Zastosowanie modeli uczenia maszynowego w ocenie odrębności odmian roślin uprawnych | wykład otwarty
W semestrze zimowym 2026/2027 Uniwersytet Przyrodniczy w Poznaniu zaprasza na kolejną edycję cyklu „Sztuczna inteligencja – nowe horyzonty w nauce”. Tegoroczna edycja koncentruje się na konkretnych zastosowaniach sztucznej inteligencji w obszarach związanych z dydaktyką i naukami przyrodniczymi. Trzy spotkania pokażą różne perspektywy wykorzystania AI: modele uczenia maszynowego w ocenie odrębności odmian roślin uprawnych, rolę AI w dydaktyce akademickiej oraz połączenie wiedzy i doświadczenia człowieka z możliwościami sztucznej inteligencji w planowaniu i zarządzaniu lasami przyszłości. Wspólnym motywem wykładów będzie praktyczne wykorzystanie AI jako narzędzia wspierającego analizę danych, podejmowanie decyzji i pracę ekspercką. Do udziału zapraszamy naukowców, doktorantów i studentów, a także nauczycieli i wszystkich zainteresowanych praktycznymi zastosowaniami sztucznej inteligencji.
6.11.2026, godz. 12:00
Prof. UPP dr hab. Bogna Zawieja i mgr Laura Slebioda | „Zastosowanie modeli uczenia maszynowego w ocenie odrębności odmian roślin uprawnych”
Ocena odrębności, wyrównania i trwałości (OWT) odmian roślin uprawnych jest kluczowym elementem procesów hodowli oraz rejestracji odmian. Dla każdej cechy przeprowadza się analizę wariancji oddzielnie w każdym roku. Jednak przed wykonaniem odrębnych analiz warto zastosować metody wielowymiarowe, aby ustalić, czy dana odmiana różni się od innych jednocześnie pod względem wszystkich badanych cech. Zastosowanie modeli uczenia maszynowego pozwala na znaczne podniesienie skuteczności klasyfikacji. Dodatkowo, strategia podziału danych na podzbiory sprawia, że algorytm precyzyjnie rozpoznaje znane odmiany, a w przypadku nowych, poprawnie identyfikuje je jako wcześniej nieobserwowane.
Uzyskane wyniki wskazują, że uczenie maszynowe jest wartościowym narzędziem wspomagającym ocenę odrębności odmian w badaniach rolniczych oraz hodowli roślin.
Wykładowcy:
Prof. UPP dr hab. Bogna Zawieja
Od 38 lat pracuje na UPP w Katedrze Metod Matematycznych i Statystycznych. Zajmuje się modelami statystycznymi stosowanymi m.in. w ocenie nowych odmian roślin uprawnych, dendrometrii, analizie wpływu suplementacji na wyniki osiągane w sportach wysiłkowych oraz analizie występowania różnych gatunków mikrostawonogów. Interesuje się stosowaniem różnorodnych metod statystycznych, każdorazowo dobieranych do specyfiki danych, które nie zawsze są „idealne” z punktu widzenia statystyki. W analizach sięga również po metody, które można uznać za prekursorów współczesnego uczenia maszynowego, m.in. drzewa decyzyjne, regresję grzbietową i regresję lasso.
Mgr Laura Slebioda
Asystent w Katedrze Metod Matematycznych i Statystycznych Uniwersytetu Przyrodniczego w Poznaniu. Pracuje naukowo w obszarze statystyki i uczenia maszynowego, ze szczególnym uwzględnieniem zastosowań sieci neuronowych w rolnictwie i ogrodnictwie. Członek Pracowni Sztucznej Inteligencji UPP. Programuje w językach R, Python i Haskell. Dydaktyk w zakresie analizy matematycznej, technologii informacyjnych, statystyki i obsługi narzędzi statystycznych.
Kliknij poniższy link, aby dołączyć do webinaru:
https://zoom.us/j/97396868458
Identyfikator spotkania: 973 9686 8458
Kod dostępu: 598612