Szanowi Państwo,

zapraszamy na najbliższe seminaria, które odbędą się na WMiI:

(I)

Termin: Wtorek 22 Marca 2022, godzina 14:15,

Lokalizacja: Hybrydowo, stacjonarnie w auli B, i dostęp zdalny przez teams jyu8a8v

Gość: dr Sankha S. Basu

Tytuł Wykładu: Negation-Free Definitions of Paraconsistency

Opis: Paraconsistency is commonly defined and/or characterized as the failure of a principle of explosion. The various standard forms of explosion involve one or more logical operators or connectives, among which the negation operator is the most frequent. In this article, we ask whether a negation operator is essential for describing paraconsistency. In other words, is it possible to describe a notion of paraconsistency that is independent of connectives? We present two such notions of negation-free paraconsistency, one that is completely independent of connectives and another that uses a conjunction-like binary connective that we call `fusion'. We also derive a notion of `quasi-negation' from the former and investigate its properties.

(II)

Termin: Poniedziałek 28 III 2022 o godzinie 16:00.

Lokalizacja: hybrydowo, stacjonarnie: w auli B, zdalnie: kod dostępu przez teams jyu8a8v

Gość: dr hab. A. Jankowski, profesor UWM.

Tytuł Wykładu: Rosnąca rola matematyki w zastosowaniach współczesnej informatyki.

Opis szczegółowy:

Szybko rosnące wynagrodzenia specjalistów Data Science oraz systematycznie zwiększające się potrzeby rynkowe w tym zakresie, stawiają duże wyzwania przed uczelniami wyższymi.  Wzrost skali tych wyzwań, został zdynamizowany przez pandemię, która dodatkowo wymusiła przyśpieszenie transformacji cyfrowej.  Organizacje chcące poprawić jakość swojego funkcjonowania oraz wzmocnić przewagę konkurencyjną zmuszone zostały do przyśpieszenia wdrażania technik analizy danych i wydobywania z nich wiedzy biznesowej.

W kontekście powyższych wyzwań często można się spotkać z opiniami pracodawców w Polsce, że absolwenci IT czołowych naszych wyższych uczelni wymagają uzupełniania braków edukacyjnych (zwłaszcza w zakresie praktycznych umiejętności, np. praktycznego matematycznego modelowania problemów i stosowania nowoczesnych narzędzi Data Science).  Wielu pracodawców wręcz uważa, że zdecydowanie brakuje w Polsce uczelni wyższych specjalizujących się w zintegrowanym kształceniu w kierunku Data Science na poziomie studiów inżynierskich, magisterskich, doktoranckich i podyplomowych.  Zgodnie z wiedzą autora referatu, aktualnie w Polsce nie ma ani jednej takiej uczelni. Przykładowo w USA mamy setki uczelni wyższych ze studiami BA, magisterskimi, doktoranckimi i podyplomowymi w kierunku Data Science (por. Master's in Data Science School Directory (mastersindatascience.org)). Szczególnie ciekawe programy mają takie uczelnie jak: Best 23 Schools With Data Science Master's Programs | 2022 Rankings (mastersindatascience.org). Istota wielu tych programów (realizowanych w USA) sprowadza się do nauczania studentów zespołowego rozwiązywania praktycznych problemów za pomocą metod zaawansowanej analizy danych oraz maszynowego uczenia. Te metody często bazują na bardzo zaawansowanych narzędziach matematycznych (wyjaśnianych studentom w przestępny sposób). Dominuje podejście do uczenia na przykładach (ang. Case-based learning).  Dużą uwagę zawraca się na naukę umiejętności konstruowania matematycznych modeli pożytecznych do precyzyjnego definiowania i rozwiązywania praktycznych problemów. Przeglądając współczesne (2022) i planowane do druku (w 2023) dobre książki wprowadzające do Data Science i maszynowego uczenia można odnieść wrażenie, że wręcz są to książki z matematyki (np. https://probml.github.io/pml-book/book1.html,  https://probml.github.io/pml-book/book2.html). Jednocześnie należy podkreślić, że nie tylko matematyka wzbogaca Data Science. Jest również wiele przykładów na relację odwrotną. Przykładowo analizy wyników obliczeń realizowanych w praktycznych zastosowaniach IT/Data Science zainspirowały rozwój wielu nurtów współczesnej matematyki.

Stawiam tezę, że WMiI UWM ma w swoich zasobach kadrowych wystarczająco dużo kompetencji matematycznych oraz kompetencji w zakresie doświadczeń z realizacji wielu praktycznych i różnorodnych projektów z analizy danych i maszynowego uczenia, aby opracować i uruchomić program działań prowadzący do zdobycia pozycji jednego z najlepszych ośrodków w Europie w zakresie edukacji i badań dotyczących zastosowań Data Science. Osiągnięcie tego długofalowego celu nie będzie możliwe bez odpowiedniego zaangażowania, wysiłku i konstruktywnej współpracy naszego środowiska. W trakcie referatu m.in. zostanie naszkicowana propozycja (do dalszej dyskusji) koncepcji planu takich działań.

(III)

Termin: Wtorek 5 Kwietnia 2022, godzina 11:30,

Lokalizacja: Hybrydowo, stacjonarnie w auli B i dostęp zdalny przez Teams jyu8a8v

Prelegent: dr Piotr Jastrzębski

Tytuł: Wolfram Alpha – szybki kurs i wstęp do obliczeń symbolicznych

Opis: Wolfram Alpha to narzędzie internetowe umożliwiające dokonywanie obliczeń i wizualizację danych z wykorzystaniem odpowiednich komend i języka naturalnego, które spopularyzowało podejście symboliczne do rachunków na komputerze. W trakcie prezentacji zostaną zaprezentowane podstawowe zastosowania Wolfram Alpha przydatne w dydaktyce. Na koniec zaprezentowane będzie użycie obliczeń symbolicznych (w innym narzędziu) do prac badawczych.

(IV)

Termin: Wtorek 12 Kwietnia 2022, godzina 11:30,

Lokalizacja: Seminarium online, teams jyu8a8v

Gość : prof. zw. dr hab. n. med. Andrzej Grzybowski

Tytuł Wykładu: Zastosowanie sztucznej inteligencji w medycynie i okulistyce.

Opis: Wykład wprowadzi w tematykę potencjalnych korzyści oraz ew. zagrożeń dot. sztucznej inteligencji w medycynie. Ponadto omówione zostanie szczegółowe zastosowanie technologii uczenia maszynowego w diagnostyce rożnych chorób oczu.