A A2 2 E En nt tr re ep po os sa ag ge e, , I In nt té ég gr ra at ti io on n d de e m ma as ss se es s d de e d do on nn né ée es s Acronyme Titre Porteurs E-mail Partenaires Thématiques Domaines Type de données Interdisciplinarité 11 BDW Impact des big data sur l’entreposage de données (data warehousing) et l’analyse en ligne (OLAP) Fadila Bentayeb, Jérôme Darmont (ERIC Lyon), Olivier Teste (IRIT - SIG) [email protected] CEDRIC, ELICO (Sciences PO, Lyon), ERIC, EVS (Géographie et Humanités numériques), GERiiCO, IRIT, LAMSADE, LARHRA, LI, LIAS, LIMOS, LIPADE, LIRIS, LIRMM, LSIS, PRISM, TETIS, TSCF, Collecte, Processus ETL avec MapReduce et dans le Cloud, Entrepots et systeme NoSQL, OLAP Entrepot, OLAP Info / SHS 21 MUD Managing Urban (Big) Data Dimitris Kotzinos (ETIS) / Dan Vodislav (ETIS) [email protected] Integration de données urbaines ? Gestion et analyse de données urbaines Geospatiales, textes, images un seul labo 28 Intégration d’entrepôts de données hétérogènes et distribués Johan Montagnat (i3s) Catherine Faron (i3S) [email protected] I3S, EPI Inia, LSTI, Inserm Gestion des données. Neurosciences,. Epidémiologie, Astronomie, Données patrimoniales. Intégration de données ; Alignement de schémas ; Modèles ontologiques ; Requêtes distribuées. Bases relationnelles, graphes RDF, XML, NoSQL INS2I, INSERM 31 URBANA Urban Analytics : Données des citoyens et ville intelligente Mohamed Quafafou [email protected] LIRMM, PRISM, LIPADE, LSIS, LIPN, LINA, EIVP Analyse et valorisation des Données, Interaction avec les Données Données Citoyens, Ville intelligente, Fouille de données, Aide à la décision, Réseaux Sociaux, Science du Citoyen, Expérimentations Issues d'instruments & capteurs INS2I majoritairement + École des ingénieurs de la ville de Paris R RE ES SU UM ME E L'atelier cluster A2 pour object d’étudier l’impact des mégadonnées et du calcul distribué sur (1) l’intégration de données hétérogènes et distribuées (2) la modélisation et l’entreposage des données (3) l’analyse en ligne et la fouille de données Les données, hétérogènes et incertaines, issues de réseaux de capteurs et des utilisateurs dans le contexte de “ville intelligente”, les données des réseaux sociaux, les données biomédicales et les données en SHS sont particulièrement ciblées comme terrains de collaborations pluridisciplinaires.”

A2Entreposage, Intégration de masses de données filePRISM, TETIS, TSCF, Collecte, Processus ETL avec MapReduce et dans le Cloud, Entrepots et systeme NoSQL, OLAP Entrepot, OLAP Info

Download PDF Report

Upload
dangcong
View
213
Download
0

Embed Size (px)

Citation preview

Page 1: A2Entreposage, Intégration de masses de données filePRISM, TETIS, TSCF, Collecte, Processus ETL avec MapReduce et dans le Cloud, Entrepots et systeme NoSQL, OLAP Entrepot, OLAP Info

AA22 EEnnttrreeppoossaaggee,, IInnttééggrraattiioonn ddee mmaasssseess ddee ddoonnnnééeessAAccrroonnyymmee TTiittrree PPoorrtteeuurrss EE--mmaaiill PPaarrtteennaaiirreess TThhéémmaattiiqquueess DDoommaaiinneess TTyyppee ddee ddoonnnnééeess IInntteerrddiisscciipplliinnaarriittéé

11 BDW

Impact des big data sur l’entreposage de données (data warehousing) et l’analyse en ligne (OLAP)

Fadila Bentayeb, Jérôme Darmont (ERIC Lyon), Olivier Teste (IRIT - SIG)

[email protected]

CEDRIC, ELICO (Sciences PO, Lyon), ERIC, EVS (Géographie et Humanités numériques), GERiiCO, IRIT, LAMSADE, LARHRA, LI, LIAS, LIMOS, LIPADE, LIRIS, LIRMM, LSIS, PRISM, TETIS, TSCF,

Collecte, Processus ETL avec MapReduce et dans le Cloud, Entrepots et systeme NoSQL, OLAP

Entrepot, OLAP Info / SHS

21 MUDManaging Urban (Big) Data

Dimitris Kotzinos (ETIS) / Dan Vodislav (ETIS)

[email protected] de données urbaines ?

Gestion et analyse de données urbaines

Geospatiales, textes, images

un seul labo

28Intégration d’entrepôts de données hétérogènes et distribués

Johan Montagnat (i3s) Catherine Faron (i3S)

[email protected] I3S, EPI Inia, LSTI, Inserm

Gestion des données. Neurosciences,. Epidémiologie, Astronomie, Données patrimoniales.

Intégration de données ; Alignement de schémas ; Modèles ontologiques ; Requêtes distribuées.

Bases relationnelles, graphes RDF, XML, NoSQL

INS2I, INSERM

31 URBANAUrban Analytics : Données des citoyens et ville intelligente

Mohamed Quafafou [email protected], PRISM, LIPADE, LSIS, LIPN, LINA, EIVP

Analyse et valorisation des Données, Interaction avec les Données

Données Citoyens, Ville intelligente, Fouille de données, Aide à la décision, Réseaux Sociaux, Science du Citoyen, Expérimentations

Issues d'instruments & capteurs

INS2I majoritairement + École des ingénieurs de la ville de Paris

RREESSUUMMEE

L'atelier cluster A2 pour object d’étudier l’impact des mégadonnées et du calcul distribué sur (1) l’intégration de données hétérogènes et distribuées (2) la modélisation et l’entreposage des données (3) l’analyse en ligne et la fouille de donnéesLes données, hétérogènes et incertaines, issues de réseaux de capteurs et des utilisateurs dans le contexte de “ville intelligente”, les données des réseaux sociaux, les données biomédicales et les données en SHS sont particulièrement ciblées comme terrains de collaborations pluridisciplinaires.”