Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

Confident data-driven Decision Support

Descrizione del progetto

Decisioni più intelligenti, grazie all’intelligenza artificiale responsabile

La riduzione delle emissioni, la gestione delle risorse limitate e altre sfide moderne richiedono decisioni più intelligenti e rapide. Il progetto CoRDS, sostenuto dal programma di azioni Marie Skłodowska-Curie, sta sviluppando la prossima generazione di strumenti basati sull’intelligenza artificiale per supportare processi decisionali complessi in settori quali la logistica, la sanità e la finanza. Fondendo la ricerca operativa con l’apprendimento automatico, CoRDS è all’avanguardia nello sviluppo di strumenti di ottimizzazione basati sui dati che consentono ai decisori di trovare soluzioni di alta qualità a sfide complesse. Tali strumenti saranno progettati per garantire trasparenza, sicurezza ed equità. Il fulcro del progetto è una nuova rete di formazione dottorale che fornisce ai ricercatori gli strumenti necessari per trasformare le teorie più avanzate in strumenti pratici. CoRDS creerà inoltre un quadro duraturo per formare futuri esperti in grado di plasmare il panorama in rapida evoluzione del processo decisionale basato sull’intelligenza artificiale.

Obiettivo

The CoRDS project addresses building the next generation of artificial intelligence (AI)-powered decision support tools to allow organizations to tackle complex decision-making problems more effectively and responsibly,  such as efficiently managing scarce (natural) resources and reducing their carbon footprints. These tools unify two areas of research, namely Operations Research (OR) and Machine Learning (ML). In OR, specialized optimization methods have been developed to address complex decision problems, but these rely heavily on expert knowledge, limiting their ability to adapt to changing data. Conversely, ML excels in leveraging extensive data for predictive tasks, but struggles with combinatorial optimization. Integrating OR and ML, leading to data-driven optimization (DDO) tools, presents a promising avenue to enhance decision support by combining OR's problem-solving capabilities with ML's data utilization strengths. Furthermore, DDO tools must not only provide high-quality decisions to users in low computational time, they must also comply with government and industry standards, and therefore must be safe, transparent, traceable and non-discriminatory, i.e. follow the principles of trustworthy AI, a significant challenge for most current AI systems. The expertise needed to create and apply DDO methods to real-world problems is severely lacking. The CoRDS doctoral network addresses this critical need by developing a training program to sculpt the next generation of analytics experts combining OR and ML, who will translate their research into prototype tools to address real-life problems defined in collaboration with our industrial partners across various application sectors, including logistics, healthcare, public transportation, production, finance, publishing and machine translation. The CoRDS network further delivers a training framework for others to use and expand.

Campo scientifico (EuroSciVoc)

Questo progetto non è ancora stato classificato con EuroSciVoc.
Suggerisci i campi scientifici che ritieni più rilevanti e aiutaci a migliorare il nostro servizio di classificazione.

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

HORIZON-TMA-MSCA-DN - HORIZON TMA MSCA Doctoral Networks

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2024-DN-01

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

UNIVERSITAT WIEN
Contributo netto dell'UE
€ 579 873,93
Indirizzo
UNIVERSITATSRING 1
1010 Wien
Austria
Regione
Ostösterreich Wien Wien
Tipo di attività
Higher or Secondary Education Establishments
Collegamenti
Costo totale
Nessun dato

Partecipanti (9)

Partner (13)