Ключевой целью Центра является разработка новых технологий хранения и анализа больших данных мирового уровня, востребованных на высокотехнологичных рынках Национальной технологической инициативы, и формирование на основе прорывных результатов, получаемых в ходе фундаментальных исследований Центра, научно-технического задела для создания перспективных технологий больших данных.
В 2018 году в рамках научной деятельности Центра начата реализация основных комплексных научно-исследовательских и опытно-конструкторских проектов.
Были разработаны следующие 22 комплекта учебно-методических материалов по новым и существенно модернизированным базовым курсам лекций:
1. Анализ временных рядов; 2. Интеллектуальный анализ данных; 3. Принципы построения вероятностных моделей в задачах анализа больших данных; 4. Статистический анализ больших выборок; 5. Методы оптимизации в задачах машинного обучения; 6. Статистика больших данных; 7. Анализ риска; 8. Прикладной многомерный статистический анализ; 9. Современные методы распределенного хранения и обработки данных; 10. Технологии распределенного хранения и обработки данных; 11. Базы данных – теория, практика, перспективы: от сложных структур к большим данным; 12. Объектно-ориентированное моделирование систем обработки больших данных; 13. Пакеты прикладных программ для статистической обработки и анализа данных; 14. Суперкомпьютерное моделирование и технологии; 15. Современные методы анализа и обработки сигналов и изображений; 16. Анализ больших текстовых данных и информационный поиск; 17. Основы теории нечетких множеств и измерения нечеткости; 18. Прикладные задачи анализа данных; 19. Методы обработки и распознавания изображений; 20. Интеллектуальные методы обработки видео; 21. Прикладные задачи теории случайных процессов; 22. Цифровая экономика.
По направлению развития инфраструктуры ЦХАБД в 2018 году обеспечены:
В рамках развития партнерских отношений по итогам 2018 года в консорциум вошли 25 организаций-участников.
Консорциум построен на основе представительства организаций разных типов (академических, образовательных, коммерческих, государственных и некоммерческих) с целью учета и гармонизации интересов различных сторон, заинтересованных в формировании, использовании и коммерциализации результатов деятельности Центра.
По состоянию на май/июнь 2019 года в консорциум входят 28 организаций различных типов.
Ниже описаны ключевые научные и/или научно-технические проекты.
Проект связан с исследованием и оптимизацией алгоритмов анализа данных для задач предиктивной аналитики. Основная цель проекта – создание платформы по предиктивной аналитике технических систем для предсказания возможных аварий и поломок и проведения предиктивного ремонта, что в целом приведет к увеличению срока службы оборудования. Основные трудности связаны с тем, что, во-первых, собираемые с устройств данные разнообразны и уникальны для каждого типа оборудования, во-вторых, каждый тип данных (в т.ч. их особенности) оптимальным образом обрабатываются различными алгоритмами, что не позволяет применить универсальный алгоритм. Для преодоления существующих трудностей планируется исследование выбора оптимальных алгоритмов для каждого типа данных и их особенностей. Данная технология является сквозной и может быть применена для всех рынков НТИ в целях реализации других НИР.
Реализация проекта направлена на создание высокотехнологичного программно-аппаратного комплекса (в его основе лежит подход тестирования методом «черного ящика» (фаззинг) динамических приложений, с обратной связью по коду для оценки покрытия кода примерами, т. н. coverage guided fuzzing) для решения задачи автоматического непрерывного обнаружения уязвимостей в веб-приложениях. Технологии автоматического поиска уязвимостей веб-приложений, как правило, связаны с задачами анализа больших объемов кода современных приложений и поиска отклонений. Одним из главных технологических барьеров, на решение которого направлен разрабатываемый продукт, является возможность автоматического обнаружения уязвимостей в веб-приложениях с большими объемами программного кода.
Целью проекта является разработка наукоемкого программного комплекса, обеспечивающего создание систем поддержки принятия врачебных решений в персонализированной медицине по наиболее критичным нозологиям на основе анализа больших данных, получаемых при использовании облачных и телемедицинских технологий в целях автоматизированной диагностики медицинских диагностических изображений.
Данный проект напрямую связан со всеми остальными, так как в последнее время анализ текста привлекает все больше внимания в различных областях, таких как безопасность, коммерция, наука и экология. Непрерывное накопление текстовых данных и активный рост рынка больших данных делают необходимым разработку методов интеллектуального анализа текстов для обеспечения эффективной работы с большими объемами текстов.
Проект направлен на совершенствование методов, алгоритмов и программных средств интеллектуального анализа данных (ИАД). Сложность и разнообразие методов ИАД требуют создания специализированных инструментов для конечного пользователя, с помощью которых будет решена поставленная задача. Основные цели в рамках данного направления: развитие и создание новых методов и алгоритмов анализа структурированных и неструктурированных данных; разработка программных средств обработки распределенных данных больших объемов; применение созданных средств при решении прикладных задач.
Разработки по данному направлению будут использованы во многих проектах, связанных с большими данными, для сбора и анализа которых необходимо емкое и надежное хранилище, отвечающее современным стандартам скорости записи и обработки информации.
Проект направлен на разработку и реализацию комплексной системы мониторинга процессов развития и использования технологий хранения и анализа больших данных в Российской Федерации. Эта система может широко использоваться на практике государством, корпоративными клиентами и научно-образовательным сообществом.
Количество собираемых больших экологических данных и интерес к сфере со стороны ученых являются причинами динамичного развития рынка охраны окружающей среды. Данный проект направлен на разработку методов и алгоритмов интеллектуального анализа больших данных применительно к задачам экологии и охраны окружающей среды. Разработанные методы и алгоритмы анализа больших данных найдут применение в эколого-аналитических центрах для увеличения точности прогнозов и более эффективного сбора и анализа информации о состоянии экологии на планете.
Центр имеет задел по тематике хранения и анализа больших данных в части образовательного направления. Например, с 2015 года осуществляется подготовка магистров по авторской магистерской программе «Интеллектуальный анализ больших данных», проводятся курсы на межфакультетской кафедре «Математического моделирования и компьютерных исследований», а также на кафедре Вычислительной математики: «Теоретические основы информатики», «Основы программной инженерии», «Введение в теорию распределенных информационных систем», «Математическое обеспечение высокопроизводительных вычислений», «Формальные модели представления и обработки знаний» и др.
Ключевой этап развития образовательной деятельности Центра – создание образовательной платформы с целью обеспечения комплексной поддержки очного и дистанционного профессионального обучения, а также повышения квалификации в области технологий хранения и анализа больших данных. Создание обновленной образовательной платформы планируется на базе существующих магистерских программ, специализированных курсов и лабораторных практикумов.
В рамках создаваемой образовательной платформы предполагается разработка курсов лекций по следующим четырем направлениям:
Предполагаемые направления подготовки, в рамках которых планируется образовательная деятельность Центра:
1. Анализ временных рядов; 2. Интеллектуальный анализ данных; 3. Принципы построения вероятностных моделей в задачах анализа больших данных; 4. Статистический анализ больших выборок; 5. Методы оптимизации в задачах машинного обучения; 6. Статистика больших данных; 7. Анализ риска; 8. Прикладной многомерный статистический анализ 9. Современные методы распределенного хранения и обработки данных; 10. Технологии распределенного хранения и обработки данных; 11. Базы данных – теория, практика, перспективы: от сложных структур к большим данным; 12. Объектно-ориентированное моделирование систем обработки больших данных; 13. Пакеты прикладных программ для статистической обработки и анализа данных; 14. Суперкомпьютерное моделирование и технологии; 15. Современные методы анализа и обработки сигналов и изображений; 16. Анализ больших текстовых данных и информационный поиск; 17. Основы теории нечетких множеств и измерения нечеткости; 18. Прикладные задачи анализа данных; 19. Методы обработки и распознавания изображений; 20. Интеллектуальные методы обработки видео; 21. Прикладные задачи теории случайных процессов; 22. Цифровая экономика.
Адрес: 119192, г. Москва, Ломоносовский проспект, д. 27, корп. 1, офисы Е801 – Е804, А818 Тел.: +7 (495) 938-25-72 info@digital.msu.ru