Grups de recerca de la UB

Big Data & Data Science

QUI SOM

Equip

Investigador principal: Dr. Jordi Vitrià.
Col·laboradors Dr. Santi Seguí i Dr. Oriol Pujol.

Instal·lacions i equipaments

El grup té a la seva disposició un gran clúster format per més de 500 nuclis de processament al Departament de Matemàtica Aplicada i Anàlisi de la Facultat de Matemàtiques de la UB que fa possible abordar projectes amb requeriments de càlcul importants.

CONTACTE

Universitat de Barcelona. Departament de Matemàtica Aplicada i Anàlisi (MAIA), Facultat de Matemàtiques. Gran Via, 585, 08007 Barcelona.

Presentació

Data Science & Big Data treballa en dos grans àmbits:

  • Anàlisi de dades estructurades i semi-estructurades: models predictius, classificació i regressió.
  • Anàlisi de bases de dades d’imatges: agrupació, etiquetatge automàtic i cerca per contingut.

El grup forma part del Departament de Matemàtica Aplicada i Anàlisi de la Facultat de Matemàtiques de la Universitat de Barcelona (UB).

QUÈ FEM

Serveis

El grup està obert a oferir les següents modalitats de serveis:

  • Desenvolupament de projectes a mida.
  • Acompanyament de projectes. Tasques d’assessorament i seguiment de projectes de l’empresa mitjançant sessions de treball conjuntes.
  • Formació a mida. Realització de cursos intensius a empreses. Els cursos estan dissenyat com a part de la creació d’un departament o equip de ciència de dades dins d’una empresa convencional i va dirigit a persones de l’àmbit tècnic que volen reciclar-se.

PER A QUI TREBALLEM

Sectors

La ciència de dades es pot aplicar a un ampli conjunt d’àrees que inclouen l’analítica predictiva en l’àmbit de la salut, l’anàlisi de negocis, la investigació en ciències socials, el periodisme basat en dades, publicitat i màrqueting, transport intel·ligent, ciutats intel·ligents, educació, comerç minorista, les polítiques públiques, etc.

RESULTATS

Activitats de transferència

  • Anàlisi de dades bancàries per la determinació de perfils de clients.
  • Anàlisi de dades transaccionals bancàries (TPV) per a la creació de models predictius sobre el territori.
  • Anàlisi de dades dels processos d’inspecció tècnica de vehicles per a la creació d’un model predictiu d’avaries.
  • Anàlisi de la producció de notícies d’una cadena de TV per l’extracció d’informació: geolocalització de les notícies, anàlisi de sentiment de la notícia, etc.
  • Anàlisi d’una gran base de dades d’imatges (3 milions) per la creació d’un model predictiu sobre la qualitat fotogràfica.
  • Postgrau en Data Science & Big Data de la UB.

Publicacions rellevants

  • Santi Seguí, Oriol Pujol and Jordi Vitrià, Learning to count with deep object features, 2015 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Deep Visio Workshop.
  • A. Bautista, O. Pujol, F. de la Torre, S. Escalera, Error-Correcting Factorization, arXiv preprint arXiv:1502.07976, 2015.
  • Bautista, Miguel Ángel, et al. On the design of an ECOC-Compliant Genetic Algorithm. Pattern Recognition 47.2 (2014): 865-884.
  • Drozdzal, M., Segui Mesquida, S., Radeva, P., Vitria, J., Igual-munoz, L., Malagelada, C., & Azpiroz, F. (2015).  System and method for displaying motility events in an in vivo image stream. U.S. Patent No. 20,150,016,700. Washington, DC: U.S. Patent and Trademark Office.
  • S Seguí, L Igual, J Vitria, Bagged One-Class Classifiers in the Presence of Outliers, International Journal of Pattern Recognition and Artificial Intelligence 27 (05), 2014.
  • Pujol, Oriol, Petia Radeva, and Jordi Vitria. Discriminant ecoc: A heuristic method for application dependent design of error correcting output codes. Pattern Analysis and Machine Intelligence, IEEE Transactions on 28.6 (2006): 1007-1012.
Comparteix aquest post:

A la Fundació Bosch i Gimpera disposem de grups de recerca en diferents àmbits

Si vols més informació sobre un grup de recerca, posa’t en contacte amb nosaltres a través de promocio@fbg.ub.edu i t’informem.