Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines

In het 'Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines' project wordt de data-dynamiek van twee focusprojecten onderzocht.

De ene use case betreft degradatie bij Parkinson-patiënten met extreem lange tijdsduur (weken/maanden). De andere use case betreft energie management met extreem korte tijden (minuten/uren).

Voor beide cases geldt dat een geoptimaliseerd data-analyse-proces een noodzakelijke voorwaarde is om: de degradatie (Parkinson) of vraag/aanbod (energiemanagement) te voorspellen.

Geavanceerde big data technieken bieden hiervoor veel mogelijkheden. Beide focusprojecten, in lijn met twee topsectoren, worden logisch met elkaar verbonden door een algemeen analyse-platform voor geavanceerde big data technieken. Dit ‘proces-platform’ kan uiteindelijk toegepast worden op elk thema waar een belangrijke rol voor tijdsreeksen is weggelegd.

Meer informatie
Titel project: Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines

Programma: Commit2Data-Programma

Organisatie: NWO

Looptijd: t/m 2022

Partners: Honda, Qualogy, LUMC, Liacs, TU Eindhoven, TU Delft

Projectmiddelen: € 1.045.235

Contactpersoon
Prof. dr. T.H.W. Bäck

Nieuwsbrief

Schrijf u in voor onze nieuwsbrief en blijf op de hoogte van het laatste nieuws over Commit2data