Kristina Šutienė

KTU Matematikos ir gamtos mokslų fakulteto docentė

Kristina Šutienė – Kauno technologijos universiteto Matematikos ir gamtos mokslų fakulteto docentė, „Stochastinių, ekonominių bei medicininių sistemų matematinis modeliavimas“ mokslo grupės narė. Mokslininkės tyrimai susiję su finansų rizikos vertinimu ir modeliavimu bei sprendimų priėmimu taikant finansų matematikos, dirbtinio intelekto ir duomenų mokslo metodus. Papildomai domisi ir statistiniu modeliavimu sprendžiant medicinos uždavinius.

K. Šutienė dėsto modulius taikomosios matematikos, didžiųjų verslo duomenų analizės, medicinos fizikos ir dirbtinio intelekto studijų programose. Kartu su komanda parengė dirbtinio intelekto masinį atvirą internetinį kursą virtualioje mokymo(si) aplinkoje. Mokslininkė yra Lietuvos matematikų draugijos bei tarptautinės asociacijos „Institute of Data Science and Artificial Intelligence“ narė.

Daugiau apie mokslininkę – tyrėjos paskyroje.

  • Duomenų analizė ir anomalijų paieška
  • Prognostinių ir statistinių modelių sudarymas
  • Stochastinių ekonominių, finansinių ir medicinos sistemų modeliavimas
  • Rizikos valdymas verslo sistemose

„Pensijų fondų reguliavimas neapibrėžtoje aplinkoje tvaraus investavimo kontekste“

Mokslininkai kuria pensijų fondų reguliavimo modelį tvaraus investavimo sprendimams priimti neapibrėžtoje aplinkoje, atsižvelgiant į fondo rizikos profilį. Vienas iš svarbiausių šio modelių komponentų yra ateities scenarijų formavimas, kuriems esant būtų priimami optimalūs investavimo sprendimai kelių kriterijų atžvilgiu (grąžos maksimizavimas, rizikos minimizavimas), numatomas jų perbalansavimas ir siūlomi streso testai.

„Finansinės technologijos ir dirbtinis intelektas – link skaidrios finansų industrijos“

K. Šutienė – COST projekto „Finansinės technologijos ir dirbtinis intelektas – link skaidrios finansų industrijos“ komiteto atstovė Lietuvai (2020–2024). Bendradarbiaujama dideliame tarptautiniame tinkle, kurio bendras tikslas vystyti Fintech sektorių. Projekte dirbtinis intelektas ir duomenų mokslas taikomas įvairiose finansų srityse joms pažinti, rizikoms identifikuoti bei sprendimams priimti. Ypač didelis dėmesys skiriamas dirbtinio intelekto priimamų sprendimų interpretavimui ir paaiškinamumui. Daugiau informacijos: https://fin-ai.eu/

„FINansinės priežiūros ir TECHnologinės atitikties mokymo programa – FIN-TECH“

Didieji duomenys ir dirbtinis intelektas taikomi kuriant modelius, skirtus kredito, investavimo ir apgaulės rizikai identifikuoti. Tokiu būdu siekiama prisidėti prie Fintech sektoriaus konkurencingumo gerinimo ir bendros ekosistemos ES šalyse vystymo. Šių modelių pritaikomumas demonstruojamas rinkų reguliavimo ir priežiūros institucijoms, Fintech asociacijomis bei centrams periodinių mokymų metu.

„Ląstelių branduolių aptikimo modelio, taikant dirbtinį intelektą, kūrimas ir tyrimas (DItect)”

Tyrėja 2019 metais vykdė šį projektą. Jo metu su komandos nariais sukūrė giliojo mokymo metodą ląstelių branduolių segmentavimui, kuris įgalina tikslų ir efektyvų persidengiančių, susijungusių ląstelių branduolių aptikimą. Šis metodas gali būti panaudotas diagnostinės medicinos uždavinių automatizavimui.

„Analizės, modeliavimo ir rizikos valdymo kompetencijų centro (i.MAMC) įkūrimas“

Tai ESFA projektas, kurio koordinatorius – Valstybinė mokesčių inspekcija, 2016–2019. Sprendžiamai įvairūs uždaviniai, kurie gerintų mokesčių surinkimą, mažintų šešėlį ir prisidėtų vystant išmaniąją mokesčių administravimo sistemą. Daugeliu atveju yra taikomi dirbtinio intelekto, optimizavimo bei tinklo analizės metodai, kurių apmokymui naudojami didieji duomenys, aprašantys Lietuvos juridinių ir fizinių asmenų vykdomas veiklas, elgseną ir mokamus mokesčius.

Nr. Publikacijos pavadinimas Autoriai Metai
1. Key Roles of Crypto-Exchanges in Generating  Arbitrage Opportunities. Audrius Kabašinskas, Kristina Šutienė 2021
2. Fast Multi-Focus Fusion Based on Deep Learning for Early-Stage Embryo Image Enhancement. Vidas Raudonis, Agnė Paulauskaitė-Tarasevičienė, Kristina Šutienė 2021
3. A multistage risk-averse stochastic programming  model for personal savings accrual: the evidence from Lithuania. Audrius Kabašinskas, Francesca Maggioni, Kristina Šutienė, Eimutis Valakevičius 2019
4. Deep Learning-based Detection of Overlapping Agnė Paulauskaitė-Tarasevičienė, Kristina Šutienė, Justas Valotka, Vidas Raudonis, Tomas Iešmantas 2019
5. Enhancing university competitiveness through ICT infrastructure: the case of Kaunas University of Technology Regina Misevičienė, Kristina Šutienė, Danutė Ambrazienė, Dalius Makackas 2018