A A+ A++

Rozwój metod uczenia maszynowego

Podobszar POB2: Rozwój Metod Sztucznej Inteligencji i Inżynieria Wiedzy

 

Metody grupowania danych i analizy skupieńto jedno z podstawowych zagadnień uczenia maszynowego adresujące problem uczenia bez nadzoru. W obszarze tym główne kierunki badań to bi-klasteryzacja, czyli rozwój metod łączących problem grupowania danych z selekcją cech. Nowe algorytmy grupowania danych, w tym np. lingwistyczne grupowanie danych, umożliwiające lingwistyczne definiowanie kryteriów grupowania danych oraz poprawa już istniejących rozwiązań.

Osoby działające we wskazanym obszarze tematycznym (email: imie.nazwisko@polsl.pl): 

  • prof. dr hab. inż. Jacek Łęski (ORCID),  
  • dr hab. inż. Krzysztof Simiński, prof. PŚ (ORCID)
  • dr inż. Paweł Foszner (ORCID) 
  • dr inż. Marcin Michalak (ORCID) 

Metody klasyfikacji i regresji, zwłaszcza metody uczenia nadzorowanego lub częściowo nadzorowanego. W obszarze tym główne wyzwania dotyczą interpretowalności podejmowania decyzji przez systemy uczące się (ang.  Explainable artificial intelligence), dzięki którym wiedza wydobyta przez systemy uczące staje się zrozumiała dla człowieka. Zagadnienie to obejmuje również selekcję cech oraz metody wizualizacji wydobytej informacji. Kolejnym obszarem badawczym jest automatyzacja procesów uczenia maszynowego (ang. AutoMLw tym automatyczny dobór modelu wraz z selekcją jego parametrów, inteligentny dobór modeli do komitetu modeli predykcyjnych. Dalsze prace to rozwój już istniejących rozwiązań oraz poprawa ich skalowalności w tym nowe architektury sieci neuronowych, zwiększenie skalowalności już istniejących rozwiązań algorytmów. Ostatnim zagadnieniem jest budowa modeli predykcyjnych dla skomplikowanych i nietypowych danych w tym zagadnienia niezbalansowania danych, uczenia strumieni danych.

Automatyzacja procesu uczenia maszynowego i meta uczenie

  • dr hab. Inż. Michał Kawulok, prof. PŚ (ORCID)
  • dr hab. inż. Marcin Blachnik (ORCID)
  • dr inż. Michał Kozielski (ORCID
  • dinż. Daniel Kostrzewa (ORCID)
  • dr inż. Jakub Nalepa (ORCID)  

Wyjaśnialne i interpretowalne metody uczelnia maszynowego oraz selekcji informacji w systemach uczących się

Nowe architektury sieci neuronowych i nowe algorytmy predykcyjne 

Budowa systemów uczących się dla niestandardowych zestawów danych

© Politechnika Śląska

Ogólna klauzula informacyjna o przetwarzaniu danych osobowych przez Politechnikę Śląską

Całkowitą odpowiedzialność za poprawność, aktualność i zgodność z przepisami prawa materiałów publikowanych za pośrednictwem serwisu internetowego Politechniki Śląskiej ponoszą ich autorzy - jednostki organizacyjne, w których materiały informacyjne wytworzono. Prowadzenie: Centrum Informatyczne Politechniki Śląskiej (www@polsl.pl)

Zasady wykorzystywania „ciasteczek” (ang. cookies) w serwisach internetowych Politechniki Śląskiej

Deklaracja dostępności

„E-Politechnika Śląska - utworzenie platformy elektronicznych usług publicznych Politechniki Śląskiej”

Fundusze Europejskie
Fundusze Europejskie
Fundusze Europejskie
Fundusze Europejskie