Hybrydowa metoda oparta na NLP do klasyfikacji emocji i sarkazmu w języku polskim

Prezentujący: mgr inż. Urszula Gumińska, Politechnika Łódzka

25 października 2024 (piątek), 11:15-13:15
s. D2.3 C-16, Politechnika Wrocławska

Natural Language Processing for Computational Social Science: Using machine learning and deep learning to explore social phenomena

Prezentujący: Erik Kovacs, Academia de Studii Economice din București

24 września 2024 (wtorek), 11:15-13:15
s. 201/20 D-2, Politechnika Wrocławska

Abstract. The widespread use of social media, facilitated by the growth of worldwide access to the Internet, has introduced untold new possibilities for communication of art, education, healthcare, entertainment and research. At the same time, it has created new problems and exacerbated old ones in society. The crises facing global society at the moment are also deeply intertwined with the systems of communication supported by new media - including social media - which can lead to the emergence and widespread adoption of potentially harmful discourses such as COVID denialism or opposition to vaccines during the pandemic, accusations that the 2020 US Presidential Election was manipulated, religious and political extremism, etc. These are reflective of a growing epistemic divide in society - of huge swathes of people living close together in space, but interpreting reality vastly differently. But the vast data production capacity afforded by social media has also led to significant developments in the field of AI, especially deep learning, machine learning techniques which use artificial neural networks. During the course of our research we have leveraged these new developments and applied them to many such phenomena: the COVID vaccines, unhealthy discussions, gender dynamics, and political events such as elections. We wish to present the power of these techniques as they apply to the study of social phenomena using data collected from social media, and their potential to complete knowledge obtained from classical social science methods such as surveys, interviews or participant observation, etc. We present our experimental work in the fields of natural language processing, sentiment analysis, text clustering, text classification, author profiling, etc. as an example of how we can gain insights into social phenomena based on machine learning and data obtained from social media.

Cognitive workload Prediction using Multi-modal data and Machine learning approaches in Human computer interaction

Prezentujący: mgr Patient Zihisire Muke, Politechnika Wrocławska

15 maja 2024 (środa), 15:15-17:00
Zoom Link

Abstract. Techniques of improving the cognitive workload (CWL) prediction using multi-modality sensor data through the combination of supervised and unsupervised machine learning methods are limited. In this seminar I will introduce new developed machine learning pipeline which combine of unsupervised and supervised methods to improve the effectiveness in the prediction performance accuracy of Cognitive Workload during HCI and computerized mental-related tasks. Experiments were done on three studies where a total of seven datasets were constructed. The study one and two comprise experiments with HCI stimuli and the study three include experiments from with computerized mental-related stimuli. Using iMotions platform, multi-modality data were collected including demographic and sensors’ data such as Electroencephalogram (EEG), Galvanic Skin Response (GSR) and Eye Tracking (ET) with Pupilometry comprised. Extracted features from each modality were organized and prepared for all involved machine learning processes. Based on developed prediction model using supervised learning techniques, the conducted research proved the usefulness of using new appropriate unsupervised methods to highly improve cognitive workload prediction accuracy of users/participants in many case studies. The theoretical model of the pipeline with the new unsupervised learning method included will be as well constructed.

Category-Theoretic Perspectives on Machine Learning

Prezentujący: prof. Kilho Shin, Gakushuin University, Tokyo, Japan

3 kwietnia 2024 (środa), 13:15-15:00
s. 22/C-3, Politechnika Wrocławska

Abstract. This lecture introduces a theoretical framework for analyzing similarity in structured data through structure-preserving mappings, termed morphisms, in mathematics. Morphisms maintain the structure between mathematical entities of the same type, such as linear transformations and homomorphisms. The lecturer propose using morphisms to abstract and generalize methods in machine learning for various data structures like strings and trees. This approach aims to unify and extend existing methods, revealing hidden relationships and enhancing understanding of different algorithms. The lecture discusses potential applications, including edit distance, multiple alignment, pattern extraction, and kernels, suggesting the framework's adaptability to other methods not yet explored.

New methods and tools for multi-criteria decision support based on reference objects.

Prezentujący: dr inż. Wojciech Sałabun, prof. IŁ PIB

31 stycznia 2024 (środa), 17:00-19:00
Join on MS Teams

Abstract. The presentation is dedicated to the results of work related to the development of methods and tools for multi-criteria decision support based on reference objects. These works were carried out under the OPUS and PRELUDIUM projects of the National Science Centre, led by Dr. Sałabun. Initially, the development of the COMET characteristic object method will be briefly introduced, focusing on new approaches developed based on this method. Subsequently, the innovative RANCOM method for determining the significance of criteria weights will be presented, aimed at facilitating the identification of expert weights. In the further part of the presentation, the new fuzzy SPOTIS approach and a review study on sensitivity analysis will be presented. In conclusion, participants will be acquainted with a set of new tools, including:

• the WS ranking similarity coefficient,
• the consistency coefficient for the COMET method,
• the pymcdm programming library.

Bio. Wojciech Sałabun earned his Master's and Ph.D. degrees in Information Technology and Computer Science from the West Pomeranian University of Technology, Szczecin, Poland, in 2010 and 2018, respectively. Since 2019, he has served as an Assistant Professor and leads the Research Team on Intelligent Decision Support Systems at the same institution. In addition to his academic role, he is the Institute Professor at the National Institute of Telecommunications – the State Research Institute in Warsaw. His expertise primarily lies in multi-criteria decision support, particularly in contexts of uncertainty. Wojciech Sałabun holds editorial positions at the International Journal of Knowledge-Based and Intelligent Engineering Systems and is an associate editor at both Heliyon and SoftwareX. An esteemed author, he has contributed to over 150 scientific papers and numerous peer reviews, establishing a significant presence in the academic community. His research interests span across soft computing, multi-criteria decision-making (MCDM), and innovative methods in artificial intelligence.

Analiza efektów Millera oraz CVF w kontekstowych sieciach neuronowych.

Prezentujący: dr inż. Maciej Huk, Politechnika Wrocławska

24 stycznia 2024 at 17:00-19:00

Link do spotkania ZOOM
Identyfikator spotkania: 918 969 1637
Kod dostępu: ICS2020

Streszczenie. Kontekstowe sieci neuronowe z wielostopniowymi funkcjami agregacji są przykładem niskopoziomowych modeli atencji. Modele te uczone algorytmami gradientowymi w połączeniu z techniką samouzgodnienia wykazują korzystne właściwości jako klasyfikatory. Jednocześnie, w przypadku rozwiązań tego typu, można stwierdzić pojawianie się niektórych cech analogicznych do obserwowanych przez neuropsychologów u ludzi. Należą do nich m.in. efekty Millera oraz CVF (ang. "chunk value fading"). Poznanie zależności między tymi efektami i parametrami budowanych modeli może pozwolić na tworzenie efektywniejszych sztucznych sieci neuronowych oraz na lepsze rozumienie przyczyn pojawiania się tego typu efektów u ludzi. W ramach seminarium, analizowane cechy kontekstowych sieci neuronowych zostaną przedstawione m.in. na przykładzie zadania klasyfikacji ciągów aminokwasowych w celu określania toksyczności skażeń biologicznych rozwiązywanego wraz z Instytutem Immunologii i Terapii Doświadczalnej im. Ludwika Hirszfelda Polskiej Akademii Nauk.

Abstract. Contextual neural networks with multi-step aggregation functions are an example of low-level attention models. These models trained with gradient-based algorithms combined with the self-consistency technique show favorable properties as classifiers. At the same time, in the case of solutions of this type, it is possible to observe the appearance of features analogous to those observed by neuropsychologists in cas of humans. These include, among others: Miller and CVF ("Chunk value fading") effects. Understanding the relationship between these effects and the parameters of the models being built can enable creation of more effective artificial neural networks and to better understanding the causes of this type of effects in humans. During the seminar the analyzed features of contextual neural networks will be presented on the example of the task of amino acid sequences classification used to determine the toxicity of biological contamination - a work being performed with the Hirszfeld Institute of Immunology and Experimental Therapy of Polish Academy of Sciences.

Models and Algorithms for Scalable Collective Decision Making

Prezentująca: dr Ulrike Schmidt-Kraepelin, Simons Laufer Mathematical Sciences Institute

13th of December 2023 at 17:00-19:00
Join on MS Teams

Summary. In this talk I will present my PhD thesis which derives models and algorithms for a large variety of collective choice problems, while placing its focus on scalability. That is, even though parts of the problem---the number of outcomes, of decisions, or of agents--- may become very large, the goal is to keep the cognitive effort for the agents and the computational effort of determining the outcome of collective choice rules low. Beyond that, the thesis particularly focuses on properties of collective choice rules that capture (proportional) representation of the agents' preferences. In particular, it studies multi-winner elections, weighted fair allocation, liquid democracy, and the elicitation and aggregation of pairwise preferences.

Wykorzystanie modeli językowych do wyszukiwania informacji w bazach danych publikacji naukowych

Prezentująca: dr hab. inż. prof. PŚ Aleksandra Gruca, Politechnika Śląska

21 czerwca 2023, godz. 15:15-17:00

Abstrakt Najnowsze badania bibliometryczne pokazują, iż liczba publikowanych prac naukowych na przestrzeni ostatnich kilkudziesięciu lat zwiększa się każdego roku o około 10%, osiągając w ostatnich latach liczbę ponad 3 milionów artykułów naukowych publikowanych rocznie. W niektórych, szczególnie dynamicznie rozwijanych się dziedzinach takich jak sztuczna inteligencja czy uczenie maszynowe liczba artykułów rośnie w szczególnie szybkim tempie i podwaja się mniej więcej co 23 miesiące. Dlatego obecnie coraz większym wyzwaniem staje się identyfikowanie oraz wyszukiwanie istotnej literatury naukowej wśród ogromnej liczby dostępnych publikowanych artykułów.

W ciągu ostatnich lat w dziedzinie przetwarzania tekstu (NLP – Natural Language Processing) modele językowe wykorzystujące technologie transformerów stały się złotym standardem dla zadań takich jak zrozumienie kontekstu wypowiedzi oraz przewidywanie treści. Kolejnym przełomem w dziedzinie przetwarzania tekstu była intensyfikacja badan nad Dużymi Modelami Językowymi (ang. Large Language Models, LLMs), które zaczęły rozwijać się w dwóch kierunkach: transformery wykorzystujące architekturę encodera do zadań predykcyjnych takich jak klasyfikacja tekstu oraz transformery wykorzystujące architekturę decodera do zadań modelowania generatywnego. Pojawiają się też już pierwsze narzędzia wykorzystujące modele językowe do przeszukiwania baz danych publikacji naukowych.

W trakcie wystąpienia zaprezentuję wyniki naszych prac nad zastosowaniem modeli językowych do semantycznego przeszukiwania baz danych literatury naukowej. Omówione zostaną problemy związane z integracją embeddiginów sieci. Dla przykładowych klas tak zwanych „trudnych zapytań” pokażę wyniki zastosowania modeli językowych oraz ich porównanie z klasycznymi podejściami do analizy tekstu. Na zakończenie przedstawię wyzwania związane z interpretacją embeddingów sieci, a także efektywnym wyznaczaniem miar odległości między nimi.

Zastosowanie wysokoprzepustowego sekwencjonowania (NGS) oraz algorytmów sztucznej inteligencji do identyfikacji mikroorganizmów podczas zdarzeń CBRNE

Prezentujący: dr hab. Łukasz Łaczmański, prof. nadzw. IITD PAN, Instytut Immunologii i Terapii Doświadczalnej Polskiej Akademii Nauk, Wrocław

31 maja 2023, godz. 15:15-17:00
s. 29/D-1, Politechnika Wrocławska

Abstrakt W obecnym świecie gwałtowny wzrost technologii opartej na metodach biologii molekularnej oraz biologii syntetycznej powoduje powstanie zagrożenia ich wykorzystania do produkcji i rozpowszechnieniu toksycznych i wielolekoopornych mikroorganzimów. Mogą one być wykorzystywane zarówno podczas zdarzeń terrorystycznych jak i jako broń biologiczna.

Najnowsze techniki analizy genetycznej oparte na wysokoprzepustowym sekwencjonowaniu DNA (NGS) otworzyły nowe możliwości w diagnostyce mikroorganizmów. Umożliwiają jednoznaczną ich identyfikację jak również analizę półilościową. Sekwencjonowanie pełnogenomowe środowiskowego DNA pozwala także na detekcję genów związanych z lekoopornością oraz toksycznością. W miarę rozwoju technologii, sekwencjonowanie DNA staje się coraz tańsze a co za tym idzie coraz powszechniejsze w użyciu. Jednym z tematów badawczych Laboratorium Genomiki i Bioinformatyki IITD PAN jest opracowanie bazy danych kluczowych sekwencji toksyn oraz algorytmów opartych na sieciach neuronowych do ich identyfikacji w nieznanym materiale środowiskowym. Dzięki opracowanemu schematowi diagnostycznemu, który został oparty na wysokoprzepustowym sekwencjonowaniu środowiskowego materiału genetycznego oraz analizie bioinformatycznej udało się uzyskać narzędzie do identyfikacji niebezpiecznych patogenów związanych zarówno z tematem CBRN jak również z występowaniem niebezpiecznych zakażeń okołoszpitalnych.

Metody detekcji dryfu w zmiennych strumieniach danych

Prezentujący: dr inż. Paweł Ksieniewicz, Politechnika Wrocławska

24 lutego 2023, godz. 10:00 - 12:00
Dołącz na MS Teams

Uczenie maszynowe przez wzmacnianie w wybranym modelu kolorowania krawędzi grafu

Prezentujący: prof. Tomasz Dzido, Uniwersystet Morski w Gdyni

15 lutego 2023, godz. 15:15 - 17:00
Dołącz na MS Teams

Abstrakt. Referat przedstawia zastosowanie uczenia przez wzmacnianie w kolorowaniu krawędzi grafu pełnego, a dokładniej w problemie wyznaczania wybranych liczb Ramseya. Zhou, Hao i Duval przedstawili ciekawe i nowatorskie podejście do problemu grupowania oparte właśnie na uczeniu przez wzmacnianie. W celu sprawdzenia zaproponowanej metody, autorzy zastosowali ją w znanym problemie kolorowania wierzchołków grafu. Nikt zaś do tej pory nie używał uczenia przez wzmacnianie do kolorowania krawędzi grafu. Referat prezentuje adaptację metody Zhou i in. do problemu znajdowania określonych krawędziowych kolorowań Ramseya. Zaproponowany algorytm został przetestowany poprzez pomyślne znalezienie kolorowań ramseyowskich dla wybranych i znanych liczb Ramseya. Wyniki proponowanego algorytmu są na tyle obiecujące, że być może będzie szansa na znalezienie nieznanych liczb Ramseya.

Diving to Eurostat's Regional Statistics: the Case of Business Demographics

Prezentujący: prof. Athanassios Stavrakoudis, University of Ioannina

8 lutego 2023, godz. 15:15 - 17:00
Dołącz na MS Teams

Abstrakt. Business demography is a relative new topic although relative to population demography. It presents data about opening (birth), closing (death), and sustaining (live) of enterprises along with relevant parameters such size of the company, area of economic activity, etc. This work combines several other regional (NUTS2, NUTS3) statistics (population, income, education level, poverty, etc) and tries to find what drives business growth on a regional level. It focuses on the central-eastern European countries, Romania, Hungary, Czechia, Slovakia, and Poland for the period 2008-2020. Preliminary results show that there is no single driving force, different regions develop by different factors.

Biogram. Athanassios Stavrakoudis is Associate Professor at the Department of Economics, University of Ioannina. He holds a PhD from University of Ioannina (1999) in Computational Chemistry. From 2017 Dr Stavrakoudis is the head of the Applied Informatics and Computaional Economics Lab, while from 2022 he is the director of the Institute of Economic Analysis and Social Economy. His main research interests are time series analysis, dependence and asymmetry (copula models), publications are listed here https://orcid.org/0000-0001-9344-0889 He has authored two educational textbooks (is Greek).

Kolektywne aspekty modelowania systemów złożonych

Prezentujący: prof. Jarosław Wąs, Akademia Górniczo-Hutnicza

11 stycznia 2023, godz. 15:30 - 17:00
Dołącz na MS Teams

Abstrakt. Omówione zostanie działanie emergencji dzięki któremu relatywnie proste reguły opisujące składowe systemu złożonego dają w konsekwencji realistyczny obraz modelowanego zjawiska. Przedstawione zostaną klasyczne i hybrydowe metody modelowania, dzięki którym możliwe było stworzenie realistycznych modeli zjawisk takich jak: modelowanie tłumu, ruch samochodowy, modelowanie stoku narciarskiego, pożar, rozpływ ropy na powierzchni morza itd. na bazie których autor zrealizował szereg międzynarodowych i krajowych projektów.

Detekcja obiektów w chmurach punktów

Prezentujący: mgr inż. Jakub Walczak, Politechnika Łódzka

4 lipca 2021, godz. 15:15 - 17:00
Dołącz na Google Meet

Metaheuristic algorithms for graph-based optimization problems.

Prezentujący: dr inż. Krzysztof Michalak, Uniwersytet Ekonomiczny we Wrocławiu

24 czerwca 2022, godz. 15:15 - 17:00
Dołącz na MS Teams

Abstract The presentation concerns the use of metaheuristic optimization methods for finding good solutions to problems in which the goal is to prevent spreading of a threat in a graph. The presentation discusses metaheuristic methods, such as evolutionary algorithms, estimation of distribution algorithms and others. Presented algorithmic approaches include multiobjective optimization algorithms, multipopulation methods and the use of machine learning in optimization. Application areas range from abstract optimization problems, such as the Firefighter Problem to numerous practical problems such as epidemics control and reduction of systemic risk in financial systems.

Biogram: Krzysztof Michalak received the Ph.D. in computer science in 2010 and currently is an assistant professor at the Department of Information Technologies of the Wroclaw University of Economics and Business. From 2019.08 to 2020.02 he worked with the research team at the University of Turin on a research project focused on studying optimization methods for dynamic networks. To date he published more than 50 journal and conference papers. His interests include graph-based optimization, metaheuristic algorithms, machine learning, knowledge-based optimization and real-world applications such as epidemics control and systemic risk mitigation.

Perspectives on Applications of Intelligent Systems in Humanized AI. Recent projects of the GEIST team.

Prezentujący: prof. dr hab. inż. Grzegorz Nalepa, dr inż. Szymon Bobek, dr inż. Krzysztof Kutt, Uniwersytet Jagielloński, Kraków

10 czerwca 2022, godz. 9:00-11:00
s. 111 CKU, Uniwersytet Ekonomiczny we Wrocławiu

Abstract The concept of humanized AI (or human-centric AI, HCAI) has been proposed in the recent decade as a response to the growing use of data-driven black-box applications in AI, the challenges of using human knowledge in intelligent systems, new solutions in the area of human-computer interaction, and finally the need of social understanding and acceptance of the technology. In this short talk we briefly introduce recent research projects in the GEIST team and the methods of HCAI developed in them. These results include: human-in the loop data clustering,  clustering with domain knowledge, explanation generation, personalization and affective loop in interfaces, and semantic knowledge bases. We will also discuss future collaboration opportunities.

Biogram: Grzegorz J. Nalepa (GJN.re) is a full professor at the Jagiellonian University, formerly at the AGH University of Science and Technology, in Krakow, Poland. He is an engineer with degrees in computer science - artificial intelligence, and philosophy. He also works as an independent expert and consultant in the area of AI (KnowAI.eu). He co-authored over two hundred research papers in international conferences and journals. He has been involved in tens of projects, including R+D projects with number of companies. He authored a book “Modeling with Rules using Semantic Knowledge Engineering” (Springer 2018). In 2012 he received the scientific award of POLITYKA weekly for the most promising scientific achievements in technical sciences in Poland. In 2018 he received a prize for the outstanding monograph in computer science from the Committee of Computer Science of the Polish Academy of Sciences. In 2020 he founded to Jagiellonian Human-Centered AI Laboratory (JAHCAI). His recent interests include applications of AI in Industry 4.0 and business, explainable AI, affective computing, context awareness, as well as intersection of AI with law.

Biogram: Szymon Bobek holds a position of an assistant professor at the Jagiellonian University in Krakow, Poland, Faculty of Physics, Astronomy and Applied Computer Science He received his degree PHD at AGH UST in 2016 in the field of Computer Science (Artificial Intelligence) and science then he works as a member of GEIST research team. His work includes most recently hybrid models for explainable AI. He is author of over 70 research papers in international journals, books and conferences and reviewed research papers for a number of international journals. He participated in national and international research projects as an investigator and cooperated with several companies in applied projects, especially with massive big data processing using machine learning methods. He is in active cooperation with Cambridge University in the area of XAI application in healthcare applications and with AFFCAI (affcai.geist.re) group in the area of application of XAI to processing biomedical signals for Affective computing. Recently, he has been leading a team that developed a series of original tools in the area of eXplainable AI for the applications in industrial AI. He is a co-organizer of Practical Applications of Explainable Artificial Methods special session @ DSAA2021 conference (https://praxai.geist.re).

Biogram: Krzysztof Kutt, PhD, is an assistant professor at the Jagiellonian University. He received BSc and MSc degrees in Computer Science at AGH-UST. In 2018 he defended his PhD thesis on methods and tools for collaborative knowledge engineering at AGH-UST. He also received MA degree in Psychology from Jagiellonian University. Currently, as a computer scientist and a psychologist, he is trying to combine these two disciplines together to create something new and better. His research activities focus on the knowledge engineering (knowledge graphs, data semantization), affective computing (collecting and processing sensory and contextual data related to emotions) and ways of user interaction with information systems (including BCI and Neurofeedback systems).

Slajdy do pobrania

Metody reprezentacji do kategoryzacji tekstu.

Prezentujący: dr hab. inż. Julian Szymański, Politechnika Gdańska

3 czerwca 2022, godz. 15:15 - 17:00
Dołącz na Google Meet

Dr hab. inż. Julian Szymański jest profesorem Politechnik Gdańskiej. W swoich pracach badawczych zajmuje się zagadnieniami związanymi z analizą danych, w szczególności przetwarzaniem tekstu oraz informacji pochodzących z sensorów. W prezentacji omówione zostaną sposoby pozyskiwania cech z tekstu do zbudowania reprezentacji umożliwiającej maszynową kategoryzację dokumentów. Przedstawiony zostanie podział metod reprezentacji tekstu z uwzględnieniem podejść opartych na treści oraz powiązaniach między dokumentami. Ocena jakości poszczególnych metod oparta została na wybranych klasyfikatorach, których skuteczność pozwala szacować użyteczność reprezentacji. Eksperymenty wykonane zostały za zbiorach wygenerowanych z Wikipedii mających na celu zbadanie możliwości maszynowego odtworzenia struktury kategorii tworzonych przez ludzi. Do opracowania zbiorów danych zaimplementowała została dedykowana aplikacja, udostępniona do powszechnego użycia, która umożliwia intuicyjne przetwarzanie repozytorium Wikipedii z użyciem graficznego interfejsu.

Bioeconomic aspects of the production, distribution and use of biobased products from bio waste and agrobiomass.

Prezentujący: prof. dr hab. inż. Małgorzata Krzywonos, Uniwersytet Ekonomiczny we Wrocławiu

13 maja 2022, godz. 15:15 - 17:00
Dołącz na MS Teams

Prof. dr hab. inż. Małgorzata Krzywonos jest pracownikiem Uniwersytetu Ekonomicznego we Wrocławiu, Katedry Zarządzania Procesami. Od 2014 r. dyrektor Akademickiego Centrum Badań i Rozwoju BioR&D, w latach 2016-2019 prodziekan ds. nauki na Wydziale Inżynieryjno-Ekonomicznym, UEW. Jej zainteresowania naukowe koncentrują się wokół zagadnień związanych z bioekonomią zwłaszcza waloryzacją odpadów z przemysłu spożywczego w kierunku pozyskiwania produktów o wartości dodanej, oraz zagadnieniami z zakresu ekonomii behawioralnej. Autorka ponad 180 opracowań naukowych, w tym prawie 100 oryginalnych prac twórczych, z których 67 opublikowano w czasopismach z listy JCR (Springer, Elsevier, Willey). Dotychczas wypromowała 6 doktorów. Odbywała staże jako senior researcher w Tampere University of Technology, (Finland), oraz postdoc w Swedish University of Agricultural Sciences (Sweden). Realizowała projekty w ramach 5 Framework Programme of European Union, 6 Framework Programme (Finland), MISTRA, Foundation for Strategic Environmental Research (Sweden). Realizowała projekty finansowane przez Ministerstwo Nauki i Szkolnictwa Wyższego, jako wykonawca i jako kierownik. Obecnie realizuje projekt Circular Foam – Systemic expansion of territorial CIRCULAR Ecosystems for end-of-life FOAM (H2020). Pełni funkcję stałego recenzenta w czasopismach, m.in: Journal of Cleaner Production, Journal of Environmental Management, Biochemical Engineering Journal, Journal of Hazardous Materials. Otrzymała wyróżnienienia wydawnictwa Elsevier za działalność recenzenta w czasopismach naukowych: Outstanding Reviewer – 6 wyróżnień, oraz Recognized Reviewer – 4 wyróżnienia. Od 2019 roku członek Editorial Board w Polish Journal of Environmental Studies. Ekspert Narodowego Centrum Badań i Rozwoju (od 2013r.), European Commission (Innovation and Networks Executive Agency) (FP7 and H2020) (od. 2010r.), Romanian Executive Agency for Higher Education, Research, Development and Innovation Funding, UEFISCDI (od 2012r.).

Rekonstrukcja uszkodzonych danych AIS z wykorzystaniem metod uczenia maszynowego

Prezentujący: mgr inż. Marta Szarmach, Uniwersytet Morski w Gdyni

21 stycznia 2022, godz. 15:15 - 17:00
Dołącz na MS Teams

Jarosław Wątróbski received the M.Sc. and Ph.D. degrees from the Faculty of Computer Science, West Pomeranian University of Technology, Szczecin, Poland, and the D.Sc. degree in management science. He is currently an Associate Professor with the Institute of Computer Science in Management, University of Szczecin. He has published over 160 papers in journals, conference proceedings, and books, on the topic of multicriteria decision making, MCDA method selection, sustainability issues, usability, user experience, and digital sustainability. He has received several international awards. He has been invited as a guest editor and a reviewer in many top listed JCR journals.

Wielokryterialne wspomaganie decyzji - trendy i wyzwania

Prezentujący: dr hab. inż. Jarosław Wątróbski, prof. US

29 czerwca 2021, godz. 14:00 - 16:00
Dołącz na MS Teams

Jarosław Wątróbski received the M.Sc. and Ph.D. degrees from the Faculty of Computer Science, West Pomeranian University of Technology, Szczecin, Poland, and the D.Sc. degree in management science. He is currently an Associate Professor with the Institute of Computer Science in Management, University of Szczecin. He has published over 160 papers in journals, conference proceedings, and books, on the topic of multicriteria decision making, MCDA method selection, sustainability issues, usability, user experience, and digital sustainability. He has received several international awards. He has been invited as a guest editor and a reviewer in many top listed JCR journals.

On Modeling First- and Higher-Order Adaptivity for Social Processe

Prezentujący: Prof. Jan Treur, Vrije Universiteit Amsterdam, Holandia

Strona prezentującego

16 kwietnia 2021, godz. 13:15 - 15:00
Zoom Link, Hasło: SBD

Deep Learning for Natural Language Processing Today and Tomorrow

Prezentujący: prof. Bogdan Franczyk, Uniwersytet w Lipsku, Uniwersytet Ekonomiczny we Wrocławiu

Strona prezentującego

26 lutego 2021, godz. 13:15 - 15:00
MS Teams Link

Shapley value in group decision making

Prezentujący: prof. Jacek Mercik, WSB University in Wrocław

29 stycznia 2021, godz. 13:15 - 15:00
Zoom Meeting ID: 432 244 9010, Password: SBD

Abstract: An adaptation of the Shapley value to situations in which the weights of the individual players in voting games are not deterministic is under consideration. This means that the number of votes required to pass a decision (the quota) and the set of winning coalitions are not precisely defined. Also, the number of votes cast might be affected by a quorum. The concept of fuzzy sets and a modified version of the characteristic form of a game are utilised to appropriately modify the concept of the Shapley value to such situations. The theory is illustrated by examples including decision making in parliament and the Council of the European Union.

Main source: Gładysz B., Mercik J., Ramsey D. A fuzzy approach to some Shapley value problems in group decision making. W: Handbook of the Shapley Value / ed. by Encarnación Algaba, Vito Fragnelli, Joaquín Sánchez-Soriano. Boca Raton [i in.] : CRC Press, Taylor & Francis Group, cop. 2020. s. 483-513. (Series in Operations Research)

Multi-criteria optimization methods for shelf space allocation processes in retail information systems

Prezentujący: mgr inż. Kateryna Czerniachowska, Uniwersystet Ekonomiczny we Wrocławiu

20 listopada 2020, godz. 13:15 - 15:00
Zoom Meeting ID: 432 244 9010, Password: SBD

Security in Forensics and Blockchain

Prezentujący: dr inż. Michał Kędziora, Politechnika Wrocławska

12 czerwca 2020, godz. 13:15 - 15:00
Zoom Meeting ID: 432 244 9010, Password: SBD

Mining Frequent Closed Inter-Transaction Patterns

Prezentujący: mgr Thanh Ngo Nguyen, Politechnika Wrocławska

16 kwietnia 2020, godz. 17:00 - 18:00
Zoom Meeting ID: 132 279 364, Password: 476621

Premium on Stock Exchanges in Vietnam

Prezentujący: mgr Pham Quoc Khang ^{ORCID: 0000-0002-4010-5187}
Politechnika Wrocławska

16 kwietnia 2020, godz. 18:00 - 19:00
Zoom Meeting ID: 132 279 364, Password: 476621

Abstract: The research investigates the relationship between liquidity and stock returns on a stock exchange in an emerging market. Applying the three-factor model derived by Fama-French to portfolio analysis in a sample of 179 non-financial companies on Ho Chi Minh Stock Exchange (HOSE) in Vietnam. The research documents that liquidity is an important source of effect on stock returns. The result shows that the five-factor model is the best model to capture the impact of liquidity on stock returns on HOSE, momentum factor does not exist on HOSE during the period from 2011 to 2018.

Augmentacja i transformacja danych w modelach prognostycznego podejmowania decyzji z wykorzystaniem głębokiego uczenia

Prezentujący: mgr Agata Kozina, Uniwersystet Ekonomiczny we Wrocławiu

6 grudnia 2019, godz. 14:00 - 15:00
Politechnika Wrocławska bud. D1 sala 311C

Methods for exploring and controlling cognitive load in human computer interaction

Prezentujący: mgr Patient Muke Zihisire, Politechnika Wrocławska

27 lutego 2020, godz. 13:15
Politechnika Wrocławska bud. C3 sala 22

Abstract: This presentation will be given in order to initate the procedure for granting a doctoral degree within the discipline of information and communication and technology at the Wroclaw University of Science and Technology. The proposed topic of my doctoral dissertation is: "Methods for exploring and controlling cognitive load in human computer interaction". The main goals of my study are to find answers to the following research questions: How to explore, measure and control cognitive load in the area of human-computer interactions? How to assess the impact of cognitive load on the usability of web and mobile applications? How to design web and mobile applications to achieve an acceptable level of cognitive load? How to build machine learning models to predict cognitive load when using user interfaces in web and mobile applications? During the seminar I will present: definitions of the concept of cognitive load, factors influencing cognitive load in HCI, impact of cognitive load on user behavior, methods for measuring and controlling cognitive load, approaches to construct machine learning models to predict cognitive load. I will also propose research tasks to complete when preparing the doctoral dissertation.

An attempt to generate PCM performance models from PSM platform-specific models

Prezentujący: mgr Dariusz Gall, Politechnika Wrocławska

27 lutego 2020, godz. 14:15
Politechnika Wrocławska bud. C3 sala 22

Abstract: We discuss the refinement of the MDA (Model-Driven Architecture) approach, which considers software performance engineering (SPE). We focus on a mandatory step in SPE, i.e. finding a software system performance characteristics. In particular, we present an attempt towards the transformation of PSM models defining the software system at platform-specific level, enhanced by performance annotation, to the PCM (Palladio Component Model), a performance model that allows determining performance characteristics of the system using a dedicated tool. The PSM model is composed of UML class diagram, UML sequence diagrams and UML deployment diagram. The performance annotation is given using UML MARTE (Modeling and. Analysis of Real-Time Embedded Systems) profile. The PCM is a domain-specific language, used by performance resolvers of the Palladio Simulator project. The PCM consists of the Component Repository and the Service Effect Specification, which correspond to structural and behavioural aspects, respectively. Moreover, it defines the System and the Resource Environment, which are assembly and deployment specifications, and the PCM has the Usage Model of the system. In the presented approach, the structural view of the system, i.e. PSM’s class diagram is mapped to the Component Repository. The behaviour of the system, i.e. sequence diagrams, are transformed into the Service Effect Specifications. System assembly, i.e. the PCM System model, is generated from both, i.e. class diagram and sequences diagram. Finally, the PCM Resource Environment is generated from PSM’s deployment diagram.

Rekomendacje marketingowe w handlu elektronicznym. Perspektywa mikrosegmentów

Prezentujący: dr inż. Maciej Pondel, Uniwersytet Ekonomiczny we Wrocławiu

4 lutego 2020, godz. 13:00 - 14:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E, sala 101

Decentralizacja, różnorodność oraz niezależność jako cechy inteligentnego kolektywu

Prezentujący: mgr inż. Rafał Palak, Politechnika Wrocławska

4 lutego 2020, godz. 14:00 - 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E, sala 101

Knowledge Management in Strategic Sustainable Development

Prezentujący: prof. Eunika Mercier-Laurent, University of Reims Champagne Ardennes and Professor of Knowledge & Innovation Management at EPITA International Masters and Skema Business School, Paris.

12 grudnia 2019, godz. 13:15 - 15:00
Uniwersytet Ekonomiczny we Wrocławiu sala P1

Mining Sequence and Inter-Sequence Patterns in Large Databases

Prezentujący: mgr Anh Nguyen, Politechnika Wrocławska

6 grudnia 2019, godz. 13:00 - 14:00
Politechnika Wrocławska bud. D1 sala 311C

Augmentacja i transformacja danych w modelach prognostycznego podejmowania decyzji z wykorzystaniem głębokiego uczenia

Prezentujący: mgr Agata Kozina, Uniwersystet Ekonomiczny we Wrocławiu

6 grudnia 2019, godz. 14:00 - 15:00
Politechnika Wrocławska bud. D1 sala 311C

Bazy wiedzy budowane w oparciu o serwisy społecznościowe oraz ich możliwe zastosowania

Prezentujący: mgr inż. Dariusz Dacko, Politechnika Poznańska

5 lipca 2019, godz. 13:00
Politechnika Wrocławska bud. C3 sala 22

Rekomendacja głęboka na podstawie kolektywnej wiedzy

Prezentujący: Denis Martins and Leschek Homann, University of Münster

19 czerwca 2019, godz. 12:00
Politechnika Wrocławska bud. B4 sala 448

Abstract: The use of Recommender Systems has improved online markets in several aspects by promoting individual personalization of offers and contents, helping customers to find desired products, enhancing discovery of novel or unexpected items, and improving customer loyalty. For providing such a personalization, it is essential to gather information about the individual or user community such as their interests, goals, behaviors, and preferences. Capitalizing on that, in the last two years, the Technical University of Wroclaw and the University of Münster collaborated in the project “Deep Recommendation based on Collective Knowledge”, which aims to investigate whether the collective knowledge of user communities could extend personalization in Recommender Systems. As a result of this collaboration, a series of papers have been produced and presented in international conferences and journals. Some of the ideas covered in the project involve the enhancement of traditional recommendation systems with social network-based information, personalized recommendations for data purchase, and automatic web interface design recommendation. The findings obtained in the context of the project will be presented in this talk. The collaborators will also introduce further ideas involving the task of designing a novel Recommender System that integrates heterogeneous data from different sources to support researchers in finding and exploring scientific resources.

Prediction of Frailty in Elderly People: Machine Learning Approaches

Prezentujący: Adane Nega Tarekegn, Uniwersytet w Turynie

7 czerwca 2019, godz. 13:00
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu, sala 4AW

Optimization for prevention of spreading of threats in networks

Prezentujący: dr Krzysztof Michalak, Uniwersytet Ekonomiczny we Wrocławiu

15 marca 2019, godz. 13:15 - 14:00
Politechnika Wrocławska bud. C3 sala 22

Narzędzia uczenia maszynowego w predykcji pakietów w satelitarnym systemie AIS

Prezentujący: mgr Marcin Waraksa, Uniwersytet Morski w Gdyni

15 marca 2019, godz. 14:00 - 15:00
Politechnika Wrocławska bud. C3 sala 22

Zapewnienie jakości systemu informatycznego CRM w branży finansowej. Perspektywa dostawcy oprogramowania

Prezentujący: mgr Ewelina Wróbel, Uniwersystet Ekonomiczny we Wrocławiu

8 marca 2019, godz. 13:15 - 14:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E, sala 1

Crowdsourcing jako metoda pozyskiwania wiedzy w inicjatywach smart city

Prezentujący: mgr Lukasz Przysucha, Uniwersystet Ekonomiczny we Wrocławiu

8 marca 2019, godz. 14:00 - 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E, sala 1

Efektywne algorytmy wyznaczania tematów tekstów na podstawie analizy częstych sekwencji.

Prezentujący: mgr inż. Piotr Ożdżyński, Politechnika Łódzka

18 stycznia 2019, godz. 13:15 - 15:00
Politechnika Wrocławska bud. C3 sala 22

What Cloud and IoT will do to Prices and Pricing

Prezentujący: prof. Gottfried Vossen, University of Münster, Germany

26 września 2018, godz. 10:30 - 12:00
Politechnika Wrocławska bud. C3 sala 22

Abstract: Due to the pervasiveness of the cloud today, due to the fact that data is becoming a commodity similar to electricity, that personal data is frequently exchanged for a “free” service, and as data plays a fundamental role in Internet of Things contexts and applications, the question arises of whether a price tag should be attached to data and, if so, what it should say. More fundamentally, the question is whether “price” as a single piece of information on the value or quality of an object or a service is outdated and should be replaced by relevant data. In this talk, these questions are studied from various angles and areas. Special attention is paid to marketplaces where everybody can trade data, or which are at least data-rich.

Short bio: Gottfried Vossen is a Professor of Computer Science in the Department of Information Systems at the University of Muenster in Germany. He is a Fellow of the German Computer Science Society and an Honorary Professor at the University of Waikato Management School in Hamilton, New Zealand. He received his master’s and Ph.D. degrees as well as the German Habilitation from RWTH Aachen University in Germany, and is an Editor-in-Chief of Elsevier's Information Systems - An International Journal. His current research interests include conceptual as well as application-oriented challenges concerning databases, information systems, business process modelling, Smart Web applications, cloud computing, and big data.

Reverse Engineering SQL Queries from Examples

Prezentujący: Denis Martins (doktorant), University of Münster, Germany

26 września 2018, godz. 12:00 - 13:00
Politechnika Wrocławska bud. C3 sala 22

Abstract: Formulating database queries in terms of SQL is often a challenge for journalists, business administrators, biologists, healthcare professionals, and the growing number of non-database experts that are required to access and explore data. Moreover, writing accurate SQL queries is especially problematic when users lack sufficient knowledge about either the query language or the data domain. In these situations, query formulation becomes a highly interactive, time-consuming process and yields results that frequently do not meet user preferences and information needs. These problems have motivated the development of Query By Example (QBE) systems in which users are not required to possess any database-specific knowledge nor programming skills. Instead, users are asked to provide a set of data examples that satisfy their mental query and the QBE system tries to (semi-)automatically construct (i.e., search for) an accurate query, if one exists. In this talk, we review state-of-the-art QBE approaches and describe their advantages and limitations. We also demonstrate how machine learning algorithms can be applied in the context of QBE and show the effectiveness of three specific algorithms, namely, Greedy Search, Genetic Programming, and CART decision trees in learning queries in two distinct databases. Finally, we provide a research agenda describing future research development on QBE in the context of the democratization of data retrieval and exploration.

Short bio: Denis Martins is a Ph.D. candidate at the Databases and Information Systems group of the University of Münster, Germany. His research interests focus on the application of Computational Intelligence and Computational Semiotics for improving the democratization of data retrieval in Big Data scenarios. He holds a Master’s degree in Computer Engineering from the University of Pernambuco, Brazil, where he researched hybrid computational approaches for intelligent decision-making support.

Deskryptory niskopoziomowe w analizie i rozpoznawaniu obiektów na obrazach cyfrowych

Prezentujący: dr hab. Dariusz Frejlichowski, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

29 czerwca 2018, godz. 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E, sala 100

Integrated models and metrics for efficiency evaluation

Prezentujący: prof. Dalia Kriksciuniene, Vilnius University, Lithuania

13 czerwca 2018, godz. 15:15
Politechnika Wrocławska bud. C3 sala 118

Dalia Kriksciuniene is a professor at the Institute of Applied informatics at Vilnius University in Lithuania. Her research interests include application of computational intelligence, soft computing, anomaly detection methods and models in various business domains, such as marketing, customer behavior, e-commerce, financial markets. She is member of Program committees at the scientific conferences, co-chairs the annual scientific conferences, has published over 70 articles, the ISI Wos publications among them. Dalia Kriksciuniene is the Associate editor of the journal Electronic Commerce Research and Applications (Elsevier) and is an expert of the H2020 project calls.

During the seminar the recent research results in the area of evaluating efficiency of the medical systems will be presented. The research addresses challenges of quality and performance evalution based on periodically repeated surveys of the health institutions and country statistics. The proposed method entails development of integrated quality evaluation, data enevelopment analysis (DEA), and application of analytical hierarchical process (AHP).

Metody projektowania systemów z użyciem kolaboratywnej inżynierii wiedzy

Prezentujący: mgr inż. Krzysztofa Kutta, Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie

9 maja 2018, godz. 15:15
Politechnika Wrocławska bud. C3 sala 118

Prezentacja
Logic-based Wiki

Collective Intelligence - Case studies in Finance and Marketing

Prezentujący: prof. dr hab. Jerzy Korczak, dr inż. Marcin Hernes, mgr inż. Maciej Bac, dr inż. Maciej Pondel, Uniwersytet Ekonomiczny we Wrocławiu

20 kwietnia 2018, godz. 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E sala 101

Automatyczna kategoryzacja wiadomości elektronicznych z zastosowaniem sieci społecznych oraz algorytmów mrowiskowych

Prezentujący: mgr Barbara Probierz, Uniwersytet Śląski w Katowicach

7 marca 2018, godz. 15:15
Politechnika Wrocławska bud. C3 sala 118

Konsultacje tematyczne - rekomendacja głęboka na podstawie kolektywnej wiedzy

15 lutego 2018, godz. 10:30-16:30
Politechnika Wrocławska bud. C3 sala 22

• 10.30 - Efektywna metoda filtrowania kolaboratywnego oparta na społecznej kolektywnej rekomendacji.
  Koordynator: dr inż. Bernadetta Maleszka
• 11:30 - Metoda rekomendacji webowego interfejsu użytkownika opartego na sieci WWW z wykorzystaniem kolektywnej wiedzy i struktur wielowartościowych.
  Koordynator: dr inż. Marek Krótkiewicz
• 14:30 - Stan wiedzy kolektywnej podczas procesu integracyjnego.
  Koordynator: dr inż. Marcin Maleszka
• 15:30 - Rekomendacja video wykorzystująca adaptacyjny regulator neuronowo-rozmyty dla telewizji publicznej.
  Koordynator: dr hab. inż. Kazimierz Choroś, prof. PWr

Rekomendacja głęboka na podstawie kolektywnej wiedzy

Prezentujący: Leschek Homann i Denis Martins, Databases and Information Systems Group, University of Münster, Germany

14 lutego 2018, godz. 13:15
Politechnika Wrocławska bud. C3 sala 22

CBNU Database/Bioinformatics Laboratory Researches: Biomedical Text Mining and Pratical Approach in Realworld

Prezentujący: prof. Keun Ho Ryu, Chungbuk National University, South Korea

27 lipca 2017, godz. 11:00
Politechnika Wrocławska bud. C3 sala 22

Integracja wiedzy kolektywnej agentów kognitywnych w systemach informatycznych zarządzania

Prezentujący: dr inż. Marcin Hernes
Slajdy do pobrania

9 czerwca 2017, godz. 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E sala 103

Wielowymiarowa metoda podobieństwa dla ontologii semantycznych

Prezentujący: mgr Paweł Szmeja, Instytut Badań Systemowych PAN

12 maja 2017, godz. 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E sala 103

Agentowe obliczenia memetyczne w ciągłej optymalizacji

Prezentujący: mgr inż. Wojciech Korczyński, Akademia Górniczo-Hutnicza im. St. Staszica w Krakowie

10 maja 2017, godz. 15:00
Politechnika Wrocławska bud. C3 sala 118

Efekt synergiczny współpracy agentów optymalizacyjnych poszukujących rozwiązań dla problemu Multi-mode Resource-Constrained Project Scheduling

Prezentujący: dr inż. Ewa Ratajczak-Ropel, Katedra Systemów Informacyjnych, Akademia Morska w Gdyni

24 kwietnia 2017, godz. 13:15
Politechnika Wrocławska bud. C3 sala 22

Inteligencja kolektywna - reprezentacja wiedzy

Prezentujący:
- prof. dr hab. Jerzy Korczak: "Reprezentacja wiedzy kolektywnej w systemach wspomagania decyzji"
- dr hab. inż. Mieczysław Owoc, prof. UE: "Weryfikacja i walidacja wiedzy kolektywnej"

10 marca 2017, godz. 15:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E sala 103

---

Inteligencja Kolektywna w Systemach Informacyjnych

Prezentujący: prof. dr hab. inż. Ngoc Thanh Nguyen, dr inż. Adrianna Kozierkiewicz, dr. inż. Marcin Maleszka

30 stycznia 2017, godz. 13:00
Politechnika Wrocławska bud. C3 sala 22

---

Integracja wiedzy kolektywnej agentów kognitywnych w systemach informatycznych zarządzania

Prezentujący: dr inż. Marcin Hernes

9 listopada 2016, godz. 9:00
Uniwersytet Ekonomiczny we Wrocławiu bud. E sala 100

---