大規模データ処理勉強会　～「大きな」データと対峙する（仮称）～ 第1回 #bdata

Yasutaka SHINDOH  @y_shindoh

UST配信が止まった? #BData

Rails駆け込みエンジニア @shin_semiya

#bdata 生命科学分野での大規模データとは。集団疫学のデータ。大規模塩基配列データ。

Nakazato T. @chalkless

http://t.co/7hXDzVYk でustされているらしいよ #bdata

Hiro Takahashi @takachi

PubMed には2100万の論文要旨，230万の論文の全文情報がある． #bdata

kakuit @kakuit

12月に扇子貰うとは...　#bdata http://t.co/aIKPlkTA

拡大

蒼 @moonseason

上限の50セッションに達してるのかな　#bdata

HUBちゃん @bonohu

大規模塩基配列データが本日のメインディッシュ #bdata

Hiro Takahashi @takachi

ライフサイエンスの大規模データとは？大きく3つ．（1）文献情報，（2）集団疫学のデータ，（3）大規模塩基配列データ #bdata

Rails駆け込みエンジニア @shin_semiya

#bdata　①データの規模ってどれくらい？テラ？ペタ？②データの構造はどうまとめてる？定められた形はある？

蒼 @moonseason

データサイズは大きいが、リアルタイム性は低いという特徴　#bdata

てるろー @terurou

そういえば #dainagoya にも生物系の学生さんが来てたなぁ #bdata

Yuya Unno @unnonouno

pubmedの全文検索とかやりたいなー。一応検索の会社だし #bdata

Rails駆け込みエンジニア @shin_semiya

#bdata　生命科学の特徴「メタデータの重要性」「アルゴリズム・ツールの実装者と実行者の関係」

gachap @gachap

メタデータの管理はコストが高い。重要ではある。 #bdata

Rails駆け込みエンジニア @shin_semiya

#bdata メタデータ「どんな生物」に対して「どんな機材、環境」で出した？という条件か？再現性を担保するために必要。

gachap @gachap

データの再現性のために、メタデータを維持管理する、へー。 #bdata

蒼 @moonseason

メタデータは重要だが、維持管理が大変でそのあたりが課題　#bdata

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

Ust見れん！ #bdata

Hiro Takahashi @takachi

おーこのアイコンはあれでは？「生物アイコン」http://t.co/J11nS7h3 #bdata

Fujii Yutaka @yutakaf_0326

実行者が実行するためのツールを作る場合は少ない。　#bdata

Jun Sese @sesejun

@iNut いぬたそがんばれ！#bdata

Rails駆け込みエンジニア @shin_semiya

#bdata　アルゴリズムツールの実装者と実行者の関係、問題点。データが分かる人にはアルゴリズムが分からない。アルゴリズムが分かる人にはデータが分からない。

(｢・ω・)｢ｶﾞｵｰ @bicycle1885

Ust見れた！けど、テキストまでは読めない(*_*; #bdata

HUBちゃん @bonohu

@takachi いいえ、それはそっちじゃなくてTogo Picture Gallary です http://t.co/ZBQsuXGF #bdata

Nakazato T. @chalkless

自分も .@iNut と同じDBCLSの所属ですが、パンフレットなど部屋の後ろに置いてくれたようなので、ぜひご覧くださいませ。 http://t.co/EoJT59xp http://t.co/pItFjgkG #bdata