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. Krzysztof Domino

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.

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).