Zespół Kwantowych Systemów Informatyki
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 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 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. W szczególności dokonuje szacowania czasochłonności i zasobochłonności planowanych zadań oraz przygotowuje programistyczne prototypy i demonstratory. Zespół zajmuje się także utrzymaniem infrastruktury teleinformatycznej Instytutu.
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. Dodatkowo, zajmujemy się badaniem autokonfiguracji, minimalizacji zużycia energii oraz lokalizacji w urządzeniach wbudowanych.
Specjalizujemy się w:
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).