Over ons onderzoek
Onderzoeksinstituut
De masterspecialisatie Data Science wordt aangeboden in nauwe samenwerking met het Institute for Computing and Information Sciences (iCIS), en vooral door de afdeling Data Science. Het overkoepelende doel van iCIS is om de veiligheid en betrouwbaarheid van op computers gebaseerde systemen en algoritmes te verbeteren op basis van wiskundig onderbouwde theorieën. iCIS kijkt verder dan het eigen vakgebied en integreert knowhow met andere disciplines zoals recht, geneeskunde en neurowetenschappen. Met deze aanpak is iCIS niet alleen relevant in onderzoek, maar pakt het ook de maatschappelijke uitdagingen van IT aan.
Institute for Computing and Information Sciences (iCIS)
Onderzoeksafdeling
De Data Science afdeling heeft een sterke internationale reputatie op gebieden zoals machine learning, probabilistische modellering en information retrieval. Onze ambitie is om principiële, theoretisch onderbouwde benaderingen te ontwikkelen voor de analyse van complexe gegevens. Ons onderzoek wordt geleid door problemen en datasets uit de echte wereld. We werken nauw samen met de eigenaars van de gegevens, om zo hun data en domeinkennis om te zetten in nieuwe inzichten en tools op basis van onze software en algoritmen.
Student projecten
Een groot deel van deze master is gericht op onderzoek. Omdat datavragen een rol spelen in veel verschillende onderzoeksgebieden, heb je tijdens je master een breed scala aan onderzoeksgroepen om mee te werken. Je kunt denken aan astronomie, deeltjesfysica, chemometrie, neurowetenschappen en bioinformatica. Voorbeelden van studentprojecten zijn:
Fold2vec: eiwitstructuur-embedding voor deep learning
De structuur van eiwitten bepaalt in grote mate hun functie en activiteit in de cel. De onlangs geïntroduceerde AlphaFold2 deep learning eiwitstructuurpredictor leidde tot een enorme toename van het aantal en de kwaliteit van beschikbare eiwitten. Dit vraagt om nieuwe methoden om met eiwitstructuren te werken, met name op basis van deep learning. In dit project onderzoeken we de uitbreiding van een eiwitstructuur-embeddingmethode met als doel om (1) de resolutie te verhogen en (2) rekening te houden met onzekerheden die worden gegenereerd in eiwitstructuurvoorspellingen in structuurgebaseerd deep learning.
Voorspellen/verbeteren van halfgeleiderproductie bij NXP Nijmegen
De ontwikkeling van halfgeleiders is complex en uitdagend; het heeft een lange productietijd (tot 4 maanden), de faciliteit bevat veel complexe tools en tijdens de productie wordt een enorme hoeveelheid data gegenereerd. In onze big data analyse hebben we een Big Data-cluster (Hadoop) gebouwd met meer dan 400 miljard productiekwaliteitsrecords. In dit project willen we onderzoeken of we de productieopbrengst kunnen verhogen door productieparameters aan te passen.
Kennis over het klimaat en extreme weersomstandigheden uit het verleden is een essentieel onderdeel van het begrijpen van toekomstige klimaatverandering en -variabiliteit. Klimaatgegevens van vroeger staan opgeslagen in papieren archieven die handmatig gedigitaliseerd worden, wat een kostbare en tijdrovende klus is. Met de recente ontwikkelingen in AI/ML rijst de vraag of dit proces kan worden geautomatiseerd. Dit project zal zich richten op het verbeteren van Tabular Structure Recognition (TSR), dat kan helpen locaties van cellen en koppen te extraheren in foto's van historische gegevens. Dit project zal worden uitgevoerd in samenwerking met het KNMI (Koninklijk Nederlands Meteorologisch Instituut).
Onderzoeksprojecten
Benieuwd waar onze onderzoekers aan werken? Bekijk de lopende onderzoeksprojecten.
-
Wat is de invloed van kabeltemperatuur op de mogelijke belasting van een kabel?
Om de invloed van temperatuur (denk aan warmtepompen en airconditioning) op de mogelijke belasting van het elektriciteitsnet te onderzoeken kijken we naar causaliteit in tijdreeksen van belastingsgegevens van het netwerk.
-
Improved Pulse Program
In dit project werken onderzoekers aan de doorontwikkeling van het PULSE Program van Alliander. Hiermee dragen ze bij aan het verbeteren van het dagelijks netwerkbeheer en het toekomstbestendig maken van het stroomnet.
-
AI en Simulaties voor het Decoderen van de Spatiotemporele Dynamiek van Immuunreacties
Met microscopen kunnen wetenschappers celbewegingen filmen. Dit project werkt aan de ontwikkeling van AI om de analyse van video's van celbewegingen te verbeteren.
Onderzoeksfaciliteiten
New Devices of the Future Lab
In ons New Devices of the Future Lab experimenteren studenten en personeel met nieuwe apparaten zoals smart glasses (bijv. Google Glass), smartwatches, hersen-computerinterfaces, quadcopters en 3D-printers. Dit laboratorium biedt volop mogelijkheden voor studenten Data Science om interessante, niet-triviale sensorgegevens te analyseren.