Marija Kopanja

Marija Kopanja

Pozicija:Istraživač-saradnik u CIT

Zvanje: Istraživač-saradnik

Google Scholar

Marija je istraživač saradnik i student doktorskih studija računarskih nauka na Prirodno-matematičkom fakultetu, Univerziteta u Novom Sadu, gde je prethodno završila osnovne i master studije primenjene matematike. Poseduje ECMI sertifikat, dodatak diplomi koji dodeljuje Evropski konzorcijum za matematiku u industriji (ECMI). Tokom 2023. godine dobila je nagradu za najbolji studentski naučno istraživački rad na Departmanu za matematiku i informatiku, Prirodno-matematičkog fakulteta. Master tezu je odbranila na temu primene metoda mašinskog učenja osetljivih na cenu greške na nebalansirane probleme klasifikacije, koju je tokom doktorskih studija dalje proširila razvojem nove metode mašinskog učenja: Cost-sensitive Rule and Tree Extraction Method (CORTEX). Pored mašinskog učenja, njeno istraživačko interesovanje je usmereno na objašnjivu veštačku inteligenciju sa primenom u različitim domenima, uključujući poljoprivredu. Bila je gostujući istraživač na Univerzitetu u Dablinu gde je radila na razvoju nove metode objašnjive veštačke inteligencije. Takodje je bila gostujući istraživač nekoliko puta na Univerzitetu u Vageningenu gde je radila na primeni metoda objašnjive veštačke inteligencije na modelima mašinskog učenja za predikciju prinosa upotrebom satelitskih slika. U saradnji sa istraživačima sa Univerziteta u Vageningenu, dodatno je radila na razvoju digitalih blizanaca za različite poljoprivredne kulture integracijom tehnika asimilacije podataka i WOFOST modela za simulaciju rasta biljaka. Autor je i koautor brojnih konferencijskih radova, kao i nekoliko radova u časopisima. Učestvovala je na više evropskih Horizon projekata, uključujući ANTARES, UDENE i DRAGON. Aktivno učestvuje na projektu koji se realizuje u saradnji sa privredom, a finansira ga Svetska banka.

Centar:

proba 2

CIT

  1. Kopanja, M., Savić, M., Longo, L. (2025). CORTEX: Cost-sensitive rule and tree extraction method. Knowledge-Based Systems. 330. 114592. IF 7.6 10.1016/j.knosys.2025.114592
  2. Kopanja, M., Savić, M., Longo, L. (2025). Enhancing Cost-Sensitive Tree-Based XAI Surrogate Method: Exploring Alternative Cost Matrix Formulation. The 3rd World Conference on eXplainable Artificial Intelligence: July 09–11, 2025, Istanbul, Turkey
  3. Kopanja, M., Hačko, S., Brdar, S., Savić, M. (2024) Cost-sensitive tree SHAP for explaining cost-sensitive tree-based models. Computational Intelligence. 2024; 40(3):e12651. doi: 10.1111/coin.12651
  4. Kopanja, M., Maglevannaia, P., Carević Tomić, M. & Obrenović, N. (2025). Integrating ML and XAI with Urban Planning: Air Quality Predictions to Support Traffic Optimization. 9th International Conference on Advances in Artificial Intelligence (ICAAI 2025), November 14–16, 2025, Manchester, United Kingdom. 10.1145/3787279.3787322
  5. Van Evert, F. K., Boersma, S., van Oort, P., Maestrini, B.,Kopanja, M., Mimić,G., Pronk, A. (2022). A Digital Twin for Arable Crops and for Grass. Proceedings of the 16th International Conference on Precision Agriculture, Manhattan, USA. The International Society of Precision Agriculture.