Katedra Sztucznej Inteligencji i Matematyki Stosowanej

Kierownik Katedry: dr hab. inż. Marcin Pluciński, prof. ZUT 

Cel i zakres działalności
Celem katedry jest prowadzenie badań w obrębie szeroko rozumianej matematyki stosowanej oraz sztucznej inteligencji. Szczegółowy profil działalności katedry obejmuje takie obszary jak: uczenie maszynowe, widzenie komputerowe, statystyczną analizę danych, systemy wspomagania decyzji, systemy wnioskowania rozmytego, obliczenia numeryczne i probabilistykę, inteligentne algorytmy sterowania. Ponadto do zadań katedry należy organizacja i prowadzenie dydaktyki w obszarze metod matematycznych i sztucznej inteligencji w ramach przedmiotów przyporządkowanych do katedry. 

Pracownicy przebywający w bieżącym roku akad.  na urlopach bezpłatnych, zdrowotnych zaznaczono jako "czasowa nieobecność".

Zespoły

Zespół Badawczy Sztucznej Inteligencji  

Kierownik Zespołu: dr hab. inż. Przemysław Klęsk, prof. ZUT 

Skład osobowy

1. dr hab. inż. Marcin Pluciński
2. dr hab. inż. Przemysław Klęsk
3. dr hab. inż. Marcin Korzeń 
4. dr inż. Sławomir Jaszczak 
5. dr inż. Aneta Bera
6. dr inż. Dariusz Sychel
7. mgr inż. Jacek Klimaszewski
8. mgr inż. Jan Rodziewicz-Bielewicz

Zespół Badawczy Inteligentnych Systemów Wspomagania Decyzji 

Kierownik Zespołu: dr inż Wojciech Sałabun

Zakres realizowanych badań. Prace realizowane przez zespół badawczy inteligentnych systemów wspomagania decyzji obejmują następujące zagadnienia: metody i techniki wspomagania decyzji z szczególnym uwzględnieniem wielokryterialnej analizy decyzji (Multi-Criteria Decision-Analysis, MCDA) oraz systemów opartych na wiedzy (Knowledge-Based Systems, KBS); modelowanie preferencji, interaktywne procedury wyboru wielokryterialnego, sortowanie, rankingowanie i klasyfikacja w środowisku deterministycznym lub niepewnym; obliczenia ewolucyjne i obliczenia inspirowane biologicznie; obliczenia miękkie i granularne (granular and soft computing), w tym teoria zbiorów przybliżonych (rough set theory),  teoria zbiorów rozmytych (fuzzy set theory) oraz sieci neuronowe (neural networks);uczenie maszynowe (machine learning), eksploracja danych (data mining), odkrywanie wiedzy (knowledge discovery) oraz inteligentna anlliza danych (intelligent data analysis); Prace zespołu badawczego wspierane są przez członków Studenckiego Koła naukowego Machine Learning Group (MLG), którego opiekunem naukowym jest dr inż. Wojciech Sałabun.

Skład osobowy

1. dr inż Wojciech Sałabun
2. prof. dr hab. inż. Andrzej Piegat
3. dr inż. Larisa Dobryakova
4. dr inż. Joanna Kołodziejczyk

Doktoranci: 

1. mgr inż. Bartłomiej Kizielewicz
2. mgr inż. Jakub Więckowski
3. mgr inż. Andrii Shekhovtsov
4. mgr inż. Bartosz Paradowski

Zespół Badawczy Matematyki Stosowanej

Kierownik Zespołu: prof. dr hab. Grigorij Sklyar  email: Ten adres pocztowy jest chroniony przed spamowaniem. Aby go zobaczyć, konieczne jest włączenie w przeglądarce obsługi JavaScript., tel.: 55 89, pok.: 104 (WI1)

Skład osobowy

1. dr Joanna Banaś 
2. dr inż. Anna Barcz 
3. dr inż. Leszek Drobiazgiewicz
4. dr Mateusz Firkowski
5. dr Małgorzata Machowska-Szewczyk
6. dr Małgorzata Pelczar
7. dr inż. Piotr Piela
8. dr Piotr Polak
9. dr Jarosław Woźniak

Laboratoria katedralne

Laboratorium Badawcze Inteligentnych Systemów Sterowania

Opiekun Laboratorium: dr inż. Sławomir Jaszczak, sala: 024, budynek: WI2 

Zakres realizowanych zadań
Celem laboratorium jest wydzielenie zasobów sprzętowych katedry umożliwiających prowadzenie badań w obszarach: sztucznej inteligencji, robotyki mobilnej, widzenia komputerowego oraz inteligentnych algorytmów sterowania. Stanowiska laboratorium obejmują elementy systemów automatyki przemysłowej w tym sterowniki programowalne wraz z układami wejście/wyjście oraz stanowiska sterowania w czasie rzeczywistym m.in. suwnica 3D, odwrócone wahadło, układ ABS i inne, platformy robotyki mobilnej w tym roboty mobilne i drony oraz szerokie spektrum sensorów jak kamery zwykłe, kamery głębokości, czujniki termowizyjne, lidary, itp. Laboratorium wykorzystywane będzie głównie do prowadzenia badań oraz w niewielkim stopniu do celów dydaktycznych jak: prace dyplomowe, studenckie projekty badawcze i przedmioty specjalistyczne.