Small Big Data

Tytuł projektu:

Opracowanie nowatorskich metod tworzenia podsumowań bardzo dużych zbiorów danych w celu poprawy efektywności algorytmów uczenia maszynowego dla problemów wielkiej skali

Numer wniosku: POIR.01.01.01-00-0570/19
Wartość projektu: 11 484 818,46 zł
Dotacja: 8 269 944.49 zł
Beneficjent: Small Big Data Sp. z o. o.
Czas trwania projektu: 2020-03-01 – 2022-10-31
Projekt realizowany w ramach: Działania 1.1 Poddziałania 1.1.1 Programu Operacyjnego Inteligentny Rozwój 2014-2020 współfinansowanego ze środków Europejskiego Funduszu Rozwoju Regionalnego

Cel projektu: Celem projektu jest opracowanie oprogramowania wspierającego innowacyjne podejście do kompresji bardzo dużych, szybko rosnących zbiorów danych, wraz z nowymi wersjami znanych algorytmów uczenia maszynowego (zwanych dalej algorytmami lub metodami AI-ML), działającymi bezpośrednio na uprzednio skompresowanych (podsumowanych, granulowanych) danych, wielokrotnie szybciej niż odpowiedniki tych algorytmów działałyby na oryginalnych danych. W celu wypracowania rozwiązania jak najlepiej odpowiadającego potrzebom rynku, w toku projektu planowana jest współpraca z organizacjami komercyjnymi, polegająca na badaniu działania opracowanych algorytmów na konkretnych zbiorach danych, będących emanacją rzeczywistych problemów tych organizacji. W wyniku takiego działania możliwe będzie z jednej strony zoptymalizowanie opracowanych algorytmów pod kątem konkretnych problemów biznesowych i technologicznych, a z drugiej – stworzenie najbardziej ogólnych algorytmów sprawdzających się we wszelkiego rodzaju problemach.
Prace badawczo-rozwojowe w ramach projektu będą polegały przede wszystkim na opracowaniu efektywnych algorytmów podsumowujących dane, a także efektywnych implementacji metod AI-ML, które mogą pracować na takich podsumowaniach.
Rezultat naszego projektu będzie skierowany do firm, które poniosły bardzo duże inwestycje w zarządzanie i przetwarzanie danych, a które rozważają lub wdrażają inicjatywy AI-ML. Będą to firmy, dla których kluczową funkcjonalnością infrastruktury IT i narzędzi, z których korzystają, jest możliwość szybkiego obliczania / przeliczania modeli predykcyjnych itp.