Diagnostyka przemysłowa, szczególnie: zastosowania modeli jakościowych (grafy przyczynowo-skutkowe, analiza strukturalna) oraz metod optymalizacji dyskretnej.

Przemysłowe zastosowania metod uczenia maszynowego i metod sztucznej inteligencji.

Modelowanie procesów z wykorzystaniem technik uczenia maszynowego.

Autorstwo 20+ publikacji naukowych, nagroda Rektora PW za osiągnięcia naukowe.

Udział w projektach:

• Projekt badawczo-rozwojowy nr Hi3/227511: Rozproszony system archiwizacji danych DAHS
• Projekt badawczo-rozwojowy nr DEC-2011/01/B/ST7/06183, (2011-2014): Metody rozwiązywania podstawowych problemów wykrywalności i rozróżnialności w złożonych procesach przemysłowych
• Studium wykonalności systemu diagnostycznego z wykorzystaniem biblioteki TensorFlow w ramach współpracy ABB Sp. z o.o.
• Implementation of Embedded ML / AI Tensorflow algorithms on the NVIDIA Jetson Tx chip w ramach współpracy ABB Sp. z o.o.
• Floodplain Characterization w ramach współpracy z  Canada Centre for Remote Sensing i University of Quebec Outaouais
• Predykcja cen na Rynku Dnia Nastepnego w ramach współpracy z Enerbit

• Realizacja projektu Floodplain Characterization w ramach współpracy z  Canada Centre for Remote Sensing i University of Quebec Outaouais
• Realizacja projektu dotyczącego diagnostyki zdecentralizowanej z INSA Toulouse i Laboratoire d'Analyse et d'Architecture des Systèmes – CNRS
• Współorganizacja międzynarodowych konferencji:
  • 10th IFAC Symposium on Fault Detection, Supervision and Safety for Technical Processes, SAFEPROCESS 2018
  • DPS International Conference on Diagnostics of Processes and Systems 2017 i 2013
• Przewodnictwo konferencji 29th International Workshop on Principles of Diagnosis DX'18
• Recenzentka czasopism i konferencji (między innymi): MDPI Sensors, ISA Transactions, IFAC World Congress, AAAI, Applied Soft Computing, IEEE Access, Engineering Applications of Artificial Intelligence, IEEE Transactions on Systems, Man and Cybernetics: Systems
• Członek komitetu naukowego konferencji International Workshop on Principles of Diagnosis DX

• Zastosowania uczenia maszynowego i metod sztucznej inteligencji
• Diagnostyka przemysłowa
• Projekty programistyczne związane z zainteresowaniami studenta

Przykładowe tematy prac (wyszarzone zajęte): http://adam.mchtr.pw.edu.pl/~sztyber/tematy%20prac/

1. Realizacja elektronicznych modułów sterujących w bolidzie Formuły Student
2. Znajdywanie krawędzi tabeli oraz detekcja tekstu ze zdjęć tabeli wartości odżywczych
3. Rozpoznawanie obrazu, klasyfikacja gatunków drzew na podstawie kory
4. Diagnostyka zaworów regulacyjnych z wykorzystywaniem rekurencyjnych sieci neuronowych
5. Zautomatyzowanie procesu wdrażania modeli predykcyjnych na podstawie wysokości pensji
6. Predykcja cen energii na Rynku Dnia Następnego Towarowej Giełdy Energii
7. Symulacyjne badanie układów regulacji dwustawnej i trójstawnej
8. Sterowanie przy wykorzystaniu metod sztucznej inteligencji na przykładzie gry Super Mario Bros
9. Modelowanie temperatury mieszanki pyłowo-powietrznej młyna węglowego z użyciem sieci neuronowej
10. Przybliżone porównanie nazw kontrahentów z wykorzystaniem języka Python

Zainteresowania: brydż sportowy, wycieczki do Szkocji, dużo książek.

http://repo.bg.pw.edu.pl/index.php/en/r#/info/author/WUT60693/Anna+Sztyber

https://www.researchgate.net/profile/Anna_Sztyber

materiały dydaktyczne: http://adam.mchtr.pw.edu.pl/~sztyber/