mgr inż. Aleksander Wojtowicz
- Jednostka:
Wydział Nauk Ścisłych i Technicznych, Instytut Informatyki - Budynek: A0 (korytarz B1), ul. prof. Stanisława Pigonia 1
- Pokój: 344
- Nr telefonu: 17 851 8597
- e-mail: [email protected]
- ORCID: 0009-0006-4514-4608
- Konsultacje dla studentów: poniedziałek 16:30 - 18:00
Informacje
Doktorant w Szkole Doktorskiej Uniwersytetu Rzeszowskiego, zatrudniony na stanowisku asystenta badawczo-dydaktycznego w Zakładzie Sztucznej Inteligencji Instytutu Informatyki UR.
Zajmuje się rozwojem metod selekcji i rankingu cech istotnych opartych na teorii zbiorów przedziałowo-rozmytych oraz funkcjach agregacji, ze szczególnym uwzględnieniem zastosowań w uczeniu maszynowym i wspomaganiu diagnostyki medycznej.
Prowadzone badania łączą klasyczne podejścia eksploracji danych z modelowaniem niepewności przy użyciu zbiorów przedziałowo-rozmytych, umożliwiając budowę bardziej odpornych i interpretowalnych modeli klasyfikacyjnych.
Zainteresowania naukowe:
-
Teoria zbiorów rozmytych
-
Teoria zbiorów przedziałowo-rozmytych
-
Uczenie maszynowe
-
Algorytmy klasyfikacji
-
Klasyfikacja wielodecyzyjna
-
Analiza i eksploracja danych
-
Selekcja i ranking cech istotnych
PhD student at the Doctoral School of the University of Rzeszów, employed as a research and teaching assistant at the Department of Artificial Intelligence, Institute of Computer Science, University of Rzeszów.
His research focuses on the development of feature selection and feature importance ranking methods based on interval-valued fuzzy set theory and aggregation functions, with particular emphasis on machine learning applications and support for medical diagnostics.
The conducted research combines classical data exploration approaches with uncertainty modelling using interval-valued fuzzy sets, enabling the construction of more robust and interpretable classification models.
Scientific Interests:
-
Fuzzy Set Theory
-
Interval-Valued Fuzzy Set Theory
-
Machine Learning
-
Classification Algorithms
-
Multi-Class Classification
-
Data Analysis and Exploration
-
Feature Selection and Importance Ranking
Profil Google Scholar
Profil ORCID: 0009-0006-4514-4608