Podaci su postali jedan od najvrednijih resursa koji pokreću digitalnu transformaciju u raznim sektorima. Trenutna rešenja za rudarenje podataka optimizirana su za specifične zahteve podataka, ali ne uspevaju se nositi kako karakteristike podataka postaju ekstremne. Postoji hitna potreba za novim i holističkim pristupima koji omogućavaju razvoj, implementaciju i efikasno izvršavanje radnih tokova rudarenja podataka na heterogenom, sigurnom i energetski efikasnom računarskom kontinuumu, istovremeno ispunjavajući različite ekstremne karakteristike podataka.
Kako bi se popunila ova tehnološka praznina, EXTRACT će isporučiti platformu za otvorenog koda temeljenu na podacima, koja integriše najrelevantnije tehnologije kako bi olakšala razvoj pouzdanih, tačnih, fer i zelenih radnih tokova rudarenja podataka sposobnih za generisanje visokokvalitetnog upotrebljivog znanja.
Platforma EXTRACT će unaprediti kompletan životni ciklus radnih tokova ekstremnog rudarenja podataka, značajno poboljšavajući performanse, energetsku efikasnost, skalabilnost i sigurnost, istovremeno ispunjavajući ekstremne karakteristike podataka na holistički način. Osim toga, više tehnologija računarstva, od ivice do oblaka i HPC-a, biće integrisano u jedanificirani i siguran računarski kontinuum. Konkretno, platforma će imati unapređene infrastrukture podataka i okvire za veštačku inteligenciju i big data, nove mehanizme orkestracije podataka i distribuiranog praćenja, ujednačenu apstrakciju kontinuuma i cyberse-curity i digitalnu privatnost na svim softverskim slojevima.
Platforma EXTRACT će biti validirana u dva stvarna slučaja upotrebe sa različitim ekstremnim zahtevima za podacima:
- Personalizovana usluga za evakuaciju, integracija podataka iz evropskih izvora podataka, Copernicus i Galileo, sa 5G lokalizacionim signalima i senzorima pametnih gradova za upravljanje krizama orijentisanim prema civilima.
- Tranzitna astrofizika sa SKA pathfinder-om, obrada ekstremnih podataka sa 2000 radio-teleskopa za realno vreme procene solarne aktivnosti, generisanje znanja za daljnje naučno iskorišćavanje.