11,7 millioner kroner til to forskere på Institut for Datalogi

Ira Assent og Peyman Afshani, begge lektorer på Institut for Datalogi på Aarhus Universitet, er tilsammen blevet tildelt 11,7 millioner kroner fra Det Frie Forskningsråd.

 

De to forskningsprojekter på Institut for Datalogi er blandt de mere end 200 nye forskningsprojekter for en samlet sum af 633 millioner kroner, som Det Frie Forskningsråd finansierer i 2017. Forskningsprojekterne skal være med til at igangsætte banebrydende forskning over hele landet med betydning for samfund og erhverv.

Tillykke til Ira Assent og Peyman Afshani som hver modtager DKK 5.8 millioner til deres forskning.

IRA ASSENT

Data Science on the Desktop
Det Frie Forskningsråd | Teknologi og Produktion

DKK 5.867.899

Projektbeskrivelse: Data Science genererer ny viden ud fra den data, som hver dag bliver produceret når vi bruger sociale netværk, søger på nettet eller bruger digitale løsninger på job eller i fritiden. En vigtig del af data science er data mining algortimer, som finder mønstre i data og hjælper os med at forstå vores digitale verden. Målet med forskningsprojektet er at gøre data mining egnet til store datamængder i praksis på helt almindelige computere. Projektet beskriver principper for effektiv data mining, konstruerer prototyper af data mining algoritmer og udbreder data science ved at fjerne krav om dyre investeringer i specialiseret hardware.

PEYMAN AFSHANI

Modern Challenges in Geometric Data Structures
Det Frie Forskningsråd | Natur og Univers

DKK 5.832.559

Projektbeskrivelse: Computational geometri er et forskningsområde inden for datalogi, der omhandler håndtering af geometriske data. Det er data fra kilder såsom geografiske informationssystemer, robotter, computergrafik, abstrakte data fra databaser samt tekstdata. Da samfundets afhængighed af digitale systemer vokser i disse år, bliver det stadig vigtigere for geometriske algoritmer at holde øje med den stigende mængde af data samt mangfoldigheden af data.

Forskningsprojektet behandler de problemer, der stammer fra øget datadiversitet og volumen inden for rammerne af geometriske datastrukturer. Det er blandt andet håndtering af komplekse forespørgsler på data og håndtering af flere datasæt.