Γραφικές τεχνικές επεξεργασίας έξυπνων δεδομένων και οπτικοποίηση

Οι νέες επιστημονικές τάσεις στις μέρες μας παγκοσμίως είναι το Internet of Things (IoT), o μεγάλος όγκος δεδομένών (Big Data), το cloud computing, η τεχνητή νοημοσύνη (Artificial Intelligence - AI) και άλλες τεχνολογίες νέας γενιάς. Όλα αυτά παράγουν μεγάλο όγκο από διάφορα δεδομένα που μπορεί να είναι δομημένα, ημι-δομημένα και μη από πολλαπλές πηγές. Τα μοντέλα και οι αλγόριθμοι ανάλυσης μεγάλων δεδομένων μπορούν να τρέξουν για να οργανώσουν, να αναλύσουν και να παράγουν αυτά τα ακατέργαστα δεδομένα, για να αποκτήσουν πολύτιμη και στοχευμένη γνώση. Αυτά τα δεδομένα όταν οπτικοποιηθούν σε γραφικά περιβάλλοντα μπορούν να παρέχουν διαφορετικές πληροφορίες με τη χρήση ορισμένων φίλτρων. Τα δεδομένα οπτικοποίησης επιτρέπουν στους χρήστες και στις επιχειρήσεις να συνδυάζουν πηγές δεδομένων για να δημιουργήσουν προσαρμοσμένες αναλύσεις.

Η επεξεργασία και οπτικοποίηση δεδομένων περιλαμβάνει αξιοποίηση δεδομένων (data mining), τη συλλογή δεδομένων διαφόρων τύπων, δομημένων ή μη, καθώς και τις τεχνικές αναπαράστασής τους που βασίζονται στη γνώση για τη μετατροπή των πρωτογενών δεδομένων σε έξυπνα δεδομένα. Ένα ψηφιακό δίδυμο (Digital Twin) είναι μια εικονική αναπαράσταση ενός αντικειμένου ή συστήματος που εκτείνεται στον κύκλο ζωής του, ενημερώνεται από δεδομένα σε πραγματικό χρόνο και χρησιμοποιεί προσομοίωση, μηχανική μάθηση για να βοηθήσει στη λήψη αποφάσεων. Επίσης, τα Serious Games είναι “παιχνίδια” των οποίων ο πρωταρχικός στόχος δεν είναι η διασκέδαση ή η ψυχαγωγία, αλλά η εκμάθηση, η εξάσκηση μιας δεξιότητας. Ο σκοπός τους είναι για εκπαίδευση σε καταστάσεις έκτακτης ανάγκης, εκπαίδευση ομάδας πωλήσεων, διδασκαλία ή και εξάσκηση.

Η παραπάνω περιγραφή έχει μελετηθεί και αναλυθεί ώστε να χρησιμοποιηθούν αυτές οι τεχνικές με διαφορετικό τρόπο δίνοντας λύσεις σε ευρύτερα προβλήματα στον κόσμο των δεδομένων.

Επιπλέον, αυτά τα ανοιχτά ερευνητικά θέματα και στόχος αυτής της μελέτης είναι μέρος του ευρωπαϊκού προγράμματος EU HORIZON-2020 Twinning Project που ονομάζεται DESTINI (Smart Data Processing and Systems of Deep Insight). Ένας από τους στόχους αυτού του έργου είναι να εντοπίσει και να παραθέσει τα πιο σημαντικά ερευνητικά ευρήματα, προκλήσεις και ανοιχτά προβλήματα σε τομείς Έξυπνης Επεξεργασίας Δεδομένων και Συστημάτων Deep Insight.

Το DESTINI περιστρέφεται γύρω από τρεις Κοινές Ερευνητικές Δραστηριότητες όπου ονομάζονται σε συντομία JRAs:

  • Έξυπνα συστήματα επεξεργασίας δεδομένων:

Αυτό το JRA περιλαμβάνει συλλογή δεδομένων, επεξεργάσια δεδομένων μιας τεράστιας ποικιλίας δομημένων, μη δομημένων και ημι-δομημένων συνόλων δεδομένων, τεχνικές αναπαράστασης που βασίζονται στη γνώση για τη μετατροπή ακατέργαστων δεδομένων σε έξυπνα δεδομένα και στην προστασία δεδομένων, στην αυτοματοποιημένη ανάπτυξη, στην παρακολούθηση απόδοσης λογισμικού σε χρόνο εκτέλεσης και στην διαμόρφωση αυτών των δεδομένων. Αυτό το JRA εστιάζει στον πρώτο στόχο της μελέτης που αφορά την επεξεργασία δομημένων και μη δομημένων δεδομένων. Το τελικό στάδιο αυτής της επεξεργασίας είναι η αναπαράσταση των δεδομένων και με τεχνικές οπτικοποίησης τα δεδομένα μας μετατρέπονται σε έξυπνα δεδομένα.

 

  • Systems of Deep Insight:

Αυτό το JRA εστιάζει σε αναλυτικές λύσεις που επιτρέπουν τη βελτιστοποίηση της απόδοσης στοιχείων σε έξυπνα συστήματα επεξεργασίας δεδομένων. Αυτά είναι συστήματα που μετατρέπουν τα δεδομένα σε γνώσεις, δοκιμάζουν συστηματικά τις πληροφορίες και βρίσκουν εκείνα τα δεδομένα που έχουν σημασία. Αυτό το JRA στοχεύει σε αυτήν τη μελέτη σχετικά με το πώς μπορώ να χρησιμοποιήσω τα έξυπνα δεδομένα που προέκυψαν μετά την έξυπνη επεξεργασία δεδομένων (JRA1) και πώς μπορούμε να αποκτήσουμε χρήσιμα και ουσιαστικά δεδομένα σε πληροφορίες και γνώσεις δεδομένων που λαμβάνουμε από την έξυπνη αναπαράσταση δεδομένων.

 

  • Μεθοδολογία για Έξυπνες Υπηρεσίες & Εφαρμογές με επίκεντρο τα Δεδομένα: Αυτό το JRA στοχεύει σε τεχνικές ανάπτυξης έξυπνων εφαρμογών παρέχοντας μια μεθοδολογία που συνδυάζει στοιχεία έξυπνης επεξεργασίας δεδομένων και συστήματα εξελιγμένης γνώσης για να αναγνωρίζει την πολυπλοκότητα και τις επιπτώσεις των αλλαγών, επιταχύνοντας έτσι την ανάπτυξη του λογισμικού /διαδικασίας ανάπτυξης έξυπνων εφαρμογών σε τομείς προτεραιότητας. Αυτό το JRA είναι η τελική εφαρμογή / υλοποίηση που προκύπτει από την έξυπνη επεξεργασία δεδομένων (JRA1) και τα συστήματα εξελιγμένης γνώσης (JRA2). Τώρα μπορούμε να έχουμε πρόσβαση στα δομημένα και στα μη δομημένα δεδομένα που μετατρέπονται σε έξυπνα δεδομένα και με την τεχνική της έξυπνης οπτικοποίησης μπορούμε να αναλύσουμε και να πάρουμε όλα τα σημαντικά δεδομένα που μας ενδιαφέρουν. Όλα αυτά είναι η τελική αρχιτεκτονική και εφαρμογή που θα προκύψει από αυτή τη μελέτη.

Επιπρόσθετα, αυτή η μελέτη εστιάζει στην έξυπνη επεξεργασία και ανάλυση δεδομένων όπου οι προτεινόμενες ερευνητικές δραστηριότητες στοχεύουν στην παροχή μεθόδων, αλγορίθμων ή πλαισίων (frameworks) με στόχο την αντιμετώπιση των προκλήσεων που περιγράφονται πιο πάνω και την εύρεση αποτελεσματικών λύσεων. Η οπτική ανάλυση είναι μια διαδικασία που περιλαμβάνει συλλογή πληροφοριών, προεπεξεργασία δεδομένων, αναπαράσταση των δεδομένων, αλληλεπίδραση και λήψη αποφάσεων. Ο στόχος είναι ο άνθρωπος σε συνδυασμό με τις μηχανές να επεξεργάζονται έξυπνα και να αναλύουν δεδομένα που καταλήγουν σε σημασιολογική ανάλυση δεδομένων, προγνωστική ανάλυση και λήψη αποφάσεων.

Αυτός ο επιστημονικός τομέας έχει αρκετές αδυναμίες, όπως έλλειψη εργαλείων υποστήριξης, δυσκολία ενσωμάτωσης υπαρχόντων εργαλείων, πλήρη απουσία ή αδυναμία υφιστάμενων μεθόδων λήψης αποφάσεων κ.λ.π. Οι περισσότερες προσεγγίσεις δεν παρέχουν επικύρωση και απόδειξη της ωριμότητάς τους, και αυτό είναι ένα σημαντικό ανοιχτό ερευνητικό ερώτημα.

Με την ιδέα του ψηφιακού δίδυμου που είναι μια εικονική αναπαράσταση ενός αντικειμένου ή συστήματος μπορεί να βοηθήσει στην προσομοίωση, στην οπτικοποίηση δεδομένων και στη λήψη αποφάσεων. Τέλος, τα Serious Games σε αυτήν την ερευνητική πρόταση μπορούν να εκπαιδεύσουν και να βελτιώσουν τις δεξιότητες μιας ομάδας σε πραγματικά προβλήματα σε γραφικό περιβάλλον και δίνουν στους χρήστες τη γνώση να χρησιμοποιήσουν τα προτεινόμενα εργαλεία έξυπνης ανάλυσης δεδομένων.

 

Σπύρος Λοίζου

Υποψήφιος Διδακτορικός στο Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικης της σχολής Μηχανικής και Τεχνολογίας

© 2024 EDON. All Rights Reserved.