Tugevalt tagatud tarkvara laboratoorium

Paljusid struktuure matemaatikas ja arvutiteaduses saab omavahel paariti seostada nii "funktsiooniliselt" kui ka "relatsiooniliselt". Nt hulki saab seostada funktsioonide ja relatsioonidega ning ringe homomorfismide ja bimoodulitega. Topeltkategooriateooria on osutunud tõhusaks raamistikuks, milles niisuguseid struktuure uurida. Kuid senituntud topeltkategooriate konstrueerimise meetodid on olnud piiratud ning see asjaolu on topeltkategooriateooria rakendamist pärssinud. Tuginedes inspiratsioonile traditsioonilisest kategooriateooriast arendame me välja kolm võimsat uut meetodit topeltkategooriate ehitamiseks - kotäielikustamised, sketšid ja monaadid - ning demonstreerime, et nende abil konstrueeritud näidetel on lai spekter kasulikke omadusi. See laiendab oluliselt topeltkategooriateooria kasutusala ning lahendab senised mitteühilduvused topeltkategooriateooria ja kahemõõtmelise kategooriateooria teiste harude vahel.

CORESpaces projekt võimaldab luua uue normaalsuse süsteemsete muutuste mõistmisel, projekteerimisel ja rakendamisel, et luua inimkeskne, vastupidav, kliimaneutraalne, ellu äratatud ja dünaamiliselt hallatav linnaruum koostöös kodanike ja sidusrühmadega. CORESpaces mõtestab ümber siseruumid ja avaliku ruumi, arendades ja rakendades paindlikult kohandatavaid, ülekantavaid tööriistu, mida on demonstreeritud ja testitud üheksas linnas üheksas Euroopa riigis, luues avatud teadmisi, et sujuvalt levitada neid igas linnas, suurendades suutlikkust ja oskusi kliimaneutraalseks, ohutuks ja nutikaks linnakeskkonna ümberkujundamiseks ELi linnaruumides. Projekt aitab muuta ruume mõtestatuks ja tunnetuslikuks ja tulevikuks kliimaneutraalsuseks valmis olevaks.

Andmed on kujunenud tähtsaimaks ressursiks majanduse ja avaliku halduse automatiseerimise ning lahenduste optimiseerimise jaoks. Projekti eesmärgiks on tõsta andmevaldkonna uurimistööde taset ja sünergiat, seeläbi oluliselt tugevdades Tehnikaülikooli võimekust koostööks eesti majanduse ja avaliku haldusega, nii ühisprojektide, konsultatsioonide kui täiendõppe ja tudengite ettevalmistamise kaudu. Sel eesmärgil fokuseerub projekt masinõppe kasutamisele andmevaldkonnas: masinõpe, seejuures eriti närvivõrgud, on tulevaste tarkvarasüsteemide võimekuse ja tarkvaraehituse peamine arengumootor. Konkreetne eesmärk on suurendada uute, tipptasemel spetsialistide arvu närvivõrkudel põhineva masinõppe valdkonnas, rakendades neid koostöösse olemasolevate andmeteaduse valdkondadega: andme- ja reeglikaevandamine, andmesemantika, inimkeelsed andmepäringud, teadmiste esitamine, andmeintegratsioon, statistika ja andmehaldus.