Marcin Choiński, Data&AI Sr. Director, TVN Warner Bros. Discovery
Pasjonat danych, sztucznej inteligencji oraz ich monetyzacji w zastosowaniach biznesowych. Ekspert i praktyk w dziedzinie zarządzania danymi, zapewniania ich ładu oraz rozwijania kultury organizacyjnej w oparciu o dane, analitykę i AI. Posiada blisko dwudziestoletnie doświadczenie w tworzeniu i wdrażaniu rozwiązań klasy Data Management, Data Governance, oraz AI/ML, w szczególności w branży digital/online i marketingu cyfrowego.
Absolwent Wydziału Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Od początku kariery zajmował się Hurtowniami Danych i BI, a następnie również MDM, Big Data, Data Science/AI oraz Analityką Biznesową. Pracował jako konsultant m. in. dla globalnych i regionalnych korporacji z branży farmaceutycznej, telekomunikacyjnej i handlowej. Od 8 lat w TVN Warner Bros Discovery odpowiedzialny za dział Data&AI, w tym za zarządzanie zmianą kulturową w obszarze danych, definicję i wdrażanie strategii danych wspierającej realizację strategii biznesowej oraz budowę rozwiązań w obszarze Big Data i AI/ML, w szczególności dla obszaru digital. Kierownik studiów "Big Data i Data Science w zarządzaniu" oraz wykładowca na Akademii Leona Koźmińskiego, jak również wykładowca na studiach podyplomowych oraz MBA Politechniki Warszawskiej. Uprzednio również założyciel i redaktor naczelny portalu BI.PL, trener, główny analityk danych w zespole futbolu amerykańskiego Warsaw Eagles. Hobbystycznie buduje modele analityczne w obszarze sportu, gra w koszykówkę, oraz wędkuje.

Absolwentka Uniwersytetu Warszawskiego na kierunku Informatyka i Ekonometria oraz Szkoły Głównej Handlowej, gdzie ukończyła studia z zakresu Analizy Danych – Big Data. Posiada ponad 7-letnie doświadczenie zawodowe, które od samego początku koncentruje się na danych i ich praktycznych zastosowaniach w biznesie.
Swoje pierwsze doświadczenia zdobywała jako Analityk Customer Insights w Loyalty Partner (Payback), gdzie odpowiadała za analizę zachowań klientów i opracowywanie strategii marketingowych opartych na danych. Obecnie pełni rolę Starszego Konsultanta Analitycznego w SAS Institute, gdzie specjalizuje się w dostarczaniu zaawansowanych rozwiązań analitycznych oraz wdrażaniu technik uczenia maszynowego. Doświadczenie jako wykładowca zdobywała pracując w Polsko-Japońskiej Akademii Technik Komputerowych, gdzie prowadziła zajęcia dotyczące programowania i analizy danych z wykorzystaniem narzędzi SAS.
Na co dzień uczestniczy w kluczowych projektach, które pomagają firmom lepiej zrozumieć dane i przekształcać je w wartościowe informacje biznesowe. Jest certyfikowanym ekspertem SAS Viya, co potwierdza jej zaawansowane umiejętności w zakresie analizy danych i technologii SAS.

Absolwent Politechniki Warszawskiej i Kungliga Tekniska Högskolan w Sztokholmie. Specjalista zagadnień uczenia maszynowego, dużych zbiorów zdanych i modelowania statystycznego. Doświadczenie zdobywał w branży ecommerce, bankowości oraz adtechu, gdzie rozwiązywał problemy związane z systemami rekomendacyjnymi, detekcją fraudów i targetowaniem. Prywatnie pasjonat motoryzacji, futbolu oraz rynku nieruchomości.

Jest autorem, współautorem ponad 100 publikacji naukowych, w tym artykułów w prestiżowych czasopismach naukowych, takich jak Cell, Nature Genetics, Nucleic Acids Research, Bioinformatics, Journal of Clinical Investigation, Genome Research, American Journal of Human Genetics. Głównym celem jego badań jest analiza danych z sekwencjonowania następnej generacji oraz danych z mikromacierzy. Jako doktorant na Politechnice Warszawskiej, dr Gambin był zaangażowany w kilka projektów prowadzonych we współpracy z Baylor Genetics (BG). Ponadto analizował dane aCGH zebrane w BG, w celu zbadania wpływu lokalnej architektury genomu na powstawanie rearanżacji DNA. W ramach stażu podoktorskiego odbytego w laboratorium prof. James’a Lupskiego (BCM, Houston) dr Gambin odegrał znaczącą rolę w odkryciach nowych genów chorobowych zidentyfikowanych w ramach projektu Centers for Mendelian Genomics. Obecnie dr Gambin jest zaangażowany w rozwój i wdrażanie skalowalnych rozwiązań chmurowych na potrzeby analiz genomicznych.

Pasjonat nowoczesnych technologii, poznawania świata przez pryzmat danych oraz nauczania. Miłośnik ciągłego zdobywania i pogłębiania wiedzy. Studiował matematykę w ramach specjalności data science, informatykę, ekonomię oraz zarządzanie. Obecnie pracuje w wolnych chwilach nad doktoratem dotyczącym zagadnień modelowania rynków finansowych z wykorzystaniem złożonych algorytmów predykcyjnych. Od początku kariery zawodowej związany z branżami data science i computer science. Aktualnie zajmuje się kierowaniem oraz realizacją projektów data science dla sektora finansowego. Wcześniej miał okazję pracować nad rozwojem dużych systemów informatycznych opartych o języki Java, Python i R, technologie big data oraz algorytmy data science.

Konrad Jędrzejewski uzyskał tytuł magistra inżyniera elektroniki i telekomunikacji oraz stopień naukowy doktora nauk technicznych w dziedzinie elektroniki odpowiednio w latach 1995 i 2000 na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej (oba z wyróżnieniem). Stopień naukowy doktora habilitowanego w dyscyplinie elektronika uzyskał w roku 2014. Od czerwca 2019 roku pracuje na stanowisku profesora uczelni. W roku 1998 ukończył studia na Wydziale Nauk Ekonomicznych Uniwersytetu Warszawskiego uzyskując tytuł magistra na kierunku bankowość i finanse (z wyróżnieniem).

Od 2000 roku pracuje w Instytucie Systemów Elektronicznych na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. W latach 2000-2015 pracował dla NBP kierując projektami i wydziałami. Główne obszary jego działalności naukowo-badawczej to statystyczne i adaptacyjne przetwarzanie sygnałów i informacji, sztuczne sieci neuronowe, przetworniki analogowo-cyfrowe (A/C), w szczególności wykorzystujące oryginalne adaptacyjne algorytmy konwersji A/C, adaptacyjne systemy pomiarowe i telekomunikacyjne, przetwarzanie sygnałów biomedycznych, przetwarzanie sygnałów radiolokacyjnych,. Działalność dydaktyczna obejmuje przedmioty w takich obszarach jak adaptacyjne przetwarzanie sygnałów, teoria informacji, wnioskowanie statystyczne.

Konrad Jędrzejewski jest autorem ponad 80 publikacji naukowych, m.in. artykułów w czasopismach: Measurement, IEEE Transactions on Instrumentation and Measurement, Metrology and Measurement Systems, International Journal of Microwave and Wireless Technology. Jest autorem trzech patentów. Jest członkiem IEEE (senior member), członkiem Polskiego Towarzystwa Informatycznego (PTI), członkiem Polskiego Stowarzyszenia Pomiarów, Automatyki i Robotyki (POLSPAR), członkiem IT Service Management Forum (itSMF) Polska, ekspertem Narodowego Centrum Badań i Rozwoju (NCBiR). Jest członkiem Editorial Board i edytorem (Section Editor) czasopisma ACTA IMEKO oraz edytorem (Section Editor) w International Journal of Electronics and Telecommunications (IJET) i (Associate Editor) w International Journal of Microwave and Wireless Technology. Od marca 2019 roku jest wiceprzewodniczącym Poland Chapter of IEEE Signal Processing Society. Od grudnia 2019 roku jest członkiem zarządu Polskiego Stowarzyszenia Pomiarów, Automatyki i Robotyki (POLSPAR) i sekretarzem Komitetu Pomiarów POLSPAR.

Marzena Bogumiła Kryszkiewicz w roku 1995 uzyskała stopień doktora nauk technicznych w dyscyplinie Informatyka na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, a jej rozprawa doktorska p.t. „Algorytmy redukcji wiedzy w systemach informacyjnych” została wyróżniona. W 2003 r. uzyskała tam stopień doktora habilitowanego w dyscyplinie Informatyka. Za rozprawę habilitacyjną, zatytułowaną „Concise Representations of Frequent Patterns and Association Rules”, otrzymała nagrodę Ministra ENiS w roku 2004. W okresie styczeń-kwiecień 1999 była zatrudniona jako profesor wizytujący w North Carolina University, USA. W latach 2005-2008 pełniła funkcję Prodziekana ds. Nauczania na Wydziale Elektroniki i Technik Informacyjnych PW. W latach 2006-2016 była zatrudniona na stanowisku profesora nadzwyczajnego w Instytucie Informatyki Politechniki Warszawskiej, a od roku 2016 jest tam zatrudniona na stanowisku profesora zwyczajnego (aktualnie zwanego stanowiskiem profesora). Od roku 2009 jest kierownikiem Zakładu Systemów Informacyjnych w tym instytucie. Jest członkiem Rady Naukowej IPI PAN od 2015 r., a od roku 2016 jest starszym rangą członkiem International Rough Set Society IRSS. Od 2019 roku jest członkiem Komitetu Sterującego International Rough Set Society IRSS oraz członkiem Zespołu ds. Stopni Naukowych Rady Naukowej Dyscypliny Informatyka Techniczna i Telekomunikacja w PW. Wypromowała 5 doktorów. Była nagradzana przez Rektora PW za działalność naukową, dydaktyczną i organizacyjną. W roku 2017 została odznaczona Medalem Komisji Edukacji Narodowej. Jej zainteresowania badawcze obejmują: eksplorację danych, odkrywanie wiedzy, zwięzłe reprezentacje wiedzy, w tym reguł asocjacyjnych i wzorców czasowo-przestrzennych, miary oceny reguł asocjacyjnych i decyzyjnych, wydajne wyszukiwanie obiektów podobnych/bliskich, grupowanie, klasyfikację, wykrywanie anomalii, impulsowe sieci neuronowe, rozumowanie w warunkach niepełności i niepewności, zbiory przybliżone, ochronę prywatności. Opublikowała 110 artykułów. Była przewodniczącą konferencji międzynarodowej ISMIS 2011 oraz przewodniczącą komitetów programowych konferencji międzynarodowych RSEISP 2007, RSCTC 2010, CLA 2010, JRS 2014, PReMI 2015, ISMIS 2017, a także przewodniczącą warsztatów międzynarodowej konferencji ECML/PKDD 2011. Recenzowała prace dla międzynarodowych czasopism: IEEE Transactions on Knowledge and Data Engineering, International Journal of Intelligent Systems; International Journal of Information Sciences, Knowledge and Information Systems: An International Journal, Fundamenta Informaticae, Elsevier Data and Knowledge Engineering Journal, Springer Data Mining and Knowledge Discovery Journal, Transactions on Rough Sets Journal, International Journal of Applied Intelligence, European Journal of Operational Research, ARIMA/SACJ Journal.

Dr hab. inż. Marcin Luckner specjalizuje się w praktycznych zastosowaniach uczenia maszynowego i analizy danych. Jego prace naukowe dotyczą wykrywania anomalii i zagrożeń w ruchu sieciowym, analizy danych transportu publicznego, lokalizacji odbiorników telefonii komórkowej.

W ramach Ośrodka Badań dla Biznesu prowadzi projekty badawczo rozwojowe dla firm. Realizował granty Narodowego Centrum Badań i Rozwoju i Narodowego Centrum Nauki. Był kierownikiem badawczych polskiego zespołu w europejskim projekcie z konkursu Horizon 2020 Big Data dotyczącego przetwarzania dużych strumieni danych miejskich. Posiada certyfikaty PRINCE2® Foundationi PRINCE2® Practitioner.

Był członkiem rektorskiego zespołu ds. Innowacyjnych form kształcenia INFOX. Ukończył szkolenia dotyczące Problem Based Learning i Design Thinking. Prowadził warsztaty DT na DTWeek, TEDex i szkolenia dla firm.

Obecnie zatrudniony jest jako asystent naukowo-dydaktyczny w Instytucie Informatyki Politechniki Warszawskiej. Jego zainteresowania badawcze obejmują odkrywanie wzorców sekwencyjnych z danych przestrzenno-czasowych, odkrywanie reguł asocjacyjnych oraz wykorzystanie takich reguł w zadaniach klasyfikacji, a także impulsowe sieci neuronowe, przetwarzanie szeregów czasowych, logiczne bazy danych oraz grupowanie. W roku akademickim 2017/2018 odbył staż naukowy w Knowledge Engineering and Discovery Research Institute (KEDRI) na Auckland University of Technology pracując pod opieką profesora Nikoli Kasabova nad nowymi metodami predykcji zanieczyszczenia powietrza z wykorzystaniem impulsowych sieci neuronowych. W styczniu oraz lutym 2019 odbył wizytę naukową w grupie badawczej OPTIMA kierowanej przez profesora Javiera Del Ser Lorente we firmie Tecnalia Research and Innovation w Kraju Basków. Celem wizyty naukowej było opracowanie nowej metody detekcji anomalii w szeregach czasowych. W okresie październik - grudzień 2019 odbył staż naukowy w Robotics Institute of Carnegie Mellon University, w trakcie którego zajmował się analizą danych związanych z przestępczością.

CEO Astrafox, absolwent Inżynierii Oprogramowania i wykładowca PW. Ekspert Visual Data Science, praktyk z bogatym doświadczeniem wdrożeń systemów Business Intelligence w Polsce i USA. Na co dzień Piotr i jego zespół pomagają Klientom we wszystkich aspektach pracy z narzędziami Business Intelligence: od projektowania KPI, przygotowywania danych, poprzez szkolenia, warsztaty, aż po zaawansowane programowanie i integrację. “Promuje rozwiązania pozwalające skupić się na potrzebach biznesowych a nie technologii. Dzięki narzędziom takim jak Tableau czy Alteryx jestem w stanie zobaczyć i zrozumieć dane, co pozwala na szybkie wyciąganie wniosków oraz podejmowanie właściwych decyzji zmieniających biznes. Moją pasją jest robotyka i astrofizyka, ale zasypiając liczę owce używając Count Distinct…”

Więcej informacji:
https://astrafox.pl/webinary/
https://astrafox.pl/blog/
https://astrafox.pl/tableau-business-intelligence/

Absolwentka wydziału Matematyki i Nauk Informacyjnych Politechniki Warszawskiej, kierunku Matematyka. Od prawie 14 lat związana jest z SAS Institute Polska. Obecnie jako Principal Industry Consultant pracuje w jednostce Customer Intelligence. Do jej głównych obszarów odpowiedzialności należą wdrożenia systemów analitycznych i operacyjnych CRM. Odpowiada m.in. za analizę wymagań biznesowych, projekt i budowę systemów analitycznych, definicję i dostarczenie modeli data mining/machine learning, projekt i budowę oraz optymalizację kampanii marketingowych batch/real-time.

Marek Rupniewski uzyskał stopień doktora w Instytucie Matematycznym Polskiej Akademii Nauk w roku 2009. Wcześniej studiował na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej, gdzie w roku 2002 uzyskał tytuł magistra inżyniera na specjalności inżynieria komputerowa oraz na Wydziale Matematyki, Informatyki i Mechaniki Uniwersytetu Warszawskiego, uzyskując tam tytuł magistra matematyki w roku 2004. Od 2003 roku pracuje w Instytucie Systemów Elektronicznych na Politechnice Warszawskiej. Jego badania naukowe koncentrują się wokół teorii przetwarzania sygnałów, a zwłaszcza jej statystycznych aspektów.

Obronił doktorat w Instytucie Informatyki Politechniki Warszawskiej w 2017 roku. Jego zainteresowania badawcze to zastosowania uczenia maszynowego w bankowości i finansach oraz reinforcement learning. Jest autorem oraz współautorem publikacji w prestiżowych czasopismach naukowych z obszaru sztucznej inteligencji, uczenia maszynowego oraz systemów eksperckich. W przeszłości współtworzył pierwszy w Polsce w pełni automatyczny fundusz inwestycyjny. Od 2015 roku kieruje pracami zespołu data science w mBanku, z którym opracował i uruchomił rozwiązania wykorzystujące sztuczną inteligencję oraz uczenie maszynowe m.in do wykrywania fradów transakcyjnych, optymalizacji kampanii marketingowych oraz przewidywania churnu klientów.