O mnie
Bio
Artur Czeszumski, PhD, jest neuronaukowcem poznawczym i data scientistą, specjalizującym się w pomiarze oraz modelowaniu obliczeniowym procesów poznawczych człowieka. Ukończył wspólny doktorat z nauk kognitywnych i psychologii na Vrije Universiteit Amsterdam oraz University of Osnabrück, gdzie badał neuronalne i poznawcze mechanizmy podejmowania decyzji, interakcji społecznych oraz zachowań adaptacyjnych w dynamicznych środowiskach.
Jego kompetencje łączą neuronaukę poznawczą, sztuczną inteligencję i data science, ze szczególnym naciskiem na projektowanie eksperymentów oraz ilościową analizę danych behawioralnych i neurofizjologicznych. Ma duże doświadczenie w pracy z szeregami czasowymi EEG i eye-tracking, co umożliwia obiektywny pomiar procesów neuronalnych i percepcyjnych leżących u podstaw poznania. Integruje metody eksperymentalne z modelowaniem statystycznym, uczeniem maszynowym i podejściami obliczeniowymi, aby zrozumieć, jak ludzie przetwarzają informacje, generują predykcje i adaptują zachowanie w warunkach niepewności. Jest autorem wielu recenzowanych publikacji oraz prezentował wyniki badań na konferencjach międzynarodowych.
Artur obecnie pracuje jako data scientist w piłce nożnej, gdzie wykorzystuje neuronaukę poznawczą, analizę danych i modelowanie obliczeniowe do badania poznawczych i percepcyjnych czynników leżących u podstaw wykonania sportowego. Równolegle pełni funkcję wykładowcy na Uniwersytecie Warszawskim, gdzie prowadzi zajęcia z zakresu sztucznej inteligencji i nauk kognitywnych. Jego praca łączy podstawową neuronaukę poznawczą, modelowanie ilościowe oraz środowiska wydajności stosowanej.
Mimo że poznanie jest kluczowym determinantem wykonania w piłce nożnej, obejmując percepcję, antycypację, podejmowanie decyzji i adaptację, procesy te nadal są niewystarczająco rozumiane i rzadko mierzone przy użyciu rygorystycznych metod naukowych. Długoterminowym celem Artura jest uczynienie procesów poznawczych mierzalnym i naukowo ugruntowanym elementem w piłce nożnej poprzez integrację eksperymentów behawioralnych, EEG, eye-trackingu oraz modelowania obliczeniowego opartego na danych. Jego celem jest współtworzenie ram naukowych umożliwiających obiektywny pomiar i zrozumienie wydajności poznawczej w sporcie elitarnym, rozwijając podejścia evidence-based na styku neuronauki poznawczej, data science i piłki nożnej.
Zainteresowania badawcze i aplikacyjne
Podejmowanie decyzji Percepcja Uwaga Skanowanie Profilowanie poznawcze EEG Eye-Tracking Embodiement Active Inference Predictive Coding Situated Cognition
Metody i narzędzia
- Neuroobrazowanie (EEG, eye-tracking)
- Data science (infrastruktura, analiza, wizualizacja)
- Superwizja - Dydaktyka - Przywództwo
- Zarządzanie projektami
- Komunikacja
Zdjęcie
