Wizytówka - Wydział Matematyki i Informatyki

Wybrane książki

  • Jacek Tabor, Marek Śmieja, Łukasz Struski, Przemysław Spurek, Maciej Wołczyk, „Głębokie uczenie. Wprowadzenie”, Helion, 2022

Najważniejsze publikacje

  • Bartosz Zieliński, Mikołaj Sacha, Bartosz Jura, Dawid Rymarczyk, Łukasz Struski, Jacek Tabor, Interpretability Benchmark for Evaluating Spatial Misalignment of Prototypical Parts Explanations, National Conference of the American Association for Artificial Intelligence [AAAI](MAIN) 38 (19) (2024), 21563 - 21573
  • Aleksandra Nowak, Bram Grooten, Decebal Constantin Mocanu, Jacek Tabor, Fantastic Weights and How to Find Them: Where to Prune in Dynamic Sparse Training, Advances in Neural Information Processing Systems [NeurIPS](MAIN) Advances in Neural Information Processing Systems 36 (NeurIPS 2023) (2023), 55160--55192
  • Bartosz Wójcik, Marcin Przewięźlikowski, Filip Szatkowski, Maciej Wołczyk, Klaudia Bałazy, Bartłomiej Krzepkowski, Igor Podolak, Jacek Tabor, Marek Śmieja, Tomasz Trzciński, Zero time waste in pre-trained early exit neural networks, Neural Networks 168 (2023), 580-601
  • Michał Znaleźniak, Przemysław Rola, Patryk Kaszuba, Jacek Tabor, Marek Śmieja, Contrastive Hierarchical Clustering, European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Database [ECML PKDD] Lecture Notes in Computer Science(), vol 14169. Springer, Cham. (2023), 627–643
  • Łukasz Struski, Tomasz Danel, Marek Śmieja, Jacek Tabor, Bartosz Zieliński, SONGs: Self-Organizing Neural Graphs, IEEE Workshop on Applications of Computer Vision [WACV](MAIN), (2023), 3837-3846

Najnowsze publikacje

  • Adam Wróbel, Siddhartha Gairola, Jacek Tabor, Bernt Schiele, Bartosz Zieliński, Dawid Rymarczyk, DAVE : Distribution-aware Attribution via ViT Gradient Decomposition, International Conference on Machine Learning [ICML], (2026),
  • Piotr Borycki, Magdalena Trędowicz, Szymon Janusz, Jacek Tabor, Przemysław Spurek, Arkadiusz Lewicki, Łukasz Struski, EPIC: Explanation of Pretrained Image Classification Networks via Prototypes, National Conference of the American Association for Artificial Intelligence [AAAI](MAIN) 40(21) (2026), 17366-17373
  • Mateusz Pach, Przemysław Rola, Michał Znaleźniak, Patryk Kaszuba, Marcin Przewięźlikowski, Jacek Tabor, Marek Śmieja, Adaptive contrastive hierarchical clustering with nodes visualization, Artificial Intelligence Review 59/99 (2026),
  • Magdalena Proszewska, Michał Bujak, Rafał Kucharski, Jacek Tabor, Marek Śmieja, Optimising network efficiency in an epidemic scenario, Social Network Analysis and Mining 2/16 (2026),
  • Klaudia Bałazy, Julian McAuley, Jacek Tabor, A Deeper Look into the Limitations of Early-Exit Architectures for Single and Multi-label Classification, International Conference on Computational Science [ICCS], (2025), 179–193

Zainteresowania

Sztuczna inteligencja, głębokie sieci neuronowe, nauczanie maszynowe, zastosowania SI w medycynie i przemyśle

avatar for Jacek Tabor

Jacek Tabor

stopień/tytuł profesor doktor habilitowany stanowisko
badawczo-dydaktyczne, profesor
jednostka
  • Katedra Uczenia Maszynowego
  • Instytut Informatyki i Matematyki Komputerowej
grupa badawcza
  • Group of Machine Learning Research (GMUM)
ORCID kontakt
jacek.tabor@uj.edu.pl
www