Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

TIN2013-46638-C3-1-P

Financiado

MODELOS GRAFICOS PROBABILISTICOS PARA ANALITICA DE DATOS ESCALABLE

LOS MODELOS GRAFICOS PROBABILISITICOS (MGPS) HAN EXPERIMENTADO UN DESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS, Y SE HAN MOSTRADO COMO HERRAMIENTAS VALIOSAS EN DISCIPLINAS COMO LA INTELIGENCIA ARTIFICIAL Y LA ESTADISTICA, EN LOS... ver más

01/01/2013

UAL

69K€

Presupuesto del proyecto: 69K€

Líder del proyecto

UNIVERSIDAD DE ALMERIA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 623

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2013-01-01

0% 100%

Participantes

UAL

Lider

Proyectos interesantes

TIN2013-46638-C3-2-P MODELOS GRAFICOS PROBABILISTICOS PARA ANALITICA ESCALABLE DE... 65K€ Cerrado

TIN2013-46638-C3-3-P MODELOS GRAFICOS PROBABILISTICOS PARA ANALITICA ESCALABLE DE... 62K€ Cerrado

TIN2016-77902-C3-1-P MODELOS GRAFICOS PROBABILISTICOS Y ANALITICA ESCALABLE DE DA... 145K€ Cerrado

TIN2016-77902-C3-3-P MODELOS GRAFICOS PROBABILISTICOS Y ANALITICA DE DATOS ESCALA... 144K€ Cerrado

TIN2016-77902-C3-2-P MODELOS GRAFICOS PROBABILITICOS Y ANALITICA ESCALABLE DE DAT... 171K€ Cerrado

BES-2017-080857 MODELOS GRAFICOS PROBABILITICOS Y ANALITICA ESCALABLE DE DAT... 93K€ Cerrado

Últimas noticias

29-11-2024: IDAE En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones

29-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones

29-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 37 concesiones

Líder del proyecto

UNIVERSIDAD DE ALMERIA

Total investigadores 623

Presupuesto del proyecto 69K€

Descripción del proyecto LOS MODELOS GRAFICOS PROBABILISITICOS (MGPS) HAN EXPERIMENTADO UN DESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS, Y SE HAN MOSTRADO COMO HERRAMIENTAS VALIOSAS EN DISCIPLINAS COMO LA INTELIGENCIA ARTIFICIAL Y LA ESTADISTICA, EN LOS ULTIMOS AÑOS, SE HA PRESTADO MUCHA ATENCION AL USO DE MGPS EN TAREAS DE MINERIA DE DATOS, ESPECIALMENTE EN SITUACIONES DOTADAS DE INCERTIDUMBRE, A PARTIR DEL ESTADO DEL ARTE ACTUAL, EL SIGUIENTE PASO NATURAL ES DOTARLOS DE LA CAPACIDAD DE OPERAR EN CONTEXTOS DE BIG DATA,EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES GENERAR UN CONJUNTO DE NUEVOS DESARROLLOS METODOLOGICOS EN EL AREA DE LOS MGPS SUFICIENTEMENTE FUNDAMENTADO E INNOVADOR COMO PARA SITUARLOS DENTRO DEL AREA DEL BIG DATA COMO HERRAMIENTAS DE REFERENCIA, A TRAVES DE LA ANALITICA DE DATOS ESCALABLE, ADEMAS, EL PROYECTO PRETENDE PRODUCIR LAS HERRAMIENTAS SOFTWARE NECESARIAS PARA PERMITIR EL DESARROLLO DE APLICACIONES BASADAS EN UNA ARQUITECTURA DE SERVICIOS WEB PARA MGPS, DE ESTA FORMA, ESPERAMOS CREAR EL ENTORNO ADECUADO PARA QUE DISPOSITIVOS MOVILES PUEDAN USARSE EN CONTEXTOS DE BIG DATA, YA QUE EL NUCLEO DE LAS TAREAS DE PROCESO RECAERIAN EN UN SERVIDOR CENTRALIZADO QUE PROCESARIA LOS DATOS Y EJECUTARIA LOS ALGORITMOS, MIENTRAS QUE EL DISPOSITIVO MOVIL INTERACTUARIA A TRAVES DEL INTERFAZ DE SERVICIOS WEB, POR TANTO, EL PROPOSITO DE ESTE PROYECTO ES DOBLE, GENERANDO EN PRIMER LUGAR NUEVO CONOCIMIENTO DE LA MAS ALTA CALIDAD CIENTIFICA DENTRO DEL CAMPO DE LA ANALITICA DE DATOS ESCALABLE, PARA A CONTINUACION ABRIR EL CAMINO A UNA FRUCTIFERA TRANSFERENCIA TECNOLOGICA HACIENDO USO DE LA PLATAFORMA SOFTWARE PLANEADA,LOS RESULTADOS ESPERADOS DEL PROYECTO SE PUEDEN CLASIFICAR EN CINCO CATEGORIAS:1, MODELADO, EL PROYECTO GENERARA CONTRIBUCIONES ORIENTADAS A FORTALECER LA ESCALABILIDAD DE LOS MGPS PERMITIENDO EL ENCAPSULAMIENTO Y EL MANEJO DE DEPENDENCIAS FUNCIONALES, 2, INFERENCIA, SE DISEÑARAN ALGORITMOS DE INFERENCIA EFICIENTES Y ESCALABLES, TOMANDO COMO BASE LOS ARBOLES DE PROBABILIDAD RECURSIVOS,3, APRENDIZAJE, SE DISEÑARAN ALGORITMOS ESCALABLES DE APRENDIZAJE TENIENDO EN CUENTA LAS RESTRICCIONES DE OPERAR EN ENTORNOS DE BIG DATA, ESTO INCLUIRA MODELOS CANONICOS Y APRENDIZAJE A PARTIR DE STREAMS DE DATOS, TAMBIEN SE DESARROLLARAN ALGORITMOS NO-ESTANDARES DE CLASIFICACION CAPACES DE APRENDER, POR EJEMPLO, A PARTIR DE CONJUNTOS DE DATOS CON MULTIPLES ETIQUETAS,4, SOFTWARE, SE IMPLEMENTARA UNA PLATAFORMA SOFTWARE Y SE PONDRA A DISPOSICION DE LA COMUNIDAD, DONDE SE INCLUIRAN LOS ALGORITMOS DESARROLLADOS EN LAS TAREAS METODOLOGICAS Y SE POSIBILITARA EL DESARROLLO DE APLICACIONES A TRAVES DE UN INTERFAZ DE SERVICIOS WEB,5, APLICACIONES, SE ABORDARA UN AMPLIO ABANICO DE APLICACIONES, CON OBJETO DE APLICAR LAS PROPUESTAS METODOLOGICAS DEL PROYECTO, SE CUBRIRAN LAS AREAS DE AVIACION, SALUD, MULTIMEDIA Y FINANZAS,EN ESTE SUB-PROYECTO NOS CENTRAREMOS EN LOS ASPECTOS DE MODELADO, EN EL DESARROLLO DE LA PLATAFORMA DE SOFTWARE Y EN LAS APLICACIONES EN FINANZAS, MODELOS GRÁFICOS PROBABILÍSTICOS\ ANALÍTICA DE DATOS ESCALABLE\ BIG DATA\ MODELADO\ APRENDIZAJE AUTOMÁTICO\ INFERENCIA

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores