Data-Intensive Computing

Het algemene thema van de onderzoeksgroep Data-Intensive Computing behelst de computationele methoden en technieken die nodig zijn om data op efficiënte en betekenisvolle wijze te analyseren, beheren, ondervragen en verwerken. De interactie met artificiële intelligentie en machine learning is daarbij steeds een belangrijk speerpunt.

Binnen dit algemene thema doen we onderzoek naar zowel de theoretische onderbouwing als de ontwikkeling van efficiënte algoritmen en concrete systemen. We gebruiken hierbij een zeer brede interpretatie van "data" en "dataverwerking": relationele, object-georiënteerde, geometrische, geografische, temporele, en graaf-gebaseerde databases, time series en sequentiële data, data op het Web, personal data management, distributed and decentralised data, data mining, gegevensbeheer voor machine learning, machine learning voor gegevensbeheer, programma's bekeken als data, concurrency control, enz.

De groep is ook actief op aanverwante gebieden van theoretische informatica (wiskundige logica, complexiteitstheorie, algoritme), artificiële intelligentie (kennisrepresentatie) en bioinformatica, zelfs DNA computing. 

Algoritmen, Complexiteit, Concurrency control, Data Engineering, Data mining, Data op het web, Database theorie, Databasesystemen, Explainable AI en fairness , Gegevensbeheer voor machine learning (DB4ML) en machine learning voor gegevensbeheer (ML4DB), Geografische en temporele databasesystemen, Logica

Stijn VANSUMMEREN

• Liese BEKKERS
• Erik BOLLEN
• Jeroen BOLLEN
• Sebastián BUGEDO BUGEDO
• Niels BYLOIS
• larissa CAPOBIANCO SHIMOMURA
• Len FEREMANS
• Mark GERARTS
• Maxime JAKUBOWSKI
• Arthur JANSEN
• Sarah KLEEST-MEISSNER
• Bart KUIJPERS
• Heba MOHAMED
• Thomas MUNOZ SERRANO
• Frank NEVEN
• Klara PAKHOMENKO
• Dante PINTO ARAYA
• Roel SPRIMONT
• Dore STAQUET
• Juno STEEGMANS
• Olaf VAN BYLEN
• Jan VAN DEN BUSSCHE
• Brecht VANDEVOORT
• Stijn VANSUMMEREN

Publicaties

Meer info