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.
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.
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.