Computational Data Science – CDS

Obiettivi

La risoluzione di problemi delle scienze applicate e l’analisi di sistemi caratterizzati da dimensioni e complessità crescenti richiedono simulazioni computazionali sempre più accurate, efficienti ed affidabili. L’obiettivo principale del CDS-group è lo sviluppo di modelli, algoritmi e strumenti software per scoprire, comprendere e modellare fenomeni scientifici attraverso l’analisi di dati prodotti in esperimenti e test e/o attraverso la simulazione dei processi che li generano. Ciò consente di affrontare nuove sfide multidisciplinari nell’ambito dell’ICT.

 Attività di ricerca

L’attività del CDS-group si concentra sulla risoluzione di problemi reali con metodologie che includono la simulazione computazionale, la modellazione scientifica, l’analisi, l’elaborazione e la gestione di insiemi di dati complessi, eterogenei e di grandi dimensioni. Tali metodologie integrano il calcolo ad alte prestazioni e il calcolo distribuito, con competenze proprie della Computer Science, della Matematica Applicata e della Statistica. Allo stesso tempo, integrando opportunamente le metodologie del CDS-group con le conoscenze proprie di diversi domini applicativi, si fornisce una nuova e più efficace prospettiva all’analisi di problemi reali e all’interpretazione dei risultati.
Le tematiche di ricerca includono:

  • Programmazione Matematica e Machine Learning:

Ø  Tecniche di ottimizzazione per problemi non differenziabili

Ø  Modelli matematici e metodi di ottimizzazione per sistemi complessi

Ø  Metodi di Machine Learning per algoritmi di ottimizzazione

Ø  Metodi per classificazione e clustering di dati sotto forma di network

  • Image analysis and processing: analisi, progettazione e sviluppo di metodi, algoritmi e software ad alte prestazioni per l’elaborazione e l’analisi quantitativa di immagini e sequenze di immagini:

Ø  Segmentazione e ricostruzione 3D (tessuti ossei del ginocchio da MRI, proteine da stack di immagini a fluorescenza)

Ø  Individuazione, inseguimento, classificazione e lineage di oggetti in movimento in sequenze di immagini (immagini di microscopia)

Ø  Estrazione ed analisi di petroglifi in immagini archeologiche

  • Bioinformatica: sviluppo ed implementazione di metodologie per la network biology, l’analisi ed integrazione di dati omici e per l’omics imaging

 

Campi applicativi

Logistica, Trasporti, Telecomunicazioni, Robotica, Analisi ed elaborazione di video/immagini, Medicina, Biologia, Genetica, Archeologia

  • CEINGE – Biotecnologie Avanzate
  • CNR IBB, IBPM, ICB, IEOS, IGB, ISASI
  • Esaote S.p.A.
  • Fondazione IDIS – Città della Scienza
  • GNCS-INdAM
  • Istituto Nazionale Tumori – IRCCS – Fondazione G. Pascale
  • National Research University Higher School of Economics (RU)
  • Ospedale Policlinico San Martino – Genova
  • Sapienza Università di Roma
  • Università della Calabria
  • Università della Campania Luigi Vanvitelli
  • Università di Cagliari
  • Università di Cassino e del Lazio Meridionale
  • Università di Firenze
  • Università di Napoli “Federico II”
  • Università di Napoli “L’Orientale”
  • Università di Napoli Parthenope
  • Università “Magna Grecia” di Catanzaro
  • University of Florida, CAO (USA)
  • University of Sheffield (UK)

Progetti

– CNRBiOmics, Centro Nazionale di Ricerca in Bioinformatica per le scienze Omiche, https://www.cnr.it/en/node/16209, PIR01_00017.

– “CNRBiOmics, Centro Nazionale di Ricerca in Bioinformatica per le scienze Omiche – Rafforzamento del capitale umano”, CIR01_00017.

– BiBiNet: Big Biocancer Networks – Analisi di network biologici per l’identificazione di marcatori e riposizionamento di molecole attive, https://www.unicas.it/siti/dipartimenti/dipeg/ricerca/ricerca-nazionale.aspx.

– MATH4CHARM: A mathematical approach to inverse problems arising in cultural heritage preservation and dissemination, https://prin.unica.it/math4charm

 

Back To Top