BIO PO POLSKU
Profesor Andreas Schwung jest specjalistą w dziedzinie automatyki, sztucznej inteligencji i uczenia maszynowego. Obecnie pełni funkcję wykładowcy na Hochschule Düsseldorf (University of Applied Sciences), przy Wydziale Elektrotechniki i Informatyki. Prowadził działalność wykładowczą i dydaktyczną w zakresie Smart System szkoły letniej od 22-26.07.20024
Ukończył studia inżynierskie i uzyskał tytuł doktora inżyniera na Technische Universität Darmstadt w 2011 roku . Posiada wieloletnie doświadczenie naukowe, w tym we współpracy z Dorotheą Schwung i Steve’em Yuwono nad optymalizacją produkcji i reinforcement learning, co znajduje odzwierciedlenie w licznych publikacjach w prestiżowych czasopismach i konferencjach.
Obszary badawcze: reinforcement Learning (metody Actor‑Critic) i optymalizacja energii w systemach produkcyjnych; gry potencjałowe i rozproszone strategie Stackelberga dla samooptymalizacji produkcji; uczenie z transferem oraz symulacja‑do‑realności w robotyce i procesach przemysłowych.
W swoim dorobku ma ponad 150 publikacji, w tym artykuły w IEEE Transactions on Cybernetics, Soft Computing, a także liczne prace na arXiv i konferencjach, prezentujące innowacyjne rozwiązania z zakresu AI‑Driven automation.
BIO IN ENGLISH
Professor Andreas Schwung is a specialist in the fields of automation, artificial intelligence, and machine learning. He currently holds a lecturer position at Hochschule Düsseldorf (University of Applied Sciences), in the Faculty of Electrical and Information Engineering. He delivered lectures and conducted teaching activities in the area of Smart Systems during the summer school held from 22 to 26 July 2024.
He obtained his engineering degree and the title of Doctor of Engineering (Dr.-Ing.) from Technische Universität Darmstadt in 2011. He has extensive research experience, including collaboration with Dorothea Schwung and Steve Yuwono on production system optimization and reinforcement learning, which is reflected in numerous publications in prestigious journals and conference proceedings.
Research areas include: reinforcement learning (Actor-Critic methods) and energy optimization in production systems; potential games and distributed Stackelberg strategies for self-optimizing manufacturing and transfer learning and simulation-to-reality approaches in robotics and industrial processes
He has authored over 150 scientific publications, including papers in IEEE Transactions on Cybernetics, Soft Computing, as well as numerous contributions on arXiv and at international conferences, presenting innovative solutions in the field of AI-driven automation.
