هوش مصنوعی برای تحلیل داده‌های علمی

توسعه جریان‌های تحلیلی که از یادگیری ماشین و هوش مصنوعی برای شناسایی الگوها، طبقه‌بندی مشاهدات و استخراج اطلاعات از داده‌های علمی استفاده می‌کنند.

این فعالیت می‌تواند پیش‌پردازش، تحلیل اکتشافی، استخراج ویژگی، یادگیری نظارت‌شده و بدون‌نظارت، ارزیابی و تفسیر را شامل شود.

این روش برای داده‌های آزمایشگاهی، زیستی، محیطی، تصویری، سیگنال‌ها و سایر داده‌های علمی قابل استفاده است.

روش پیاده‌سازی بر اساس داده‌های موجود، محدودیت‌های فنی، میزان اتوماسیون مورد نیاز و زیرساخت نرم‌افزاری یا پژوهشی پروژه انتخاب می‌شود. راهکار می‌تواند به‌صورت یک جزء مستقل یا درون یک سامانه بزرگ‌تر پیاده‌سازی شود.

هدف، ایجاد یک جریان محاسباتی روشن و قابل ارزیابی است که بتوان آن را در ادامه نگهداری، توسعه و با نیازهای جدید پروژه تطبیق داد. بنابراین انتخاب مدل، پردازش داده، رابط‌ها و روش استقرار بر اساس مسئله واقعی پروژه تعیین می‌شود.