Wydziałowe Seminarium Naukowe

Wydział Matematyki i Informatyki zaprasza pracowników, doktorantów i studentów na wydziałowe seminarium naukowe które odbędzie się  we wtorek 28.03.2022 o godz. 16:00 w auli B.

Kto?: dr hab. A. Jankowski, profesor UWM.

Temat: Rosnąca rola matematyki w zastosowaniach współczesnej informatyki.

Jak i gdzie? hybrydowo, stacjonarnie: w auli B, zdalnie: kod dostępu przez teams jyu8a8v

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.htmlhttps://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. 

Poprzednie seminaria

  • ,,Procedury aproksymacji stochastycznej dla procesu dyfuzyjnego z przełączeniami semimarkowowskimi'' - Mgr. Wojciech Rosa
  • ,,Wybrane zagadnienia dotyczące szeregów w przestrzeniach skończenie wymiarowych'' - dr Jacek Marchwicki
  • "Prosta rzutowa nad pierścieniem skończonym łącznym z jedynką" - mgr Edyta Bartnicka, Wydział Matematyki i Informatyki
  • "Nowe wyniki w szeregowaniu zadań uwarunkowanych czasowo" - dr hab. Stanisław Gawiejnowicz, prof. UAM Uniwersytet Adama Mickiewicza, Poznań
  • "Metody sztucznej inteligencji w badaniach geotechnicznych" - dr inż. Piotr Bilski, Wydział Zastosowań Informatyki i Matematyki SGGW oraz Instytut Radioelektroniki Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej
  • "Problemy geometryczne w analizie danych" - prof. Michał Grabowski
  • "Dynamika DNA w przybliżeniu gruboziarnistym - od modelu matematycznego dosymulacji komputerowych" dr Maciej Maciejczyk, Wydział Nauki i Żywności