Wir suchen an der Universität Leipzig baldmöglichst eine/n Mitarbeiter/in zur Forschung/Entwicklung im Themenbereich Big Data insbesondere zur Graphanalyse. Die Arbeiten erfolgen innerhalb des BMBF-Projekts BIGGR in Kooperation mit dem Unternehmen KNIME.com GmbH und dem Kompetenzzentrum für Big Data (www.scads.de).
Weitere Informationen finden Sie hier
Die Bewerbungsfrist ist abgeschlossen
Today ScaDS was invited to a cross-institute postersession in the Leipzig Bio City. We were presenting ScaDS, the Golden-Genome and Peak-Calling. We had some interesting discussions with groups from IDIV-Halle, Leipzig and the BBZ and are looking forward to several opportunities for followup and collaboration.
Nach der positiven Rückmeldung zum Big Data in Business Workshop 2015 (www.scads.de/bidib2015) haben wir uns entschieden den Workshop als 2-Tages Veranstaltung zu wiederholen. Der Big Data in Business Workshop ermöglicht Vertretern regionaler und international agierender Unternehmen sowie Wissenschaftlern aus der Informatik einen praxisbezogenen fachlichen Austausch. In Zeiten der Digitalen Transformation werden weite Teile der Industrie zunehmend mit der Problematik enorm großer und komplex aufgebauter Datenmengen konfrontiert, die einerseits großes wirtschaftliches Potential, anderseits viele bisher nicht umfassend adressierte praktische Hürden mit sich bringen. Der IT-Sektor erarbeitet unter dem Schlagwort Big Data derzeit Schlüsseltechnologien, mit dem sich die Verwaltung und Analyse großer Datenmengen gewinnbringend und verlässlich durchführen lassen.
Die Referenten berichten im Rahmen des Workshops über Strategien und gefundene Best Practices aus Ihren Organisationen und diskutieren mit den Teilnehmern über aktuelle Fragestellungen, Technologien und ihre bisherigen Erfahrungen. Zusätzlich informieren die Leipziger Forscher über ihre bisherigen Ergebnisse und prototypischen Lösungen. Der Workshop soll daher insbesondere bestehende Kooperationen festigen und ausbauen sowie den Kontakt zu weiteren Kooperationspartnern schaffen.
Während des Workshops werden viele Freiräume für die Interaktion der Teilnehmer zur Verfügung stehen, um über vorgestellte Lösungen und Problemstellungen ausführlich diskutieren zu können. Zusätzlich laden wir alle Teilnehmer am Abend zu einem Big Data Buffet im Bayrischen Bahnhof ein und freuen und auf spannende Diskussionen und Austausch.
This year International Conference for High Performance Computing, Networking, Storage and Analysis (Supercomputing Conference, SC16) will take place in Salt Lake City (Utah, USA) and is the biggest and most important get-together in the area of High Performance Computing (HPC). The conference and convention gives an detailed overview about latest achievements in science and technology as well as informs about new trends and innovations. The ZIH as ScaDS Dresden/Leipzig partner will present at the conference in talks, tutorials and discussions its know how in HPC and data intensive computing. Furthermore, ScaDS Dresden/Leipzig will present its research highlights at the ZIH conference booth (#3624) alongside other research activities on the fields of performance analysis, energy efficient computing and data analytics (big data). Currently the ZIH plans to extend its existing HPC computing infrastructure and presents its infrastructure concepts (HPC-DA) to bring together concepts from HPC and data analytics. Further information can be found at the conference homepage: http://sc16.supercomputing.org/
ScaDS Dresden/Leipzig presented itself and took part in discussions at the Big Data Labs Europe session, a networking event aiming to bring together all National Centers of Excellence (CoEs) dedicated to Research in Big Data and Data Science in Europe.
Dr. René Jäkel presented the center in a pitch talk session and in discussions how the national centers can collaborate on the european level. The networking event took place at the 18./19. October alongside the iKNOW conference. More information can be found on the iKNOW-webside (http://i-know.tugraz.at/big-data-labs-europe/).
 |
 |
 |
 |
 |
 |