Wessel Kraaij benoemd tot hoogleraar Applied Data Analytics
Wessel Kraaij is per 1 maart 2016 benoemd als hoogleraar ‘Applied Data Analytics’. Kraaij gaat grote datasets analyseren met nieuwe methoden. Met data van partijen uit verschillende data-intensieve onderzoeksdomeinen wil hij de methoden ook toetsen in de praktijk.
Aanstelling
Kraaij is benoemd bij het Leiden Centre of Data Science (LCDS). De leerstoel is ingesteld aan het Leiden Institute of Advanced Computer Science (LIACS). Kraaij is ook werkzaam bij TNO en met zijn nieuwe aanstelling bij het LCDS gaat hij een samenwerking opzetten tussen Universiteit Leiden en TNO op het gebied van Data Science.
Over Data Science
Data Science richt zich op het vergaren van kennis uit grote hoeveelheden gestructureerde en ongestructureerde data. Nu de digitalisering de traditionele manier van werken en communiceren ingrijpend heeft veranderd, worden processen in industrie en maatschappij gedataficeerd. Grote hoeveelheden (vaak real-time) gegevens worden met geautomatiseerde methoden vertaald naar data analytics. In toenemende mate leiden data analytics tot innovaties in de wetenschap, bij bedrijven, overheid en maatschappelijke organisaties. Denk bijvoorbeeld aan verbeterde diagnoses of een gepersonaliseerd gezondheidsadvies, of een voorspellend model om logistieke of industriële processen te optimaliseren.
Onderzoekservaring
Kraaij is ook werkzaam als Principal Scientist ‘data analytics’ bij TNO en sinds 2008 bijzonder hoogleraar ‘Information filtering and aggregation’ aan de Radboud Universiteit. Hij is lead scientist van het TNO Early Research Programma ‘Making Sense of Big Data’, projectleider van COMMIT/SWELL, een nationaal ICT onderzoeksproject op het gebied van quantified self data analytics voor stress interventies. Daarnaast is hij sinds 2003 wetenschappelijk co-coördinator van de wereldwijde NIST TRECVID benchmark op het gebied van video analytics.
Over LCDS
LCDS is een netwerk van onderzoekers uit verschillende wetenschappelijke disciplines, die gebruik maken van innovatieve methoden om grote databestanden te analyseren, interpreteren en visualiseren. Het doel is samenwerking tussen onderzoekers van verschillende disciplines te stimuleren en nieuwe oplossingen voor problemen in wetenschap en samenleving te ontwikkelen.