Program ten przenosi znanych międzynarodowych liderów myśli do różnych miejsc na całym świecie, gdzie wypowiadają się na najważniejsze tematy w dzisiejszej informatyce. Oejmuje ponad 125 prelegentów i 400 dostępnych wykładów na takie tematy, jak inżynieria oprogramowania, obliczenia o wysokiej wydajności, interakcja człowiek-komputer, sztuczna inteligencja, gry, komputery mobilne i dziesiątki innych.
Prof. Maulik wygłosi na Politechnice Łódzkiej dwa wykłady na Wydziale Elektrotechniki, Elektroniki, Informatyki i Automatyki. Pierwszy 14 czerwca, godz. 12, aula E2 (bud. A10) - "Unsupervised Pattern Classification in Single and Multi-objective Framework".
Streszczenie wykładu: Klastrowanie jest popularną techniką nienadzorowanej klasyfikacji danych, która służy do podziału danego zestawu danych na jednorodne grupy w oparciu o pewną metrykę podobieństwa/niepodobieństwa. W literaturze zdefiniowano wiele algorytmów dokonujących klasteryzacji w drodze minimalizacji jednej funkcji celu, w tym algorytmy k-średnich (K-Mean) oraz rozmytych k-średnich (Fuzzy C-Means, FCM). Chociaż obydwa te algorytmy są bardzo popularne, mogą trzymać się lokalnych optimów w zależności od wyboru początkowych centrów klastrów. Podczas tego wykładu zaprezentowane zostaną techniki metaheurystyczne, które mogą być użyte do rozwiązania tego problemu.
Wynik zostanie zademonstrowany dla problemu klasyfikacji pikseli zdjęć satelitarnych. Druga część wykładu poświęcona zostanie problemowi klastrowania wielokryterialnego, w którym optymalizacji polega jednocześnie kilka funkcji celu. Wybór jednego rozwiązania ze zbioru rozwiązań optymalnych w sensie Pareta jest zawsze kwestią krytyczną. Podczas wykładu omówione zostanie również, w jaki sposób techniki uczenia maszynowego, takie jak maszyna wektorów nośnych (SVM), mogą być wykorzystywane do łączenia rozwiązań optymalnych w sensie Pareta w celu opracowania lepszego rozwiązania. Wynik zostanie zademonstrowany na przykładzie problemu klasyfikacji danych zawartych w mikromacierzach ekspresji genów.
Drugi wykład odbędzie się 15 czerwca, godz. 12, aula E2 (bud. A10) - "Artificial Intelligence and Data Science: Current Trends and Future Challenges".
Streszczenie: Wykład rozpocznie się omówieniem aktualnych trendów w sztucznej inteligencji (AI) i nauce o danych (ang. Data Science). Przedstawione zostaną praktyczne zastosowania różnych algorytmów uczenia maszynowego, w tym uczenia głębokiego (ang. Deep Learning). Przybliżone zostanie również, w jaki sposób techniki głębokiego uczenia mogą być skutecznie wykorzystywane w inteligentnych samochodach autonomicznych, a także w zastosowaniach medycznych. Omówione zostaną również kwestie związane z Big Data. Wykład zakończy próba zrozumienia w jaki sposób dobierać modele sieci neuronowych odpowiednio do ich zastosowania.