< Terug naar vorige pagina

Onderzoeker

Len Feremans

  • Onderzoeksexpertise:Ontwikkeling en studie van geavanceerde data mining en machine learning methoden. In het bijzonder onderzoeken we: (i) nieuwe methoden om efficient interessante patronen te ontdekken in sequentiële data bronnen; (ii) nieuwe methoden om contextuele anomalieën te detecteren in heterogene sequentiële data bronnen; (iii) en nieuwe methoden voor multi-label classificatie in extreem grote datasets. Daarnaast onderzoeken we toepassingen van deze methoden in domeinen zoals de monitoring van windmolen parken en anomalie detectie in een Industrial Internet of Things context.
  • Trefwoorden:DATAWETENSCHAPPEN, PATROONMINING, DATA MINING, MACHINAAL LEREN, Informatica
  • Disciplines:Artificiële intelligentie, Computerarchitectuur en -netwerken, Distributed computing, Informatiesystemen, Scientific computing, Theoretische informatica, Visual computing, Signaalverwerking, Productontwikkeling, Datamining, Kennisrepresentatie en redenering, Machine learning en besluitvorming, Natuurlijke taalverwerking
  • Onderzoekstechnieken:Ontwikkeling van algoritmische oplossingen voor (on)begeleide machine learning problemen; Onderzoeksproblemen wiskundig formaliseren; Ontwikkeling van algoritmen; Analyse van de eigenschappen van algoritmen; Case studies: toepassing van ontwikkelde technieken in real-life contexten.
  • Gebruikers van onderzoeksexpertise:Alle sectoren waarin datamining of machine learning wordt toegepast. Meer specifiek anomalie detectie, voorspellingen en/of patronen ontdekken in sequentiële data, zoals event logs en tijdreeksen. Er zijn bestaande samenwerkingen voor: (i) het voorspellen van labels voor de federale politie; (ii) in kaart brengen van de (ab)normale van windturbine parken (a.h.v. patronen); (iii) anomalie detectie in het waterverbruik van supermarkten; (iv) data cleaning en entity resolutie om verschillende databanken te combineren.