DATAi

El grupo Intelligent Data Analysis (DATAi) está formado por investigadores del Área de Lenguajes y Sistemas Informáticos de la Universidad Pablo de Olavide, especializados en el procesamiento y análisis de grandes bases de datos mediante técnicas de Inteligencia Artificial y de Soft Computing. Los científicos poseen una amplia experiencia en el desarrollo de las técnicas de inteligencia artificial y descubrimientos de patrones para obtener aplicaciones de calidad como queda patente en los diferentes proyectos nacionales e internacionales en los que han trabajado como son: "Sistemas inteligentes para descubrir patrones de comportamiento. Aplicación a bases de datos biológicas"; "Identificación de patrones complejos y validación automática en bases de datos genómicas": "MINDAT-PLUS: Minería de datos para los usuarios en diferentes áreas de aplicación": o "Análisis inteligente de información biomédica", entre otros. También cuentan con experiencia en el desarrollo del proyectos relacionados con el desarrollo de sistema de información que ayudan a tomar decisiones como "Natureinspired smart information systems"; "Metaheurísticas para la aplicación de metodologías fuzz y en el desarrollo de sistemas de ayuda a la decisión"; y "European Network on Intelligent Technologies for Smart Adaptive Systems (EUNITE)", así como en el desarrollo de proyectos con empresas como el denominado "Sistema inteligente de corte y empaquetado: diseño, implementación, evaluación práctica e implantación en empresas del sector". Por otro lado, cabe destacar la participación de los científicos en el proyecto nacional "DIFFERENTIAL" (http://150.214.203.12/differential/), que tiene como objetivo reducir el porcentaje del consumo de energía aplicando el análisis de Big Data a los datos generados por sensores ubicados en edificios públicos. En particular, el subproyecto "DIFFERENTIAL@UPO: Massive Data Management, Filtering and Exploratory Analysis" (TIN2015-64776-C3-2-R) el cual se enfoca en proporcionar técnicas y herramientas para el filtrado automático y análisis exploratorio de datos generados por sensores de consumo de electricidad, como un primer paso necesario para un mayor análisis de datos de sensores y explotación. Dada la frecuencia de medición y el alto número de sensores considerados, los conjuntos de datos recopilados presentan volúmenes masivos y deben considerarse dentro del paradigma del Big Data. Además, dichos datos se ven particularmente afectados por lecturas (parcialmente) incorrectas y no fiables debido a operaciones defectuosas del sensor. Así mismo, en el ámbito del aprendizaje automático (Machine Learning), destaca el proyecto apodado "OCEAN", sobre aprendizaje automático en optimización de procesos para generación y purificación de biocombustibles; la motivación de dicho proyecto es la búsqueda de nuevas tecnologías limpias, motivada por la necesidad de reducir emisiones gaseosas y por el deseo de hacer que los procesos industriales sean medioambientalmente sostenibles. Este proyecto plantea crear una tecnología ambiciosa para generar diseños conceptuales para procesos de separación y almacenamiento de gases en los que se utilizan estructuras porosas cristalinas.