Data Intensive Software Technologies and Applications (DISTA)

Vår forskning

Forskargruppen Data Intensive Software Technologies and Applications (DISTA) studerar datastyrda teknologier såsom:

• Maskininlärning (ML) och artificiell intelligens (AI) använder (big) data för att automatisera uppgifter som slutledning, planering, beslutsfattande och förutsägelser.
• Programvaru- och informationsanalys behandlar IT-system som data och reflekterar över deras kvalitet.
• Skalbara databehandlingstekniker gör det praktiskt möjligt att hantera stora datakällor och snabba dataströmmar.

Tillsammans möjliggör dataintensiva teknologier omvandling av data till information och kunskap att agera utifrån. Detta används för att automatisera implementationen av smartare system eller till och med för att automatiskt generera komponenter i dessa system.

Maskininlärning och artificiell intelligens

Utifrån begreppet beslutsalgebra har DISTA föreslagit en enande teori för alla klassificeringssätt. Med konceptet aggregering som komprimerar flerdimensionell, delvis ordnad data till en helt ordnad uppställning, har DISTA initierat ett nytt område inom maskininlärning utan tillsyn.

Vår forskning fokuserar också på tillämpning av tekniker som statistiska begrepp, lärande med och utan tillsyn, klassificering, regression, klusteranalys och så vidare utifrån konkreta problem inom teknik, vetenskap och samhälle.

Programvaru- och informationsanalys ...

... analyserar komponenter inom programutveckling som processer, specifikationer, dokumentation och kod. Det kan handla om att uppskatta vilka insatser som behövs för att utveckla och underhålla programvara, att få nya användare att förstå strukturen och beteendet hos programvara, att hitta beroenden och förändra delsystem, att utvärdera kvaliteten hos mjukvara eller att identifiera relevanta komponenter för omkonstruktion, etc.

DISTA har varit banbrytande inom tillämpningen av mät- och testtekniker för att säkerställa informationskvalitet (information quality; IQ). I samarbete med våra branschpartner, Sigma Technology och Softwerk, har DISTA tillämpat denna kvantitativa strategi för informationskvalitet på många verkliga fall.

Skalbar databehandlingsteknik ...

... såsom parallell databehandling syftar på teknologier som möjliggör skalbarhet hos system för att möta stora problem eller datamängder, till exempel genom att exekvera ett program på fler än en processor eller kärnor. Vi är intresserade av högpresterande databehandling, distribuerad databehandling och strömmande behandling, vilket används inom exempelvis vetenskaplig och teknisk datautvinning.

Med sammanhangskänslig uppbyggnad, en teknik för självoptimering av programvarusystem baserad på profileringsdata och maskininlärning, och med den första helt blockfria skräpsamlaren någonsin, har vi i hög grad bidragit till skalbara beräkningar.