Hola,
¿eres nuevo aquí?

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

TIN2013-46638-C3-2-P

Financiado

MODELOS GRAFICOS PROBABILISTICOS PARA ANALITICA ESCALABLE DE DATOS

LOS MODELOS GRAFICOS PROBABILISITICOS (MGPS) HAN EXPERIMENTADO UNDESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS, Y SE HAN MOSTRADOCOMO HERRAMIENTAS VALIOSAS EN DISCIPLINAS COMO LA INTELIGENCIAARTIFICIAL Y LA ESTADISTICA, EN LOS UL... ver más

01/01/2013

UGR

65K€

Presupuesto del proyecto: 65K€

Líder del proyecto

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

Total investigadores 5507

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

0% 100%

Participantes

UGR

Lider

Proyectos interesantes

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

TIN2013-46638-C3-1-P MODELOS GRAFICOS PROBABILISTICOS PARA ANALITICA DE DATOS ESC... 69K€ 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

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

Total investigadores 5507

Presupuesto del proyecto 65K€

Descripción del proyecto LOS MODELOS GRAFICOS PROBABILISITICOS (MGPS) HAN EXPERIMENTADO UNDESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS, Y SE HAN MOSTRADOCOMO HERRAMIENTAS VALIOSAS EN DISCIPLINAS COMO LA INTELIGENCIAARTIFICIAL Y LA ESTADISTICA, EN LOS ULTIMOS AÑOS, SE HA PRESTADO MUCHAATENCION AL USO DE MGPS EN TAREAS DE MINERIA DE DATOS,ESPECIALMENTE EN SITUACIONES DOTADAS DE INCERTIDUMBRE, A PARTIR DELESTADO DEL ARTE ACTUAL, EL SIGUIENTE PASO NATURAL ES DOTARLOS DE LACAPACIDAD DE OPERAR EN CONTEXTOS DE BIG DATA,EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES GENERAR UN CONJUNTO DENUEVOS DESARROLLOS METODOLOGICOS EN EL AREA DE LOS MGPSSUFICIENTEMENTE FUNDAMENTADO E INNOVADOR COMO PARA SITUARLOSDENTRO DEL AREA DEL BIG DATA COMO HERRAMIENTAS DE REFERENCIA, ATRAVES DE LA ANALITICA DE DATOS ESCALABLE, ADEMAS, EL PROYECTOPRETENDE PRODUCIR LAS HERRAMIENTAS SOFTWARE NECESARIAS PARA PERMITIREL DESARROLLO DE APLICACIONES BASADAS EN UNA ARQUITECTURA DE SERVICIOSWEB PARA MGPS, DE ESTA FORMA, ESPERAMOS CREAR EL ENTORNO ADECUADOPARA QUE DISPOSITIVOS MOVILES PUEDAN USARSE EN CONTEXTOS DE BIGDATA, YA QUE EL NUCLEO DE LAS TAREAS DE PROCESO RECAERIAN EN UNSERVIDOR CENTRALIZADO QUE PROCESARIA LOS DATOS Y EJECUTARIA LOSALGORITMOS, MIENTRAS QUE EL DISPOSITIVO MOVIL INTERACTUARIA A TRAVESDEL INTERFAZ DE SERVICIOS WEB, POR TANTO, EL PROPOSITO DE ESTE PROYECTOES DOBLE, GENERANDO EN PRIMER LUGAR NUEVO CONOCIMIENTO DE LA MASALTA CALIDAD CIENTIFICA DENTRO DEL CAMPO DE LA ANALITICA DE DATOSESCALABLE, PARA A CONTINUACION ABRIR EL CAMINO A UNA FRUCTIFERATRANSFERENCIA TECNOLOGICA HACIENDO USO DE LA PLATAFORMA SOFTWAREPLANEADA,LOS RESULTADOS ESPERADOS DEL PROYECTO SE PUEDEN CLASIFICAR EN CINCOCATEGORIAS:1, MODELADO, EL PROYECTO GENERARA CONTRIBUCIONES ORIENTADAS AFORTALECER LA ESCALABILIDAD DE LOS MGPS PERMITIENDO ELENCAPSULAMIENTO Y EL MANEJO DE DEPENDENCIAS FUNCIONALES,2, INFERENCIA, SE DISEÑARAN ALGORITMOS DE INFERENCIA EFICIENTES YESCALABLES, TOMANDO COMO BASE LOS ARBOLES DE PROBABILIDADRECURSIVOS,3, APRENDIZAJE, SE DISEÑARAN ALGORITMOS ESCALABLES DE APRENDIZAJETENIENDO EN CUENTA LAS RESTRICCIONES DE OPERAR EN ENTORNOS DE BIGDATA, ESTO INCLUIRA MODELOS CANONICOS Y APRENDIZAJE A PARTIR DESTREAMS DE DATOS, TAMBIEN SE DESARROLLARAN ALGORITMOS NO-ESTANDARESDE CLASIFICACION CAPACES DE APRENDER, POR EJEMPLO, A PARTIR DECONJUNTOS DE DATOS CON MULTIPLES ETIQUETAS,4, SOFTWARE, SE IMPLEMENTARA UNA PLATAFORMA SOFTWARE Y SE PONDRA ADISPOSICION DE LA COMUNIDAD, DONDE SE INCLUIRAN LOS ALGORITMOSDESARROLLADOS EN LAS TAREAS METODOLOGICAS Y SE POSIBILITARA ELDESARROLLO DE APLICACIONES A TRAVES DE UN INTERFAZ DE SERVICIOS WEB,EN ESTE SUBPROYECTO NOS CENTRAREMOS EN LOS ASPECTOS DE INFERENCIA, APRENDIZAJE DESDE FLUJOS DE DATOS, DESARROLLO DE LA PLATAFORMA DE SOFTWARE Y APLICACIONES EN SALUD Y DE AYUDA AL PILOTAJE 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