Computer Vision
Detekcja obiektów modelami YOLO, porównywanie architektur CNN i backbone'ów oraz uczenie na niezbalansowanych danych. Zastosowane do morskich flag sygnałowych w moim doktoracie.
// Agentic AI Engineer · Computer Vision
Buduję systemy, które widzą, czytają i działają
Jestem inżynierem AI i badaczem computer vision na Uniwersytecie Morskim w Gdyni. Specjalizuję się we wdrażaniu agentów sztucznej inteligencji (Generative AI, Agentic AI). W doktoracie zajmuję się detekcją flag Międzynarodowego Kodu Sygnałowego, z trzema recenzowanymi publikacjami. Wcześniej tworzyłem oprogramowanie graficzne w Intelu i AMD, a w projekcie ATLAS buduję agentów opartych na modelach językowych.
- Computer Vision
- YOLO · PyTorch
- LLM · RAG
- Agentic AI · GenAI
- C/C++ · GPU
// Obszary
Od pikseli i wielokątów do agentów językowych
Trzy obszary, w których pracowałem i pracuję. Każdy wyrósł z poprzedniego.
LLM, RAG i agenci
Lokalne modele językowe przez Ollamę, RAG, agenci w LangGraph i ewaluacja odpowiedzi. Rozwijane krok po kroku w projekcie ATLAS.
Grafika i GPU
Oprogramowanie graficzne w DirectX w Intelu, C/C++ w AMD oraz własne silniki w OpenGL i Direct3D 12. Stąd wiem, jak oprogramowanie naprawdę działa na sprzęcie.
// Agents That Learn, Act & Solve
ATLAS: portfolio agentów AI
Seria projektów realizujących działające systemy AI: modele językowe, RAG, agentów, systemy wieloagentowe i modele multimodalne. Każdy działa lokalnie i ma testy, diagramy oraz dokumentację.
- 01ATLAS Flashcards: gotowy
- 02ATLAS Scholar: w trakcie
- +kolejne projekty w drodze
// Projekty
Wybrane projekty
Kod każdego projektu jest na GitHubie.
ATLAS: Flashcards
Zamienia notatki, PDF-y i dokumenty Word w fiszki do nauki, generowane lokalnym modelem Qwen 2.5 przez Ollamę. Ten sam model ocenia każdą fiszkę (LLM-as-judge), a przycisk Wyjaśnij tłumaczy ją na podstawie fragmentów materiału (RAG). Gotowe talie trafiają do Anki.
W trakcie
ATLAS: Scholar
Agentowy RAG po publikacjach w PDF. Agent w LangGraph wyszukuje fragmenty hybrydowo (BM25 i wektory w Qdrant, łączone metodą RRF), ocenia, czy wystarczą, w razie potrzeby przepisuje pytanie i szuka ponownie, a odpowiada z cytatami i numerem strony albo wprost mówi, że odpowiedzi w dokumentach nie ma. Ewaluacja RAGAS względem zwykłego RAG.
Video Describer
Przepuszcza film klatka po klatce przez detektor YOLO i zapisuje nowe wideo z ramkami, etykietami i pewnością każdego wykrycia. Dla każdej klatki wypisuje też współrzędne znalezionych obiektów.
Machine Learning Projects
Przegląd uczenia maszynowego w notatnikach Jupyter: od NumPy i SciPy, przez uczenie nadzorowane i nienadzorowane, po sieci neuronowe w Keras i TensorFlow, NLP i uczenie ze wzmocnieniem. Na końcu gotowe aplikacje.
Algorytmy genetyczne
Własne implementacje algorytmów genetycznych i ewolucyjnych w Javie, bez bibliotek: kodowanie osobników, selekcja, krzyżowanie i mutacja, z wykresami przebiegu optymalizacji.
Ocena streszczeń
Model, który ocenia streszczenie bez streszczenia wzorcowego: artykuł i streszczenie są kodowane BERT-em, a sieć neuronowa wyuczona na ludzkich ocenach 2 500 streszczeń (CNN/DailyMail) zwraca wynik jakości. Część projektu Dok-chat-miner, który grupuje i streszcza artykuły z cisa.gov.
Drawventure
Zespołowa gra dla dzieci, w której trzeba jak najszybciej i najdokładniej narysować zadany kształt. Odpowiadałem za backend AI: sieć CNN rozpoznaje figury i cyfry, a API we Flasku ocenia każdy rysunek.
RealX Engine
Silnik gier 3D z edytorem sceny, zbudowany w ramach pracy inżynierskiej. Renderowanie w OpenGL, fizyka i kolizje w PhysX, dźwięk w irrKlang, a interfejs edytora w ImGui. Całość napisana w C++.
HectorX Engine
Silnik gier na nowoczesnym OpenGL (GLFW, GLEW, GLM) z własnymi shaderami GLSL oraz symulacją fizyki i kolizji w PhysX.
Bobi: gra na Androida
Gra platformowa 2D na Androida napisana w LibGDX. W repozytorium jest gotowa aplikacja do zainstalowania i nagrania z rozgrywki.
// Badania
Detekcja morskich flag sygnałowych
Doktorat na Uniwersytecie Morskim w Gdyni: system computer vision rozpoznający flagi Międzynarodowego Kodu Sygnałowego (INTERCO). Cały framework eksperymentów zbudowałem w Pythonie i PyTorch, od przygotowania i balansowania danych po trening, strojenie i automatyczną ocenę modeli.
- 26 000obrazów flag INTERCO
- Trytonsuperkomputer, na grancie obliczeniowym, który uzyskałem w CI TASK
- YOLOv8-v11wytrenowane i porównane detektory
Porównanie 12 klasyfikatorów CNN
AlexNet, VGG, Inception, ResNet, CSPNet, MobileNetV2, EfficientNet i ConvNeXt porównane pod względem accuracy, precision, recall, F1, głębokości oraz czasu treningu i wnioskowania.
Niezbalansowane dane w detekcji
Sześć metod balansowania klas mniejszościowych (SMOTE, ADASYN, augmentacja, DCGAN, autoenkoder i wariant bazowy), każda z YOLOv8, v9, v10 i v11, oceniane mAP50 i mAP50-95.
Nowe backbone'y dla YOLOv8
Zastąpienie backbone'u YOLOv8 wybranymi architekturami CNN, by uzyskać wydajniejszy detektor flag.
Publikacje
-
KES 2026
An Evaluation of Selected Backbone Architectures for YOLOv8 in the Detection of International Code of Signals Flags
J. Łosiński, I. Czarnowski · Procedia Computer Science
-
ICCCI 2025
Imbalanced Data Problem in INTERCO Detection
J. Łosiński, I. Czarnowski · Lecture Notes in Computer Science (LNAI 16139), Springer, s. 480-494
-
KES 2025
Comparison of CNN Architectures for INTERCO
J. Łosiński, I. Czarnowski · Procedia Computer Science, vol. 270, s. 861-870
Do tego streszczenia na konferencjach PP-RAI 2024 i PP-RAI 2025 (Polska Konferencja Sztucznej Inteligencji).
// Umiejętności
Narzędzia, z którymi pracuję
LLM i agenci AI
Computer Vision
Uczenie maszynowe
GPU i inferencja
Infrastruktura i narzędzia
Języki programowania
// Kursy
Kursy i certyfikaty
Ukończone kursy i specjalizacje online. Każdy tytuł otwiera certyfikat.
AI i uczenie maszynowe
Grafika komputerowa
Programowanie i sieci
- CCNAv7: Introduction to Networks06.2021
- C++ for C Programmers, Part A02.2021
- C for Everyone: Structured Programming02.2021
- C for Everyone: Programming Fundamentals02.2021
- More C# Programming and Unity08.2020
- Introduction to C# Programming and Unity08.2020
- Intermediate Object-Oriented Programming for Unity Games
- Build a Modern Computer from First Principles: From Nand to Tetris04.2020
// Doświadczenie
Praca, wykształcenie i projekty
Praca
-
10.2024 - obecnie
Asystent badawczo-dydaktyczny
Uniwersytet Morski w Gdyni · Wydział Informatyki, Katedra Sztucznej Inteligencji
- Badania doktorskie z computer vision: automatyczna detekcja flag Międzynarodowego Kodu Sygnałowego (INTERCO).
- Przygotowanie danych, trening i ewaluacja modeli detekcji; porównanie architektur CNN i backbone'ów YOLOv8; badania nad niezbalansowanymi danymi.
- Wyniki opublikowane na KES 2025, KES 2026 i ICCCI 2025 (Springer LNAI); streszczenia na PP-RAI 2024 i 2025.
- Zajęcia z uczenia maszynowego i sztucznej inteligencji dla studentów informatyki.
-
04.2026 - 09.2026
Python Developer (AI)
Politechnika Gdańska · Centrum Informatyczne TASK
- Oprogramowanie AI do wykrywania anomalii w danych AIS statków, w projekcie badawczo-rozwojowym NCBR na platformie CAISE.
- Budowa i uruchamianie komponentów w Pythonie w środowisku Kubernetes.
- Zastosowanie bibliotek AI i modeli językowych w rozwiązaniu do wykrywania anomalii.
-
10.2025 - obecnie
Specjalista IT w dziekanacie (część etatu)
Uniwersytet Morski w Gdyni · Wydział Informatyki
- Wdrożenie i konfiguracja serwerów Debian na Proxmoksie.
- Wdrożenie systemu zarządzania kontenerami Docker.
- Konfiguracja maszyn i środowisk wirtualnych.
-
10.2023 - 09.2024
Stażysta: asystent badawczo-dydaktyczny
Uniwersytet Morski w Gdyni
- Badania i dydaktyka z informatyki.
-
09.2023 - obecnie
Administrator IT (umowa)
GEMMI
- Administracja chmurą Microsoft Azure, w tym maszynami wirtualnymi.
- Zarządzanie Microsoft 365, pocztą firmową i stroną internetową firmy.
- Praktyki DevOps przy wdrażaniu i utrzymaniu bezpiecznych systemów IT.
-
01.2023 - 07.2024
Stażysta: rozwój oprogramowania graficznego
Intel
- Oprogramowanie graficzne oparte na API DirectX w dużej organizacji inżynierskiej.
-
04.2022 - 09.2022
Stażysta: programista C/C++
AMD ODC · Luxoft
- Oprogramowanie w C/C++ dla AMD, tworzone w ścisłej współpracy z zespołem AMD.
- Administracja komponentami infrastruktury AMD.
Wykształcenie
-
W toku
Doktorat z computer vision
Uniwersytet Morski w Gdyni
- Automatyczna detekcja flag Międzynarodowego Kodu Sygnałowego (INTERCO).
-
02.2023 - 07.2024
Magister, Systemy teleinformatyczne
Uniwersytet Morski w Gdyni · Analiza i przetwarzanie danych
- Ocena końcowa 6,0 (najwyższa).
- Praca: RealX Renderer na Direct3D 12.
-
10.2019 - 02.2023
Inżynier, Informatyka
Uniwersytet Morski w Gdyni · Aplikacje internetowe i mobilne
- Ocena końcowa 6,0 (najwyższa).
- Stypendium rektora dla najlepszych studentów trzy lata z rzędu (2019/20, 2020/21, 2021/22).
- Praca: silnik gier RealX Engine.
Projekty i społeczność
-
2026 - 2027
Kierownik projektu: kurs MOOC o AI i modelach językowych
Uniwersytet Morski w Gdyni · Wydział Informatyki · NAVOICA
- Kurs online „Sztuczna inteligencja i modele językowe w transformacji energetycznej” (30 godzin) dla ogólnopolskiej platformy NAVOICA, tworzony z OPI PIB i finansowany przez MNiSW oraz Europejski Fundusz Społeczny Plus.
- Koordynuję zespół czterech autorów i rozwijam moduły o modelach językowych (RNN, LSTM, GRU, transformery, BERT, GPT), programowaniu AI w Pythonie, PyTorch i TensorFlow oraz praktycznych zastosowaniach LLM.
-
Założyciel i opiekun
Koło naukowe Neuron
- Pierwsze koło naukowe poświęcone sztucznej inteligencji na Wydziale Informatyki Uniwersytetu Morskiego w Gdyni. Założyłem je i prowadzę, wspierając studentów w rozwijaniu umiejętności z AI.
// Kontakt
Porozmawiajmy o AI
Jestem otwarty na projekty i role związane z computer vision, modelami językowymi i agentami AI.