Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

TIN2016-77902-C3-3-P

Financiado

Cerrado

MODELOS GRAFICOS PROBABILISTICOS Y ANALITICA DE DATOS ESCALABLE II - UAL

LOS MODELOS GRAFICOS PROBABILISTICOS (MGPS) HAN EXPERIMENTADO UN DESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS Y HAN MOSTRADO SU VALIA COMO HERRAMIENTAS DE TRATAMIENTO DE LA INCERTIDUMBRE EN DISCIPLINAS COMO LA INTELIGENCIA ARTIF... ver más

01/01/2016

UAL

144K€

Presupuesto del proyecto: 144K€

Líder del proyecto

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

Total investigadores 623

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2016-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UAL

Lider

Proyectos interesantes

TIN2016-77902-C3-1-P

Data Science

Software

145K€ Cerrado

TIN2016-77902-C3-2-P

Data Science

Software

171K€ Cerrado

TIN2013-46638-C3-1-P

Data Science

Software

69K€ Cerrado

TIN2013-46638-C3-3-P

Data Science

Software

62K€ Cerrado

BES-2017-080857

Data Science

Software

93K€ Cerrado

BES-2017-080908

Data Science

Software

93K€ Cerrado

Conecta tu I+D

¿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

Líder del proyecto

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

Total investigadores 623

Presupuesto del proyecto 144K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LOS MODELOS GRAFICOS PROBABILISTICOS (MGPS) HAN EXPERIMENTADO UN DESARROLLO DESTACABLE DURANTE LOS ULTIMOS AÑOS Y HAN MOSTRADO SU VALIA COMO HERRAMIENTAS DE TRATAMIENTO DE LA INCERTIDUMBRE EN DISCIPLINAS COMO LA INTELIGENCIA ARTIFICIAL Y LA ESTADISTICA, EN LA ACTUALIDAD SE ESTA PRESTANDO MUCHA ATENCION AL USO DE MGPS EN TAREAS DE MINERIA DE DATOS, ESPECIALMENTE EN SITUACIONES DONDE INTERVIENE LA INCERTIDUMBRE, EL GRAN DESAFIO AHORA CONSISTE EN PERMITIR SU FUNCIONAMIENTO EFICIENTE EN CONTEXTOS DE BIG DATA,EL OBJETIVO PRINCIPAL DE ESTE PROYECTO CONSISTE EN GENERAR UN CONJUNTO DE DESARROLLOS METODOLOGICOS EN LAS AREAS MGPS Y ANALISIS ESCALABLE DE DATOS, SUFICIENTEMENTE FUNDAMENTADO E INNOVADOR COMO PARA INCORPORARSE A LA GALERIA DE HERRAMIENTAS PARA TRATAMIENTO MASIVO DE DATOS, UNO DE ESTOS CONTEXTOS ES EL ANALISIS DE COLECCIONES DOCUMENTALES Y SU POSTERIOR USO POR PARTE DE LOS USUARIOS PARA RESOLVER NECESIDADES DE INFORMACION DE FORMA EFICAZ Y EFICIENTE, ACTUALMENTE, ESTAS FUENTES TEXTUALES SUELEN TENER GRAN TAMAÑO PERO ADEMAS CRECEN CONTINUAMENTE, SIENDO REALMENTE UN RETO SU TRATAMIENTO Y ANALISIS DE FORMA ESCALABLE, DE FORMA COMPLEMENTARIA, EL PROYECTO PRETENDE PRODUCIR LAS HERRAMIENTAS SOFTWARE NECESARIAS PARA LA APLICACION DE ESTOS DESARROLLOS METODOLOGICOS A PROBLEMAS REALES, DE ESTA FORMA, EL PROPOSITO DE ESTE PROYECTO ES DOBLE: GENERACION DE NUEVO CONOCIMIENTO DE ALTA CALIDAD CIENTIFICA DENTRO DEL CAMPO DE LA ANALITICA DE DATOS ESCALABLE Y PERMITIR LA TRANSFERENCIA TECNOLOGICA HACIENDO USO DEL SOFTWARE PRODUCIDO,LOS RESULTADOS ESPERADOS DEL PROYECTO SE PUEDEN CLASIFICAR EN TRES CATEGORIAS:APRENDIZAJE DE MGPS Y MODELOS DE USUARIO, SE DISEÑARAN ALGORITMOS DE APRENDIZAJE DE MGPS SIEMPRE TENIENDO EN CUENTA LA NECESIDAD DE DOTARLOS DE CAPACIDAD DE FUNCIONAMIENTO EN ENTORNOS DE BIG DATA, EN EL CASO DE LOS MODELOS DE USUARIO SE ESTUDIARAN FORMAS DE ANALIZAR GRANDES COLECCIONES DOCUMENTALES PARA INTENTAR IDENTIFICAR PERFILES DE INTERES, USO, AFINIDAD, EN LAS PERSONAS ASOCIADAS A LOS DOCUMENTOS,CLASIFICACION BASADA EN MGPS, SE TRATA TAMBIEN DE APRENDIZAJE A PARTIR DE DATOS, PERO DE MODELOS QUE SE USARAN PARA CLASIFICACION DE NUEVOS DATOS, EN ESTE APARTADO SE DESARROLLARAN NUEVOS ALGORITMOS BASADOS EN A) CONJUNTOS DE MGPS; B) PROBLEMAS DE CLASIFICACION NO ESTANDAR; C) CONSIDERANDO EL PARADIGMA LEARNING FROM CROWDS; Y D) DE REDES BAYESIANAS DINAMICAS ORIENTADAS A CLASIFICACION Y REGRESION, INFERENCIA EN MGPS, EN ESTE OBJETIVO SE DESARROLLARAN ALGORITMOS DE INFERENCIA PARA:A) REDES ESTATICAS HIBRIDAS; B) REDES DINAMICAS; C) MODELOS CON PROBABILIDADES IMPRECISAS; D) CONSIDERANDO EL PARADIGMA MAPREDUCE; Y E) CONSIDERANDO LA INFLUENCIA DE LA ESTRUCTURAS DE DATOS USADA PARA MANEJAR LA INFORMACION CUANTITATIVA DISPONIBLE,EN EL SUBPROYECTO DE LA UAL NOS CENTRAREMOS EN LOS SUBOBJETIVOS CORRESPONDIENTES A INFERENCIA ESCALABLE Y REGRESION Y CLASIFICACION CON DATOS TEMPORALES, MODELOS GRÁFICOS PROBABILÍSTICOS\ANALÍTICA ESCALABLE DE DATOS\MODELADO\APRENDIZAJE AUTOMÁTICO\CLASIFICACIÓN\INFERENCIA\ESCALABILIDAD\DATOS MASIVOS\RECOMENDACIÓN.

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores