Jakub Adamczyk

Dr hab. inż. Piotr Bania

Dr inż. Andrzej Brodzicki

Pracownik Wydziału Informatyki i Centrum Doskonałości Sztucznej Inteligencji AGH. Prowadzi badania w obszarze wykorzystania AI do analizy obrazów medycznych, w szczególności zdjęć nowotworów skóry, stopy cukrzycowej i mikroskopii fluorescencyjnej oraz obrazów 3D w radiologii i stomatologii. Autor 18 publikacji naukowych. Współpracował z Manchester Metropolitan University i Uniwersytetem Stanforda. Z zamiłowania nauczyciel akademicki na kierunkach Informatyka, Automatyka i Robotyka oraz Inżynieria Biomedyczna.

Dr hab. inż. Edyta Brzychczy

Prof. uczelni w Akademii Górniczo-Hutniczej im. Stanisława Staszica w Krakowie na Wydziale Inżynierii Mechanicznej i Robotyki. Tutorka akademicka. Kierowniczka grupy badawczej Data & Process Mining Group. Autorka i współautorka ponad 130 publikacji m.in. z zakresu modelowania i optymalizacji procesów przemysłowych, analizy danych oraz eksploracji procesów w górnictwie. Członkini Polskiego Towarzystwa Zarzadzania Produkcją oraz Polskiego Stowarzyszenia Sztucznej Inteligencji. Współorganizatorka inicjatyw mających na celu szerzenie wiedzy na temat eksploracji procesów (Polish Process Mining Day, Sympozjum BPM, International Conference on Business Process Management 2024 w Krakowie). Jej obecne zainteresowania naukowe koncentrują się na odkrywaniu wiedzy z danych niskopoziomowych (pochodzących z sensorów maszyn i urządzeń) do reinżynierii procesów przemysłowych funkcjonujących w realiach Przemysłu 4.0.

Dr hab. inż. Piotr Chołda

Od 20 lat pracuje, przede wszystkim ucząc, w Instytucie Telekomunikacji i Cyberbezpieczeństwa AGH. Specjalizuje się w zarządzaniu sieciami teleinformatycznymi, ze szczególnym uwzględnieniem ich bezpieczeństwa i niezawodności. W ramach dydaktyki prowadzi przedmioty pokazujące, w jaki sposób matematyka jest stosowana w obszarze IT — między innymi w zoptymalizowanym projektowaniu sieci, analizie niezawodności, kryptografii i teorii kodów korekcyjnych.

Dr Bogdan Ćmiel

Bogdan Ćmiel uzyskał stopień doktora nauk matematycznych na Wydziale Matematyki Stosowanej Akademii Górniczo-Hutniczej w Krakowie w 2013 r. W 2014 r. odbył staż podoktorski w Instytucie Matematyki PAN. Obecnie jest adiunktem na AGH. Jego zainteresowania badawcze obejmują statystykę teoretyczną (głównie statystykę nieparametryczną), modelowanie statystyczne oraz statystykę stosowaną w medycynie i inżynierii.

Dr Jarosław Duda

Jarosław Duda jest informatykiem (dr)/fizykiem (dr) pracującym na Uniwersytecie Jagiellońskim. Zajmuje się m.in. teorią informacji i uczeniem maszynowym.

Dr hab. inż.Ziemowit Dworakowski

Dr hab. inż. Ziemowit Dworakowski jest naukowcem i wykładowcą na Akademii Górniczo-Hutniczej w Krakowie, gdzie zajmuje się wykorzystaniem sztucznej inteligencji w diagnostyce inżynierskiej, automatyzacji i wspomaganiu decyzji. W swojej pracy łączy naukę o danych z rzeczywistymi systemami technicznymi, a jednocześnie zajmuje się problematyką tego, jak AI zmienia nasze sposoby myślenia, uczenia się i tworzenia. Na AGH prowadzi zajęcia z zakresu sztucznej inteligencji, krytycznego myślenia i metody naukowej, pomagając studentom odnajdywać równowagę między technologią a ludzkim wglądem.

Jan Gajos

Buduję AI, które pracuje. I uczę, jak z niego korzystać. Łączę technologię, sprzedaż i psychologię. Tworzę aplikacje, prowadzę szkolenia AI i wdrażam sztuczną inteligencję w codziennej pracy.

Dr Andrzej Kałuża

Matematyk, nauczyciel akademicki na Akademii Górniczo-Hutniczej w Krakowie, analityk danych. Tytuł doktora uzyskał w 2021 roku w zakresie nauk matematycznych. Autor kilku publikacji naukowych poświęconych problem numerycznym. Prelegent na szeregu konferencji naukowych. Od 10 lat bierze aktywny udział w realizacji projektów z zakresu: prognozowania szeregów czasowych i ich analizy, budowania gotowych rozwiązań, automatycznego treningu i retreningu modeli, w obszarach energetyki, produkcji, zapotrzebowania, sprzedaży; wykorzystania metod i modeli predykcyjnych dla przemysłu, farmacji, zakładów produkcyjnych i przetwórczych; analiz danych bazujących na narzędziach statystycznych (bayesowskich, rachunku prawdopodobieństwa, analizy stochastycznej, analizy niestacjonarnych szeregów czasowych), ML i Deep Learning,; badania możliwości łączenia różnych technik analizy danych (ML, DL, Procesów stochastycznych), ich przetwarzania, modelowania i wyciągania wniosków poprzez XAI.

Dr Krzysztof Maj

Krzysztof M. Maj – groznawca, tutor akademicki i wykładowca na Wydziale Humanistycznym AGH, gdzie spełnia swe odwieczne fanowskie marzenie o zajmowaniu się zawodowo fantastyką i grami wideo; autor dwóch książek o teorii fantastyki, Allotopie (2015) oraz Światotwórstwo w fantastyce (2019); vloguje o grach, fantastyce i kulturze na YouTubie pod adresem https://www.youtube.com/@KrzysztofMMaj

Dr Bartosz Majewski

Prof. dr hab. Paweł Przybyłowicz

Prof. dr hab. Paweł Przybyłowicz jest pracownikiem Wydziału Matematyki Stosowanej AGH. Jego zainteresowania naukowe koncentrują się na złożoności obliczeniowej równań różniczkowych stochastycznych i deterministycznych, symulacjach Monte Carlo z wykorzystaniem kart graficznych GPU oraz obliczeniach kwantowych. Zajmuje się również matematycznymi podstawami sztucznej inteligencji, w tym badaniu związków pomiędzy teorią procesów stochastycznych a uczeniem maszynowym i głębokimi sieciami neuronowymi. Jest autorem/współautorem ponad 50 publikacji naukowych o zasięgu międzynarodowym oraz laureatem dwóch nagród międzynarodowych za osiągnięcia naukowe: „Information-Based Complexity Young Researcher Award” (2012) oraz „Joseph Traub IBC Award” (2018). Był stypendystą DAAD (Niemcy) w roku 2013, odbył wizyty naukowe m.in. w Austrii i Kanadzie. Brał też/aktualnie bierze udział (jako wykonawca lub kierownik B+R) w piętnastu projektach badawczo-rozwojowych (NCN, PARP, NCBiR), z których część dotyczyła zastosowań uczenia maszynowego i sieci neuronowych w problemach przemysłowych. Jest członkiem grupy roboczej "SDEs: theory and numerical methods" w ramach projektu Unii Europejskiej COST Action o nazwie CA24104 „Stochastic Differential Equations: Computation, Inference, Applications” (STOCHASTICA). Jest koordynatorem specjalności „MBA in Data Science Management” w ramach MBA TECH na AGH oraz jest członkiem komitetu redakcyjnego czasopisma matematycznego „Journal of Complexity” (wydawnictwo Elsevier).

Dr Alexandre Quemy

Alexandre Quemy holds a Ph.D. in Machine Learning from Poznań University of Technology, and Master's degree in applied mathematics from the National Institute of Applied Sciences in France. His research works at the intersection of geometry, partial differential equations and AI. In parallel, he builds production AI systems at scale, from research and engineering at IBM to a global financial-crime detection model at HSBC covering more than 200 million users. He now works with early-stage AI startups, from proof of concept to production.

Dr Tomasz Stroiński

Matematyk i dydaktyk pracujący na Wydziale Matematyki Politechniki Wrocławskiej. Swoją akademicką przygodę rozpoczynał od analizy danych, którą wybrał jako specjalizację na studiach licencjackich na Uniwersytecie im. Adama Mickiewicza w Poznaniu. Później dał się jednak wciągnąć geometrii oraz dydaktyce matematyki.Na co dzień większość swojej uwagi poświęca nauczaniu i grom fabularnym. Kiedy zaś znajduje chwilę na pracę naukową, wraca do analizy wypukłej, teorii optymalizacji i geometrii zbiorów wypukłych. Najbardziej interesuje go łączenie różnych matematycznych światów i poszukiwanie geometrycznych sposobów patrzenia na rozważane problemy. Jest opiekunem Koła Naukowego Matematyki i chętnie wspiera studenckie pomysły, od konferencji i konkursów, po mniej typowe inicjatywy popularyzatorskie, jak escape roomy. Od lat próbuje też przekonywać, że matematyka może zainteresować nawet osoby, które są pewne, że jej nie lubią. Pomagają mu w tym matemagia, kryptografia, gry, zagadki oraz wszelkie inne preteksty, by pokazać matematykę od jej, niestety, mniej popularnej strony.

Dr hab. Marek Śmieja

Marek Śmieja jest profesorem na Wydziale Matematyki i Informatyki Uniwersytetu Jagiellońskiego. Należy do grupy badawczej GMUM (https://gmum.net/) i kieruje zespołem RELab UJ (https://relab-uj.github.io/), w którym prowadzi badania nad modelami fundamentalnymi dla danych tabelarycznych, wyjaśnialnością modeli, interpretowalnymi reprezentacjami multimodalnymi, uczeniem nienadzorowanym oraz zastosowaniami uczenia maszynowego w chemoinformatyce i bioinformatyce. Jest autorem prac publikowanych na czołowych konferencjach uczenia maszynowego (NeurIPS, AAAI, ICCV) oraz kierownikiem projektów badawczych finansowanych przez Narodowe Centrum Nauki (SONATA BIS, OPUS). Współpracuje z zagranicznymi ośrodkami naukowymi, m.in. z grupą Mário Figueiredo na Uniwersytecie Lizbońskim oraz grupą Kathariny Eggensperger na Uniwersytecie Technicznym w Dortmundzie. Za działalność naukową otrzymał stypendium Ministra Edukacji i Nauki dla wybitnych młodych naukowców.

Prof. zw. dr hab. inż. Ryszard Tadeusiewicz

Profesor nauk technicznych, wybitny specjalista w zakresie biocybernetyki, automatyki i inżynierii biomedycznej, związany z Wydziałem EAIiIB Akademii Górniczo-Hutniczej w Krakowie. Absolwent AGH (1971), gdzie przeszedł wszystkie szczeble kariery akademickiej, uzyskując tytuł profesora w 1986 roku. W latach 1998–2005 trzykrotnie pełnił funkcję Rektora AGH (wcześniej Prorektor ds. Nauki). Pionier edukacji informatycznej i biocybernetycznej, wykładowca i współtwórca struktur informatycznych na czołowych krakowskich uczelniach (AGH, UJ, AE, WSP, AM). Członek Rzeczywisty PAN, Członek Korespondent PAU, były członek Komitetu Badań Naukowych oraz Społecznego Komitetu Odnowy Zabytków Krakowa. Doktor Honoris Causa 17 uczelni w kraju i za granicą.

Dr Jakub Wojdyła

Dr Jakub Wojdyła jest pracownikiem Wydziału Matematyki Stosowanej AGH, posiadającym ponad 10-letnie doświadczenie zawodowe w analizie danych z wykorzystaniem metod statystycznych i uczenia maszynowego. Jego zainteresowania naukowe dotyczą statystyki matematycznej, ze szczególnym uwzględnieniem statystycznych problemów odwrotnych oraz statystyki wysokowymiarowej. W ramach działalności dydaktycznej na WMS prowadzi szereg przedmiotów z dziedziny Data Science. Jako Data Scientist pracował przy wielu projektach komercyjnych oraz naukowych na danych rzeczywistych z różnych gałęzi przemysłu.