Seminaria ogólnoInstytutowe:


Informacje:

Poniedziałki, o godz. 13:00
Miejsce seminarium: sala seminaryjna IPI PAN
ul. Jana Kazimierza 5
e-mail: Beata.Konikowska@ipipan.waw.pl 

 Archiwum Seminarium Instytutowego  Archiwum Seminarium Doktoranckiego
2015/2016 2010/2011 2005/2006 2004/2005
2014/2015 2009/2010   2003/2004
2013/2014 2008/2009   2002/2003
2012/2013 2007/2008   2001/2002
2011/2012 2006/2007    

01.04.2019 - Seminarium Instytutowe - godz. 13:00,

Agata Dziedzic, Marta Jardanowska (IPI PAN) 

Streszczenie (autorskie):

Transcription factors (TF) regulate gene expression. TF binding affinity to its DNA motif might be affected by the methylation level of cytosines within that motif. The aim of this study was to verify the hypothesis that TFs would bind more likely to the hypomethylated motifs than to hypermethylated ones. This analysis was done with respect to glioma (brain tumour) grade: pilocytic astrocytoma (PA; grade I), diffuse astrocytoma (DA; grades II and III) and glioblastoma (GB; grade IV) from the Polish patients' samples. Firstly 283 transcription factors motifs in enhancers (distal regulatory regions) were identified and then the level of their methylation was calculated. As a result, some specific regulatory path is proposed that might be responsible for modulating the level of gene expression. This part of the analysis is also a first step for finding very specific genome modification responsible for glioma development. If so, selected DNA modifications would have to be validated by in vitro experiments in the future.

25.03.2019 - Seminarium Instytutowe - godz. 13:00,

Tomasz Steifer (IPPT PAN) 

Streszczenie (autorskie):

W czasie referatu zostaną przedstawione częściowe wyniki z przygotowywanej rozprawy doktorskiej, której tematem jest efektywna predykcja. Przez predykcję rozumie się tu działanie pewnej całkowitej obliczalnej funkcji, przyjmującej jako argument słowo binarne i zwracającej 0 lub 1. O predyktorze można myśleć jako o algorytmie zgadywania przyszłego zdarzenia na podstawie informacji o przeszłych zdarzeniach. W szczególności, interesować będzie autorów asymptotyczne zachowanie błędu predykcji rozumianego jako odległość Hamminga między prefiksami ciągu, który autorzy starają się przewidzieć, a odpowiedziami predyktora.

Na początku zostanie rozważona predykcja ograniczona do indywidualnych ciągów (przypadek deterministyczny). Zostanie przedstawionych kilka wyników dotyczących istnienia ciągów binarnych dla których:

  1. dowolny predyktor nie ma granicy błędów,
  2. każdy predyktor ma granicę błędów równą 1/2 i
  3. nie istnieje predyktor optymalny.

Z punktu widzenia teorii obliczeń szczególnie interesujące są ciągi rekurencyjnie przeliczalne. Tam gdzie jest to możliwe, zostanie przedstawiona odpowiedź na pytanie o istnienie rekurencyjnie przeliczalnych ciągów o zadanych własnościach asymptotycznych predykcji. Na koniec zostanie zarysowana problematyka predykcji dla binarnych procesów stochastycznych (przypadek niedeterministyczny), ze szczególnym uwzględnieniem kontekstu algorytmicznej teorii losowości. Krótko zostanie przedstawione pojęcie losowości w sensie Martina-Loefa i zarysowane otwarte problemy związane z predykcją ciągów algorytmicznie losowych.

18.03.2019 - Seminarium Instytutowe - godz. 13:00,

Michał Dramiński, Adam Filip i Michał J. Dąbrowski (IPI PAN) 

Streszczenie (autorskie):

MCFS-ID (Monte Carlo Feature Selection and Interdependency Discovery) is a Monte Carlo method-based algorithm for feature selection. It returns a ranked list of informative features, and thus play a significant role in the classification of objects that belong to different classes. This is achieved through constructing thousands of decision trees. MCFS-ID also allows for the discovery of interdependencies between the features, visualized as a directed graph of the pairwise interdependencies found. The discovered interdependencies thus provide a basis for making causal hypotheses to be verified using background knowledge. MCFS-ID algorithm is publicly available as the R package - rmcfs. This tool was successfully applied in many classification problems, among them on the Cancer Genome Atlas dataset consisting of various molecular information: protein coding gene expression levels (mRNA), microRNA expression levels (miRNA) and DNA methylation status (HumanMethylation450), in order to define prognostic markers for Breast Invasive Carcinoma (BRCA).Each object in the dataset is thus described by over half million of features, a vast majority of them unrelated or next to unrelated to the problem under study. It will be shown that the algorithm returns truly significant features, i.e., features of importance in biological cancer-related pathways as well as unveils true interdependencies between different molecular characteristics.
Prezentują: Michał Dramiński, Adam Filip

11.02.2019 - Seminarium Instytutowe - godz. 13:00,

Daniel Mikucki i Grzegorz Lipke (ValueAdd) 

ValueAdd jest to firma zajmująca się profesjonalnym wytwarzaniem oprogramowania. Podczas prelekcji zaprezentowane zostanie czym zajmuje się ValueAdd, jaka jest misja, wizja firmy oraz jakimi wartościami kieruje się na co dzień . Pokrótce omówione zostaną obecne i byłe projekty wraz z ich beneficjentami. Właściciel firmy opowiedzą jak wygląda struktura organizacji i skład osobowy. Ważnym punktem prezentacji będzie możliwość rozpoznania na jakich płaszczyznach możliwa jest ewentualna współpraca w przypadku realizowania projektów wspólnie z pracownikami naukowymi. Do tego celu zaprezentowane zostaną wykorzystywane technologie, proces tworzenia oprogramowania i zarządzania projektami oraz dostępne na dzień dzisiejszy kompetencje.

14.01.2019 - Seminarium Instytutowe - godz. 13:00,

Jacek Koronacki (IPI PAN) 

20190114 Koronacki

Streszczenie (autorskie):

Będzie to wykład lekki i łatwy, jakkolwiek nie zawsze przyjemny, zwłaszcza gdy o konsekwencjach tytułowego natarcia pomyśleć. Wszakże konsekwencjom tym poświęcimy bardzo mało miejsca, skupiając się na opowiedzeniu, czym sztuczna inteligencja jest. Celem wykładu będzie pokazanie, że SI (używając anglojęzycznego, bardziej popularnego skrótu, AI) nigdy nie wykroczy poza to, co oferuje – i oferować będzie – paradygmat maszynowego uczenia się (niektórzy wolą powiedzieć, uczenia maszynowego). Oraz że jej siła tkwi w naszym – i, co nieporównanie ważniejsze, świata biznesu i polityki – nieokiełznanym pragnieniu korzystania z osiągnięć uczenia maszynowego wszędzie i zawsze. O tym wszystkim postaram się opowiedzieć za pomocą anegdot, a nie wzorów.

UWAGA! Ten serwis używa cookies i podobnych technologii.

Brak zmiany ustawienia przeglądarki oznacza zgodę na to.

Zrozumiałem