Wykaz publikacji wybranego autora

Andrzej Opaliński, dr inż.

adiunkt

Wydział Inżynierii Metali i Informatyki Przemysłowej
WIMiIP-kism, Katedra Informatyki Stosowanej i Modelowania


  • 2022

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja


  • 2018

    [dyscyplina 1] dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja

    [dyscyplina 2] dziedzina nauk inżynieryjno-technicznych / inżynieria materiałowa (25%)


[poprzednia klasyfikacja] obszar nauk technicznych / dziedzina nauk technicznych / informatyka


Identyfikatory Autora Informacje o Autorze w systemach zewnętrznych

ORCID: 0000-0002-9730-9594 orcid iD

ResearcherID: S-5323-2016

Scopus: 39062168200

PBN: 5e70920b878c28a04738f0e9

OPI Nauka Polska

System Informacyjny AGH (SkOs)




1
2
  • Clinical and polysomnographic features associated with poor sleep quality in patients with obstructive sleep apnea / Aleksander Kania, Kamil Polok, Natalia Celejewska-Wójcik, Paweł Nastałek, Andrzej OPALIŃSKI, Barbara MRZYGŁÓD, Krzysztof REGULSKI, Mirosław GŁOWACKI, Krzysztof Sładek, Grażyna Bochenek // Medicina (Kaunas) [Dokument elektroniczny]. — Czasopismo elektroniczne ; ISSN 1648-9144. — 2022 vol. 58 iss. 7 art. no. 907, s. 1-11. — Wymagania systemowe: Adobe Reader. — Bibliogr. s. 10-11, Abstr.. — Publikacja dostępna online od: 2022-07-08. — tekst: https://www.mdpi.com/1648-9144/58/7/907/pdf?version=1657239839

    orcid iD
  • keywords: sleep apnea, obstructive sleep apnea, sleep quality, PSQI, polysomnography, heart failure, nocturnal hypoxia, comorbidities, deep sleep

    cyfrowy identyfikator dokumentu: 10.3390/medicina58070907

3
  • Machine learning studies in materials science / Barbara MRZYGŁÓD, Krzysztof REGULSKI, Andrzej OPALIŃSKI // W: Machine learning in industry / eds. Shubhabrata Datta, J. Paulo Davim. — Cham: Springer, cop. 2022. — (Management and Industrial Engineering ; ISSN 2365-0532). — ISBN: 978-3-030-75846-2 ; e-ISBN: 978-3-030-75847-9. — s. 121-137. — Bibliogr., Abstr.. — Publikacja dostępna online od: 2021-07-25

    orcid iD
  • keywords: machine learning, data mining, knowledge engineering, ontologies, materials science, knowledge discovery, data science

    cyfrowy identyfikator dokumentu: 10.1007/978-3-030-75847-9_6