

Analiza czasu obsługi pasażerów na poszczególnych etapach podróży lotniskowej oraz wdrażanie strategii skracania czasu oczekiwania.
Identyfikacja czynników ryzyka rozwoju lotniska.
Modernizacja bazy danych operacyjnych w celu zapewnienia ich aktualności i spójności.

Nauka

Edukacja

2025 – 2027

Analiza danych Big Data

Szkoła Główna Handlowa w Warszawie

Studia magisterskie

2021 – 2025

Inżynier Transportu

Politechnika Warszawska

Specjalność: Sterowanie Ruchem Lotniczym

Portfolio

Wybrane projekty

Predykcja napływu pasażerów na lotnisko

R² = 0,96

praca inżynierska, ocena 5,0

Predykcja napływu pasażerów na lotnisko na podstawie danych z katowickiego lotniska, z wykorzystaniem cech czasowo-geograficznych i modeli regresji (Linear Regression, Random Forest, Decision Tree). Końcowy model (Decision Tree z GridSearchCV) osiągnął R²=0,96, redukując błąd MAE o ok. 44% względem modelu bazowego.

Python · pandas · scikit-learn · GridSearchCV · Decision Tree · Random Forest

Zobacz szczegóły →

NOTAM & SSIM Flight Impact Analyzer

projekt własny

Aplikacja webowa automatycznie dopasowująca komunikaty NOTAM do konkretnych lotów na podstawie rozkładu, trasy i logiki filtrowania czasowo-lokalizacyjnego. Dekoduje rozkłady IATA SSIM (Chapter 7) i NOTAM-y ICAO, dopasowuje je przestrzennie (origin/destination/FIR) i czasowo (okres ważności, dni operowania), a wynik ocenia w skali istotności (Critical/High/Medium/Low).

Python · FastAPI · Regex/parsing · JavaScript · HTML/CSS

Zobacz szczegóły →

F1 Analysis Platform

projekt własny

Platforma do analizy danych Formuły 1: pipeline pobierający dane historyczne i na żywo z OpenF1 API (sesje, okrążenia, kierowcy, pit-stopy, pogoda, race control) i zapisujący je do MongoDB, live dashboard odświeżający dane co 5 sekund podczas sesji, oraz notebook z feature engineeringiem i modelami ML (Random Forest, Gradient Boosting).

Python · MongoDB · Flask · REST API · scikit-learn · Jupyter

Zobacz szczegóły →