Le Centre Big Data est basé à l’Institut d’informatique. L’Université de Neuchâtel possède les compétences multidisciplinaires nécessaires pour gérer de grandes quantités de données scientifiques qui sont utilisées dans beaucoup de domaines de la recherche. La gestion stratégique de l’information, les logiciels d’analyse des données et la gestion des problématiques de confidentialité et de chiffrement font partie de ces compétences. Le Centre Big Data coordonne, entre autres, un projet de recherche européen sur la gestion de grandes quantités de données web pour les PME.

Le groupe possède une forte expertise dans les réseaux à large échelle, avec un accent sur le cloud computing, le stockage distribué, la programmation concurrente et le traitement de données complexes. Les chercheurs du groupe développent des techniques novatrices pour l’acquisition, la transmission, le stockage et le traitement de quantités importantes de données, dans le contexte de quatre projets européens FP7 du domaine du Big Data (Velox, SRT-15, LEADS, ParaDIME), ainsi que plusieurs projets au niveau national.

• Groupe systèmes complexes
• Prof. Pascal Felber

Systèmes répartis

The strengths of the Distributed Systems group include sensor networks and data gathering with a focus on integrating energy efficient monitoring and online/realtime data analysis and data input for modelling and simulation of complex systems. Moreover, particular attention is given to long term cloud/distributed secured storage of sensor data. The group's researchers have in particular developed novel techniques to securely acquire, store and process large amounts of data through several interdisciplinary projects.

• Groupe systèmes répartis
• Prof. Peter Kropf

Exploration de données

Dans le domaine de l'exploration de données (Data Mining), l'activité de recherche se concentre principalement sur deux questions: 1) comment les algorithmes d'exploration de données peuvent bénéficier de systèmes de représentation des connaissances, et 2) comment l'efficacité des systèmes existants peut être améliorée. Une première contribution dans ce travail s'est concrétisé  dans la formalisation et l'implémentation d'un langage de représentation des connaissances assez adaptable pour être utilisée avec les outils d'extraction de données. Un système très efficace, utilisant une base de données relationnelle et un langage de requête sophistiqué a été conçu et implémenté. L'analyse principale effectuée par le système étaient l'extraction, l'indexation et le regroupement des règles de classification de haut niveau. Une deuxième contribution consiste en une analyse approfondie des critères utilisés pendant la construction d'un arbre de décision, qui a conduit à une nouvelle famille de fonctions de split avec des meilleures performances sur les grands ensembles de données que les fonctions classiques n'en ont. Enfin, troisième contribution, la formalisation d'un cadre général pour l'exploration de données temporelles, qui capture également les aspects de l'incertitude des connaissances.

Plus d'informations :

• Institut du management de l'information
• Prof. Kilian Stoffel