VU Duomenų mokslo ir skaitmeninių technologijų institutas yra Vilniaus universiteto Matematikos ir informatikos fakulteto padalinys.
Institutas įsteigtas Lietuvos ūkiui ir tarptautiniam bendradarbiavimui svarbiems ilgalaikiams tarptautinio lygio moksliniams tyrimams vykdyti. Pagrindinė Instituto veikla yra moksliniai tyrimai ir eksperimentinė plėtra (MTEP).
Be mokslinių tyrimų ir eksperimentinės plėtros, Instituto uždaviniai yra kartu su aukštosiomis mokyklomis rengti mokslininkus, padėti joms rengti specialistus bei teikti informatikos ir matematikos mokslinę bei metodinę paramą švietimo įstaigoms.
Misija – vykdyti ir vystyti informatikos, informatikos inžinerijos ir matematikos mokslinius tyrimus, eksperimentinę plėtrą bei doktorantūros studijas.
Vizija – tapti efektyviai veikiančiu ir pasaulyje žinomu mokslo centru, teikiančiu pažangias mokslo paslaugas Lietuvai.
Pagrindinės veiklos kryptys
- Tikimybių teorijos ir matematinės statistikos, finansų ir draudos matematikos, diferencialinių lygčių ir jų skaitinių sprendimo metodų bei matematinės logikos, algoritmų sudėtingumo ir diskrečiosios matematikos problemų tyrimai;
- Atpažinimo procesų, duomenų analizės, daugiaekstremalių optimizavimo uždavinių bei multimedijos technologijų ir interaktyviųjų sistemų tyrimai;
- Informatikos teorinių ir metodinių pagrindų, mokyklinės informatikos problemų, kompiuterizuotų sistemų ir kompiuterių tinklų inžinerijos metodų tyrimai bei taikymai naujoms informacinėms technologijoms kurti; kultūros paveldas skaitmeninėje erdvėje.
- Leidžiami tarptautiniai (ISI Web of Science) žurnalai „Informatica“, „Lithuanian Mathematical Journal“, „Nonlinear Analysis. Modelling and Control“ ir kt.
Pagrindinės kryptys, kuriose pasiekti geriausi rezultatai
- Atpažinimo algoritmų sudėtingumo, mokymo duomenų kiekio ir algoritmų tikslumo ryšys ir jo panaudojimas praktiniams uždaviniams spręsti;
- Laiko eilučių ekonometriniai modeliai ir statistinės išvados;
- Ontologijomis grindžiamų komponentinių programų, informacinių ir verslo sistemų inžinerijos problemos;
- Statistikos asimptotinė analizė;
- Statistiniais ir neuroninių tinklų metodais paremtų atpažinimo algoritmų sudarymas;
- Šiurkščiųjų funkcijų analizė ir jos taikymai finansų matematikoje;
- Žinių ir kompiuterinių agentų logikų automatizavimo metodai.