Карима Нигматулина: использование Big data на примере кейсов Штатов и России

У кого дата
больше:
кейсы Штатов
и России
Карима
НИГМАТУЛИНА
#tceh
Москва, Россия
13 октября 2015 г.
1

2
Национальной науки нет, как
нет национальной таблицы
умножения.
- Чехов А. П.

3
Любят родину не за то, что она велика, а
за то, что своя.
- Сенека, Луций Анней

Copyright © 2011 Intellectual Ventures Management, LLC (IV).
All rights reserved.
44 4

Copyright © 2011 Intellectual Ventures Management, LLC (IV). All rights reserved.
Intellectual Ventures Laboratory

88
Ликвидация оспы – 1980 г.
Эпидемиологическое
моделирование
Виктор Михайлович Жданов – 1958 г. 9

99
Сегодня поставлена цель:
Глобальное искоренение
полиомиелита
9
Только 3 страны с
эндемическим
распространением:
Нигерия, Афганистан,
Пакистан

1010
Инфицированных: 1/3 мирового населения(2 млрд человек)
Смертей: 1.7-2.2 млн/год
1 человек/секунду зарожается туберкулезом
Туберкулез
Каждый год от инфекционных заболеваний умирает ~ 10 млн.
Многие заболевания предотвратимы.

1111
Инфицированных: 35 млн человек
Смертей: 2.1 – 2.8 млн человек/год
С 1983 года от СПИДа скончалась примерно 40 млн человек
ВИЧ/СПИД

1212
Осложнения: 3-5 млн человек/год
Смертей: 350-600 тыс человек/год
Грипп

1313
13
“Испанка” грипп, 1918-19
40-100 млн человек

1414
14
“Испанка” грипп, 1918-19
40-100 млн человек

1515
Стимуляция: пандемия гриппа сегодня

1616

1717
Даже при сокращение полётов на 95% не останавливает
распространение.

1818
Плотность
населения
Ночное
освещение

1919
Передвижение
населения
Авиа полеты
Сеть железных дорог
Сеть автомобильных дорог

2020
Зачем математические модели?
20
Оптимально распределить ограниченные ресурсы для
сокращения заболеваемости
 Проверить решение на стабильность (найти устойчивое решение)
 Спланировать необходимую инфраструктуру и логистику для целевой программы
 Рассмотреть новые наиболее эффективные методы вмешательства (пример: новый
тип вакцинации)
 Определить наиболее полезные направления для полевых исследований
20

2121
Моделирование
малярии
Заболеваемость: ~250 млн. чел/год
Смертность : 750,000 -1 млн. чел/год Распространение от укуса комара

2222 22

2323
Способы борьбы с распространением малярии...
Опрыскивания стенСетки Лекарства

2525
Спим под сетками и опрыскиваем стены

2626
Балансировка
нагрузки
вычислительных
узлов

Транспортное моделирование
27

28
28
Чем больше дорого, тем быстрее поедем???
Что лучше 5 полос или 6 полос?
ответ: 5!!
Всегда дополнительная дорога полезна?
ответ: Нет!!

29
29
Парадокс Браеса
4000 автомобилей
минут минут

30
Предложение:
Транспортная сеть
Плотность
населения
Плотность
рабочих мест
Спрос:
Матрица корреспонденций
Улично
дорожная
сеть
МетроНаземный
трансопрт
+Ж/Д
Транспортное моделирование – макро уровень
30

31
Транспортное моделирование – результаты
Загрузка УДС Расстояние 45 мин. поездки
31

32
Перепробеги по сетиМинимальное расстояние
10 мин. поездки
Необходимо строительство хордовой
системы 32

33
Вывод:
Вычислительные мощности позволяют
рассчитывать сложные модели, но
классических данных не хватает для
построения достоверных моделей
ЧТО ДЕЛАТЬ??
Ответ:
Большие данные (Big Data)
Новые источники тнформации
33
Введение термина относят к Клиффорду Линчу, редактору журнала Nature, подготовившему к
3 сентября 2008 года специальный номер журнала с темой «Как могут повлиять на будущее науки
технологии, открывающие возможности работы с большими объёмами данных?»

34
Пример Big Data:
Данные сотовых операторов для городского планирования
Отношение численности населения по данным
сотовых операторов к данным Росстата
Численность населения по данным сотовых
операторов
34
Население Росстат Данные сотовых
операторов
Москва (с ТиНАО) 12 млн 12-13 млн
ТиНАО 0,25 млн 0,5-0,6 млн
Москва + Московская область 19 млн 20-22 млн

35
Число людей переехавших из Москвы летом
35
- Летом примерно 1 млн жителей
Москвы переезжают жить на дачу
- В августе население Москвы
сокращается примерно на 1.8 млн
жителей

36
Новые источники «больших данных»
• Поисковики (Google,
Yandex)
• Социальные сети
(Facebook, LinkedIN)
• Спутники
• GPS треки
• Pадиочастотные
идентификаторы (RFID)
• Текстовые, фото и видео
данные
• Данные финансовых
систем
• И многое другое
36

37
37
За последние 2 года собрано около 90%
данных собранных за всю историю.

38
Спасибо за
внимание!38

Карима Нигматулина: использование Big data на примере кейсов Штатов и России

Recommended

Recommended

More Related Content

Viewers also liked

Viewers also liked (20)

Similar to Карима Нигматулина: использование Big data на примере кейсов Штатов и России

Similar to Карима Нигматулина: использование Big data на примере кейсов Штатов и России (13)

More from #tceh экосистема и коворкинг для стартапов.

More from #tceh экосистема и коворкинг для стартапов. (20)

Карима Нигматулина: использование Big data на примере кейсов Штатов и России