پیش‌بینی و مدل‌سازی علمی

توسعه مدل‌های پیش‌بینی و محاسباتی برای متغیرها، فرایندها و خروجی‌های علمی.

مدل‌ها می‌توانند از روش‌های آماری، یادگیری ماشین، رگرسیون، طبقه‌بندی، سری زمانی یا روش‌های محاسباتی تخصصی استفاده کنند.

کاربردها شامل پیش‌بینی محیطی، مدل‌سازی زیستی، پیش‌بینی ویژگی‌های شیمیایی، علوم اعصاب و مسائل مهندسی 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.