Doktoritöö „Tõhus ja efektiivne assotsiatsioonireeglite kaevandamine suurandmetel ja pilvetehnoloogial: Mitmekülgne analüüs“ („Efficient and Effective Association Rule Mining on Big Data and Cloud Technology: A Multifaceted Analysis“) autor Mahtab Shahin uurib assotsiatsioonireeglite kaevandamisalgoritmide rakendamist erinevates valdkondades, nagu tervishoid, meteoroloogia ja transport. Töös hinnatakse Apollo-ARM algoritmi jõudlust, efektiivsust ja skaleeritavust võrreldes hajutatud assotsiatsioonireeglite kaevandamistehnikatega kõrge jõudlusega arvutustehnoloogia (HPC) keskkondades.

Uurimistöö keskendub Apollo-ARM algoritmi efektiivsusele tähenduslike seoste avastamisel, mis toetavad otsuste langetamist erinevates valdkondades. Tervishoius tuvastab algoritm olulised seosed patsientide omaduste ja haiguste tulemuste vahel, aidates kaasa kliiniliste otsuste tegemisele ja isikupärastatud ravile. Meteoroloogias uurib töö kliimamuutujate vahelisi korrelatsioone, paljastades varjatud mustreid paremate ilmaprognooside ja kliimamuutuste uuringute tarbeks. Transpordivaldkonna analüüs paljastab liiklusõnnetusi mõjutavaid seoseid, aidates välja töötada andmepõhiseid strateegiaid liiklusohutuse parandamiseks.

Võrreldes Apollo-ARM-i hajutatud tehnikatega, ületas Apollo-ARM kiiruse, skaleeritavuse ja ressursside kasutamise osas, eriti piiratud arvutusressurssidega keskkondades. Kuigi hajutatud meetodid paranevad suurema arvutusvõimsuse ja sõlmede lisamisega, osutus Apollo-ARM üldiselt tõhusamaks, eriti seal, kus riistvara skaleerimine pole võimalik. Mahtab Shahin’i uurimistöö pakub väärtuslikke teadmisi assotsiatsioonireeglite kaevandamise rakendustest erinevates sektorites, näidates Apollo-ARM-i tugevat ja skaleeritavat lähenemisviisi mustrite eraldamiseks suurtest andmekogumitest.

Doktoritöö "Efficient and Effective Association Rule Mining on Big Data and Cloud Technology: A Multifaceted Analysis" on avaldatud Tehnikaülikooli raamatukogu digikogus.

Juhendajad:

• prof Dirk Draheim, Tallinna Tehnikaülikool;
• dr Tara Ghasempouri, Tallinna Tehnikaülikool;
• dr Syed Attique Shah, Birmingham City University, Suurbritannia.

Oponendid:

• prof Tania Cerquitelli, Politecnico di Torino, Itaalia;
• prof Arun Kumar Sangaiah, National Yunlin University of Science and Technology, Taiwan.

Jälgi avalikku kaitsmist zoomis

Meeting ID: 914 9209 4079
Passcode: 967603

Pärast kaitsmist, algusega kell 14:00 ruumis ICT-701, peab prof Tania Cerquitelli (Birmingham City University, Ühendkuningriik) ettekande teemal „Unsupervised Concept Drift Detection from Deep Learning Representations in Real-time“ ja algusega kell 15:00 ruumis ICT-701 peab prof Arun Kumar Sangaiah (National Yunlin University of Science and Technology, Taiwan) ettekande teemal „AI-IoT-UAV on On-Board Intelligence with Navigation Exploration on Precision Agriculture“.