Institution för datatekniska och lärande system (CLS) ingår i skolan för elektronik och datavetenskap.
Forskningsområden och grupper
Maskininlärning
Forskning om algoritmer och system för dataanalys, maskininlärning och datautvinning. Vi arbetar inom sjukvård, läkemedelsutveckling, klimatforskning, fordonsunderhåll och sociala nätverk. Länk till engelskt innehåll.
Fokuserar på att överbrygga klyftan mellan maskininlärning och distribuerade system för att hantera de utmaningar som centraliserade AI-tjänster medför. Länk till engelskt innehåll.
Ett område vi studerar är teori och system inom modellering, programmeringsspråk, kompilatorer, formell semantik, maskininlärning, probabilistisk programmering, realtidssystem.
Vi fokuserar på datadriven systemdesign med tillämpningar inom serverlös databehandling, distribuerade databaser, AI, dataströmsplattformar, graffrågesystem och acceleration med hjälp av ny hårdvara och nya metoder. Länk till engelskt innehåll.
Vi arbetar med AI-baserade onlinetjänster inom hälso- och sjukvården. Vi studerar stora distribuerade system och algoritmer inom programmeringsapplikationer inom dataintellient molntjänster, big data och dataanalyssystem. Vi undervisar även i data mining och parallell och samtidig programmering. Länk till engelskt innehåll.
Forskning om design av datorer med hjälp av modern hårdvara för att möjliggöra nödvändig funktionalitet inom datorarkitektur. Länk till engelskt innehåll.
Vi gör nätverkssystem pålitliga genom att skydda dem och deras användare från attacker och missbruk. Vår forskning löser säkerhets- och integritetsproblem.. Till engelskt innehåll.
Vi bedriver forskning och utbildning inom området design, analys och hantering av nästa generations nätverk och tjänster med hög prestanda, hög tillförlitlighet och låg energiförbrukning. Till engelskt innehåll.
Maskinintelligens för nätverk och distribuerade system
Vi utvecklar banbrytande nätverkssystem som kombinerar innovativa algoritmer, programmerbarhet och AI-baserade tekniker för att möjliggöra oöverträffad effektivitet, skalbarhet, säkerhet och automatisering för moderna infrastrukturer.. Till engelskt innehåll.
Changjie Wang (mitten) med Dejan Kostić (vänster) och Marco Chiesa (höger). Bild tagen av Jonatan Langlet. Höger sida uppifrån: Mariano Scazzariello, Alireza Farshin och Simone Ferlin.
Hur kan stora språkmodeller göra nätverkskonfigurationen användarvänlig?
Det är vad forskargruppen bakom den prisbelönta arbetet, NetConfEval: Can LLM Facilitate Network Configuration? frågade sig. De belönades med IRTF/IETF Applied Networking Research Prize, för sitt arbe...
En programbar nätverksswitch som användes i forskningen.
Ny lösning inom cybersäkerhet minskar energiförbrukningen signifikant
Genom att förflytta beräkningar för komplexa cybersäkerhetsanalyser till nätverksacceleratorer kan man minska energiförbrukningen med över 30 gånger. Det är en viktig pusselbit när den globala interne...
Data som är tillgänglig - trots server och nätverksfel
En programvara utvecklad av KTH har gjort det enklare att bygga molntjänster och som är mer tolerant mot fel.
– Jag ville göra fel-toleranta system enkla att bygga och använda, till skillnad från v...
