Aktiviteter per år
Projektinformation
Beskrivning
The Erasmus Mundus Joint Master Degree Programme on the Engineering of Data-intensive Intelligent Software Systems (EDISS) offers a unique Master Programme focussing on the engineering of quality-driven data-intensive intelligent software systems.
| Kort titel | EDISS |
|---|---|
| Akronym | EDISS |
| Status | Pågående |
| Gällande start-/slutdatum | 01/09/20 → 31/08/26 |
| Länkar | https://www.master-ediss.eu |
Samarbetspartner
- Åbo Akademi (huvudsaklig)
- University of the Balearic Islands (Projektpartner)
- University of L'Aquila (Projektpartner)
- Mälardalens högskola (Projektpartner)
Finansiering
- Education, Audiovisual and Culture Executive Agency - European Commission: 4 460 000,00 €
FN:s hållbara utvecklingsmål
År 2015 godkände FN:s medlemsstater 17 globala mål för en hållbar utveckling, för att utrota fattigdomen, skydda planeten och garantera välstånd för alla. Projektet bidrar till följande hållbara utvecklingsmål:
Aktiviteter
- 4 Besök till en extern akademisk institution
-
University of the Balearic Islands
Sebastien Lafond (Gästföreläsare) & Sepinoud Azimi Rashti (Gästföreläsare)
5 feb. 2023 → 11 feb. 2023Aktivitet: Besök till en extern institution › Besök till en extern akademisk institution
-
Mälardalens högskola
Sebastien Lafond (Gästforskare) & Sepinoud Azimi Rashti (Gästforskare)
12 juni 2022 → 16 juni 2022Aktivitet: Besök till en extern institution › Besök till en extern akademisk institution
-
University of the Balearic Islands
Sebastien Lafond (Gästforskare) & Sepinoud Azimi Rashti (Gästforskare)
10 maj 2022 → 15 maj 2022Aktivitet: Besök till en extern institution › Besök till en extern akademisk institution
-
Identifying gender bias in blockbuster movies through the lens of machine learning
Haris, M. J., Upreti, A., Kurtaran, M., Ginter, F., Lafond, S. & Azimi, S., 10 mars 2023, I: Humanities & Social Sciences Communications. 10, 94Forskningsoutput: Tidskriftsbidrag › Artikel › Vetenskaplig › Peer review
Öppen tillgångFil3 Nedladdningar (Pure) -
Predicting efficacy of drug-carrier nanoparticle designs for cancer treatment: a machine learning-based solution
Kibria, M. R., Akbar, R. I., Nidadavolu, P., Havryliuk, O., Lafond, S. & Azimi, S., 2023, I: Scientific Reports. 13, 1, 547 .Forskningsoutput: Tidskriftsbidrag › Artikel › Vetenskaplig › Peer review
Öppen tillgångFil6 Nedladdningar (Pure) -
SimuShips - A High Resolution Simulation Dataset for Ship Detection with Precise Annotations
Raza, M., Prokopova, H., Huseynzade, S., Azimi, S. & Lafond, S., 2022, OCEANS 2022, Hampton Roads. IEEE, s. 1-5 5 s. (Oceans).Forskningsoutput: Kapitel i bok/konferenshandling › Konferensbidrag › Vetenskaplig › Peer review
Öppen tillgångFil1 Nedladdningar (Pure)