Opis projektu
Szkolenia przyszłych specjalistów w dziedzinie optymalizacji dużych zbiorów danych
Celem nauki o danych jest wyciąganie wniosków na podstawie istotnych informacji wyselekcjonowanych spośród ogromnych ilości zebranych danych. Do nauki o danych zaliczamy analizę danych, analitykę predykcyjną, eksplorację danych i uczenie maszynowe. Optymalizacja leży u podstaw większości metod teoretycznych i algorytmicznych wykorzystywanych w tej dziedzinie. Finansowany ze środków UE projekt TraDE-OPT powstał w odpowiedzi na wyzwania związane z analizą zbiorów danych, które są duże, heterogeniczne, niepełne bądź takich, których prawdziwość jest niepewna. W ramach projektu przeszkolonych zostanie 15 przyszłych specjalistów w zakresie optymalizacji stosowanej w nauce o danych. Szkolenie stanie się okazją do poszerzenia wiedzy technicznej oraz zdobycia umiejętności pożądanych na rynku pracy: zarządzania, pozyskiwania funduszy, komunikacji i planowania kariery zawodowej.
Cel
The main goal of TraDE-Opt is the education of 15 experts in optimization for data science, with a solid multidisciplinary background, able to advance the state-of-the-art. This field is fast-developing and its reach on our life is growing both in pervasiveness and impact. The central task in data science is to extract meaningful information from huge amounts of collected observations. Optimization appears as the cornerstone of most of the theoretical and algorithmic methods employed in this area. Indeed, recent results in optimization, but also in related areas such as functional analysis, machine learning, statistics, linear algebra, signal processing, systems and control theory, graph theory, data mining, etc. already provide powerful tools for exploring the mathematical properties of the proposed models and devising effective algorithms. Despite these advances, the nature of the data to be analyzed, that are “big”, heterogeneous, uncertain, or partially observed, still poses challenges and opportunities to modern optimization. The key aspect of the TraDE-Opt research is the exploitation of structure, in the data, in the model, or in the computational platform, to derive new and more efficient algorithms with guarantees on their computational performance, based on decomposition and incremental/stochastic strategies, allowing parallel and distributed implementations. Advances in these directions will determine impressive scalability benefits to the class of the considered optimization methods, that will allow the solution of real world problems. To achieve this goal, we will offer an innovative training program, giving a solid technical background combined with employability skills: management, fund raising, communication, and career planning skills. Integrated training of the fellows takes place at the host institute and by secondments, workshops, and schools. As a result, TraDE-Opt fellows will be prepared for outstanding careers in academia or industry.
Dziedzina nauki
- natural sciencesmathematicspure mathematicsalgebralinear algebra
- natural sciencescomputer and information sciencesdata sciencedata mining
- natural sciencesmathematicspure mathematicsmathematical analysisfunctional analysis
- natural sciencesmathematicspure mathematicsdiscrete mathematicsgraph theory
- natural sciencescomputer and information sciencesartificial intelligencemachine learning
Słowa kluczowe
Program(-y)
Zaproszenie do składania wniosków
Zobacz inne projekty w ramach tego zaproszeniaSystem finansowania
MSCA-ITN - Marie Skłodowska-Curie Innovative Training Networks (ITN)Koordynator
16126 Genova
Włochy