Industriforskarskolan Data Intensive Applications (DIA)
Data Intensive Applications (DIA) är en forskarskola för industridoktorander som fokuserar på tillämpad forskning inriktad mot de utmaningar inom områdena big data och artificiell intelligens som våra samarbetspartner i industrin möter. Industriforskarskolan finansieras av KK-stiftelsen, Linnéuniversitetet och de deltagande företagen.
Industriforskarskolan Data Intensive Applications (DIA) rekryterar nya industridoktorander till våra partnerföretag. Tjänsterna genomsyras av dataintensiva metoder som artificiell intelligens och maskininlärning.
Mer om DIA
Läs mer om forskarskolans innehåll, mål etc på DIAs engelska sida.
Publikationer
Aktuellt
Doktorandprojekt
-
Doktorandprojekt: AI vid administration av jordbrukssubventioner Vi vill designa, implementera och utvärdera system baserade på artificiell intelligens som stödjer våra kunder med administration av…
-
Doktorandprojekt: Applicering av AI i mjukvaruutvecklingsprocessen I detta doktorandprojekt försöker vi automatisera vissa delar i mjukvaruutvecklingsprocessen genom nyttjande av AI.
-
Doktorandprojekt: Avancerade identifieringsmetoder för skogsindustrin genom CV/AI Projektet ämnar skapa möjligheter för fortsatt digitalisering inom skogsindustrin. Detta rör sig om allt från…
-
Doktorandprojekt: Big Data Exploatering för att förstå professionella produkters livscykel Detta doktorandprojekt syftar till att använda Big Data för att kartlägga livscykeln för professionella…
-
Doktorandprojekt: Digital Twin as a Service (DTaaS) Detta doktorandprojekt syftar till att arbeta med Digital Twin, med integration till dataintensiva källor.
-
Doktorandprojekt: Dokumentklassifikation och entitetsextraktion Många aspekter av bokföring är svåra att automatisera då det finns mycket information i ostrukturerad form. Målet med detta projekt är…
-
Doktorandprojekt: Ekosystem och smarta städer Städer står inför stora klimatutmaningar. I mitt doktorandprojekt undersöker jag hur digital transformation och ekosystem bidrar till ökat samarbete…
-
Doktorandprojekt: Förbättring av MLOps-arkitekturer för effektiv integration, distribution och inferens av AI-modeller i olika industriella miljöer Det här projektet fokuserar på att förbättra…
-
Doktorandprojekt: Maskininlärning i tillverkningsindustrin Tillverkningsindustrin kämpar med att ta klivet in i den smarta teknologins era. Moderna metoder framtagna i laboratorier och dataintensiva…
-
Doktorandprojekt: RUL-prediktion baserad på historisk battericykelloggar Detta projekt syftar till att skapa ett arbetsflödesdiversifierat maskininlärningsalgoritm för att simulera batteriets…
-
Doktorandprojekt: Utforska AI-driven drift för prognoser i data-light-miljöer - Multishop-konceptet Tillkomsten av big data och AI gav nya möjligheter för företag. I den här forskningen undersöker vi…
-
Doktorandprojekt: Utveckling av digital tvilling vid Volvo CE Detta doktorandprojekt innebär att utveckla en plattform för en så kallad digital tvilling. Målet är att förstå problem hos kunder och…
Doktorander
- Dag Björnberg
- dagbjornberglnuse
- Daniel Nilsson
- danielfnilssonlnuse
- Felix Viberg
- felixviberglnuse
- Gaurav Garg
- gauravgarglnuse
- Joel Cramsky
- joelcramskylnuse
- Kailash Chowdary Bodduluri
- kailashchowdaryboddulurilnuse
- Manoranjan Kumar
- manoranjankumarlnuse
- Nemi Pelgrom
- nemipelgromlnuse
- Nils Johansson
- nilsjohanssonlnuse
- Rakhshanda Jabeen
- rakhshandajabeenlnuse
- Senadin Alisic
- senadinalisiclnuse
- Tibo James Liam Bruneel
- tibojamesliambruneellnuse
- Zijie Feng
- zijiefenglnuse