Wykaz publikacji wybranego autora

Krzysztof Wróbel, mgr inż.

doktorant

Wydział Informatyki, Elektroniki i Telekomunikacji
WIEiT-ki_, *Instytut Informatyki


  • 2020

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / inżynieria mechaniczna


Identyfikatory Autora

ORCID: 0000-0002-3485-7825 połącz konto z ORCID

ResearcherID: F-5004-2015

Scopus: brak

PBN: 602de23d9543c7410626e765




1
  • Answering Polish trivia questions with the help of Dense Passage Retriever / Aleksander SMYWIŃSKI-POHL, Dmytro Zhylko, Krzysztof WRÓBEL, Magdalena KRÓL // W: Proceedings of the PolEval 2021 workshop [Dokument elektroniczny] / eds. Maciej Ogrodniczuk, Łukasz Kobyliński. — Wersja do Windows. — Dane tekstowe. — Warszawa : Institute of Computer Science. Polish Academy of Sciences, 2021. — e-ISBN: 978-83-63159-31-3. — S. 141–150. — Wymagania systemowe: Adobe Reader. — Tryb dostępu: http://poleval.pl/files/poleval2021.pdf [2023-06-12]. — Bibliogr. s. 148–150, Abstr.. — Dod. prezentacja slajdów: {http://poleval.pl/files/2021/15.pdf} [2023-06-22]. — A. Smywiński-Pohl, D. Zhylko - dod. afiliacja: Enelpol; K. Wróbel - dod. afiliacja: Enelpol, Jagiellonian University

  • keywords: Wikipedia, question answering, dense passage retrieval, Polish language model, trivia questions

    cyfrowy identyfikator dokumentu:

2
  • Model explainability using SHAP values for LightGBM predictions / Michał BUGAJ, Krzysztof WRÓBEL, Joanna IWANIEC // W: MEMSTECH [Dokument eletroniczny] : 2021 IEEE XVII\textsuperscript{th} international conference on the Perspective Technologies and Methods in MEMS Design : Polyana, May 12-16, 2021 : proceedings = Perspektivnì tehnologìï ì metodi proektuvannâ MEMS (MEMSTECH) : materìali XVII-oï mìžnarodnoï naukovo-tehnìčnoï konferencìï : 12–16 travnâ, 2021, Polâna, Ukraïna. — Wersja do Windows. — Dane tekstowe. — [Piscataway] : IEEE, cop. 2021. — (International Conference on Perspective Technologies and Methods in MEMS Design ; ISSN 2573-5373). — e-ISBN: 978-1-6654-2410-3. — S. 102–106. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 106, Abstr.. — tekst: https://ieeexplore-1ieee-1org-1000047sa0038.wbg2.bg.agh.edu.pl/stamp/stamp.jsp?tp=&arnumber=9468078

  • keywords: machine learning, explainability, SHAP values, LightGBM modelling, networks of MEMS sensors, real time big data processing

    cyfrowy identyfikator dokumentu: 10.1109/MEMSTECH53091.2021.9468078