Kierownicy zespołów

prof. dr hab. inż. Jerzy Stefanowski

uczenie nadzorowane, eksploracja strumieni danych, wyjaśnianie modeli uczenia maszynowego, klasyfikacja niezbalansowanych danych, miary oceny modeli predykcyjnych

prof. dr hab. inż. Krzysztof Krawiec

widzenie komputerowe, synteza programów, uczenie maszynowe, systemy neurosymboliczne, obliczenia ewolucyjne, obrazowanie medyczne

dr hab. inż. Maciej Komosiński, prof. PP

optymalizacja, algorytmy ewolucyjne, symulacja, sztuczne życie, ewolucja, złożone systemy adaptacyjne, systemy wieloagentowe, uczenie maszynowe, gry

dr hab. inż. Szymon Szczęsny, prof. PP

neurocybernetyka, impulsujące sieci neuronowe, obliczenia neuromorficzne, układy scalone, systemy brzegowe, robotyka miękka

Pracownicy

dr hab. inż. Dariusz Brzeziński, prof. PP

uczenie maszynowe, miary oceny klasyfikatorów, niezbalansowane dane, strumienie danych, dane zmienne w czasie, klasyfikatory złożone, krystalografia, bioinformatyka

dr hab. inż. Krzysztof Dembczyński

dr hab. inż. Tomasz Pawlak

optymalizacja, programowanie liniowe, eksploracja procesów, synteza modeli obliczeniowych z danych, odkrywanie modeli procesów z danych, synteza programów z danych, algorytmy ewolucyjne, programowanie genetyczne

dr hab. inż. Robert Susmaga

dr hab. inż. Izabela Szczęch

uczenie maszynowe, miary oceny reguł, miary oceny klasyfikatorów, właściwości miar oceny i ich wizualizacja

dr hab. inż. Wojciech Kotłowski, prof. PP

teoria uczenia maszynowego, uczenie przyrostowe, uczenie się preferencji, ewaluacja metod uczących

dr inż. Iwo Błądek

synteza programów, programowanie genetyczne, weryfikacja formalna

dr inż. Marek Kropidłowski

neurocybernetyka, akceleracja sprzętowa, systemy brzegowe, projektowanie układów scalonych, FPGA

dr inż. Mateusz Lango

przetwarzanie języka naturalnego, wyjaśnialne metody uczenia głębokiego

dr inż. Michał Melosik

dr inż. Mariusz Naumowicz

dr inż. Maciej Piernik

dr inż. Jędrzej Potoniec

uczenie i wnioskowanie neuronowo-symboliczne, uczenie się złożonych struktur, grafy wiedzy, sieć semantyczna, odkrywanie procesów biznesowych

dr inż. Andrzej Szwabe

zorientowane optymalizacyjnie (funkcyjne) prognozowanie Kluczowych Wskaźników Efektywności zredukowane do regresji, optymalizacja (w tym kalibracja) predykcyjnych wskaźników ufności modeli LLM dla predykcji selektywnej

mgr inż. Jakub Bednarek

neurosymboliczna synteza programów, modele generatywne, wizyjne, rozumienie sceny, wnioskowanie przez analogie i abstrakcje

mgr inż. Damian Huderek

mgr inż. Paweł Marczewski

uczenie maszynowe, uczenie ze wzmocnieniem, systemy brzegowe, widzenie komputerowe, FPGA

mgr inż. Konrad Miazga

algorytmy ewolucyjne, metaheurystyczne algorytmy optymalizacji, sztuczne życie

mgr inż. Sebastian Szczepaniak

uczenie maszynowe, szeregi czasowe, impulsujące sieci neuronowe, przetwarzanie języka naturalnego, generatywna sztuczna inteligencja

mgr inż. Marek Wydmuch

uczenie maszynowe, klasyfikacja wieloetykietowa i ekstremalna, uczenie ze wzmocnieniem, duże modele językowe

mgr inż. Piotr Wyrwiński

systemy neurosymboliczne, synteza programów, uczenie maszynowe, widzenie komputerowe, wyjaśnialna sztuczna inteligencja

Doktoranci

mgr inż. Max Adamski

uczenie maszynowe, uczenie ze wzmocnieniem, metody uczące się reprezentacji, systemy neurosymboliczne

mgr inż. Kacper Dobek

uczenie maszynowe, widzenie komputerowe, systemy neurosymboliczne

mgr inż. Zuzanna Gawrysiak

uczenie maszynowe, widzenie komputerowe, systemy neurosymboliczne

mgr Marco Grillo

mgr inż. Tomasz Jaworski

uczenie maszynowe, impulsujące sieci neuronowe, systemy brzegowe

mgr inż. Jacek Karolczak

uczenie maszynowe, dane zmienne w czasie, wyjaśnialna sztuczna inteligencja zorientowana na człowieka

mgr inż. Jakub Kwiatkowski

uczenie maszynowe, wnioskowanie abstrakcyjne w sieciach neuronowych, metody uczące się reprezentacji, interpretowalna sztuczna inteligencja

mgr inż. Antoni Nowinowski

uczenie maszynowe, modele generatywne, systemy neurosymboliczne, widzenie komputerowe

mgr inż. Paweł Pietrzak

mgr inż. Łukasz Przyborowski

mgr inż. Anna Przybyłowska

uczenie maszynowe, chemoinformatyka, wyjaśnialna sztuczna inteligencja

mgr inż. Rafał Stachowiak

mgr inż. Witold Taisner

uczenie maszynowe, chemoinformatyka, generatywna sztuczna inteligencja

Absolwenci i byli pracownicy

dr inż. Agnieszka Mensfelt

algorytmy ewolucyjne, systemy wieloagentowe, symulacja, sztuczne życie, kognitywistyka, komunikacja człowiek-komputer

mgr inż. Roman Oberenkowski

bezpieczeństwo, oprogramowanie systemowe, akceleracja sprzętowa