Over ons

Consortium

Team

AI Vlaanderen

Contact

Voor het maken van beslissingen in veel industri&euml;le processen en systemen, worden er complexe randvoorwaarden opgelegd. De onderzoekslijn met de ondertitel 'Making Data Science Hybrid, Automated, Trusted and Actionable' richt zich op het maken van automatische analyses van beschikbare data, op het formuleren van bestaande expertises en op het vergaren van nieuwe kennis door machine learning. Daarbij worden uiteraard alle regels omtrent veiligheid, ethiek en privacy gerespecteerd.

ch1-structure-update.png

ch1-wp1.jpg

WP 1 bestudeert alle stappen vanaf de incorporatie van de data tot aan de generatie van gelabelde data verrijkt met eventuele bijkomende kenmerken. Binnen dit werk worden gedeeltelijk geautomatiseerde technieken bekeken voor de eventuele herformatering van data, kwaliteitsborging en -verbetering, automatische generatie van extra kenmerken en actieve leerprocessen.

WP 1 AI-assisted Data Acquisition & Preprocessing

wp2-structure.png

WP 2 focust op het gebruik van kennismodellen bij de ontwikkeling van dataverwerkingsalgoritmes en slaat op die manier de brug tussen zogenaamde 'lerende' en 'redenerende' softwaretechnieken. Ook worden nieuwe interactieve en flexibele manieren bekeken om domeinexperten toe te laten deze processen te sturen en te superviseren.

WP 2 Hybrid Models for Learning and Reasoning

storage/airesearch/ch1-wp3-update-structure.png

WP 3 draagt bij aan de (gedeeltelijke) automatisering van data-exploratietechnieken en wil een betere ondersteuning bieden aan de data-analyst om leerrijke en correcte inzichten te verkrijgen uit datasets met hoge dimensionaliteit. De schaalbaarheid, &nbsp;de (subjectieve) toepasbaarheid en de uitvoerbaarheid van de resultaten zijn daarbij belangrijk.

WP 3 AI-Assisted Data-Exploration

storage/airesearch/ch1-wp4-structure.png

WP 4 focust op de verregaande automatisering van de data-verwerkingstechnieken en bekijkt de opbouw van de ML-modellen startende van de data en de kennis gegenereerd in de vorige stappen (zie vorige WP's). Een correcte probleemanalyse, het bouwen van het ML-model en het optimaliseren van de performantie, zijn belangrijke elementen waarbij steeds rekening wordt gehouden met de interactie met de kennisexpert.

WP 4 Automation in Machine Learning

storage/airesearch/ch1-wp5-update-structure.png

WP 5 focust op de technische vereisten van een AI-oplossing zodat die betrouwbaar, ethisch verantwoord, privacy beschermend en robuust is. De drie technieken die bekeken worden zijn: verklaarbaarheid, ethics-pen-testing en het bewaren van de privacy in gefedereerde omgevingen.

WP 5 Trustworthy AI

storage/airesearch/ch1-wp6-update-structure.png

WP 6 bekijkt de implementatie van beslissingsondersteunende oplossingen en het eventueel trainen van lerende datasystemen. Het bekijkt de rol en de interactie van de eindgebruiker met de AI-oplossingen en het inbouwen van deze systemen op proces- en organisatieniveau.

WP 6 Decision Support Systems

WP 7 bekijkt volgende toepassingen in het domein van de gezondheidszorg: Single Cell Technologie&euml;n, Multiple Sclerose, Epilepsie monitoring, medische beeldverwerking en de ligduur voorspelling in ziekenhuis omgevingen.

WP 7 Use cases voor gezondheidszorg

WP 8 bekijkt volgende toepassingen in de industrie en voor de overheid &amp; de burger: de proces optimalisatie in de maakindustrie, het elektriciteitsdistributienet beheer voor thuistoepassingen, het preventief beheer van windmolenparken en de dienstverlening op het vlak van tewerkstelling.

WP 8 Use Cases voor Industrie, Energie en voor Overheid & Burgers

Werkpakketten

Management team, <a href="https://www.esat.kuleuven.be/stadius/" target="_blank" rel="noopener">KU Leuven - ESAT/STADIUS</a>

Bart de Moor

Management team, <a href="https://idlab.ugent.be/" target="_blank" rel="noopener">UGent - IDLab</a>

Piet Demeester

Ann Ackaert

Oscar Mauricio Agudelo

WP1 Lead: AI-assisted Data Acquisition and Pre-Processing, <a href="https://dtai.cs.kuleuven.be/" target="_blank" rel="noopener">KU Leuven - CS/DTAI</a>

Luc De Raedt

WP2 Lead: Integrated learning and reasoning, <a href="https://dtai.cs.kuleuven.be/" target="_blank" rel="noopener">KU Leuven - CS/DTAI</a>

Hendrik Blockeel

WP3 Lead: AI-Assisted Data Exploration, <a href="https://idlab.ugent.be/" target="_blank" rel="noopener">UGent - IDLab</a>

Tijl De Bie

WP4 Lead: Automation in machine learning, <a href="https://idlab.ugent.be/" target="_blank" rel="noopener">UGent - IDLab</a>

Tom Dhaene

WP5 Lead: Trustworthy AI, <a href="https://www.esat.kuleuven.be/stadius/" target="_blank" rel="noopener">KU Leuven - ESAT/STADIUS</a>

Yves Moreau

WP6 Lead: Decision Support Systems, <a href="https://www.esat.kuleuven.be/psi/" target="_blank" rel="noopener">KU Leuven - ESAT/PSI</a>

Matthew Blaschko

WP7 Lead: Use Cases Healthcare, <a href="https://www.dambi.ugent.be/" target="_blank" rel="noopener">UGent - VIB - DAMBI</a>

Yvan Saeys

WP8 Lead: Use Cases Industry, <a href="https://www.esat.kuleuven.be/stadius/" target="_blank" rel="noopener">KU Leuven - ESAT/STADIUS</a>

Bart De Moor

Verschillende onderzoeksgroepen werken samen in dit onderzoeksdomein. Deze lijst geeft enkel de contactpersonen weer per werkpakket.

Contactpersonen

Het maken van complexe beslissingen die betrouwbaar zijn, weinig data vereisen en gebruik maken van de kennis en de ervaring van experten door te leren en te redeneren.

We hebben tot doel om data op een betrouwbare en geautomatiseerde wijze te ontsluiten. Op die manier kunnen we complexe besluitvormingsprocessen ondersteunen en nieuwe inzichten bieden waarmee zowel individuen als de hele samenleving aan de slag kunnen. Daardoor wordt het mogelijk om grote vorderingen te maken in de gezondheidszorg, het onderwijs, industrie 4.0, energiesystemen en zoveel meer.