APRENDIZAJE FEDERADO FLEXIBLE CON FUENTES HETEROGENEAS PARA LA PRESERVACION DE L...
APRENDIZAJE FEDERADO FLEXIBLE CON FUENTES HETEROGENEAS PARA LA PRESERVACION DE LA SEGURIDAD Y LA PRIVACIDAD DE DATOS: APLICACIONES EN SALUD
EN LA ERA DEL BIG DATA Y LA GENERACION DE DATOS MASIVOS QUE CRECEN DIARIAMENTE DE FORMA EXPONENCIAL, CADA VEZ GANA MAS RELEVANCIA EL ANALISIS, EXPLOTACION Y LA PREDICCION SOBRE ESOS DATOS, CONVIRTIENDOSE EN UN ELEMENTO CLAVE EN LO...
ver más
UNIVERSIDAD DE GRANADA
No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores5509
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2021-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Proyectos interesantes
SODA
Scalable Oblivious Data Analytics
3M€
Cerrado
EMP-TU-2016-5785
Servicio de Big Data en Salud para alcanzar un nivel 7 de He...
34K€
Cerrado
BES-2016-077142
SECURITY AND QUALITY IN PROCESSES WITH BIG DATA AND ANALYTIC...
93K€
Cerrado
AEGIS
Advanced Big Data Value Chain for Public Safety and Personal...
4M€
Cerrado
REACH
EuRopEAn incubator for trusted and secure data value CHains
8M€
Cerrado
Información proyecto PID2021-123960OB-I00
Líder del proyecto
UNIVERSIDAD DE GRANADA
No se ha especificado una descripción o un objeto social para esta compañía.
Total investigadores5509
Presupuesto del proyecto
88K€
Descripción del proyecto
EN LA ERA DEL BIG DATA Y LA GENERACION DE DATOS MASIVOS QUE CRECEN DIARIAMENTE DE FORMA EXPONENCIAL, CADA VEZ GANA MAS RELEVANCIA EL ANALISIS, EXPLOTACION Y LA PREDICCION SOBRE ESOS DATOS, CONVIRTIENDOSE EN UN ELEMENTO CLAVE EN LOS ENTORNOS EMPRESARIALES. HAY DIFERENTES ENTORNOS DONDE EL ANALISIS DE DATOS MASIVOS ES CRUCIAL (HOSPITALES, BANCA, INDUSTRIA, ...) SIN EMBARGO, LA COMPARTICION, CENTRALIZACION Y EXPLOTACION DE DATOS POR UN NODO CENTRAL O POR EMPRESAS TECNOLOGICAS O AGENTES AJENOS A LAS PROPIAS ORGANIZACIONES CADA VEZ SE HACE MAS DIFICIL POR UNA CUESTION DE POSIBLE PERDIDA DE COMPETITIVIDAD AL DESVELAR DATOS CONFIDENCIALES Y GENERAR POR TANTO DESCONFIANZA EN LA PROTECCION Y SEGURIDAD DE LOS DATOS AL TENER QUE DESPLAZARLOS Y CENTRALIZARLOS PARA SU EXPLOTACION. ADEMAS, HAY PROBLEMAS ADICIONALES SI TENEMOS EN CUENTA QUE LA HETEROGENEIDAD DE LAS FUENTES DE DATOS, INCLUYENDO EN SU MAYORIA FUENTES TEXTUALES Y NO ESTRUCTURADAS AÑADEN AUN MAS COMPLEJIDAD AL ANALISIS. UNO DE LOS ENTORNOS DE TRABAJO MAS REPRESENTATIVOS DE ESTE TIPO DE SITUACIONES ES EL ENTORNO HOSPITALARIO, EN EL QUE SE ALMACENA UNA INGENTE CANTIDAD DE DATOS HETEROGENEOS Y ALGUNOS DE ELLOS NO ESTRUCTURADOS Y CON FUERTES RESTRICCIONES DE SEGURIDAD Y PRIVACIDAD. LAS CLASICAS CONSULTAS A LAS BASES DE DATOS HOSPITALARIAS E INCLUSO LOS RESUMENES DE DATOS QUE PROVEE LA INTELIGENCIA DE NEGOCIO SON A MENUDO INSUFICIENTES PARA REALIZAR ANALISIS DE DATOS HOSPITALARIOS, QUE GENERALMENTE IMPLICAN BASES DE DATOS DE DIFERENTES SERVICIOS MEDICOS Y/O DE LOS HOSPITALES, E INCLUSO LAS SITUACIONES CADA VEZ MAS FRECUENTES EN LAS QUE LOS PROPIOS MEDICOS QUIEREN ANALIZAR LOS DATOS DE SU SERVICIO MEDICO PARA EXTRAER CONOCIMIENTO DE LA EVOLUCION DE POSIBLES PATOLOGIAS Y TRATAMIENTOS. EN DICHAS SITUACIONES, LAS RESTRICCIONES DE PRIVACIDAD Y SEGURIDAD DE DATOS HACEN QUE LOS DATOS NO PUEDAN SER CENTRALIZADOS PARA SU ANALISIS. ADEMAS, ESTAS BASES DE DATOS NO SOLO ALMACENAN DATOS ESTRUCTURADOS CON DATOS CONCRETOS Y A VECES CODIFICADOS, SINO TAMBIEN DATOS NO ESTRUCTURADOS COMO CAMPOS TEXTUALES E IMAGENES DE PRUEBAS MEDICAS, DONDE SE ALMACENAN OBSERVACIONES Y DESCRIPCIONES ADICIONALES ESCRITAS EN LENGUAJE NATURAL.EL PROYECTO FEDERAMED DA SOLUCIONES A ESTOS PROBLEMAS MEDIANTE LA INTELIGENCIA ARTIFICIAL. EN CONCRETO, LAS TECNOLOGIAS A DESARROLLAR SON EL APRENDIZAJE FEDERADO Y LA COMPUTACION FLEXIBLE. POR UN LADO, EL APRENDIZAJE FEDERADO PERMITE A LOS CLIENTES ENTRENAR LOS MODELOS DE FORMA LOCAL PARA FINALMENTE GENERAR UN MODELO GLOBAL DE FORMA COLABORATIVA. LOS DATOS SON ALMACENADOS LOCALMENTE Y NUNCA SE TRANSFIEREN AL SERVIDOR CENTRAL NI A OTROS CLIENTES. POR OTRO LADO, LA COMPUTACION FLEXIBLE NOS PERMITE MODELAR LOS DATOS Y FUSIONAR LOS RESULTADOS DEL APRENDIZAJE MEDIANTE TECNICAS DE APROXIMACION QUE MEJORAN LA INTERPRETABILIDAD Y LA COMUNICACION CON EL USUARIO. ADICIONALMENTE, APLICAREMOS TAMBIEN TECNICAS DE PROCESAMIENTO INTELIGENTE DE DATOS Y PROCESAMIENTO DE LENGUAJE NATURAL PARA SOLVENTAR LA HETEROGENEIDAD DE LOS DATOS Y EL MANEJO DE DATOS TEXTUALES NO ESTRUCTURADOS. EL PROYECTO SERA PROBADO Y VALIDADO EN UN ENTORNO REAL CON DOS HOSPITALES LO QUE AUMENTA LA VIABILIDAD DEL PROYECTO Y LA TRANSFERENCIA DE CONOCIMIENTO. PRENDIZAJE FEDERADO\DIGITALIZACION SALUD\FUENTES HETEROGENEAS\COMPUTACION FLEXIBLE\FUSION