Zespoły badawcze

Zespół Kwantowych Systemów Informatyki

prof. dr hab. Zbigniew Puchała

Zespół Kwantowych Systemów Informatyki istnieje od 2001 roku. Zajmuje się badaniami w zakresie informatyki kwantowej, głównie w zakresie kwantowych języków programowania i symulacji obliczeń kwantowych.

Zespół Komputerowych Systemów Wizyjnych

dr hab. inż. Agnieszka Tomaka

Zespół Komputerowych Systemów Wizyjnych istnieje od 1987 roku i zajmuje się ilościową analizą obrazów dwu- i trójwymiarowych. Współzałożycielem i wieloletnim kierownikiem zespołu był dr inż. Ryszard Winiarczyk. Obecnie pracami Zespołu Komputerowych Systemów Wizyjnych kieruje dr hab. inż. Agnieszka Tomaka.

Zespół Informatyki Stosowanej

dr inż. Arkadiusz Sochan

Zespół Informatyki Stosowanej został utworzony w 2022 roku w celu podniesienia efektywności komercjalizacji technologii opracowywanych w Instytucie. Wspomaga inne zespoły Instytutu w obszarze informatyki stosowanej na etapie przygotowywania projektów, ich realizacji oraz podczas przekazywania wyników do otoczenia gospodarczego.

Zespół Internetu Rzeczy

dr hab. inż. Krzysztof Grochla

Zespół specjalizuje się w badaniach Internetu Rzeczy (IoT), z naciskiem na komunikację bezprzewodową i protokoły sieciowe. Projektujemy i analizujemy wydajność protokołów sieciowych, rozwiązujemy problemy związane z interoperacyjnością oraz opisem semantycznym danych i działania systemów IoT.

Zespół Uczenia Maszynowego

dr hab. inż. Przemysław Głomb

Zespół Uczenia Maszynowego specjalizuje się w zagadnieniach projektowania i doboru algortymów i modeli uczenia maszynowego do projektów aplikacyjnych, przede wszystkim związanych z wizją komputerową i szeregami czasowymi. W Zespole prowadzone są również badania podstawowe z obszaru metod uczenia maszynowego w obrazowaniu hiperspektralnym, a ostatnio przede wszystkim związane z uczeniem głębokim -- zagadnienia ,,martwych neuronów'', continual i reinforcement learning. Wywodząc się z Zespołu Systemów Multimedialnych, członkowie zespołu mają duże doświadczenie z zakresu analizy/drążenia danych (m.in. obrazy hiperspektralne, dane biomedyczne, obrazy 3D, dane sygnałowe), metod przetwarzania (m.in. statystyczne klasyfikatory, architektury uczenia głębokiego) jak i technicznych/organizacyjnych aspektów realizacji projektów badawczych i wdrożeniowych (m.in. proces przygotowania i wsparcie wdrożenia systemów uczenia maszynowego dla konkretnych problemów).