dr Estera Kot

O mnie

Dr Estera Kot jest informatyczką pracującą na styku uczenia maszynowego, systemów danych wielkiej skali i organizacji, które od nich zależą. W rozprawie doktorskiej zastosowała głębokie uczenie i multimodalne przetwarzanie obrazów medycznych do komputerowego wspomagania diagnostyki guzów mózgu. W przemyśle doprowadziła to zainteresowanie skalą do logicznego końca: do środowiska uruchomieniowego Apache Spark, które napędza analitykę, uczenie maszynowe i obciążenia Copilot w Azure Synapse Analytics i Microsoft Fabric.

Stopień doktora nauk technicznych w dyscyplinie informatyka techniczna i telekomunikacja uzyskała z wyróżnieniem na Politechnice Warszawskiej. Jest współautorką patentu w USA z zakresu przetwarzania big data i autorką piętnastu recenzowanych publikacji, w tym dwunastu jako pierwsza autorka, prezentowanych między innymi w Glasgow i Redmond. W czerwcu 2026 roku zaprezentowała współautorski poster naukowy na XXV US–Poland Science and Technology Symposium, które odbyło się na Uniwersytecie Stanforda, UC Berkeley i UCSF. Poster przedstawia badanie 506 osób z cywilnego sektora infrastruktury krytycznej i obronności w Polsce na temat przywództwa i zarządzania kompetencjami, w zestawieniu z ramami kompetencyjnymi Departamentu Obrony USA i NATO.

Jej stanowisko wobec AI jest bezkompromisowe. Inżynier, który buduje system, nie może przerzucić odpowiedzialności moralnej na regulatorów ani etyków. Etyka nie jest warstwą zgodności dokładaną po ustaleniu architektury. Mieszka w każdej funkcji celu, w każdym ustawieniu domyślnym, w każdej decyzji o tym, co maszyna nagradza, a co ignoruje.

Badania

Publikacje

Za Google Scholar. Nazwiska autorów jak w publikacjach, tytuły w oryginale.

Artykuły w czasopismach

• E. Kot, T. Les, Z. Krawczyk-Borysiak, A. Vykhodtsev, K. Siwek. Semantic segmentation of the prostate based on onefold and joint multimodal medical images using YOLOv4 and U-Net, Applied Sciences, 14(21), 9814, MDPI, 2024. doi:10.3390/app14219814
• E. Kot, Z. Krawczyk, K. Siwek, L. Królicki, P. Czwarnowski. Deep learning-based framework for tumour detection and semantic segmentation, Bulletin of the Polish Academy of Sciences: Technical Sciences, e136750, 2021. doi:10.24425/bpasts.2021.136750
• E. Kot, K. Siwek, E. Wińska. Architektura platformy korzystającej z metod uczenia maszynowego do przetwarzania obrazów biomedycznych w chmurze, Poznan University of Technology Academic Journals: Electrical Engineering, 104, 35-44, 2020.
• E. Kot, K. Siwek. Algorytm segmentacji obrazów CT i PET do identyfikacji i wyznaczania objętości glejaka mózgu, Poznan University of Technology Academic Journals: Electrical Engineering, 2019.

Referaty konferencyjne

• S. K. Ravindran, E. Kot, F. F.-H. Nah. Can we read AI's mind? A quest for transparency, HCI International 2025, Lecture Notes in Computer Science, Springer, 2026. doi:10.1007/978-3-032-13167-6_6
• Y. Zhu, R. Sen, B. Kroth, S. Matusevych, A. Mueller, T. Huang, R. Challapalli, W. Tang, X. He, M. Liu, E. Kot, S. Kahraman, A. Sekhon, D. Bernal, A. Lakra, S. Fozdar, D. Relwani, R. Fang, L. Tian, K. S. Krishna, A. Gosalia, C. Curino, S. Krishnan. Rockhopper: A robust optimizer for Spark configuration tuning in production environment, Companion of the 2025 International Conference on Management of Data (SIGMOD), ACM, 2025. doi:10.1145/3722212.3724451
• E. Kot, Z. Krawczyk, K. Siwek, K. Pleska, J. Rogalski, P. Czwarnowski. U-Net training models for efficient brain tumour segmentation on multi-modality CT and PET images, 22nd International Conference on Computational Problems of Electrical Engineering (CPEE), IEEE, 1-4, 2021. doi:10.1109/cpee54040.2021.9585272
• Z. Krawczyk, R. Szmurło, P. Zawadzki, E. Kot, J. Starzyński, A. Zawadzka. Volumetric Modulated Arc Therapy dose distribution prediction for breast cancer patients: CNN approach, International Joint Conference on Neural Networks (IJCNN), IEEE, 1-10, 2021. doi:10.1109/ijcnn52387.2021.9533826
• E. Wińska, E. Kot, W. Dąbrowski. Reducing the uncertainty of agile software development using a random forest classification algorithm, Lean and Agile Software Development (LASD 2021), Springer, 145-155, 2021. doi:10.1007/978-3-030-67084-9_9
• E. Kot, Z. Krawczyk, K. Siwek, P. S. Czwarnowski. U-Net and active contour methods for brain tumour segmentation and visualization, International Joint Conference on Neural Networks (IJCNN), IEEE, 1-7, 2020. doi:10.1109/ijcnn48605.2020.9207572
• E. Kot, Z. Krawczyk, K. Siwek. Improved Morphological Geodesic Active Contours algorithm for automated, voxel-wise segmentation of biomedical images, ESCO 2020, 7th European Seminar on Computing, 2020.
• E. Kot, K. Siwek. Segmentation of brain biomedical images to compute the volume of gliomas, ITM Web of Conferences, 28, EDP Sciences, 2019. doi:10.1051/itmconf/20192801016
• E. Kot, K. Siwek. Weryfikacja wyników obrazowania medycznego mózgu za pomocą testu na fantomie PET-CT, XLII International Conference on Fundamentals of Electrotechnics and Circuit Theory (IC-SPETO 2019), Silesian University of Technology, 2019.

Postery naukowe

• J. Żukowska, M. Pindelski, A. Tryfon-Bojarska, E. Kot. Human capital competencies in the critical infrastructure sector with particular emphasis on leadership competencies, XXV US–Poland Science and Technology Symposium, Stanford University, 2026.

Rozprawa doktorska

• E. Kot. Multimodal medical image processing methods for computer-aided diagnosis support system of brain tumors, Ph.D. dissertation, Warsaw University of Technology, Institute of the Theory of Electrical Engineering, Measurement and Information Systems, 2024.

Inne manuskrypty

• E. Kot, Z. Krawczyk, K. Siwek. Brain tumour detection and segmentation using deep learning methods, 2020.

Dydaktyka

Dr Kot prowadzi zajęcia z programowania w Pythonie w Akademii Leona Koźmińskiego w Warszawie oraz zajęcia na studiach podyplomowych AI i innowacje w zdrowiu w Uczelni Łazarskiego. Gościnnie wykładała na UCLA i w Szkole Głównej Handlowej w Warszawie. Na Politechnice Warszawskiej zaprojektowała przedmioty z technologii AI w chmurze dla studiów pierwszego i drugiego stopnia. W 2022 roku stworzyła studia podyplomowe Zastosowania technologii chmurowych w rozwiązaniach opartych na danych i sztucznej inteligencji na Wydziale Elektrycznym i zasiada w ich radzie programowej. Obecna edycja 2026/2027 to dwa semestry obejmujące inżynierię danych w chmurze, nowoczesne hurtownie danych i data governance, Microsoft Fabric, AI w rozwiązaniach BI, usługi AWS i GCP oraz zarządzanie projektami chmurowymi. Jej byli studenci pracują dziś w CERN, Google, Meta i innych instytucjach badawczych.

Tworzy i prowadzi Fabric Espresso, techniczną serię wideo o Microsoft Fabric liczącą 89 odcinków, i regularnie występuje na FabCon Europe.

Działalność organizacyjna

• Przewodnicząca, później członkini Wydziałowej Rady Doktorantów, Wydział Elektryczny Politechniki Warszawskiej
• List gratulacyjny od JM Rektora Politechniki Warszawskiej prof. Jana Szmidta za działalność w Radzie Doktorantów PW
• Przewodnicząca sesji, HCI International 2025, Göteborg: Human-Centered Design of Chatbots and AI-Driven Agents

Przemysł

Jako Chief Technology Officer w Clouds on Mars, partnerze Microsoft i Databricks dostarczającym rozwiązania danych i AI w Europie i na Bliskim Wschodzie, dr Kot odpowiada za strategię technologiczną, realizację inżynierską i architekturę najważniejszych projektów firmy w ochronie zdrowia, ubezpieczeniach i platformach danych klasy enterprise.

W Microsoft była Principal Product Manager odpowiedzialną za środowisko Apache Spark w Azure Synapse Analytics i Microsoft Fabric. Przeprowadziła migrację 25 000 klientów Synapse do Fabric, zautomatyzowała program przenoszący 30 000 klientów między wersjami silnika co sześć miesięcy i kierowała interdyscyplinarnymi zespołami liczącymi blisko 300 inżynierów, projektantów i interesariuszy. Wcześniej pracowała w Intel, Sony, Citi i Procter and Gamble, gdzie w 2018 roku wprowadziła Apache Spark i Delta Lake.

Microsoft Fabric

Microsoft Fabric to nić, która łączy całą zawodową drogę dr Kot. W Microsoft odpowiadała za środowisko uruchomieniowe Apache Spark wspólne dla Fabric i Azure Synapse Analytics: silnik pod notatnikami, zadaniami Spark, potokami lakehouse, uczeniem maszynowym i obciążeniami Copilot. Stworzyła Native Execution Engine, wektoryzowane środowisko Spark zbudowane z Intel, Meta i IBM, czterokrotnie szybsze od otwartego Sparka i dostępne dla każdego klienta Fabric bez dopłaty. Przeprowadziła migrację 25 000 klientów Azure Synapse do Fabric i zautomatyzowała program przenoszący 30 000 klientów między wersjami silnika Spark co sześć miesięcy.

O tej pracy opowiada publicznie. Fabric Espresso to jej techniczna seria wideo o Microsoft Fabric: 89 krótkich odcinków o Sparku w Fabric, Native Execution Engine, projektowaniu lakehouse i Delta Lake, inżynierii danych, strojeniu wydajności i migracji z Synapse. Cała seria jest na YouTube: playlista Fabric Espresso. Regularnie występuje na FabCon Europe i jest Microsoft Most Valuable Professional (MVP).

W Clouds on Mars wykorzystuje tę samą wiedzę o silniku po stronie klienta: projektuje architektury lakehouse na Fabric i Databricks dla przedsiębiorstw z ochrony zdrowia, ubezpieczeń i platform danych klasy enterprise w Europie i na Bliskim Wschodzie oraz uczy Fabric zespoły danych na warsztatach i sesjach konferencyjnych.

Przeczytaj jej przewodnik po wdrażaniu Microsoft Fabric i opis Fabric Maturity Model.

Prowadzi Fabric Falcons, społeczność WhatsApp o Microsoft Fabric: pięć krótkich postów dziennie na dwóch poziomach.

Wyróżnienia

• Microsoft Most Valuable Professional (MVP), profil
• Laureatka konkursu Polka XXI wieku w kategorii innowacje i nowe technologie, 2026
• Top 100 Kobiet w AI w Polsce; Top 3 w kategorii AI Leadership; Top 100 Kobiet w Chmurze
• Zwyciężczyni Microsoft Global Hackathon w kategorii ochrona zdrowia, 2021
• Stypendium dla najlepszych doktorantów w każdym roku studiów doktoranckich, Politechnika Warszawska

Kontakt

Najszybsza droga do dr Kot to rezerwacja terminu: bit.ly/bookdrkot. W sprawach naukowych proszę pisać na adres podany w jej rekordzie ORCID.