Data Intensive Software Technologies and Applications (DISTA)

Forskargruppen Data Intensive Software Technologies and Applications studerar dataintensiva teknologier såsom maskininlärning och artificiell intelligens, programvaru- och informationsanalys, samt skalbara datortekniker.

Vår forskning

Data Intensive Software Technologies and Applications (DISTA) är en forskargrupp som studerar dataintensiva teknologier såsom:

  • Maskininlärning och artificiell intelligens använder (big) data för att automatisera uppgifter såsom 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, som används för att automatiserar 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. I övrigt fokuserar vår forskning mer 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. Ett exempel är analys av mänskliga rörelser inom äldreomsorg och högpresterande sporter. Med denna forskning bidrar vi också till forskningsområdet eHealth vid Linnaeus University Centre for Data Intensive Sciences and Applications.

Programvaru- och informationsanalys ...

... analyserar programvarukomponenter såsom processer, specifikationer och kod för att till exempel 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.

Tillämpningen av analystekniker på programvara och informationskvalitet utgår ifrån användarens synvinkel. Kvalitet kan betraktas som ett mått på det värde som en programvara eller information ger användaren. Kvaliteten uppfattas ofta som subjektiv och kvaliteten hos programvara eller information kan därmed variera, beroende på användare och på användning. Det är först nyligen man har föreslagit att tillämpa mät- och testtekniker för att säkerställa informationskvalitet. I samarbete med en av våra branschpartners, Sigma Technology, har DISTA varit pionjärer en inom denna utveckling. Detta forskningsområde, Data-driven Software and Information Quality, är en del av Linnaeus University Centre for Data Intensive Sciences and Applications.

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 i exempelvis vetenskapliga och tekniska datautvinning.

Som en viktig del av denna forskning driver vi High-Performance Computing Center inom Linnaeus University Centre for Data Intensive Sciences and Applications.

Projekt

Aktuellt

Medarbetare

Externa doktorander

  • Oleg Danylenko (Klarna)
  • Erik Österlund (Oracle)