現地開催です。Zoomではありません。
会場は東京です。

48回目ののMeetupを開催させていただきます。

参加者の皆様へ（当日の注意）

下記のURLから「来館登録」をお願いします。

docomo R&D OPEN LAB ODAIBA
https://app.docomo-openlab.jp

会場のご案内

会場：docomo R&D OPEN LAB ODAIBA
イベントスペース：Bridge
住所：東京都港区台場2−3−2 台場フロンティアビル 12階

1. Neo4j Community APAC

発表者 (Speaker)

Siddhant Agarwal, Tech Community Manager - APAC at Neo4j
https://neo4j.com

2. How to Create Interconnected Synthetic Data

概要

Neo4j Graph Databasesのデータのモデリングを簡単にし、複雑なモックデータを生成する方法を紹介します。

リアルなデータセットにより、さまざまなデータモデルやクエリをすぐに試すことができ、テストや開発を加速させることができます。

Learn how to easily model data and generate complex mock data for Neo4j Graph Databases.

Realistic data sets allow you to quickly experiment with different data models and queries, accelerating testing and development.

1. Introduction

• Framing the problem mock data solves
• Survey of existing solutions, their pros and cons
• What is needed for an interconnected data set solution

2. Ideas into graphs

• Introducing GraphGPT and how to convert text into graphs
• Quick review of nodes and relationships
• Brief on converting graph data to .json data

3. .JSON to Mock Data

• High-level workflow for generating mock graph data
• How to import .zip data into Neo4j's Data-Importer
• Reviewing imported data with Neo4j Bloom or Browser

4. Adding Details

• Survey of arrows.app capabilities, namely adding properties
• Basic Mock Data Generator keywords for specifying COUNTs
• Introduce other basic literals: number ranges, string lists
• Advanced property value notations for specifying specific types of mock data (first names, company names, UUIDs, etc.)
• How to reset Neo4j Aura instances

5. Q & A

発表者 (Speaker)

Jason Koo, Developer Advocate at Neo4j
https://neo4j.com

Mobile Developer turned Pythonista, Jason Koo is one of Neo4j’s Developer Advocates focused on assisting the Python community. He has gone from mobile app development for Marketing and Financial Tech companies before transitioning to work in various fields such as computer vision, real-time messaging, and graph technologies.

3. Knowledge Graph for Healthcare: Transforming Data into Insight

概要

ヘルスケアでは、データは豊富なのですが、よくデータがサイロになっています。 そのため、意味のある洞察を引き出すのが難しくなっています。 従来のデータ管理システムは、臨床記録、医学的知識、オミックスの結果などを含むヘルスケアデータの複雑さに対応するための機能が備わっていません。 その結果、医師、研究者、患者は、情報源を十分に活用することができません。

それに対して、ナレッジグラフが登場します。ナレッジグラフは、多様なデータソースを表現し結びつけます。最近では、GPTがナレッジグラフの構築とクエリが簡単にできるようになりました。 ヘルスケアでは、ナレッジグラフを使って患者、疾患、治療、結果の関係を把握します。 例えば、ある症状に対して、医師は考えられる原因を確率でランク付けした完全なリストを得ることができます。 ナレッジグラフは、医学的な概念や検査結果を一般の人にもわかりやすい方法で説明することができるため、患者もより簡単に理解することができます。

このプレゼンテーションでは、ヘルスケアにおけるナレッジグラフの可能性を探っていきたいと思います。 また、データの品質、相互運用性、プライバシーなど、ナレッジグラフを構築・維持する上での課題についても説明します。

In healthcare, data is abundant but often siloed. That makes it difficult to extract meaningful insights. Traditional data management systems are not equipped to handle the complexity of healthcare data, which includes clinical records, medical knowledge, omic results, and more. As a consequence, doctors, researchers, and patients are unable to take full advantage of this valuable resource.

Enter the Knowledge Graphs. They represent and connect diverse data sources. Recently, GPT makes it even easier to construct and query knowledge graphs. In healthcare, we use knowledge graphs to capture the relationships among patients, diseases, treatments, and outcomes. For examples, for a given set of symptoms, doctors can get a complete list of possible causes, ranked by the odds. Knowledge graphs can explain medical concepts and test results in a layman-friendly way so that the patients can understand them more easily.

In this talk, I will explore the potential of knowledge graphs for healthcare. And we will also discuss the challenges of building and maintaining knowledge graphs, including data quality, interoperability and privacy.

発表者 (Speaker)

Sixing Huang
https://www.geminidata.com

書籍の告知 (Books)

amazonで販売中のユーザーグループの書籍です。
『グラフ型データベース入門 Neo4jを使う』
AMAZONサイトへ