Conférences  >  Informatique  >  Calcul scientifique et science des données  >  Allemagne

European Molecular Biology Laboratory | EMBL

This course will teach the biological researchers how to analyse biological data sets using open-source software. Most of the analysis will be performed with docker4seq and rCASC packages, which was developed to facilitate the use of computing demanding applications in the field of NGS data analysis. Docker4seq and rCASC packages use docker containers that embed demanding computing tasks (e.g. short reads mapping) into isolated containers. This approach provides multiple advantages: the user does not need to install all the software on its local server, the results generated by different containers can be organised in pipelines and reproducible research is guarantee by the possibility of sharing the docker images used for the analysis. Computers for hands-on exercises will be provided along with demo data sets.

Biologie moléculaire,    Logiciels

Mit dem Ziel, den Herausforderungen der Digitalisierung in der naturwissenschaftlichen Grundlagenforschung schnell und zukunftsorientiert zu begegnen und exzellente Forschung in und aus Deutschland zu fördern, legt das Bundesministerium für Bildung und Forschung (BMBF) als Teil des 2017 veröffentlichten Rahmenprogramms „Erforschung von Universum und Materie – ErUM“ den Aktionsplan ErUM-Data fest. Der Aktionsplan ErUM-Data schafft Voraussetzungen für die naturwissenschaftliche Grundlagenforschung von morgen und fördert eine koordinierte Herangehensweise und breite Verständigung. Langfristiges Ziel ist es, den Weg zu übergeordneten Lösungen zu ebnen und optimale Bedingungen für eine effiziente und finanzierbare Datenverarbeitung und -verwertung zu schaffen. Der einfache Zugang zu Daten und Werkzeugen ist eine zentrale Säule des Aktionsplans. 

Max Planck Institute for the Physics of Complex Systems

Systèmes complexes et chaos,    Gestion des connaissances, Big Data Computing

MIAPbP - Munich Institute for Astro-, Particle and BioPhysics

Domains such as cosmology, astrophysics, nuclear or particle physics rely heavily on the use of stochastic simulation to design data analyses and perform inference with respect to fundamental physics theories. With the advances of Deep Learning, Bayesian inference techniques, a new frontier has come into view that focuses on the extension of traditional scientific programming along the two distinct directions of differentiable programming and probabilistic programming. The former plays an important role in navigating high-dimensional spaces, while the latter can manifestly incorporate generative modeling and inference into scientific data analyses. Both promise to expand the science reach of data-intensive domains through, e.g., the integration of domain knowledge and symmetries into neural networks, algorithmic robustness, alignment of science and training optimization goals, uncertainty quantification, causal inference, and more complete inference. However, most production scientific pipelines are not yet compatible with these techniques and their widespread adoption would represent a deep change in the scientific software landscape. This program will provide the opportunity for researchers from Computer Science and Fundamental Physics to develop applications as well as strategies for integrating these paradigms into existing scientific workflows and to close the gap of what is theoretically possible and practically deployed.

Physique numérique,    Physique des hautes énergies, des particules et des champs

Mathematisches Forschungsinstitut Oberwolfach (MFO, Oberwolfach Research Institute for Mathematics)

Réseaux de neurones et intelligence artificielle, apprentissage automatique,    Gestion des connaissances, Big Data Computing

Mit dem Ziel, den Herausforderungen der Digitalisierung in der naturwissenschaftlichen Grundlagenforschung schnell und zukunftsorientiert zu begegnen und exzellente Forschung in und aus Deutschland zu fördern, legt das Bundesministerium für Bildung und Forschung (BMBF) als Teil des 2017 veröffentlichten Rahmenprogramms „Erforschung von Universum und Materie – ErUM“ den Aktionsplan ErUM-Data fest. Der Aktionsplan ErUM-Data schafft Voraussetzungen für die naturwissenschaftliche Grundlagenforschung von morgen und fördert eine koordinierte Herangehensweise und breite Verständigung. Langfristiges Ziel ist es, den Weg zu übergeordneten Lösungen zu ebnen und optimale Bedingungen für eine effiziente und finanzierbare Datenverarbeitung und -verwertung zu schaffen. Der einfache Zugang zu Daten und Werkzeugen ist eine zentrale Säule des Aktionsplans. 

Carrière et management,    Réseaux de neurones et intelligence artificielle, apprentissage automatique

Since 2009 the Glyco-Bioinformatics Symposium aims at establishing a network of experts in glycochemistry, biology, bioinformatics and computer sciences. In addition, it provides a platform to discuss the latest outcomes presented by the MIRAGE Commission.

Unparalleled diversity and functionality of the glycome

Biologie moléculaire,    Génomique et bio-informatique

MIAPbP - Munich Institute for Astro-, Particle and BioPhysics

We are happy to announce that the Differentiable and Probabilistic Programming for Fundamental Physics program includes a three day workshop. The workshop will contain talks about recent advancements in differentiable programming (DP) and probabilistic programming in the context of Physical Sciences. The workshop's diverse set of invited speakers will cover DP/ProbProg users and experts, toolmakers and authors of promising technologies. The workshop aims to explore the potential science impact of DP/ProbProg and to understand the steps towards, and challenges of, a successful implementation of these paradigms in fundamental physics.

Physique numérique,    Physique des hautes énergies, des particules et des champs

Mit dem Ziel, den Herausforderungen der Digitalisierung in der naturwissenschaftlichen Grundlagenforschung schnell und zukunftsorientiert zu begegnen und exzellente Forschung in und aus Deutschland zu fördern, legt das Bundesministerium für Bildung und Forschung (BMBF) als Teil des 2017 veröffentlichten Rahmenprogramms „Erforschung von Universum und Materie – ErUM“ den Aktionsplan ErUM-Data fest. Der Aktionsplan ErUM-Data schafft Voraussetzungen für die naturwissenschaftliche Grundlagenforschung von morgen und fördert eine koordinierte Herangehensweise und breite Verständigung. Langfristiges Ziel ist es, den Weg zu übergeordneten Lösungen zu ebnen und optimale Bedingungen für eine effiziente und finanzierbare Datenverarbeitung und -verwertung zu schaffen. Der einfache Zugang zu Daten und Werkzeugen ist eine zentrale Säule des Aktionsplans. 

Carrière et management,    Réseaux de neurones et intelligence artificielle, apprentissage automatique

Mit dem Ziel, den Herausforderungen der Digitalisierung in der naturwissenschaftlichen Grundlagenforschung schnell und zukunftsorientiert zu begegnen und exzellente Forschung in und aus Deutschland zu fördern, legt das Bundesministerium für Bildung und Forschung (BMBF) als Teil des 2017 veröffentlichten Rahmenprogramms „Erforschung von Universum und Materie – ErUM“ den Aktionsplan ErUM-Data fest. Der Aktionsplan ErUM-Data schafft Voraussetzungen für die naturwissenschaftliche Grundlagenforschung von morgen und fördert eine koordinierte Herangehensweise und breite Verständigung. Langfristiges Ziel ist es, den Weg zu übergeordneten Lösungen zu ebnen und optimale Bedingungen für eine effiziente und finanzierbare Datenverarbeitung und -verwertung zu schaffen. Der einfache Zugang zu Daten und Werkzeugen ist eine zentrale Säule des Aktionsplans. 

Carrière et management,    Réseaux de neurones et intelligence artificielle, apprentissage automatique