European Commission logo
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

EXPeriment driven and user eXPerience oriented analytics for eXtremely Precise outcomes and decisions

Opis projektu

Nowe ramy na potrzeby analizy opartej na eksperymentach

Ekstremalne cechy danych stanowią wyzwanie dla zaawansowanej analityki opartej na danych i podejmowania decyzji w krytycznych domenach, takich jak zarządzanie kryzysowe, konserwacja predykcyjna, mobilność, bezpieczeństwo publiczne i cyberbezpieczeństwo. Analizy oparte na danych muszą być aktualne, dokładne, precyzyjne, dopasowane do celu i wiarygodne, a także uwzględniać intencje i preferencje użytkowników oraz wyciągać z nich wnioski. Finansowany przez UE projekt ExtremeXP zakłada stworzenie ram wsparcia decyzyjnego nowej generacji, łączących nowatorskie badania z zakresu zarządzania dużymi zbiorami danych, uczenia maszynowego, analityki wizualnej, wyjaśnialnej SΙ, zdecentralizowanego zaufania i inżynierii wiedzy. Celem ram będzie optymalizacja właściwości procesów złożonej analityki (np. dokładność, czas oczekiwania na odpowiedź, specyficzność, przywołanie, precyzja, zużycie zasobów) poprzez powiązanie różnych profili użytkowników z wariantami obliczeniowymi, promując podejście do SI i złożonej analityki skoncentrowane na człowieku i oparte na eksperymentach. W projekcie zostanie przeprowadzonych pięć demonstracji pilotażowych.

Cel

Extreme data characteristics (volume, speed, heterogeneity, distribution, diverse quality, etc.) challenge the state-of-the-art data-driven analytics and decision-making approaches in many critical domains such as crisis management, predictive maintenance, mobility, public safety, and cyber-security. At the same time, data-driven insights need to be extremely timely, accurate, precise, fit-for-purpose, and trustworthy, so that they can be useful. ExtremeXP will handle the complexity of matching extreme needs with complex analytics processes (i.e. processes that involve and combine ML, data analysis, simulation and visualization components) by placing the end user at the centre of complex analytics processes and relying on user intents and running experiments (i.e. trial and error) to prune the vast solution space of possible analytics workflows and configurations i.e. “variants”. Its main goal is to create a next generation decision support system that integrates novel research results from the domains of data integration, machine learning, visual analytics, explainable AI, decentralised trust, knowledge engineering, and model-driven engineering into a common framework. The overarching idea of the framework is to optimise the properties of a complex analytics process that the end user cares about (e.g. accuracy, time-to-answer, specificity, recall, precision, resource consumption) by associating user profiles to computation variants. The framework is envisioned as modular and extensible, orchestrating different services around an Experimentation Engine: Analysis-aware Data Integration, Extreme Data & Knowledge Management, User-driven AutoML, Transparent & Interactive Decision Making, and User-driven Optimization of Complex Analytics. The framework will be validated in five pilot demonstrators.

Koordynator

ATHINA-EREVNITIKO KENTRO KAINOTOMIAS STIS TECHNOLOGIES TIS PLIROFORIAS, TON EPIKOINONION KAI TIS GNOSIS
Wkład UE netto
€ 782 500,00
Adres
ARTEMIDOS 6 KAI EPIDAVROU
151 25 Maroussi
Grecja

Zobacz na mapie

Region
Αττική Aττική Βόρειος Τομέας Αθηνών
Rodzaj działalności
Research Organisations
Linki
Koszt całkowity
€ 782 500,00

Uczestnicy (19)

Partnerzy (1)