Project Update: Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines

Wanneer is het project officieel van start gegaan?

21 maanden geleden (Project pagina)

Hoeveel mensen werken er aan het project?

We hebben momenteel 3 promovendi en er zijn 7 begeleiders betrokken, 4 van de universiteiten (Leiden, Eindhoven, Delft) en 3 van de bedrijven die bij het project betrokken zijn.

Hoe zijn jullie begonnen?

We zijn begonnen met een startbijeenkomst om het onderzoek en de verwachtingen van alle betrokkenen op elkaar af te stemmen. Daarna hebben we ons verdiept in de stand van de techniek en hebben we besloten hoe we het wetenschappelijk onderzoek en de toepassingstaken aanpakken.

Wat is de grootste uitdaging tot dusverre?

De grootste uitdaging op dit moment is het vinden van meer toepassingsgegevens op het gebied van energieverbruik. Parallel daaraan ontwikkelen we nieuwe automatic learning pipelines.

Is er veel contact met de private partners en hoe ziet de samenwerking eruit?

We werken met meerdere private partners, waarbij Honda Research Institute Europe het meest nauw betrokken is bij het project. Honda heeft een eigen academisch onderzoekscentrum en een van onze PHD-studenten brengt drie tot vier maanden per jaar door op hun locatie. De andere private partners zijn in mindere mate betrokken bij het project. Ze leren van het project, zodat ze kennis opdoen door middel van updates, en tegelijkertijd brengen ze hun ervaring in het toepassingsdomein en hun wetenschappelijke achtergrond in.

Zijn de onderzoeksvragen nog aangepast in de loop van het onderzoek?

Nee, het is nog steeds dezelfde vraag. We weten wat we moesten doen, alleen in de details zijn er enkele open vragen die onderweg zijn veranderd. Maar de grote twee vragen zijn nog steeds dezelfde.

In welke fase van het onderzoek zitten jullie nu?

Op dit moment hebben we de eerste resultaten in de ontwikkeling van automatische machineleerleidingen voor multivariate tijdreeksvoorspellingen en multivariate tijdreeksclassificatie, en hun toepassing op de toepassingsdomeinen van het project. Dit zijn energievoorspellingen op basis van energieverbruiksgegevens en de diagnose van de ziekte van Parkinson in video- en EEG-data. De eerste resultaten zijn gepubliceerd.

Wat is jullie uiteindelijke doel?

Het voorspellen van de ontwikkeling van de ziekte van Parkinson bij patiënten en ook het voorspellen van het energieverbruik van gebouwen om ze beter onder controle te houden zijn de toepassingsdoelen, terwijl het fundamentele onderzoeksdoel is om methoden te ontwikkelen voor automatic machinelearning pipelines voor de classificatie en voorspelling van tijdreeksen.

Schrijf u hier in voor onze nieuwsbrief en blijf op de hoogte van het laatste nieuws omtrent Commit2Data.

Gerelateerde projects

Bekijk hieronder de Projecten gerelateerd aan het thema Project Update: Dynamic Data Analytics through automatically Constructed Machine Learning Pipelines

CIMPLO - Cross-Industry Predictive Maintenance Optimization Platform
Bijna iedere onderneming heeft er mee te maken: onderhoud van machines en infrastructuur. Traditionele onderhoudsconcepten gaan uit van een ‘fixed interval approach’, waarbij rekening wordt gehouden met een aanzienlijke veiligheidsmarge. Het gevolg i...
23 februari 2024
Toekenning Take-off fase 1: Haalbaarheidsstudies WO – cluster Commit2Data
Van de toegekende projecten van Take-off najaarsronde zijn vier van de zeven ingediende Commi2Data projecten toegekend. Take-off is een instrument voor academische en innovatieve starters die de commerciële of maatschappelijke toepassing van hun onde...
21 december 2023
Real-Time Data for Products to Move Data-Driven Real-Time Decision Making in Supply Chains and Logistics
Dit project - verder genoemd Data2Move - is gestart in 2017. Het doel van Data2Move is het ontwikkelen en demonstreren van real-time data-driven logistieke methoden en technieken, met in eerste instantie een focus op de voorraad en transport. Er zijn...
27 november 2023