TEMATY PRAC DOKTORSKICH - AVAILABLE TOPICS OF PHD THESES

Wsparcie dla doktorantów w postaci stypendium dla każdego doktoranta wg nowego projektu Ministerstwa Nauki i Szkolnictwa Wyższego od 01.10.2018!

Ponadto dostępne są stypendia wydziałowe, naukowe, ministerialne i wsparcie socjalne dla doktorantów... Jeśli kochasz naukę, technikę i sztuczną inteligencję umów się, przyjdź i porozmawiamy o swoim doktoracie! Zapraszam. Adrian Horzyk

Konstytucja dla Nauki wprowadza szkoły doktorskie, które zastąpią studia doktoranckie i nie będą oferowały niestacjonarnego trybu studiowania. Kluczowe jest jednak zapewnienie znaczącego wsparcia przyszłych doktorantów. Każdy z nich otrzyma stypendium. Ustawa wprowadza urlopy rodzicielskie (macierzyńskie i ojcowskie) dla doktorantów udzielane na zasadach identycznych jak w przypadku osób zatrudnionych na umowę o pracę. To ostatnie rozwiązanie jest wynikiem konsultacji społecznych. Ustawa ma wejść w życie 1 października 2018 roku. Ponadto dostępna jest cała gama stypendiów dla doktorantów za osiągnięcia w nauce i publikacje naukowe!

Coroczny konkurs na najlepszą pracę doktorską organizowany przez Polskie Stowarzyszenie Sztucznej Inteligencji (PSSI).

Część tematów prac doktorskich może być wspierana przez projekty badawcze i granty lub inwestorów zewnętrznych. W przypadku zainteresowania napisz do mnie i porozmawiamy o dalszych perspektywach Twojego rozwoju i realnych możliwościach! Zapraszam. Adrian Horzyk

Możliwe do uzgodnienia również inne tematy prac doktorskich zgodnych z tematyką prowadzonych przeze mnie badań naukowych w zakresie sztucznej inteligencji, inteligencji obliczeniowej, systemów asocjacyjnych i kognitywistycznych, modelowania pamięci, uczenia maszynowego, rozpoznawania wzorców (obrazów, akustycznych, biomedycznych o strukturze wzorców klasycznych, sekwencyjnych i strukturalnych).


LP. TEMAT PRACY DOKTORSKIEJ CEL, TEZA I ZAKRES PRACY DOKTORSKIEJ STATUS
7. Zastosowanie innowacyjnych metod uczenia maszynowego, w tym uczenia asocjacyjnego i motywowanego, do tworzenia inteligentnych, kognitywnych, samouczących się agentów.
The use of innovative machine learning methods, including associative and motivated learning, to create intelligent, cognitive, self-learning agents.
Zagadnienie badawcze obejmuje opracowanie nowych oraz rozwinięcie istniejących modeli szeroko pojętej sztucznej inteligencji, inteligencji obliczeniowej, inżynierii wiedzy w celu umożliwienia automatycznej adaptacji, tworzenia wiedzy i inteligentnego zachowania się agentów. Prace badawcze będą również porównać opracowane metody, modele i algorytmy do obecnie stosowanych. Kryterium porównawczym będzie zdolność agentów do samoorganizacji oraz kreacji bazy wiedzy na podstawie ich interakcji ze środowiskiem. Po za klasycznymi modelami i metodami uczenia maszynowego do realizacji zagadnienia zastosowane zostaną asocjacyjne struktury danych i ich sieci neuronowe oraz metody uczenia motywowanego.
The research issue includes the development of new and extension of existing models of broadly understood artificial intelligence, computational intelligence, knowledge engineering in order to enable automatic adaptation, creation of knowledge and intelligent behavior of agents. Research work will also compare the developed methods, models and algorithms to those currently used. The comparative criterion will be the agents' ability to self-organize and create a knowledge base based on their interaction with the environment. After the classic models and methods of machine learning, the implementation of the problem will be applied to associative data structures and their neural networks and motivated learning methods.
DOSTĘPNY/AVAILABLE
6. Wykorzystanie i rozwój metod inteligencji obliczeniowej w medycynie celowanej, z wykorzystaniem pigułki cyfrowe do dodawania leków i przewlekłe depresje dzięki platformie neurologicznej „NEUREKA” firmy Novela.
The use and development of computational intelligence methods for targeted medicine, with the use of digital pills for drug additions and chronic depressions through novela’s ‘NEUREKA’ neurological platform.
Celem pracy jest wykorzystanie metod inteligencji obliczeniowej, uczenia maszynowego oraz mikrochipów i sprzętu firmy Novela Neuro do diagnostyki medycznej oraz leczenia uzależnień narkotykowych, epilepsji, depresji, choroby afektywnej dwubiegunowej, padaczki i innych, jak również tworzenie modeli obliczeniowych aktywności neuronalnej w mózgu charakterystycznej dla różnych schorzeń neurologicznych i psychiatrycznych. W badaniach tych będą wykorzystane między innymi skojarzeniowe struktury neuronowe do modelowania procesów zachodzących w biologicznych strukturach nerwowych oraz różne modele i metody uczenia maszynowego.
The purpose of the work is to use computational intelligence methods, machine learning, and microchips and Novel Neuro equipment for medical diagnosis and treatment of drug addictions, epilepsy, depression, bipolar disorder, epilepsy and others, as well as the creation of computational models of neural activity in the brain characteristic of various neurological disorders and asylums. These studies will use, among others, associative neural structures to model processes occurring in biological nervous structures and various models and methods of machine learning.
DOSTĘPNY/AVAILABLE
5. Zastosowanie nowych asocjacyjnych modeli i metod sztucznej inteligencji do automatycznej analizy i klasyfikacji obrazów medycznych, sygnałów EKG oraz badania jednostek chorobowych.
Application of new associative models and methods of artificial intelligence for automatic analysis and classification of medical images, ECG signals and examination of disorders.
Badania będą zorientowane na opracowanie nowych modeli obliczeniowych opartych na asocjacyjnych grafowych strukturach danych i sieciach neuronowych służących do przeprowadzania analizy danych medycznych w postaci szeregów czasowych oraz serii obrazów. Efektem tej analizy będzie m.in. przeprowadzanie klasyfikacji pod kątem wybranych jednostek chorobowych a także eksploracja wiedzy zawartej w analizowanych danych. Modele te, wraz z operującymi na nich algorytmami, a w szczególności ich praktyczne implementacje, będą miały za zadanie wspomóc pracowników służby zdrowia oraz pacjentów w nietrywialnych zagadnieniach diagnostycznych. W proponowanych modelach będą wykorzystane także znane rozwiązania m.in. konwolucyjne i rekurencyjne sieci neuronowe oraz algorytmy uczenia maszynowego. Ponadto zostaną wykorzystane istniejące asocjacyjne modele i metody inteligencji obliczeniowej. Opracowane modele zostaną porównane z innymi dostępnymi metodami analizy danych medycznych i klasyfikacji jednostek chorobowych.
The research will focus on the development of new computational models based on associative graph data structures and neural networks for medical data analysis in the form of time series and images. The result of the analysis will be the classification of certain disorders as well as an exploration of knowledge contained in the analyzed data. These models, along with algorithms operating on them, and their practical implementations, in particular, will be designed to help healthcare professionals and patients in non-trivial diagnostic issues. The proposed models will use known solutions, including convolutional and recursive neural networks and machine learning algorithms. In addition, existing associative models and methods of computational intelligence will be used. The developed models will be compared with other available methods of analysis of medical data.
DOSTĘPNY/AVAILABLE
4. Tworzenie, usprawnianie i adaptacja nowych asocjacyjnych i kognitywnych metod sztucznej inteligencji do modelowania wiedzy, klasteryzacji i klasyfikacji danych oraz szybkiego przetwarzania dużych zbiorów danych do sterowania robotami w środowisku wirtualnym i rzeczywistym.
• Creation, improvement and adaptation of new associative and cognitive methods of artificial intelligence for knowledge modeling, clustering and classification of data, and fast processing of large data sets to control robots in a virtual and real environments.
Celem pracy Jest wykorzystanie asocjacyjnych metod sztucznej inteligencji oraz asocjacyjnych grafowych struktur danych (tj. AGDS, MAGDS, DASNG, APNN, AANG), różnych biologicznie inspirowanych modeli neuronów, symbol groundingu, asocjacyjnych pamięci semantycznych i epizodycznych, uczenia maszynowego oraz uczenia motywowanego do szybkiego przetwarzania danych oraz modelowania wiedzy w systemach robotycznych. Zakres pracy obejmuje stworzenie grafowych asocjacyjnych struktur danych umożliwiających zagregowaną i skojarzeniową reprezentację danych, szybki dostęp do nich i dalsze przetwarzanie oraz wnioskowanie na ich podstawie. Planowane jest również wykorzystanie różnych metod asocjacyjnych oraz sztucznej inteligencji do klasteryzacji i klasyfikacji danych. Badane rozwiązania będą stosowane w systemach pomiarowych, eksperckich i diagnostyce medycznej. Planowana jest implementacja rozwiązań asocjacyjnych w chmurze i stworzenie systemu rozwiązań asocjacyjnych baz danych. Zakres pracy obejmuje również stworzenie i implementację algorytmów związanych z odczytywaniem danych z różnych czujników robota, sterowaniem jego silnikami i wysięgnikami, symbol groundingiem, rozpoznawaniem, klasteryzacją i klasyfikacją obrazów, tworzeniem czasowo-przestrzennych związków asocjacyjnych pomiędzy obiektami, pamięciami semantycznymi, uczeniem maszynowym i tworzeniem systemu kognitywistycznego.
The work aims to use associative methods of artificial intelligence and associative graph data structures (i.e. AGDS, MAGDS, DASNG, APNN, AANG), various biologically inspired models of neurons, grounding symbol, associative semantic and episodic memories, machine learning and motivated learning for fast data processing and knowledge modeling in robot systems. The scope of the work includes the creation of associative graph data structures enabling the aggregated and associative representation of data, quick access, and further processing, as well as conclusions based on them. It is also planned to use various association and artificial intelligence methods to cluster and classify data. The researched solutions could be applied in measurement systems, expert systems, and medical diagnostics. It is planned to implement association solutions in the cloud and create a system of association database solutions. The scope of work also includes the creation and implementation of algorithms related to reading data from various sensors of the robot, controlling its motors and arms, grounding symbol, recognition, clustering and classification of images, creating temporal-spatial association relationships between objects, semantic memories, machine learning and cognitive system creation.
DOSTĘPNY/AVAILABLE
3. Autonomiczny asocjacyjny system wizyjny robota formującego wiedzę o otoczeniu z wykorzystaniem uczenia motywowanego i metod sztucznej inteligencji.
An autonomous associative vision system of a robot forming knowledge about the environment using motivated learning and artificial intelligence methods.
Celem pracy jest stworzenie innowacyjnego systemu wizyjnego robota (np. dla dostępnej platformy Paralax Arduino korzystającego z sensora wizyjnego Intel RealSense) opartego o asocjacyjne metody symbol groundingu, asocjacyjne pamięci semantyczne, uczenia maszynowego, metod sztucznej inteligencji oraz uczenia motywowanego, umożliwiającego autonomiczne i automatyczne tworzenie wiedzy o otoczeniu bazującej na rozpoznawanych symbolach, z możliwością przemieszczania się oraz określania celów na bazie zdefiniowanych lub naturalnych potrzeb robota.
Zakres pracy obejmuje również stworzenie i implementację algorytmów związanych z odczytywaniem danych z różnych czujników robota, sterowaniem jego silnikami i wysięgnikami, symbol groundingiem, rozpoznawaniem, klasteryzacją i klasyfikacją obrazów, tworzeniem czasowo-przestrzennych związków asocjacyjnych pomiędzy obiektami, pamięciami semantycznymi, uczeniem maszynowym i tworzeniem systemu kognitywistycznego.
Tezą pracy jest udowodnienie, iż można stworzyć autonomiczny system robotyczny z wykorzystaniem asocjacyjnych mechanizmów do automatycznego formowania wiedzy robota o otoczeniu wykorzystując postulaty uczenia motywowanego.
Język pracy: polski lub angielski
Wymagania: Dobra znajomość metod sztucznej inteligencji, inteligencji obliczeniowej, metod rozpoznawania obrazów, biegła umiejętność programowania oraz zasad inżynierii oprogramowania oraz wiedza na temat asocjacyjnych struktur danych oraz sztucznych systemów skojarzeniowych.
Wsparcie/Granty/Stypendia/Zatrudnienie: Możliwe zatrudnienie w grancie badawczym na okres kilku miesięcy ze stypendium w wysokości 3000 PLN + możliwe inne stypendia i formy wsparcia, w tym stypendium wydziałowe (2000 PLN) + naukowe + ministerialne + socjalne.
DOSTĘPNY
2. Asocjacyjne grafowe bazy danych wyposażone w szybkie mechanizmy wnioskowania oraz dostępu do danych.
Associative graph databases equipped with quick mechanisms of inference and data access.
Celem pracy jest wykorzystanie asocjacyjnych struktur danych (tj. AGDS, MAGDS, DASNG, APNN, AANG) i opracowanie innowacyjnego asocjacyjnego systemu bazodanowego opartego o efektywne algorytmów dostępu do danych (np. wykorzystujące AVB-drzewa) tworząc uniwersalny asocjacyjny silnik bazodanowy na podobieństwo SQLa wraz z rozszerzeniami do eksploracji danych.
Zakres pracy obejmuje również stworzenie i implementację algorytmów automatycznej transformacji relacyjnych i nierelacyjnych baz danych do postaci asocjacyjnych grafowych baz danych (AGDB) oraz wykonanie porównań efektywności operacji z innymi bazami danych.
Tezą pracy jest udowodnienie, iż grafowe mechanizmy asocjacyjne są dużo efektywniejszym sposobem na przechowywanie i wyszukiwanie danych, jak również pozwalają na zautomatyzowanie i znaczne przyspieszenie wnioskowania, a więc semi-automatyczną eksplorację danych.
Język pracy: polski lub angielski
Wymagania: Dobra znajomość relacyjnych i nierelacyjnych baz danych, biegła umiejętność programowania oraz zasad inżynierii oprogramowania oraz wiedza na temat asocjacyjnych struktur danych.
Wsparcie/Granty/Stypendia/Zatrudnienie: Możliwe zatrudnienie w firmie komercyjnej zainteresowanej tą tematyką na stanowisku zastępcy kierownika projektów B+R z wynagrodzeniem ok. 8000 PLN brutto/brutto. Dodatkowo możliwe stypendia i różne inne formy wsparcia, w tym stypendium wydziałowe (2000 PLN) + naukowe + ministerialne + socjalne.
DOSTĘPNY
1. Wykorzystanie metod sztucznej inteligencji oraz asocjacyjnego grafowego równoległego przetwarzania danych do kontroli jakości danych pozyskiwanych w akceleratorze dużych cząstek elementarnych ALICE w CERNie.
The use of artificial intelligence methods and associative graphical parallel data processing to control the quality of data obtained in the large elementary particle accelerator ALICE in CERN.
Celem pracy jest wykorzystanie metod sztucznej inteligencji oraz asocjacyjnych grafowych struktur danych (tj. AGDS, MAGDS, DASNG, APNN, AANG) do szybkiego (w czasie rzeczywistym) przetwarzania danych pod kątem badania jakości danych pozyskiwanych z detektorów ALICE (ponad 3Gb/s).
Zakres pracy obejmuje stworzenie grafowych asocjacyjnych struktur danych umożliwiających zagregowaną i skojarzoną reprezentację danych, szybki dostęp do nich i dalsze przetwarzanie oraz wnioskowanie na ich podstawie. Planowane jest również wykorzystanie różnych metod asocjacyjnych oraz sztucznej inteligencji do klasteryzacji i klasyfikacji danych. Zaletą pracy jest możliwość obrabiania rzeczywistych danych oraz dostęp do specjalistycznego sprzętu, w tym do przetwarzania równoległego, jak również struktury softwarowej i hardwarowej oraz danych eksperymentu ALICE w CERNie. Przewidywane są wyjazdy do CERNu w Szwajcarii, a nawet pobyt i praca w CERNie w trakcie realizacji doktoratu.
Tezą pracy jest udowodnienie, iż mechanizmy asocjacyjne są efektywniejsze w przechowywaniu, wyszukiwaniu i przetwarzaniu danych, jak również pozwalają na zautomatyzowanie i znaczne przyspieszenie wnioskowania..
Język pracy:angielski
Wymagania: Dobra znajomość relacyjnych i nierelacyjnych baz danych, LINUXa, biegła umiejętność programowania oraz zasad inżynierii oprogramowania oraz wiedza na temat asocjacyjnych struktur danych. Niezbędna jest również bardzo dobra znajomość języka angielskiego (na min. B2/B3 poziomie) w mowie, w piśmie i komunikacji, gdyż niezbędny będzie kontakt z naukowcami z różnych krajów.
Wsparcie/Granty/Stypendia/Zatrudnienie: Możliwe aplikowanie o stypendium CERNowskie w wysokości 3840 CHF (ok. 13000 PLN) miesięcznie przez okres 3 lat i zatrudnienie w Szwajcarii w CERNie przy projekcie ALICE, gdzie realizowana by była praca nad doktorantem w 75%. Ponadto możliwy udział w grancie AGH na współpracę z CERNem w projekcie ALICE. Dodatkowo możliwe stypendia i różne inne formy wsparcia, w tym stypendium wydziałowe (2000 PLN) + naukowe + ministerialne + socjalne.
DOSTĘPNY