S'authentifier

Journées Plateforme

6–7 oct. 2016
Clermont-Ferrand
Fuseau horaire Europe/Paris

Liste des présentations

17 sur 17 affichés
Exporter en PDF
  1. 21. PerSCiDO_Grenoble_Alpes : Principes et fonctionnalités d’une plateforme ouverte de partage de jeux de données
    Mlle Marie-Christine Rousset (Université Grenoble Alpes, CNRS, LIG et IUF)
    06/10/2016 10:00
    PerSCiDO_Grenoble_Alpes est une plateforme de partage de jeux de données, en cours de développement dans le cadre du labex PERSYVAL-lab qui fédère les sciences du numérique à Grenoble. Le but de cette plateforme est de faciliter l’exploration de jeux de données pour les chercheurs désireux de tester et comparer leurs propres méthodes sur de nouvelles données. Une caractéristique importante de...
    Go to contribution page
  2. 17. Galactica: l'expérimentation élastique
    M. Frédéric Gaudet (CNRS/LIMOS)
    06/10/2016 10:35
    Le projet de plateforme Galactica vise la mise en place de services d'ingénierie et d'expérimentation scientifique à grande échelle pour le projet PetaSky. Ce dernier repose sur une approche multidisciplinaire impliquant cinq (5) instituts du CNRS et seize (16) laboratoires de recherches. Galactica se veut comme une plateforme ouverte qui vise trois objectifs majeurs à destination de deux...
    Go to contribution page
  3. 23. OSIRIM : Observatoire des Systèmes d'Indexation et de Recherche d'Information Multimédia
    M. Jacques Thomazeau
    06/10/2016 11:10
    Projet fédératif de l’IRIT soutenu par le FEDER, le CNRS, l’État français, et la région Midi-Pyrénées, OSIRIM est une Plateforme de stockage de forte volumétrie conçue pour l’hébergement de projets scientifiques abordant les problématiques liées aux mégadonnées/big data. Elle propose des ressources de stockage et de calcul en support à des travaux scientifiques sur l’indexation et la...
    Go to contribution page
  4. 22. RAMP: collaborative data challenges run by the Paris-Saclay Center for Data Science
    Mlle Camille Marini
    06/10/2016 11:45
    RAMP (Rapid Analytics and Model Prototyping) are collaborative data challenges, which aim at connecting data science to domain sciences, which is the main mission of the Paris-Saclay Center for Data Science. The lifecycle of a RAMP is the following: A domain science expert brings data and an associated prediction problem, and a data scientist helps clean the data and formulate a machine...
    Go to contribution page
  5. 25. La grille de Calcul du Large Hadron Collider
    M. Stéphane Perries (IPNL)
    06/10/2016 13:30
    La recherche en physique des particules auprès du LHC (Large Hadron Collider) du CERN recouvre des activités diverses depuis la conception des expériences, le suivi des détecteurs, le traitement des données et leur analyse. Avec 40 millions de collisions par seconde et 10^10 collisions enregistrées par an, les données générées par le LHC (une quinzaine de pétaoctets par an) et leur...
    Go to contribution page
  6. 15. Le modèle de calcul LCG et ses évolutions
    M. Renaud Vernet (CCIN2P3)
    06/10/2016 14:00
  7. 10. Impact des données sur l'infrastructure
    Rachid LEMRANI (CC-IN2P3)
    06/10/2016 14:45
  8. 16. Qserv, la base de données destinée à stocker l'univers
    Fabrice Jammes (CNRS)
    06/10/2016 16:00
    Le Large Synoptic Survey Telescope (LSST) va bouleverser l'astronomie. Équipé du plus grand capteur photographique jamais conçu pour l'astronomie, ce télescope permettra de constituer le plus large et le plus profond relevé de l'univers. Dès sa mise en exploitation en 2022, le traitement des données produites par LSST nécessitera des dizaines de milliers de processeurs et une capacité de...
    Go to contribution page
  9. 18. Le traitement des données omiques à haut débit sur les plateformes du PRABI
    M. Guy Perrière
    06/10/2016 16:45
    Le traitement des données "omiques" (génomiques, transcriptomiques, protéomiques, métabolomiques, etc.) issues de technologies à haut débit nécessite à la fois des compétences techniques relevant de divers domaines (statistiques, programmation, algorithmique) que des connaissances au niveau de la biologie des organismes étudiés. Par ailleurs, du fait de leur caractère haut débit, ces...
    Go to contribution page
  10. 24. Huma-Num : une TGIR au service des données de la recherche en SHS
    M. Joel Marchand (TGIR Huma-Num)
    06/10/2016 17:30
    Huma-Num est une très grande infrastructure de recherche (TGIR) visant à faciliter le tournant numérique de la recherche en sciences humaines et sociales. Pour remplir cette mission, la TGIR Huma-Num est bâtie sur une organisation originale consistant à mettre en œuvre un dispositif humain (concertation collective) et technologique (services numériques pérennes) à l’échelle nationale et...
    Go to contribution page
  11. 9. L'UMS GRICAD : un modèle organisationnel original au service des données et du calcul
    M. Christian Lenne (Université Grenoble Alpes)
    07/10/2016 09:00
    Le traitement des données massives pose un quadruple défi aux projets de recherche voulant exploiter le contenu de ce type de données. On peut relever : - un problème de stockage - un problème de puissance de calcul - un problème d’ingénierie logicielle pour l'utilisation d'outils existants - un problème de ressources humaines pour répondre aux 3 défis précédents. L'UMS GRICAD créée en...
    Go to contribution page
  12. 13. Cas d’utilisation de Spark en Astrophysique : Cross Match de catalogues de sources
    M. Andre Schaaff (Observatoire de Strasbourg - CDS)
    07/10/2016 09:45
    To face the increasing volume of data we will have to manage in the coming years, we test and prototype implementations in the Big Data domain (both data and processing). The CDS propose a "X-Match" service which does a cross correlation of sources between very large catalogues (10 billions rows). It is a fuzzy join between two tables of several hundred millions of lines (e.g. 470,992,970...
    Go to contribution page
  13. 11. Le point de vue ATOS sur la convergence big Data HPC
    Mme Pascale Rosse Laurent
    07/10/2016 11:00
    Le Big Data analytics et le HPC des grands calculateurs ont apparemment des besoins très éloignés. Pourtant ces deux domaines adoptent les mêmes technologies telles que les coprocesseurs, les mémoires non volatiles, traitent de grandes masses de données hétérogènes .. ou s’intéressent à des traitements parallèles quasi temps réels des données Le défi que pose le traitement et la gestion...
    Go to contribution page
  14. 12. Reproducible High Performance computing for stochastic models and simulations
    Prof. David HILL (Blaise Pascal University)
    07/10/2016 11:45
    Numerical reproducibility has been the rule for years with old single-core CPUs, standards for numerical computing (such as IEEE 754 for floating point computing for instance) and hardware features like ECC memory. Numerical reproducibility It is a key feature for computational science and the experimental scientific method. Being able to obtain exactly the same results from run to run when...
    Go to contribution page
  15. 26. MassifIX : une plateforme d’interconnexions locales pour le transfert massif de données
    M. Damien LEBRET
    07/10/2016 12:30
  16. 27. Mesocentre Clermont Auvergne
    Dr Antoine Mahul
    07/10/2016 14:10
  17. 14. Une étude de performance et de passage à l’échelle des systèmes de traitement de données dans les smart grids
    M. Houssem Chihoub (INPG Entreprise SA)
    07/10/2016 14:45
    De nos jours, la taille des données générées et collectées au sein des smart grids ne cesse d’augmenter. Ces données proviennent, en grande partie, des compteurs communicants ainsi que les capteurs déployés massivement à travers le réseau électrique. De plus, la génération de plus en plus fréquente de ces données, introduit de nouveaux défis de performance et de passage à l’échelle pour les...
    Go to contribution page