Neo4j Budapest 2018 February Edition

This is a past event

50 people went

Location image of event venue

Details

Sziasztok!
Úgy néz ki sikerült érdekes előadásokat szerveznünk a következő meetup-unkra.
Úgyhogy Valentin-nap előestéjén tartjuk a következő alkalmat, a Liferay-nél. Az első előadás angolul lesz, a második magyarul.

Hi Everybody!
We managed to get some interesting talks for our next meetup. So, we can meet on the evening before Valentine's day in the Liferay office. One talk will be in English, the second talk is in Hungarian.

First talk (in English)

Chris von Csefalvay:
Finding Patient Zero: How graph databases help us understand, trace and prevent emerging epidemics

In[masked], a devastating epidemic of the Ebola hemorrhagic fever swept through West Africa, infecting almost 30,000 people and killing 11,310. Contact tracing, a traditional method of field epidemiology, has eventually discovered 'patient zero', a 2-year-old boy from Meliande, in Guinea's Gueckedou province. Graph modelling exercises based on the contact tracing data, however, have created useful retrospective models to explain the most likely directions of spread and predict routes of transmission. In this presentation, I will be discussing the role graph theory and graph databases like Neo4j play in understanding, predicting and preventing emerging infectious diseases based on a range of case studies.

Bio:
Chris von Csefalvay is a clinical computational epidemiologist working with Transcend Insights, a population health company headquartered in San Diego, CA. His areas of professional interest are viral haemorrhagic fevers, contact tracing algorithms and the use of zero-knowledge proofs in WMD decommissioning. A native of Budapest, Hungary, he was educated in Oxford, Leiden and Cardiff. Together with his wife Katie, an art historian and illustrator, and their kitten River, they split their time between Budapest and Southern California.

Second talk (in Hungarian)

Szárnyas Gábor, Farkas Rebeka, Elekes Márton, Gujgiczer Anna:
Időzített automatatanulás Cypherrel

Az előadásban egy szokatlan esettanulmányt mutatunk be, melyben a Neo4j adatbázist egy összetett gráfalgoritmus megértésére és szemléltetésére használjuk.
A Neo4j eredetileg véletlenül került a képbe: egy hallgatói TDK munka keretében egy időzített automaták tanulását végző algoritmust próbáltunk megvalósítani Java nyelven. A megvalósítás során hamar nehézségekbe ütköztünk, az algoritmus ugyanis rendkívül bonyolult, ezért az implementációnk lefutása nehezen volt követhető. Kíváncsiságból tettünk egy próbát azzal, hogy a tanulás bemeneteiet és a megtanult automatát Neo4j property graph-ként tároljuk, az algoritmust pedig Cypher lekérdezések sorozataként formalizáltuk. Az eredményeink túlnyomóan pozitívak voltak: a Cypherben bonyolult transzformációk is jól kifejezhetők, míg a vizualizáció segítségével jól végigkövethető az algoritmus lefutása. Az előadásban bemutatjuk a problémát, szemléltetjük a tanulás folyamatát és kitérünk a Cypher-alapú megvalósítás erősségeire és gyengeségeire.

See you soon!