Prof. UPP dr hab. Aneta Sawikowska

• „AI w edukacji i badaniach naukowych: Przegląd najnowszych narzędzi”

Prezentacja będzie poświęcona zastosowaniu sztucznej inteligencji w edukacji oraz  badaniach naukowych. Uczestnicy dowiedzą się, jak nowoczesne technologie AI mogą wspierać efektywność pracy, ułatwiać analizę danych, a także automatyzować zadania związane z przetwarzaniem informacji. Omówione zostaną duże modele językowe (LLM – Large Language Models) oraz narzędzia wspierające pracę naukowców, z naciskiem na ich praktyczne zastosowanie w codziennych zadaniach i procesach badawczych. Zaprezentowane zostaną popularne plug-iny do ChatGPT, takie jak Math Mentor, Wolfram, Data Analyst, R Wizard, Scholar AI i szereg innych, które ułatwiają rozwiązywanie problemów matematycznych, analizę danych, tworzenie treści multimedialnych i nie tylko. Wykład podkreśli, w jaki sposób AI może przyczynić się do zwiększenia precyzji i produktywności w tych obszarach.

Prof. UPP dr hab. inż. Ireneusz Laks

• „AI versus RStudio w analizach wyników badawczych-przykład praktyczny”

Wykład będzie poświęcony analizie możliwości sztucznej inteligencji (AI) w kontekście przetwarzania i interpretacji wyników badań naukowych. W trakcie wykładu zostaną zaprezentowane narzędzia AI jako alternatywa dla specjalistycznego oprogramowania statystycznego, takiego jak RStudio. Praktyczny przykład pokaże, czy AI może przyspieszyć proces analityczny, zredukować ryzyko błędów i ułatwić pracę naukowcom, nie rezygnując przy tym z precyzji i jakości wyników.

Dr inż. Krzysztof Przybył

• „Integracja deskryptorów obrazu z zastosowaniem uczenia maszynowego i głębokiego: Zespoły klasyfikatorów w praktyce”

W prezentacji zostanie przedstawione wykorzystanie technik uczenia maszynowego i głębokiego do integracji deskryptorów obrazu w efektywnej klasyfikacji żywności. Przedstawione zostaną zespoły klasyfikatorów, które łączą różne podejścia, oraz klasyczne deskryptory, takie jak macierz współwystępowania poziomów szarości (GLCM). GLCM umożliwia analizę tekstury obrazu, co jest kluczowe przy rozróżnianiu produktów spożywczych o podobnych kształtach, ale różnych właściwościach, takich jak owoce, warzywa czy ziarna. W celu oceny efektywności zespołów klasyfikatorów, zostaną wykorzystane miary jakości klasyfikacji, takie jak Precision, Recall oraz Accuracy.

Stadium przypadku: żywność.  

Dr hab. inż. Marcin Pszczoła

• „Sztuczna inteligencja w hodowli zwierząt”

Sztuczna inteligencja w hodowli zwierząt to dynamicznie rozwijająca się dziedzina, która otwiera nowe perspektywy dla rolnictwa. Dzięki zastosowaniu zaawansowanych algorytmów i technologii AI, hodowcy mogą precyzyjnie monitorować zdrowie zwierząt, optymalizować ich żywienie, poprawiać warunki hodowli oraz prognozować problemy zdrowotne. Nowoczesne technologie wykorzystywane są do automatyzacji wielu procesów w gospodarstwach, pozyskiwaniu nowych obserwacji potrzebnych do prowadzenia pracy hodowlanej przekładając się na poprawę ekonomiki produkcji zwierzęcej. Podczas wykładu przyjrzymy się praktycznym przykładom wdrożeń AI w hodowli zwierząt oraz wyzwaniom, które towarzyszą tej rewolucji technologicznej.

• Prof. UPP dr hab. Aneta Sawikowska

Profesor Uniwersytetu Przyrodniczego w Poznaniu, doktor nauk matematycznych, stopień doktora habilitowanego uzyskała przedstawiając osiągnięcie naukowe pt: „Chemometria w metabolomice roślin”. Doktorat napisała pod kierunkiem światowej klasy matematyka prof. Charlesa Johnsona (William & Mary, Willamsburg, USA). Odbyła staż naukowy w The James Hutton Institute, Dundee, Wielka Brytania oraz na Wageningen University & Research, Wageningen, Holandia. Doświadczenie w analizowaniu danych zdobyła pracując jako adiunkt w Instytucie Genetyki Roślin Polskiej Akademii Nauk w Poznaniu, a także w Instytucie Chemii Bioorganicznej Polskiej Akademii Nauk w Poznaniu oraz UPP. Autorka publikacji naukowych z zakresu matematyki, analizy statystycznej, analizy big data, analizy poziomu ekspresji genów, analizy sieci korelacyjnych, analizy statystycznej danych metabolomicznych, proteomicznych, transkryptomicznych, fenotypowych oraz dotyczących lipidów w roślinach, wielokrotnie z wykorzystaniem R i supercomputingu. Prowadząca cykl wykładów pt. „Sztuczna inteligencja – nowe horyzonty w nauce”.  Prelegentka międzynarodowych i krajowych seminariów i konferencji, m.in. poznańskiej grupy użytkowników R (PAZUR) oraz Stowarzyszenia Wrocławskich Użytkowników R (STWUR) w tematyce związanej z analizą danych oraz sztuczną inteligencją. Od 2016 roku Członek Polskiego Towarzystwa Biometrycznego. W latach 2020-2022 Edytor Specjalnego Wydania: „Chemometrics in metabolomics and proteomics”.

• Prof. UPP dr hab. inż. Ireneusz Laks

Kierownik Centrum E-learningu, Kierownik Katedry Budownictwa i Geoinżynierii Uniwersytetu Przyrodniczego w Poznaniu, Pracownia Mechaniki i Metod Komputerowych. Aktywność naukowa ukierunkowana na wykorzystanie metod numerycznych w modelowaniu transformacji przepływu w sieciach rzecznych. Współautor i główny programista komputerowego systemu modelowania przepływów nieustalonych w sieciach rzecznych SPRUNER. Prowadzi zajęcia dydaktyczne z technologii informacyjnych, komputerowego wspomagania projektowania, nowoczesnych technik wizualizacji i inwentaryzacji obiektów infrastruktury technicznej, metod numerycznych w inżynierii środowiska, mechaniki budowli. Pomysłodawca powstania Laboratorium 3D na Uniwersytecie Przyrodniczym w Poznaniu.

• Dr inż. Krzysztof Przybył

Adiunkt w Katedrze Mleczarstwa i Inżynierii Procesowej na Wydziale Nauk o Żywności i Żywienia na Uniwersytecie Przyrodniczym w Poznaniu. Specjalizuje się w dziedzinie technologii żywności oraz sztucznej inteligencji, z naciskiem na obszary uczenia maszynowego i głębokiego, analizę danych, przetwarzanie obrazu, ocenę jakości produktów spożywczych, suszenie warzyw i owoców, a także optymalizację procesów mechanicznych żywności. Ukończył studia doktoranckie na UPP oraz studia podyplomowe o specjalizacji w obszarze uczenia maszynowego i analizy danych na Uniwersytecie Ekonomicznym w Katowicach.  Jego obszary badawcze obejmują głównie teorie i zastosowania inteligencji obliczeniowej, w tym zaawansowane techniki deep i machine learning, systemy oparte na podobieństwach, relacje z systemami rozmytymi, rozpoznawanie wzorców, a także ocenę jakości produktów spożywczych i optymalizacja procesów technologicznych, zwłaszcza w zakresie suszenia konwekcyjnego i rozpyłowego. Autor publikacji naukowych w tematyce związanej z jakością i bezpieczeństwem żywności, uczeniem maszynowym, uczeniem głębokim oraz analizą statystyczną. Jego badania obejmują również projektowanie i wizualizację wielowymiarowych danych w kontekście badań naukowych. Członek polskiej grupy badawczej systemów uczących się (SIGML) oraz Polskiego Towarzystwa Technologów Żywności (PTTŻ).

• Dr hab. inż. Marcin Pszczoła

Adiunkt w Katedrze Genetyki i Hodowli Zwierząt na Wydziale Medycyny Weterynaryjnej i Nauk o Zwierzętach Uniwersytetu Przyrodniczego w Poznaniu oraz zastępca dyrektora Centrum Genetycznego Polskiej Federacji Hodowców Bydła i Producentów Mleka. Pracuje w dziedzinie hodowli i genetyki zwierząt. Jego badania koncentrują się na poprawie dokładności oceny genomowej dla nowych cech u bydła mlecznego oraz zmniejszaniu wpływu hodowli bydła na środowisko naturalne poprzez opracowywanie narzędzi pozwalających na selekcję w kierunku redukcji emisji metanu. Uzyskał stopień doktora na Uniwersytecie Wageningen (Holandia). Jest wiceprezesem Polskiego Towarzystwa Zootechnicznego (PTZ) oraz wiceprezydentem Komisji Genetyki Zwierząt Europejskiej Federacji Zootechnicznej (EAAP). Pełni również funkcję przewodniczącego Rady Naukowej czasopisma „animal – The international journal of animal biosciences” oraz członka grupy doradczej grupy roboczej "Feed and gas" przy Międzynarodowym Komitecie ds. Identyfikacji i Oceny Zwierząt - ICAR.

Tegoroczny cykl wykładów stwarza doskonałą okazję do zapoznania się z najnowszymi osiągnięciami i praktycznymi zastosowaniami sztucznej inteligencji w różnych dziedzinach nauki i technologii. W programie znajdą się prezentacje dotyczące innowacyjnych narzędzi oraz praktyczne przykłady ich wykorzystania, co pozwoli uczestnikom poszerzyć swoją wiedzę i umiejętności. To wyjątkowa szansa na zdobycie nowych perspektyw oraz wymianę doświadczeń w gronie specjalistów i pasjonatów AI.

Organizatorem cyklu jest Katedra Metod Matematycznych i Statystycznych UPP. Wykłady będą dostępne online za pośrednictwem platformy Zoom. Zachęcamy do udziału i aktywnego uczestnictwa w spotkaniach.