e-mail: pglomb@iitis.pl
Profil
Informatyk i badacz sztucznej inteligencji. Kierownik Zespołu Uczenia Maszynowego w Instytucie Informatyki Teoretycznej i Stosowanej PAN. Specjalizuje się w teorii uczenia maszynowego i głębokich sieci neuronowych oraz w ich zastosowaniach do analizy sygnałów, obrazów i szeregów czasowych. Rozwija metody zwiększania interpretowalności modeli głębokiego uczenia, w tym techniki ograniczania zjawiska „obumierania neuronów” oraz adaptacji architektur sieciowych do złożonych danych czasowo-przestrzennych. Jest kierownikiem i wykonawcą licznych projektów badawczo-rozwojowych, m.in. dotyczących inteligentnego monitorowania sieci dystrybucji wody (wykrywanie wycieków i awarii) i innych systemów przemysłowych, czy zaawansowanej analizy obrazów hiperspektralnych wykorzystywanych w kryminalistyce i ochronie dziedzictwa kulturowego. Posiada wieloletnie doświadczenie dydaktyczne w zakresie systemów sztucznej inteligencji i uczenia maszynowego oraz we współpracy z przemysłem przy wdrażaniu rozwiązań analitycznych opartych na danych.
Tematyka badawcza: praktyka i teoria uczenia maszynowego i głębokich sieci neuronowych, interpretowalność i wyjaśnialność modeli AI, uczenie reprezentacji dla szeregów czasowych i obrazów, klasyfikacja i analiza danych hiperspektralnych, zastosowania uczenia maszynowego w monitoringu infrastrukturalnych systemów technicznych, wykorzystanie metod AI w analizie obrazów i diagnostyce medycznej.
Dorobek naukowy:
https://https://orcid.org/0000-0002-0215-4674
https://www.iitis.pl/pl/person/pglomb
https://www.scopus.com/authid/detail.uri?authorId=16039493100