MathEngine.pl - nowy wymiar analityki

O firmie

MathEngine działa jako spółka w modelu Spin-Off. Została utworzona przez pracowników jednostek naukowych w celu komercjalizacji badań naukowych i prac rozwojowych. Współpracujemy z naukowcami z różnych dyscyplin i obszarów badań. Tworzymy dynamiczne zespoły dopasowane do specyfiki realizowanych projektów. Mamy doświadczenie w planowaniu, zarządzaniu i realizacji projektów naukowych i komercyjnych.

Spółka jest jednostką niezależną, nie jest powiązana kapitałowo z jednostką naukową. Zachowujemy pełną elastyczność i dynamikę podmiotu komercyjnego powiązaną z podłożem merytorycznym i doświadczeniem wywodzącym się z sektora naukowego. Zapraszamy do kontaktu w celu omówienia potencjalnych obszarów współpracy.

Oferta integruje potrzeby firm w zakresie projektów B+R z naszym doświadczenim badawczym i obejmuje między innymi: doradztwo w zakresie planowania i realizacji projektów B+R powiązanych z technologiami ICT, pomoc w opracowaniu wniosków związanych z finansowaniem projektów B+R, dostarczanie rozwiązań merytorycznych o obszarach powiązanych z badaniami i systemami ICT oraz realizację badań przemysłowych i prac rozwojowych.

Zakres usług

WSPOMAGANIE DECYZJI

Optymalizacja procesów decyzyjnych. Dobór metod wspomagania decyzji. Podstawy metodyczne systemów wspomagania decyzji w różnych obszarach.

INTERFEJSY UŻYTOWNIKA

Modelowanie oddziaływania na użytkownika. Optymalizacja interfejsów. Badania efektywności. Wykorzystanie eye trackingu i analiz sygnałów kognitywch z EEG.

UŻYTECZNOŚĆ SYSTEMÓW

Badania systemów informatycznych. User experience i efektywność rozwiązań. Badania emocji.

Metody badawcze i zakres prowadzonycnch badań

Metodyka

W badaniach stosujemy metody powiązane z szeroko pojętym obszarem Data Science. Wypracowana metodyka stanowi podstawę badań naukowych publikowanych w uznanych czasopismach międzynarodowych. Nabyte doświadczenie jest podstawą realizacji projektu MathEngine.

Techniki badawcze

W projektach wykorzystujemy metody analizy danych, uczenie maszynowe, sztuczną inteligencję, metody wspomagania decyzji, modele optymalizacyjne, modele symulacyjne i predykcyjne, analitykę sieciową, badania percepcyjne, okulografię, encefalografię i metody z obszaru analityki internetowej.

Publikacje

Wyniki naszych badań publikujemy w czasopismach naukowych z Listy "A" Ministerstwa Nauki i Szkolnictwa Wyższego takich jak Scientific Reports, Internet Research, Expert Systems with Applications, Omega, PLOS One, Computers in Human Behavior, International Journal of Fuzzy Systems i innych.

Nasze wybrane publikacje

[1] Jankowski, J., Hamari J., Wątróbski, J., A gradual approach for maximising user conversion without compromising experience with high visual intensity website elements, Internet Research 29 (1), 194-217, 2019

[2] Wątróbski, J., Jankowski, J., Ziemba P., Karczmarczyk A., Zioło M., Generalised framework for multi-criteria method selection, Omega, in Press

[3] Karczmarczyk A., Jankowski, J., Wątróbski, J., Multi-criteria decision support for planning and evaluation of performance of viral marketing campaigns in social networks, PloS one 13 (12), e0209372, 2, 2018

[4] Hołda, M. K., Stefura, T., Koziej, M., Skomarovska, O., Jasińska, K. A., Sałabun, W., & Klimek-Piotrowska, W. (2019). Alarming decline in recognition of anatomical structures amongst medical students and physicians. Annals of Anatomy-Anatomischer Anzeiger, 221, 48-56.

[5] Jankowski, J., Waniek M., Alshamsi A., Bródka P., Michalski R., Strategic distribution of seeds to support diffusion in complex networks, PloS one 13 (10), e0205130

[6] Jankowski, J., Szymanski B.K., Kazienko P., Michalski R., Bródka P., Probing Limits of Information Spread with Sequential Seeding, Scientific reports 8 (1), 13996, 2 2018

[7] Sałabun, W., Karczmarczyk, A., Wątróbski, J., & Jankowski, J. (2018, November). Handling Data Uncertainty in Decision Making with COMET. In 2018 IEEE Symposium Series on Computational Intelligence (SSCI) (pp. 1478-1484). IEEE.

[8] Wątróbski, J., Ziemba E., Karczmarczyk A., Jankowski, J., An Index to Measure the Sustainable Information Society: The Polish Households Case, Sustainability 10 (9), 3223, 3, 2018

[9] Bashir, Z., Rashid, T., Wątróbski, J., Sałabun, W., & Malik, A. (2018). Hesitant probabilistic multiplicative preference relations in group decision making. Applied Sciences, 8(3), 398.

[10] Faizi, S., Rashid, T., Sałabun, W., Zafar, S., & Wątróbski, J. (2018). Decision making with uncertainty using hesitant fuzzy sets. International Journal of Fuzzy Systems, 20(1), 93-103.

[11] Lewandowska, A., & Jankowski, J. (2017). The negative impact of visual web advertising content on cognitive process: towards quantitative evaluation. International Journal of Human-Computer Studies, 108, 41-49.

[12] Jankowski, J., Michalski, R., Bródka, P., A multilayer network dataset of interaction and influence spreading in a virtual world, Scientific data 4, 170144

[13] Bashir, Z., Wątróbski, J., Rashid, T., Zafar, S., & Sałabun, W. (2017). Chaotic dynamical state variables selection procedure based image encryption scheme. Symmetry, 9(12), 312.

[14] Rejer, I., Jankowski, J., Brain activity patterns induced by interrupting the cognitive processes with online advertising, Cognitive Processing, 1-12

[15] Jankowski, J., Zioło, M., Karczmarczyk, A., Wątróbski, J., Towards sustainability in viral marketing with user engaging supporting campaigns, Sustainability 10 (1), 15

[16] Jankowski, J., Bródka, P., Kazienko, P., Szymanski, B., Kajdanowicz, T. Michalski, R.: Balancing Speed and Coverage by Sequential Seeding in Complex Networks, Scientific Reports 7, Article number: 891 (2017) [Link]

[17] Bashir, Z., Wątróbski, J., Rashid, T., Sałabun, W., & Ali, J. (2017). Intuitionistic-fuzzy goals in zero-sum multi criteria matrix games. Symmetry, 9(8), 158.

[18] Jankowski, J., Dynamic Rankings for Seed Selection in Complex Networks, Entropy 2017, 19(4), 170 [Link]

[19] Faizi, S., Sałabun, W., Rashid, T., Wątróbski, J., & Zafar, S. (2017). Group decision-making for hesitant fuzzy sets based on characteristic objects method. Symmetry, 9(8), 136.

[20] Sałabun, W., & Piegat, A. (2017). Comparative analysis of MCDM methods for the assessment of mortality in patients with acute coronary syndrome. Artificial Intelligence Review, 48(4), 557-571.

[21] Jankowski, J., Bródka, P., & Hamari, J. (2016). A picture is worth a thousand words: an empirical study on the influence of content visibility on diffusion processes within a virtual world. Behaviour & Information Technology, 35(11), 926-945.

[22] Jankowski, J., Kazienko, P., Wątróbski, J., Lewandowska, A., Ziemba, P., & Zioło, M. (2016). Fuzzy multi-objective modeling of effectiveness and user experience in online advertising. Expert Systems with Applications, 65, 315-331.

[23] Jankowski, J., Kolomvatsos, K., Kazienko, P., & Wątróbski, J. (2016). Fuzzy Modeling of User Behaviors and Virtual Goods Purchases in Social Networking Platforms. Journal of Universal Computer Science, 22(3), 416-437.

[24] Utz, S., & Jankowski, J. (2016). Making “friends” in a virtual world: The role of preferential attachment, homophily, and status. Social Science Computer Review, 34(5), 546-566.

[25] Jankowski, J., Saganowski, S., & Bródka, P. (2016). Evaluation of TRANSFoRm Mobile eHealth Solution for Remote Patient Monitoring during Clinical Trials. Mobile Information Systems, 2016.

[26] Wątróbski, J., Ziemba, P., Jankowski, J., & Zioło, M. (2016). Green Energy for a Green City—A Multi-Perspective Model Approach. Sustainability, 8(8), 702.

[27] Różewski, P., Jankowski, J., Bródka, P., Michalski, R. (2015). Knowledge workers’ collaborative learning behavior modeling in an organizational social network. Computers in Human Behavior, 51, 1248-1260.

[28] Różewski, P., & Jankowski, J. (2015). Model of multilayer knowledge diffusion for competence development in an organization. Mathematical Problems in Engineering, 2015

[29] Sałabun, W. (2015). The Characteristic Objects Method: A New Distance‐based Approach to Multicriteria Decision‐making Problems. Journal of Multi‐Criteria Decision Analysis, 22(1-2), 37-50.

[30] Piegat, A., & Sałabun, W. (2015, June). Comparative analysis of MCDM methods for assessing the severity of chronic liver disease. In International conference on artificial intelligence and soft computing (pp. 228-238). Springer, Cham.

[31] Jankowski, J., Michalski, R., Bródka, P., Kazienko, P., & Utz, S. (2015). Knowledge acquisition from social platforms based on network distributions fitting. Computers in Human Behavior, 51, 685-693.

[32] Goode, S., Shailer, G., Wilson, M., & Jankowski, J. (2014). Gifting and status in virtual worlds. Journal of Management Information Systems, 31(2), 171-210.

[33] Piegat, A., & Sałabun, W. (2014). Identification of a multicriteria decision-making model using the characteristic objects method. Applied Computational Intelligence and Soft Computing, 2014, 14.

[34] Sałabun, W. (2014). Reduction in the number of comparisons required to create matrix of expert judgment in the comet method. Management and Production Engineering Review, 5(3), 62-69.

Bierzemy aktywny udział w międzynarodowych konferencjach naukowych, na których prezentujemy wyniki naszych prac, uczestniczymy w Komitetach Programowych i w procesie recenzowania zgłoszonych opracowań.