
dr inż. Marta Chodyka
Adiunkt
Akademia Łomżyńska
Zakład Informatyki
Kontakt:
ORCID: 0000-0002-8819-2451
Biogram
Dr inż. Marta Chodyka posiada ponad dwudziestoletnie doświadczenie w pracy naukowej i dydaktycznej w obszarze informatyki. Od 2024 r. pracuje na stanowisku adiunkta w Zakładzie Informatyki Akademii Łomżyńskiej. Jest również związana z Akademią Bialską im. Jana Pawła II, w której od 2019 r. pełni funkcję dziekana Wydziału Nauk Technicznych.
Stopień doktora nauk technicznych w zakresie informatyki uzyskała w 2013 r. na Politechnice Łódzkiej na podstawie rozprawy „Algorytmy rozpoznawania logo oraz oznaczeń kategorii wiekowej przekazu telewizyjnego w sekwencji obrazów”. Ukończyła studia magisterskie inżynierskie z informatyki na Politechnice Lubelskiej, w specjalności inżynieria oprogramowania. Jest aplikantką rzecznikowską, przygotowującą się do wykonywania zawodu rzecznika patentowego.
Jest członkiem Komisji Dyscyplinarnej przy Ministrze Nauki na kadencję 2025-2028. Pełni funkcje eksperckie w Urzędzie Marszałkowskim Województwa Lubelskiego. Jej działalność obejmuje ocenę projektów naukowych i technologicznych, ich innowacyjności oraz potencjału wdrożeniowego. Uczestniczy również w pracach grupy tematycznej Inteligentnej Specjalizacji Województwa Lubelskiego „Cyfrowe społeczeństwo”.
Odbyła liczne staże naukowe i naukowo-badawcze w Polsce i za granicą, m.in. na Uniwersytecie Kaliskim, w Université Paris-Saclay we Francji, Tanta University w Egipcie, Ukrainian State University of Science and Technologies w Ukrainie oraz RK University w Indiach. Rozwijała również współpracę akademicką poprzez staże naukowo-dydaktyczne, mobilności Erasmus+ i wizyty studyjne, m.in. w Portugalii, Hiszpanii, Finlandii, Czechach, na Słowacji i w Irlandii.
Zainteresowania i obszary działalności
Jest autorką i redaktorką monografii naukowych oraz artykułów w czasopismach naukowych. Prowadzi zajęcia dotyczące baz danych, cyberbezpieczeństwa, projektowania rozwiązań informatycznych i metodologii badań. Sprawuje opiekę nad pracami inżynierskimi i magisterskimi, wspierając studentów w projektowaniu aplikacji, analizie danych i ocenie bezpieczeństwa systemów. Pełniła również funkcję promotora pomocniczego w postępowaniu w sprawie nadania stopnia doktora.
W latach 2017–2023 kierowała projektami realizowanymi w ramach programów „Inkubator Innowacyjności”, finansowanymi w ramach Programu Operacyjnego Inteligentny Rozwój 2014–2020. Przedsięwzięcia te obejmowały prace badawczo-rozwojowe i przedwdrożeniowe, ochronę własności przemysłowej oraz komercjalizację wyników badań. Jest współtwórczynią opatentowanych rozwiązań technicznych. Uczestniczyła również jako wykonawca w projekcie OPUS finansowanym przez Narodowe Centrum Nauki oraz w projekcie POLONIUM, realizowanym we współpracy z francuskim środowiskiem naukowym.
Od 2026 r. kieruje projektem „IT by STEP - rozwój kompetencji w technologiach krytycznych na kierunku Informatyka”, dofinansowanym w ramach programu Fundusze Europejskie dla Rozwoju Społecznego 2021-2027, w konkursie Narodowego Centrum Badań i Rozwoju. Projekt obejmuje rozwój kształcenia w zakresie sztucznej inteligencji z robotyką oraz cyberbezpieczeństwa.
Główne obszary badawcze
Sztuczna inteligencja i uczenie maszynowe. Uczenie głębokie, dobór parametrów uczenia, modele predykcyjne oraz ekstrakcja informacji z wykorzystaniem lokalnych modeli językowych, w tym modelu Bielik.
Bazy danych i inżynieria danych. Indeksowanie i wydajność zapytań SQL, integracja danych, procesy ETL oraz architektura aplikacji analitycznych.
Cyberbezpieczeństwo. Ochrona baz danych w architekturze Zero Trust, bezpieczeństwo danych telemetrycznych, systemów AI i e-learningu oraz cyberodporność systemów teleinformatycznych.
Analiza obrazów i widzenie komputerowe. Algorytmy rozpoznawania i klasyfikacji obrazów, analiza sekwencji wizyjnych, obrazowanie stereoskopowe oraz zastosowania konwolucyjnych sieci neuronowych.
Wybrane publikacje naukowe
1. Chodyka M., Liniewski P., Tarasiuk G. (2026). Determinants of indexing effectiveness in relational database systems. W: R. Szczebiot (red.), Innovation Trends 2026, University of Lomza, s. 277–286.
2. Bednarczyk J., Chodyka M. (2026). Comparison of rule-based approaches and the local Bielik language model for information extraction from Polish real estate listing portals. W: R. Szczebiot (red.), Innovation Trends 2026, University of Lomza, s. 244–253.
3. Bednarczyk J., Chodyka M. (2026). Design and evaluation of a real estate market monitoring system architecture using an ETL pipeline and large language models. W: R. Szczebiot (red.), Innovation Trends 2026, University of Lomza, s. 254–264.
4. Bednarczyk J., Chodyka M. (2026). Price prediction and classification of residential real estate listings using machine learning. W: R. Szczebiot (red.), Innovation Trends 2026, University of Lomza, s. 224–233.
5. Chodyka M., Tarasiuk G. (2026). Cloud-edge continuum in AI-enabled smart home systems: performance, privacy and reliability trade-offs. W: R. Szczebiot (red.), Innovation Trends 2026, University of Lomza, s. 265–276.
6. Chodyka M. (2025). Security analysis of public administration databases in Poland within a Zero-Trust environment. W: R. Szczebiot (red.), Innovation Trends 2025, University of Lomza, s. 91–99.
7. Chodyka M., Bednarczyk J. (2025). Security of object detection systems utilizing stereoscopic image processing techniques. W: R. Szczebiot (red.), Innovation Trends 2025, University of Lomza, s. 206–216.
8. Chodyka M., Komorowski K. (2025). Information security in personalized learning supported by artificial intelligence and e-learning platforms. W: R. Szczebiot (red.), Innovation Trends 2025, University of Lomza, s. 217–224.
9. Chodyka M., Zakrzewski R. (2025). Information security in analytical applications processing telemetry data. W: R. Szczebiot (red.), Innovation Trends 2025, University of Lomza, s. 225–234.
10. Pereniec P., Mosorov V., Chodyka M. (2026). Application of convolutional neural networks and transfer learning to identification of imaging devices. Przegląd Elektrotechniczny, 102(6), s. 33–42. DOI: 10.15199/48.2026.06.5.
11. Ye S., Golovko V., Khatskevich H., Chodyka M., Lichograj P., Lubańska Z. (2025). Trainable ReLU activation function improves the performance of MLP-Mixer. IDAACS 2025, IEEE, s. 564–567. DOI: 10.1109/IDAACS68557.2025.11322308.
12. Chen C., Golovko V., Kroshchanka A., Mikhno E., Chodyka M., Lichograj P. (2024). An analytical approach for unsupervised learning rate estimation using rectified linear units. Frontiers in Neuroscience, 18, 1362510. DOI: 10.3389/fnins.2024.1362510.
13. Kroshchanka A.A., Golovko V., Chodyka M. (2022). Method for Reducing Neural-Network Models of Computer Vision. Pattern Recognition and Image Analysis, 32(2), s. 294–300. DOI: 10.1134/S1054661822020146.
