Data Science Onderzoeksprogramma
Wiskunde en Natuurwetenschappen
De Faculteit Wiskunde en Natuurwetenschappen
De Faculteit der Wiskunde en Natuurwetenschappen is een toonaangevende faculteit waarin medewerkers en studenten werken in een dynamische, internationale omgeving, waar persoonlijke en academische ontwikkeling hoog in het vaandel staan. Onze mensen worden gedreven door nieuwsgierigheid, om zo fundamentele kennis te vergroten en over grenzen heen te kijken. Voor de wetenschap, én om een bijdrage te leveren aan grote maatschappelijke uitdagingen van morgen.
Het onderzoek binnen de Faculteit der Wiskunde en Natuurwetenschappen varieert van wiskunde, informatica, sterrenkunde, natuurkunde, scheikunde en bio-farmaceutische wetenschappen tot aan biologie en milieuwetenschappen en is belegd bij acht instituten. Die verzorgen tevens acht bachelor- en vijftien masteropleidingen. De faculteit is de afgelopen jaren sterk gegroeid en telt meer dan 2300 medewerkers en ruim 5000 studenten. We zijn gesitueerd in het hart van het Bio Science Park, één van Europa’s grootste scienceparken, waar universiteit en bedrijfsleven elkaar ontmoeten.
Data Science Research Projects
Een nieuw tijdperk voor natuurbehoud door gebruikmaking van hyperspectrale en LIDAR-data; de Oostvaardersplassen als case study
Nuno César de Sá
Dit project is gericht op de ontwikkeling van geavanceerde data-analyse-methoden voor het monitoren en vergroten van ons begrip van biodiversiteitsdynamiek in natuurreservaten zoals de Oostvaardersplassen. De methodologieën voor aardobservatie zijn het laatste decennium ongelooflijk veel beter geworden. Als gevolg daarvan komen er applicaties voor natuurbeheer beschikbaar, maar deze vereisen nieuwe eco-informatica-instrumenten voor natuurbeheer, bijvoorbeeld om dieren te volgen gebaseerd op hyperspectrale data, en om ruimtelijke en temporele patronen van dierbeweging te koppelen aan vegetatiekarakteristieken.
Minimale-structuur-modellering
Prajit Dhar
Het bestaande werk in probabilistische taalmodellering kan in principe in twee categorieën verdeeld worden: (i) Puur sequentiële, string-level benaderingen die spreekvaardigheid op lokaal niveau garanderen zonder besef van grammaticaliteit; ze proberen verbetering te realiseren door het gebruik van grote trainingscorpora. (ii) Volledig structuralistische, boom-gebaseerde benaderingen die tekst modelleren als de realisatie van latente boomstructuren die coderen voor complexe grammaticale afhankelijkheden. Dit project echter onderzoekt een derde manier, waarbij alleen die structurele relaties die nodig zijn om in een specifieke taal grammaticale zinnen te produceren, gemodelleerd worden.
Kennisverwerving en data mining uit patiëntenervaringsbestanden
Anne Dirkson
Dit PhD-project, gefinancierd door het Nederlandse SIDN fonds, maakt deel uit van het Patient Forum Miner (PFM) onderzoeksprogramma. Patiënten delen hun ervaringen vaak op internetfora. Deze ervaringen bevatten vaak waardevolle informatie voor andere patiënten, medisch specialisten en onderzoekers. Deze informatie zit echter verborgen tussen een overvloed aan berichten die betrekking hebben op emotionele steun. Het doel van het PFM-programma is de informatie op te diepen die echt waardevol is, en om hypothesen te formuleren die als input kunnen dienen voor verder klinisch onderzoek.
Verkennende data-analyse voor multimodale data
Daniela Gawehns
Om zicht te krijgen op het gebruik van een openbaar park rondom een verpleeghuis zal een veelheid aan data worden verzameld in de vorm van enquête- en sensorgegevens. Verkennende data-mining-technieken zullen ontwikkeld worden om deze multimodale informatie te onderzoeken, en om verbanden te vinden tussen en binnen informatiebronnen.
Sociaal geïntegreerde AI systemen
Tom Kouwenhoven
Dit interdisciplinaire project bevindt zich op de kruising van AI, cognitieve psychologie en taalkunde. Het onderzoekt verschillende adaptieve machine learning methodes die inzicht kunnen geven in de interactie tussen mens en machine. Het doel is natuurlijke en open communicatie tussen mens en AI zodat mensen meer vertrouwen ontwikkelen in AI en er gemakkelijk samengewerkt kan worden. Om dit te realiseren creëren we een natuurlijke setting waarin machine learning algoritmes complexe menselijke- en sociale eigenschappen kunnen leren.
Data Science ten behoeve van State-of-the-Art Blood Banking (BloodStart)
Marieke Vinkenoog
Het afleiden van een visueel verband gebaseerd op Deep Cross-media Transfer Network
Xue Wang
Dit project gaat een Deep Cross-media Transfer Network realiseren om daaruit een visueel verband af te leiden dat het probleem van onvoldoende trainingsdata voor het uitvoeren van een visuele taak vermindert.
Het modelleren van interacties om biomarkers voor ziekteprogressie en behandelingsrespons te identificeren
Laura Zwep
Steeds vaker worden grote biobank-onderzoeken met gezonde vrijwilligers en patiënten uitgevoerd voor de analyse van het gebruik van moleculaire high-throughput molecular profiling-technologieën (“omics”), zoals genomica, transcriptomics en metabolomica, om daarmee inzichten te verwerven in de moleculaire veranderingen die aan ziektes ten grondslag liggen.
Een grote uitdaging voor de analyse van zulke grote klinische datasets verbonden met multiple omics-technologieën, bestaat uit de integratie van multiple omics-technologieën met de gebruikelijke longitudinaal gemeten klinische data op een statistisch en biologisch zinvolle manier.