Antall åpne og tilgjengelige datakilder øker eksplosivt, noe som gir store mengder tilgjengelig informasjon med en stadig større kompleksitet. Digitalisering handler om å automatisere og forenkle bruk av data.
NILU har lang erfaring med håndtering av komplekse datastrukturer, herunder datainnsamling, lagring og visualisering. Dette gir oss evne til å utnytte avanserte og skalerbare systemer samt maskinlæringsteknologi til å automatisere prosesser og generere ny kunnskap, som igjen setter NILU i stand til å tilby innovative datatjenester. Det nyeste innen fagfeltet er å bruke rimelige sensorer til å måle luftkvaliteten, i kombinasjon med maskinlæring for å utføre automatisert kalibrering og kvalitetskontroll.
Innføringen av maskinlæring gjør det mulig å utføre nye metoder for kalibrering og verifisering av overvåkede data for å skaffe ny kunnskap og informasjon som kan brukes som grunnlag for beslutningstaking eller informasjon til allmennheten.
Big Data
Big Data er informasjon som kjennetegnes ved høyt volum, høy hastighet og/eller høy grad av variasjon. For å kunne prosessere og analysere disse store og komplekse datamengdene effektivt, trengs det kompetanse og teknologi som kan håndtere dette bedre enn tradisjonelle IT-systemer.
Maskinlæring
Maskinlæring benytter statistikk til å hjelpe oss med å forstå og predikere hendelser og utfall basert på store og komplekse datamengder.
På NILU både bruker og utvikler vi avansert maskinlæringsteknologi, som blant annet benyttes til å komplementere eksisterende kunnskap om modeller og måleteknikk. Maskinlæring er også et viktig verktøy i NILUs arbeid med å predikere data om luftkvalitet.
Visualisering
Visualisering av data er viktig kompetanse for å kunne utvikle komplette løsninger, inkludert analyse og formidling av resultater.
NILU utvikler løsninger for web, apper og andre mobile verktøy som gjør det enkelt å samle inn, dele og formidle luftkvalitetsdata.