Hjärnaktivitet, trafikflöden, finansiella transaktioner, väder och luftföroreningar
I Mattias Villanis forskning utvecklas statistiska metoder för att effektivt kunna analysera stora datamängder. Forskningen har många viktiga användningsområden. Det behövs nya statitiska metoder för att kunna utnyttja den typ av stora datainsamling som har blivit enklare och billigare med den tekniska utvecklingen.
"Tyvärr är existerande statistiska metoder ofta utvecklade i en tid när mindre datamängder var standard, och vi upptäcker nu att de tar alldeles för lång tid vid analys av stora data. Mycket av min nuvarande forskning försöker därför lösa detta problem genom att utveckla metoder som avsevärt förkortar analystiden" förklarar Mattias.
De nya statistiska metoderna har vitt skilda användsningsområden. När hjärnaktivitet och samverkan mellan hjärnregioner ska analyseras från 3D bilddata från s k fMRI scanners, kommer de nya metoderna till användning. Men även när trafikflöden för bilar och kollektivtrafik ska analyseras och förutsägas, eller för analys av högfrekventa finansiella transaktioner. Det blir också lättare att göra prediktion av väder och luftföroreningar.
Tekniskt genombrott med stora mängder data
Mattias Villani har under senare år arbetat med att utveckla statistiska metoder för problem med stora datamängder. "Mycket data är naturligtvis fantastiskt trevligt för oss statistiker, och kan bl a användas för att lösa utmanande vetenskapliga problem", säger Mattias. Det är också stora datamängder som lett till de genombrott vi sett i artificiell intelligens under senare år.
Mäta data i tid och rum
Under tre år pågår nu Mattias Villanis forskningsprojekt med finansiering från Vetenskapsrådet om 3,3 mkr på tre år. Projektet är speciellt inriktat mot data som mäts i både tid och rum, s k spatiotemporala data. Det är en allt vanligare form av data eftersom mätningar ofta samlas ni över tid och även innehåller platsinformation via GPS. Ett konkret exempel är hur våra mobiltelefoner kontinuerligt samlar in information som geotaggas med rumsliga koordinater från GPS. Spatiotemporala data är oftast mycket stora datamängder. I projektet utvecklas statistiska modeller och inferensmetoder i den s k frekvensdomänen. Frekvensanalys kan sägas leta efter regelbundenheter i data över tid och rum, och har vissa egenskaper som gör dem speciellt lämpade för tidseffektiva beräkningar.
Här kan du läsa mer om professor Mattias Villani och hans forskning