Data science metoder
Gruppen - Data science metoder
Gruppen fokuserer på at understøtte grupperne ”Klinisk AI” og ”Bioinformatik og biostatistik” med metodologisk udvikling af maskinlæringsalgoritmer til data korreleret i tid og rum, datafusion og datasyntetisering.
Maskinlæringsmetoder til data korreleret i tid og rum
Vi arbejder på at tilpasse ideer fra generaliserede lineære mixed modeller til maskinlæringsalgoritmer for at tage højde for sundhedsdata, der er korreleret i tid og rum for at øge effektiviteten af prædiktive modeller og algoritmer til unsupervised clustering algoritmer.
Algoritmiske og teoretiske egenskaber ved datafusion
Forskellige datamodaliteter kan have forskellige optimale maskinlæringsmetoder til prædiktive formål. Vi arbejder på de algoritmiske og teoretiske egenskaber ved at fusionere forskellige maskinlæringsalgoritmer.
Metodologisk udvikling af datasynteringsmetoder
Vi arbejder på Bayesianske metoder til at vurdere datasynteringsmetodernes evne til at beskytte privatlivets fred. Formålet med dette er at bygge bro mellem abstrakt matematik og lovgivningen, således at metoderne er i overensstemmelse med Databeskyttelsesforordningen.