Scaleerbare, interpreteerbare en veelzijdige modellen voor relationele data: ontwerp, leren en inferentie

Het verzamelen, opslaan, doorzoeken en analyseren van grote hoeveelheden data (“big data”) stelt wetenschappelijke en technologische uitdagingen. Dit project focust op de analysestap, die zelfs voor kleine hoeveelheden data al zeer rekenintensief kan zijn. Het project focust op vier wenselijke eigenschappen die datamodellen, en de algoritmen om ze te leren en te gebruiken, kunnen bezitten: (1) scaleerbaarheid: de algoritmen kunnen zeer grote hoeveelheden data en zeer complexe modellen aan; (2) interpreteerbaarheid: de modellen en de redeneringen die ze maken zijn intuïtief en interpreteerbaar; (3) relationele data: de modellen kunnen verbanden tussen verschillende data-elementen modelleren; (4) veelzijdigheid: een enkel model kan veel verschillende soorten vragen beantwoorden.  Op dit moment voldoet geen enkele analysemethode aan alle vier de vereisten.  Een aanpak die daar wel aan voldoet zou een radicaal nieuwe, zeer flexibele manier van data-analyse mogelijk maken. Dit project zal de wetenschappelijke funderingen ontwikkelen voor een dergelijke aanpak.

Trefwoorden:relational data

Disciplines:Toegepaste wiskunde, Computerarchitectuur en -netwerken, Distributed computing, Informatiewetenschappen, Informatiesystemen, Programmeertalen, Scientific computing, Theoretische informatica, Visual computing, Andere informatie- en computerwetenschappen