Geautomatiseerde analyse van heterogene sequentiële data

Momenteel worden heterogene collecties van sequentiële gegevens gegenereerd in belangrijke toepassingsdomeinen zoals resourcegebruik, sport, voorspellend onderhoud en gezondheid. Dat heeft geleid tot interesse in data science, dat zich bezighoudt met het ontdekken van bruikbare patronen en modellen in data. Het data science proces is echter tijdsintensief, moeilijk en repetitief. Dit heeft geleid tot grote belangstelling voor het automatiseren van aspecten van data science. Het huidige werk heeft echter een grote beperking, namelijk dat het uitgaat van standaard tabelgegevens, terwijl heterogene sequentiële gegevens vooral niet-standaard zijn, wat aanzienlijke complexiteit voor analyse met zich meebrengt. Dit project zal zich richten op het automatiseren van data science taken, zoals het construeren van features voor heterogene sequentiële data.