Moje doświadczenie naukowe koncentruje się na interdyscyplinarnym zastosowaniu zaawansowanych metod analizy danych w kontekście środowiska, ze szczególnym uwzględnieniem systemów wspomagania decyzji opartych na probabilistycznych modelach graficznych. Kluczowym obszarem zainteresowań są sieci bayesowskie, wykorzystywane do modelowania niepewności w złożonych systemach decyzyjnych, co znajduje praktyczne zastosowanie m.in. w zarządzaniu zasobami naturalnymi. Istotnym elementem badań jest również przetwarzanie danych przestrzennych pozyskiwanych zdalnie – zarówno z pułapu lotniczego, jak i bezzałogowych statków powietrznych (BSP). Analiza obejmuje chmury punktów generowane na podstawie lotniczego skanowania laserowego oraz fotogrametrii, jak również interpretację zdjęć wykonanych z dronów. Uzyskane dane są wykorzystywane do budowy modeli wspomagających zarządzanie w takich dziedzinach jak leśnictwo i hydrologia, w tym do modelowania procesów hydrologicznych i oceny zasobów leśnych.

W 2019 roku uzyskał doktorat w School of Computing and Information na University of Pittsburgh w USA. Był tam zatrudniony w ramach realizacji grantów badawczych z DoD i NIH. W 2016 roku odbył praktykę badawczą w IBM TJ Watson Research Center w Yorktown Heights (NY, USA). Zajmował się tam modelowaniem wybranych zjawisk społecznych oraz zależności między nimi. Na Wydziale Informatyki Politechniki Białostockiej prowadzi zajęcia z szerokiego zakresu przedmiotów związanych z przetwarzaniem danych. Współpracuje z białostockim oddziałem Biura Urządzania Lasu i Geodezji Leśnej gdzie dokonuje eksploracji danych przestrzennych pozyskiwanych zdalnie, głównie dla celów zarządzania w leśnictwie i hydrologii, czego rezultatem jest współautorstwo opracowań i ekspertyz w tym zakresie.

1. Kolendo, Ł., Kozniewski, M., Ksepko, M., Chmur, S., & Neroj, B. (2021). Parameterization of the individual tree detection method using large dataset from ground sample plots and airborne laser scanning for stands inventory in coniferous forest. Remote Sensing, 13(14), 2753.
2. Cypko, M. A., Stoehr, M., Kozniewski, M., Druzdzel, M. J., Dietz, A., Berliner, L., & Lemke, H. U. (2017). Validation workflow for a clinical Bayesian network model in multidisciplinary decision making in head and neck oncology treatment. International journal of computer assisted radiology and surgery, 12, 1959-1970.
3. Kozniewski, M., Kolendo, Ł., Ksepko, M., & Chmur, S. (2022). Tracking Individual Scots Pine (Pinus sylvestris L.) Height Growth Using Multi-Temporal ALS Data from North-Eastern Poland. Remote Sensing, 14(17), 4170.
4. Zagorecki, A., Kozniewski, M., & Druzdzel, M. J. (2015). An approximation of surprise index as a measure of confidence. In AAAI Fall Symposium-Technical Report (pp. 39-41).
5. Kolendo, Ł., Boczoń, A., Koźniewski, M., Wojtas, K., Chmur, S., Pierzgalski, E., Ksepko, M., 2021. Opracowanie hydrologiczne dla zlewni Puszczy Białowieskiej. RDLP w Białymstoku, Biuro Urządzania Lasu i Geodezji Leśnej, oddział w Białymstoku. 223 pp.
6. Kozniewski, M. (2019). Self-Confidence Measures of a Decision Support System Based on Bayesian Networks (Doctoral dissertation, University of Pittsburgh).
7. Kolendo, Ł., Chmur, S., Wojtas, K., Koźniewski, M., Popławski, C., Snarski, R., Dmoch, A., Ksepko, M., 2022. Ekspertyza dotycząca opracowania modelu gospodarowania wodą w obszarze Natura 2000 Bagno Wizna PLB200005. RDOŚ w Białymstoku, Biuro Urządzania Lasu i Geodezji Leśnej, oddział w Białymstoku. 149 pp.