Instytut Informatyki
Menu

Sztuczna Inteligencja, Uczenie Maszynowe oraz Big Data

Aktywności związane ze sztuczną inteligencją, uczeniem maszynowym lub big data na Wydziale Matematyki i Informatyki Uniwersytetu Wrocławskiego

Badania prowadzone są w obu instytutach Wydziału: Matematycznym oraz Informatyki, a ich wyniki publikowane w czołowych czasopismach oraz na najlepszych konferencjach. Prowadzimy anglojęzyczny kierunek studiów magisterskich Data Science: http://datascience.uni.wroc.pl/

Konkursy
Bierzemy aktywny udział i odnosimy sukcesy w konkursach związanych z powyższą tematyką: m.in.
Nagrody i wyróżnienia dla pracowników i studentów:
  • Małgorzata Bogdan zdobyła Nagrodę Główną PTM im. Hugona Steinhausa za 2020 rok - za zaproponowanie, zbadanie oraz zastosowanie w praktyce podejść do selekcji cech w liniowym modelu regresji wykorzystujących nowe metody regularyzacji takich jak sortowana kara L1 (metoda SLOPE) oraz specjalizowane kary teorio-informacyjne (metoda mBIC).
  • Jan Chorowski był liderem zespołu pracującego nad projektem Distant supervision for representation learning in speech and handwriting w ramach warsztatów naukowych organizowanych w Montrealu przez Johns Hopkins University.
  • Krzysztof Nowicki otrzymał Nagrodę im. Witolda Lipskiego za badania związane z algorytmami dla dużych zbiorów danych, ze szczególnym uwzględnieniem algorytmów równoległych.
  • Praca magisterska Michała Stypułkowskiego Representing Point Clouds with Generative Conditional Invertible Flow Networks - pierwsze miejsce w ogólnopolskim konkursie na pracę magisterską BNY Mellon
  • Mikołaj Słupiński otrzymał nagrodę II stopnia w 54 edycji Konkursu PTM na najlepszą pracę studencką z teorii prawdopodobieństwa i zastosowań matematyki - za pracę Hidden Markov Models in ultra-high frequency time series processing.
  • praca magisterska Michała Makowskiego Precision matrix estimation in Gaussian graphical models zdobyła I miejsce w Ogólnopolskim konkursie na najlepszą pracę magisterską dotyczącą uczenia maszynowego lub analizy danych
Tematy badań naukowych:
  • metody inteligencji obliczeniowej do pozyskiwania wiedzy ze złożonych szeregów czasowych i z innych danych temporalnych,
  • metody inteligencji obliczeniowej usprawniające działanie systemów rekomendujących,
  • algorytmy ewolucyjne dla wysokowymiarowych problemów optymalizacji,
  • algorytmy ewolucyjne i ich zastosowania w optymalizacji systemów inteligentnych,
  • ewolucyjne podejścia do usprawniania uczenia ze wzmocnieniem,
  • modele statystyczne o dynamikach Markowskich,
  • graficzne modele prawdopodobieństwa,
  • wnioskowanie statystyczne,
  • rozpoznawanie mowy,
  • przetwarzanie języka naturalnego,
  • logiki opisowe do reprezentacji wiedzy,
  • grafowe bazy danych: efektywne języki zapytań, inferencja schematów dla grafowych baz danych,
  • zastosowania logiki m.in. w automatycznej weryfikacji, bazach danych, przetwarzaniu dokumentów,
  • techniki przetwarzania big data: streaming, sketching, massively distributed algorithms,
  • zastosowanie przestrzeni innych niż euklidesowa (np. grupy Liego, przestrzeń hiperboliczna) do reprezentacji danych (np. zanurzenia słów i grafów),
  • numerycznie precyzyjne modele przestrzeni hiperbolicznej i ich zastosowania do reprezentacji danych i uczenia maszynowego,
  • konstrukcja nowych metod do identyfikacji powiązań między zmiennymi w dużych bazach danych, w tym matematyczne dowody własności nowych metod, badania symulacyjne, udokumentowane zastosowania w genetyce, finansach i astronomii (publikacje w czołowych czasopismach branżowych).
Wybrane przedmioty z oferty Wydziału
  Advanced Data Mining opis
  Advanced Distributed Algorithms  opis
  Algorithms for big data, opis
  Algorytmy ewolucyjne opis
  Algorytmy online opis
  Analiza Dużych Zbiorow Danych
  Artificial Intelligence for Games opis
  Computational Learning Theory opis
  Data Science@Nokia (wykład zewnętrzny)
  Elements of multivariate statistics' theory and application (wykład zewnętrzny)
  Eksploracja Danych opis
  Eksploracja tekstów opis
  Estimation of Distribution Algorithms opis
  Machine Learning opis
  Markov chain and Monte Carlo Algorithms (wykład zewnętrzny)
  Metody klasyfikacji i redukcji wymiaru opis
  Modele liniowe opis
  Neural Networks and Deep Learning opis
  Numerical Optimization opis
  Projekt: Deep Learning opis
  Projekt: Programowanie gier programistycznych opis
  Projekt: Sztuczna inteligencja dla regularnych gier planszowych opis
  Projektowanie i wdrażanie systemów w chmurze opis (wykład zewnętrzny)
  Przetwarzanie języka naturalnego opis
  Seminarium: Data Mining - grupowanie i klasyfikacja danych
  Seminarium: Advanced Data Mining opis
  Seminarium: Weryfikacja i synteza systemów wieloagentowych opis
  Statistical Learning opis
  Sztuczna inteligencja opis
  Theoretical Foundations of the Analysis of Large Data Sets opis
  Tools and methods in big data processing opis

Pełna oferta: Instytut Informatyki (system zapisów), Wydział (usosweb)

Osoby zajmujące się powiązanymi zagadnieniami
  Małgorzata Bogdan (Instytut Matematyczny - IM) scholar,
  Jan Chorowski (Instytut Informatyki - II) scholar,
  Piotr Lipiński (II) scholar,
  Paweł Rychlikowski (II),
  Przemysław Uznański (II) scholar,
  Marcin Bieńkowski (II) scholar,
  Jarosław Byrka (II) scholar,
  Paweł Gawrychowski (II) scholar,
  Tomasz Jurdziński (II) scholar,
  Emanuel Kieroński (II) scholar,
  Jakub Kowalski (II) scholar,
  Paweł Lorek (IM) scholar,
  Jakub Michaliszyn (II) scholar,
  Rafał Nowak (II) scholar,
  Jan Otop (II) scholar.
  Marek Szykuła (II) scholar
 
 Również: Bartosz Bednarczyk, Aleksander Łukasiewicz, Przemysław Klusik, Michał Kos, Michał Marcinkowski, Jakub Gismatullin, Mikołaj Słupiński, Michał Stypułkowski, Piotr Wieczorek i inni
 
Wybrane projekty oraz prace dyplomowe napisane we współpracy z firmami (w trakcie uzupełniania)
  • Efektywne wykorzystanie współdzielonych peptydów w spektrometrii masowej - projekt (praca doktorska), wspołpraca z amerykanską firmą Gene-Tech. Cel - poprawa skuteczności oceny aktywności genów/protein pod wpływem rożnych związkow chemicznych (konstrukcja leków), opiekun: M. Bogdan (Instytut Matematyczny - IM)
  • Przewidywanie przesuniecia w podczerwieni obiektow astronomicznych w oparciu o metody uczenia statystycznego (projekt), opiekun: M. Bogdan (IM)
  • Nowe techniki regularyzacyjne do konstrukcji optymalnego portfela (projekt), opiekun: M. Bogdan (IM)
  • Metody statystyczne do analizy danych z lig pilkarskich (projekt), opiekun: M. Bogdan (IM)
  • Rozpoznawanie mowy polskiej przy pomocy systemu kaldi, (mgr), projekt Audioscope, konsorcjum UWr/PWr/Neurosof, opiekun P. Rychlikowski (Instytut Informatyki - II)
  • Wyszukiwanie bytów nazwanych w danych audio (mgr), projekt Audioscope, konsorcjum UWr/PWr/Neurosoft, opiekun P. Rychlikowski (II)
  • Wykorzystanie nowoczesnych sieci neuronowych w zadaniach przetwarzania języka naturalnego (mgr) projekt Audioscope, konsorcjum UWr/PWr/Neurosoft, opiekun P. Rychlikowski (II)
  • System do pobierania i przetwarzania danych w celu wyznaczenia parametru korekcji wyników ważenia samochodów (praca inż.), Neurosoft, opiekun P. Rychlikowski (II)
  • Transformacyjny tager dla języka polskiego, (mgr), współpraca z firmą Neurosoft, opiekun P. Rychlikowski (II)
  • Rekonstrukcja kształtu tekstu otrzymanego w procesie rozpoznawania mowy, praca mgr, współpraca z firmą Neurosoft, opiekun P. Rychlikowski (II)
  • Dominik Samorek, A Computational Intelligence Approach to Water Demand Forecasting and Anomaly Detection in Water Consumption Time Series, współpraca z MPWiK S.A. - Centrum Nowych Technologii, opiekun P. Lipiński (II)
  • Anna Zaleska, Data mining approach to product life cycle recognition, współpraca z ProLogistica Sp. z o.o, P. Lipiński (II)
Inne ciekawe prace dyplomowe (w trakcie uzupełniania)
  • Nowe algorytmy i techniki regularyzacyjne do identyfikacji istotnych predykatorow w duzych bazach danych (praca licencjacka i magisterska), opiekun: M. Bogdan (IM)
  • Nowe techniki klasyfikacji do oceny aktywnosci w oparciu o dane z akcelerometrow medycznych (praca magisterska), opiekun: M. Bogdan (IM)
  • Radosław Miernik  "Artificial Intelligence for Strategy Card Games: Search and Content Generation" (praca mgr.), opiekun: J. Kowalski (II)
  • Kamil Michalak  "Ewolucja mety gry Hearthstone przy użyciu frameworka SabberStone" (praca inż.), opiekun: J. Kowalski (II)
  • Dawid Paluszak  "Czynnik ludzki, a statystyki - sztuczna inteligencja do gry Fantasy Premier League" (praca inż.), opiekun: J. Kowalski (II)
  • Alicja Danilczuk, Klaudia Osowska Implementacja i omówienie algorytmów analizujących dźwięki z perspektywy porównywania utworów (praca inż./lic.), opiekun: J. Kowalski (II)
  • Cezary Siwek  "Hardware Acceleration for General Game Playing using FPGA" (praca mgr.), opiekun: J. Kowalski (II)
  • Marcin Witkowski, Łukasz Klasiński, Wojciech Meller "Implementation of collectible card Game AI with opponent prediction" (praca inż.), opiekun: J. Kowalski (II) Bot napisany w ramach tej pracy wygrał zawody Strategy Card Game AI Competition na konferencji IEEE Conference on Games 2020
  • Krzysztof Bednarek "Procedural Generation Of Geographically Consistent Worlds And Biomes" (praca lic.), opiekun: J. Kowalski (II)
  • Paweł Florczuk "Zastosowania algorytmu Expectation-Maximization" (praca lic.), opiekun: P. Lorek (IM)
  • Rafał Płoszka "Wykrywanie społeczności w grafach: metoda Louvain" (praca lic.), opiekun: P. Lorek (IM)
  • Michał Kotlarczyk "Adaptacyjny algorytm klasteryzacji i jego zastosowanie do klasyfikacji obrazów w modelu 'bag of words'" (praca lic.), opiekun: P. Lorek (IM)
  • Rober Benke "Graph convolutional neural networks with applications in text classification" (praca mag.), opiekun: P. Lorek (IM)
  • Denis Grenda "Zastosowanie algorytmu Proppa-Wilsona do odzyskiwania uszkodzonych obrazów" (praca mag.), opiekun: P. Lorek (IM)
  • Jakub Mazur "Klasyfikacja obrazów przy pomocy deskryptorów lokalnych cech" (praca mag.), opiekun: P. Lorek (IM)
  • Mateusz Jodłowski "Zastosowanie kompleksów Vietorisa-Ripsa w Topologicznej Analizie Danych" (praca mag.), opiekun: P. Lorek (IM)
  • Tomasz Jurczyk "Ważona metoda Discrete Adaptive Boosting" (praca mag.), opiekun: P. Lorek (IM)
  • Adrian Madej "Zastosowanie technik analizy tekstu w celu przewidywania kondycji spółek giełdowych na podstawie ich raportów finansowych" (praca mag.), opiekun: P. Lorek (IM)
  • Agata Rawska "Metody redukcji wymiaru w zagadnieniu dużych zbiorów danych" (praca mag.), opiekun: P. Lorek (IM)
  • Krzysztof Bazner "Prognozowanie długości życia baterii litowo-jonowych" (praca mag.), opiekun: P. Lorek (IM)
  • Andrzej Chomiczewski "Zastosowanie ukrytych modeli Markowa przy monitorowaniu zużycia energii" (praca mag.), opiekun: P. Lorek (IM)
  • Marta Gajewska Modyfikacje algorytmu GraphCut w interaktywnej segmentacji obrazów (praca mag.), opiekun: P. Lorek (IM)
  • Amelia Stramska Przegląd metod przetwarzania języka naturalnego i zastosowanie do klasyfikacji tekstu w języku polskim (praca mag.), opiekun: P. Lorek (IM)