Σύνθετη Analytics & Data Mining

Hot:

Χρηματοδότηση από την ΕΕ έργου της νοημοσύνης:

http://cordis.europa.eu/fp7/ict/content-knowledge/fp7-call8_en.html~~V

(...)

Στόχος αποτελέσματα

α) αντιδραστική αλγορίθμων, Υποδομές και Μεθοδολογίες (parallelisation, προσέγγιση, σε απευθείας σύνδεση επεξεργασία, συμπίεση) για τα δεδομένα εντατικές τεχνικές κλιμάκωσης (που περιλαμβάνουν αλλά δεν περιορίζονται σε μηχανή μάθησης, συναγωγή, στατιστική ανάλυση) έως εξαιρετικά μεγάλου όγκου δεδομένων και επιδόσεις σε πραγματικό χρόνο. Υλοποιήσεις πρέπει να ελέγχονται αυστηρά σε εξαιρετικά μεγάλα και πολύπλοκα σύνολα δεδομένων που προέρχονται από Ρεαλιστικά διαφορετικές πόροι που προέρχονται από οργανώσεις με σαφή συμμετοχή στο διάλυμα και μια σαφή πορεία προς την ανάπτυξη, εάν το αποτελεσματικό.

β) Ότι ολοκληρωμένα συστήματα ευφυών αποφάσεων άμεση στήριξη και την αντίληψη της κατάστασης από δυναμικά Ολοκλήρωση, Συσχετίζοντας, συνδυάζοντας και εξαιρετικά μεγάλων όγκων δεδομένων ανοησίες ανάλυση των πόρων και ρέματα. Αυτό περιλαμβάνει (αλλά δεν περιορίζεται σε αυτά) Αναγνωρίζοντας πολύπλοκες εκδηλώσεις και σχέδια που είναι δύσκολο ή αδύνατο να ανιχνευθούν σήμερα, ομαδοποίηση και απόψεις που μεσολαβεί ή προβλέψεις, προσφέροντας εναλλακτική λύση των αντιλήψεών τους, διασφάλιση επικαιρότητα, την πληρότητα και την ορθότητα, την ενσωμάτωση κατηγορηματική και Στατιστική Ανάλυση. Visual Analytics θα πρέπει να ενσωματώσουν εξίσου προσιτή σε ανάλυση των δεδομένων και οπτικοποίησης. Η αποτελεσματικότητα αυτών των λύσεων θα πρέπει να αξιολογούνται με βάση τις απαιτήσεις των σχετικών συγκεκριμένων επαγγελματιών και των Κοινοτήτων και δοκιμαστεί σε ομάδες χρηστών με κατάλληλο μέγεθος και εξαιρετικά μεγάλους πόρους στοιχεία από τους αντίστοιχους τομείς (συμπεριλαμβανομένων, ενδεικτικά, τη χρηματοδότηση, τη μηχανική, την κυβέρνηση, γεωδιάστημα, μεταφορών, αστικής διαχείρισης).

γ) πλαίσιο και τα εργαλεία για τη συγκριτική αξιολόγηση της διαχείρισης των πληροφοριών και η διερεύνηση και σύγκριση ποικιλομορφία και Βελτιστοποίηση της απόδοσης των μη ενσωμάτωση της διαχείρισης των δεδομένων και της πληροφορικής Παραδείγματα αρχιτεκτονικές, Δομές δεδομένων και αλγόριθμοι μυθιστόρημα με πολύ μεγάλους όγκους δεδομένων. Ενώ η επιστημονική αυστηρότητα και μεθοδολογική ποιότητα και η καινοτομία αποτελούν τα κύρια κριτήρια για την επιτυχία, θα προτιμηθούν οι προτάσεις που προσδιορίζονται σαφώς διεύθυνση βιομηχανικές, επιστημονικές και κοινωνικές ανησυχίες »ή Ευκαιρία και / ή να συγκεντρώσει μέχρι άσχετες ή επιστημονικό κοινότητες λογισμικού.

δ) Στοχευμένη επιτάχυνση ανταγωνισμό πρόοδος πλαίσιο για ολοκληρωμένη μεγάλης κλίμακας συστήματα διαχείρισης πληροφοριών που παρουσιάζουν ενδιαφέρον. Το πλαίσιο θα πρέπει να: την αναγνώριση ενός καλά αιτιολογημένη βιομηχανική, επιστημονική ή κοινωνική φωτογραφία στόχος δεν μπορεί να επιτευχθεί Ο διάλογος με τις καλύτερες επιδόσεις από τρέχουσες λύσεις διαχείρισης πληροφοριών, καθορίζει Προϋποθέσεις υπό τις οποίες Λεπτομερή ποσοτικά πειραματική πρόοδος προς το στόχο η φωτογραφία μπορεί να πραγματοποιηθεί με αξιοπιστία παρατήρησης? Εφαρμογή ενός δίκαιου δοκιμές πλαίσιο των πόρων, συμπεριλαμβανομένων των δεδομένων σε ρεαλιστικό μέγεθος και τη φύση και ικανή υποστήριξη υποστήριξη μεγάλου αριθμού των νεοεισερχόμενων? Σε γενικές γραμμές, διαφημίζουν τον ανταγωνισμό, τη διαχείριση και δημοσιεύει Πολλοί γύροι τον έλεγχο του αποτελέσματος του διαγωνισμού Με την κατάλληλη ανάλυση των ζητημάτων απόδοσης και των τάσεων.

ε) των κοινοτικών πρωτοβουλιών δημιουργία δικτύων και άλλων τεχνολογιών που αποσκοπούν να συνδέσει τους προμηθευτές, ρυθμιστές και κορυφαίους Οργανισμούς χρήστη. Οι δράσεις αυτές θα διαδώσει τα αποτελέσματα και τις βέλτιστες πρακτικές και την αντιμετώπιση των φραγμών που εμποδίζουν την ανάπτυξη της ευρύτερης αποτελεσμάτων της έρευνας, την εργασία ή την πρόοδο προς την καθιέρωση προτύπων και σημείων αναφοράς ευρέως αναγνωρισμένα και να αυξήσει την συνειδητοποίηση του δυναμικού των τεχνολογιών στο πλαίσιο των ευρύτερων ακροατήρια.