Om forskningsgruppen

• Forskningsområder

  Gruppemedlemmene har bakgrunn fra etablerte lokale fagmiljøer innen datavitenskap, statistikk og kjemometri, med viktige bidrag på utvikling og anvendelser av multivariate analysemetoder. Dataanalyser knyttet til næringsmidler, avlsdata, ikke-destruktive hurtigmålinger, klassifikasjon av mikroorganismer og medisinsk diagnostikk er blant våre anvendelser. Datagrunnlagene kan være basert på spektroskopi, genotyping, kromatografi, reologi, 2D- og 3D bildedata, lidar, mm.

  Gruppa har fokus på utvikling, effektivisering og anvendelser av multivariate metoder for prediksjon og analyser fra data med svært mange forklaringsvariabler.

  Vi har som en uttrykt ambisjon å bidra til utvikling av slagkraftig analysemetodikk for anvendelser knyttet til prosjekter i relevante forskningsmiljøer på hele Campus Ås.

• Publikasjoner

  Ulf G. Indahl	Cristin, ResearchGate, Google Scholar
  Kristian H. Liland	Cristin, ResearchGate, Google Scholar
  Oliver Tomic	Cristin, ResearchGate, Google Scholar
  Tormod Næs	Cristin, ResearchGate, Google Scholar

• Prosjekter

  • Machine Learning (Postdoc): Research and course development on highly multivariate and time dependent data
  • Data driven approach for prediction of power flexibility

• Emneutvikling

  Emneporteføljen utviklet av medlemmer i forskningsgruppa siden 2015:

  • INF100 – Prinsipper i informasjonsbehandling
  • IND320 - Data til beslutning
  • MATH-INF110 (nå DAT110) – Innføring i dataanalyse og -visualisering
  • MATH310
  • MATH280 – Anvendt lineær algebra
  • DAT200 – Anvendt maskinlæring
  • DAT300 – Anvendt dyplæring
  • DAT320 – Analyse av sekvensielle data og tidsseriedata
  • DAT350 – Anvendt helsedatavitenskap og medisinsk fysikk
  • MLA210 – Maskinlæring med eksempler fra teknologi og finans
  • MLA310 – Matrisemetoder for Dataanalyse og Maskinlæring

• Medlemmer

  Eksterne medlemmer

  Tormod Næs

  Nofima

  Send e-post