Per diventare operative, le applicazioni di data science richiedono un flusso di lavoro efficiente per l'accesso, l'elaborazione e l'archiviazione dei dati che preservi il valore dei dati e rimanga indipendente dal formato o dal volume dei dati. L'area di ricerca in Ingegneria dei Dati, Analisi e Elaborazione si concentra sulla creazione di applicazioni pratiche di data science, garantendo la loro funzionalit脿 con un doppio focus: operativo, sulle interfacce e meccanismi per il flusso e l'accesso ai dati; scientifico, sull'analisi dei dati, la modellazione, l'elaborazione e la presentazione e interpretazione dei risultati.
Ingegneria, analisi ed elaborazione dei dati - ISIN
Area di ricerca in
Ingegneria, analisi ed elaborazione dei dati
Questo settore scientifico ha l'obiettivo di esplorare e analizzare il complesso sistema mentale umano per costruire modelli del comportamento umano. Questi modelli vengono utilizzati per una comprensione pi霉 profonda e un'interpretazione della mente umana e degli stati mentali, per caratterizzare condizioni mentali come tipiche, atipiche, anomale o disordinate, e per prevedere e simulare i processi decisionali umani, compresi i sistemi di raccomandazione, l'inferenza comportamentale e la personalizzazione dei servizi. L'analisi considera vari fattori che influenzano il sistema mentale, come l'ambiente e le interazioni sociali, ed esamina sia gli output osservabili come i movimenti del corpo, la postura, le espressioni facciali, le attivit脿, la mobilit脿, la comunicazione verbale, sia quelli meno evidenti come la frequenza cardiaca, l'attivit脿 elettrodermica e le emozioni.
Competenze: rilevamento e modellazione del comportamento umano, sistemi di raccomandazione, servizi di personalizzazione, analisi del sentiment e riconoscimento delle emozioni, computing affettivo.
Competenze: rilevamento e modellazione del comportamento umano, sistemi di raccomandazione, servizi di personalizzazione, analisi del sentiment e riconoscimento delle emozioni, computing affettivo.
Elaborare i Big Data presenta sfide significative, che vanno dalla progettazione di un sistema di archiviazione dei dati immutabile, affidabile e in continua crescita, fino all'architettura di applicazioni scalabili e pipeline di dati elastiche per l'elaborazione dei dati. Il settore scientifico in Elaborazione dei Big Data ha un doppio focus: sviluppare architetture elastiche per memorizzare e recuperare grandi quantit脿 di dati e creare pipeline di dati per analizzare ed elaborare i dati utilizzando metodologie di machine learning e data mining. Queste soluzioni sfruttano approcci centralizzati, decentralizzati e federati. Inoltre, questo settore mira a costruire architetture che facilitino la visualizzazione e la gestione dei dati lungo l'intera pipeline di elaborazione dei dati.
Competenze: infrastrutture per l'analisi e l'elaborazione dei big data, data lakes, data meshes e data spaces, architetture lambda, metodologie non supervisionate per l'estrazione degli argomenti, modellazione semi-supervisionata, apprendimento collaborativo.
Competenze: infrastrutture per l'analisi e l'elaborazione dei big data, data lakes, data meshes e data spaces, architetture lambda, metodologie non supervisionate per l'estrazione degli argomenti, modellazione semi-supervisionata, apprendimento collaborativo.
The FINVA (Financial Intelligent Virtual Assistant) platform, developed in collaboration with and , has been recognized as an Innosuisse Success Story. The project's goal is to support financial institutions in reducing costs and improving compliance strategies.
La nostra area di ricerca dispone di infrastrutture all'avanguardia per supportare ricerche d'eccellenza nell'ingegneria, nell'analisi e nell'elaborazione dei dati. Queste infrastrutture includono:
- Strutture di calcolo avanzate per l'elaborazione di dati su larga scala
- Sistemi di archiviazione ad alte prestazioni
- Laboratori specializzati per l'analisi del comportamento umano
- Piattaforme integrate per la modellazione, l'analisi e la visualizzazione dei dati
Aggiorniamo e ampliamo costantemente le nostre infrastrutture per garantire di rimanere all'avanguardia nella ricerca e nelle applicazioni della data science.