Creazione di valore per imprese e società con la gestione e l’analisi di Big Data

Le sfide poste oggi dai Big Data sono molteplici: dalla raccolta e il miglioramento delle tecniche di memorizzazione, alla definizione di tecniche analitiche robuste, scalabili e con alte prestazioni per l’elaborazione di moli di dati sempre crescenti. Al contempo, il rumore, spesso presente nei dati, induce a svolgere anche un’attività di indagine e ricerca sulla definizione, sviluppo, e testing di tecniche analitiche che siano in grado di trattare incertezza. Nel tempo si sono combinati approcci dichiarativi, anche basati sulla logica, con la teoria della probabilità, proprio per rappresentare e ragionare con conoscenza incerta. Questa combinazione è stata particolarmente utile per analizzare i dati perché le tendenze, i modelli e gli schemi non sono mai veri in assoluto nei dati, ma con una certa probabilità. Per questo si è sviluppata l’area della Programmazione Logica Induttiva Probabilistica, dove si apprendono, in modo automatico, regole logiche a partire dai dati, a ciascuna delle quali è associato un valore di probabilità ancora determinato partendo dai dati. La scoperta di modelli, anche probabilistici, da grandi moli di dati ha richiesto una revisione degli approcci analitici e di apprendimento automatico utilizzati sino a oggi, estendendoli a versioni parallele (l’approccio Map-Reduce appare in questo senso promettente), e sperimentandoli in applicazioni reali ove la raccolta dati sia già avviata o facilmente realizzabile mediante adeguate infrastrutture software.

Il contributo è stato relativo allo sviluppo, testing e sperimentazione di tecniche analitiche per l’estrazione di modelli probabilistici da grandi moli di dati, e si è integrato con quello degli altri partner progettuali relativi a tecniche statistiche e matematiche.