25.11.2009

1

Tartu ÜlikoolTartu Ülikool

Jaak Vilo

Jaak Vilo 1

CV Karjääriredel Kuidas tehakse teadust Kuidas mõõta teadust …

Teadus on lahe◦ saab teha mida tahad/meeldib◦ saab reisida lõpmatult◦ saab suhelda lõpmatult

1984-86 – Nõuk. armee

1986 – I programmeerimine:assembler EC/IBM 360

puu suurus, kõrgus, laiusp gViimase hetke parandus…

II programmeerimineassembler PDP-11I/O - terminal

1984-86 – Nõuk. armee

1986 – I programmeerimine:assembler EC/IBM 360

puu suurus, kõrgus, laiusp gViimase hetke parandus…

II programmeerimineassembler PDP-11I/O - terminal

I/O seade assembleri kirjutamiseks:Input ja Output kirjadega kastid (pigeonhole) Liivi 2

Soome vahetusüliõpilaseks (IV k)

VAX/VMS (Digital)◦ telnet◦ mail◦ mail◦ ftp

Sun UNIX, email, ftp, ping, telnet, … Internet

25.11.2009

2

University

Companies Companies

University◦ education of people◦ creation of new ideas, fundamental knowledge

Companies Companies◦ need for qualified personnel◦ products and solutions

Õpetamine◦ Õppetöö läbiviimine – loengud, praksid, seminarid◦ Teaduritel väiksem koormus (juhendamine!)

Teadus Teadus◦ mõõdetakse näiteks artiklite arvudes◦ Dotsentidel ka teadustöö kohustus

PhD

BSc / BA jne

MSc / MA / MBAMD

Saksa: Habilitatsioon,Nõuk: teaduste doktor

PhD

MBA – kasulik lisaharidus

PostDocJäreldoktorantuur

25.11.2009

3

Professor Juhtivteadur

Assistent

Lektor

Dotsent

Assistent, PhD tudeng

Teadur

Vanemteadur

Lihtne IKT hariduse edendamise mudel (Jaak Vilo, InnoEstonia Nov 2009)

AastatÜliõpilasi üliõp/õj Õppejõude

Vastuvõtt 150 150 3 338 15 23

Bakalaureus 50% 75

MSc vastuv 80% 60 2 96 8 12

Magister 60% 36

PhD Vastuv 25% 9 4 27 4 7

Doktor 50% 5

9 461 41

Õppejõudude "voolavus" 10%

Vajadus uute PhD-de järele: 4

Jääb "üle" mujale: 0

Education

Research◦ Target Funding◦ Estonian Science Foundation◦ Estonian Science Foundation◦ Center of Excellence (EXCS)◦ EU FP6 and FP7 projects◦ …

University of Tartu

• Computer Science Institute

• 2003‐2004‐2005 – no target funding

University of Tartu

• Computer Science Institute

• 2003‐2004‐2005 – no target funding

• 2009: >50% of budget research funding

Estonia needs R&D in ICT forsustainable software industrysustainable software industry

/computer science/

25.11.2009

4

Tarkvara TAKTarkvara TAKJaak Vilo

13. november 2009

STACCSoftware Technologies and Applications

C CCompetence CenterJaak Vilo

From University to Industry

• Research relevant to companies

• Topics interesting for students

• Results both for academia and for industry

• Funding from industry, matching from EAS 

Co‐operative R&D center

COMPANIESCOMPANIES

EASEAS

UNVERSITIESUNVERSITIES

STACCSTACC

NEW SOFTWARE PUBLICATIONS,

degrees

Timeline

• 2008 August – started planning

• 2008 September – LOI (partners!)

• 2008 Nov ‐ 2009 Jan – planning, negotiating, i i lwriting proposal

• 2009 Feb – Hearings; May – decisions

• July – STACC

• August – Consortium Agreement

• Sep‐Dec Detailed plans, project launches

STACC asutamine 13. juuli 2009

24

25.11.2009

5

Research Tracks and Programs

1.1 Web Analytics and Social 

Network Analysis

1.2 Biomedical data integration and mining

1.3 Privacy‐Preserving Data 

Mining

Data Integration and Mining (DIM)

25

2.1 Smart Internet Interfaces

2.2 Smart Services2.3 Software Development Productivity

Software and Services Engineering

Delfi, Logica, Quretec, Regio, Skype

ITK, Cybernetica, Quretec Cybernetica, Swedbank

Delfi, Regio, Webmedia

Webmedia, Regio, Logica, Cybernetica

Webmedia, Logica, Cybernetica, KnowIT

• Methods for analysing the structure and dynamics of very large social networks and raw web usage data in order to discover user clusters, user goals, service or product consumption patterns, customer churning patterns, spam and fraud patterns and other patterns of individual or collective 

1.1 Web Analytics and Social Network Analysis

p puser behaviour.

• Application to user interface personalization and re‐organization, personalized search, targeted advertising, peer‐to‐peer network monitoring, and derivation of e‐Business metrics associated to advertising, customer acquisition and retention/churning, and business intelligence.

26Delfi, Logica, Quretec, Regio, Skype

Web usage mining

25.11.2009

6

Activities

1. Social Network Analysis

• mining of very large (400M nodes, x 10 edges) graphs for elementary properties

2 Web (and software) log mining2. Web (and software) log mining

• warehousing

• clustering, viusalisation, decision support …

3. User Intent Prediction

• real time learning of user intent and goals

• collaborative filtering

• To develop data integration and analysis methods for electronic patient records and biomarker data with the goal of improving the (early) diagnosis and medical treatment of the diseases.

1.2 Biomedical data integration and mining

• Complex disease of COPD as the proof of principle

• Mining Electronic patient records and E‐Health data

• UT – data mining; TTU – medical know‐how and data

• Hospital and e‐health solutions

32ITK, Cybernetica, Quretec, + E-Health, Medicum, Finnish NIH

Activities

1. COPD patient cohort buildup based on smoking etc characteristics

2. Data warehousing and decision support forhospital e health datahospital e‐health data

3. Introducing ontologies into clinic

4. Text mining of medical records

Avastuse tegi Oulu ülikooli sisehaiguste kliiniku kardioloogia uurimisrühm koos Päijät‐Hämekeskhaigla uurijatega, kes vaatasid üle 10 000 keskealise soomlase terviseandmed ja aastatel 1966‐1972 kogutud EKGd.Andmete kogumisele järgnenud 30 aasta vältel suri neist ligi 2000 südameinfarkti. Äkilise arütmia tagajärjel suri ligi 800 inimest.

To develop and to evaluate privacy‐enhancing methods for datastorage and processing, along two complementary directions:

1. Security of micro‐data releases and query auditing: Detection and elimination of possible privacy breaches indata to be published and detection of queries to (medical

1.3 Privacy‐Preserving Data Mining

data to be published, and detection of queries to (medical and financial) databases that may breach the privacy of individuals.

2. Privacy‐preserving data aggregation: Development of secure and practically efficient methods for aggregating data from multiple sources, that leak nothing beyond the end aggregate results.

36Cybernetica, Swedbank, Skype

25.11.2009

7

Privacy preserving DM

Q: sexual behavior ofHIV patients?

# sexpartners: 2 34

0

Privacy preserving DM

68612

AVERAGE = 12876113126531

764224

# sexpartners: 2 34

0

9823

1235 68612

Privacy preserving DM

AVERAGE = 12876113126531

764224

ShareMind

Activities in 1.3

1. Micro‐data  protection mechanisms

2. An environment for developingprivacy‐preserving applications

3 i i i3. Demonstration: questionnaire system

4. Protocol analysis for secret‐sharedapplications

4 Sep 2008

25.11.2009

8

42 arvutit (node)2 x 4-core

336 core

32 GB / node1.2 TB RAM

HPC @ UT anno 2009

Kiire võrk(Infiniband)

UT Inst of CS:32-core, 256GB RAM

Oktoober 2009

The first record is dated 10/01/2009, last record is dated 10/31/2009.

Wallclock Average AverageUsername Group #jobs days Percent #nodes q-days Full name-------- ----- ----- --------- ------- ------- ------- ---------

TOTAL - 36187 7293.91 100.00 1.64 0.07cipo users 363 3445.66 47.24 1.85 0.07 Heiki Kasemagi

thcmob users 33397 1427.46 19.57 1.00 0.06 Juri Reimandbronto hirlam 119 759.92 10.42 8.21 0.12 Andres Luhamaa

i 102 566 69 7 77 48 87 0 13 I S hh kivan users 102 566.69 7.77 48.87 0.13 Ivan Suhhonenkobayazit1 users 649 510.45 7.00 1.00 0.31 Bayazit Yunusbaevpriit85 users 69 184.23 2.53 1.00 0.17 Priit Priimagi

maitb users 467 180.12 2.47 1.00 0.21 Mait Metspalualfonsog users 28 106.21 1.46 1.01 0.02 Alfonso Tlatoani Garcia-Sosa

jaas users 8 57.53 0.79 13.80 0.04 Jaas Jezovsiims users 124 21.12 0.29 1.00 0.01 Siim Sober

t6nuesko users 629 16.87 0.23 1.00 0.08 Tonu Eskoa72094 users 40 13.72 0.19 1.00 0.03 Kaur Alasoo

wire users 43 2.07 0.03 1.00 0.00 Lauri Juhan Liivamagilauria users 95 0.89 0.01 9.31 0.00 Lauri Antonreidar users 46 0.81 0.01 1.00 1.29 Reidar Andreson

kasak105 users 4 0.17 0.00 8.00 0.09 Kait Kasakeero users 4 0.00 0.00 1.00 0.00 Eero Vainikko

Formula for success

• Challenges and demands from industry

• Researchers and students from university

• Funding

• Commercial and academic impact

Teooria, Mudel (M)

Hüpoteesk i id õ d◦ aksioomid, tõestused…

Eksperiment (andmed)

Uued tehnoloogiad, teadmised, …

Artikkel – kirja pandud teadustulemus◦ verifitseeritav◦ tulemus peab olema korratav◦ mõtteid ergutavmõtteid ergutav

Peer Review◦ kolleegide hinnang artiklile

25.11.2009

9

Ten Simple Rules for Graduate Students Ten Simple Rules for Getting Published Ten Simple Rules for a Good Poster Presentation Ten Simple Rules for Making Good Oral

PresentationsPresentations Ten Simple Rules for Reviewers Ten Simple Rules for a Successful Collaboration Ten Simple Rules for Getting Grants Ten Simple Rules for Selecting a Postdoctoral

Position …

http://www.ploscompbiol.org/article/info%3Adoi%2F10.1371%2Fjournal.pcbi.0010057

1. Read many papers, and learn from both the good and the bad work of others.

2. The more objective you can be about your work, the better that work will ultimately become.

3. Good editors and reviewers will be objective about your work

4. If you do not write well in the English language, take lessons early; it will be invaluable later.

5. Learn to live with rejection.

6. The ingredients of good science are obvious—novelty of research topic, comprehensivecoverage of the relevant literature, good data, good analysis including strong statistical support, and a thought-provoking discussion.

The ingredients of good science reporting are obvious—good organization, the appropriate use of tables and figures, the right length,writing to the intended audience—

do not ignore the obvious.

7. Start writing the paper the day you have the idea of what questions to pursue.

8. Become a reviewer early in your career.9. Decide early on where to try to publish your

paperpaper.10. Quality is everything.

When you are long gone, your scientific legacy is, in large part, the literature you left behind and the impact it represents.

Create an “elevator pitch”

Abstract

B i k i d Be quick to write downall main ideas

Revise, revise, revise

http://shirleywho.wordpress.com/2008/09/30/how-to-write-a-bioinformatics-research-paper/

25.11.2009

10

Artiklid!◦ Publish or perish◦ Impact◦ Ajakiri vs konverents

Grandid (lisaraha)

Prototüübid, patendid, andmebaasid, teosed (n. sõnastikud, monograafiad), …

Õpetamine

Teadusartiklid viitavad varasematele töödele, millel nad baseeruvad

Artiklid millele viidatakse on järelikult olnud olulisedolulised

Viidatavus näitab seega mõjukust

Kuidas mõõta?

Artiklite koguarv

Kõikidele artiklitele viitamised◦ enese-tsiteeringud? ◦ kurioossed juhtumid, plagiaat …

H-index◦ # of articles (H) with #citations > H

◦ 1000, 1, 1, 0 … => 1◦ 10, 9, 5, 2, 1 … => 3◦ H=20 => 20 articles with ≥ 20

www.utlib.ee◦ Andmebaasid ISI

Scopus: http://www.scopus.com

17.11.2009

25.11.2009

11

H-indeks7

teadlaste arv

1300

340

58

Analüüs: Mait MüntelAllikas: Ettepanekud Eesti teadussüsteemi reformiks

http://www.cs.ioc.ee/excs/policy/teadusreform.pdf

Uued teadmised, arenguhüpped◦ raamat◦ transistor◦ DNA struktuur ◦ Internet (võrk, WWW) …

Uued tooted◦ ravimid◦ telefonid, arvutid, autod, …◦ teenused◦ meelelahutus◦ …

10 aastat – pikk või lühike?

Mis oli olemas 10 a tagasi? 20 i?◦ 20a tagasi?

5 aasta pärast?◦ 10 a pärast?◦ 20 a pärast?

25.11.2009

12

2

67

See, kui tajume IKT maailma väga kiirelt muutuvana ei tähenda tingimata tegelikku kiiret muutust.

2

Kui arengud tulevad meile üllatusena siis ei ole me lihtsalt eesliinil toimuvaga kursis! Pikemas plaanis tähendab see hävingut!

Esimene arvutihiir 40 aastat tagasi

2

www.worldmapper.org

Mis on hea teadus? ◦ Huvitav - Miks? Kuidas? Kas? ◦ Oluline - Võimaldab arengut, uusi küsimusi◦ Ajakohane - Aeg on küps, just praegu◦ Tulemused = uued teadmised, lahendused,

Hea teadus võib vahel harva olla ka ajast ees

IT-s on võimalik teha olulist kaasaegset tööd

Palju erinevaid teadussuundi, ka IT-s

Palju seoseid, ideede vahetust, vaatenurga h t ivahetusi, …

Interdistsiplinaarne◦ IT ainult IT enda jaoks ei oleks kuigi relevantne◦ Oluline – kuidas teha IT maailmale kasulikuks

25.11.2009

13

Mitme-külgsus

Töökus

Kommuni-katsioon

FunLoovus

Talent

Haridus

Pole otsaette kirjutatud

Terake talenti, tugevalt töökust ja ohtralt di hiuudishimu

Püüeldes parima poole saavutad endast maksimumi

6 prof, ~50 inimest

Tippkeskus (EXCS)

T h l i A d k k (STACC) Tehnoloogia Arenduskeskus (STACC)

EU projektid (COBRED, jt)

Sihtfinantseerimine, ETF, EKKTT RP

Teadust teevad noored!!!

Suur osa Nobeliste on oma olulised avastused saavutanud enne 35 a vanust

Doktorandid, postdoc-id on kõige viljakamas eas

Professorid on üle koormatud administreerimisega…

25.11.2009

14

Väga väikesed, vähese energia-vajadusega

2

vajadusega komponendid ja mikrosüsteemid

79Pilt: Wired Magazine, Artifacts from the future

“Tark tolm”

Miniatuursete arvutite

2

ja sensorite

võrgustikud

California Ülikool 2001

2

Painduv nanomaterjalidest mobiiltelefon

Nokia & Cambridge

2

Nokia & Cambridge Ülikool 2007

2

25.11.2009

15

Tehnoloogiast ja tulevikust

Eesti IKT 2018+

• Tüüpilises majapidamises on üle 1000 mikroprotsessori

2

1000 mikroprotsessori

• Petabait (1 PB = 1 miljon GB) on levinuim ligapäevaselt kasutatav andmemahu ühik

• Videokõnede maht minutites ületab tavalise telefoniside mahu

IKT on kõikjal teie ümber

Kõikidel erialadel kasutatakse IKT-d suuremal õi äh l ää lvõi vähemal määral

Q: kuidas teha IT ja IKT paremaks

Q: kuidas kasutada IKT võimalusi mujal

8a

Aga…

Kas meil on vaja 2x rohkem transistore, et teha sama korrutustehet? 64 bit -> 128 bit?

Ühe arvutuse kiirus ei kasva enam Moore seaduse järgi…

8a

25.11.2009

16

vs

Aga … (osa 2)

Andmete kogumine läheb ka kogu aeg odavamaks ja süstemaatilisemaks.

Andmete kasv on isegi kiirem kui arvutite kiiruse “kasv”

tekst, pilt, heli, video, signaalid …

eraelu, meedia, äri, riik, teadus, …

4 Sep 2008

molecular biology

25.11.2009

17

Databases: molecules to systems

GenomesEnsembl, Ensembl

Genomes, EGA

Nucleotide sequenceEMBL-Bank

Gene expressionArrayExpress

ProteomesUniProt, PRIDE

Protein families, motifs and domains

Protein structurePDBe

Chemical entities

Literature and ontologiesCitExplore, GO

InterPro

Protein interactionsIntAct

Chemical entitiesChEBI, ChEMBL

PathwaysReactome

SystemsBioModels

TÜ-s

• Uued sekveneerimistehnoloogiad

– Solid (Applied Biosystems) 1TB raw data (siirdemeditsiini tippkeskus)(siirdemeditsiini tippkeskus)

– Illumina (kevad 2010?)(Biokeskus, Geenivaramu)

– …

Paralleel-arvutused

http://en.wikipedia.org/wiki/Hypercube64-node hypercube

128-way fat tree

Dinosauruste aeg taas algamas?

http://www.top500.org/

Trendid

• Palju seadmeid (väiksed, odavad, kiired,…)– redundantsus => tõrkekindlus

• Virtualiseerimine, cloud, teenus pistikust …

• Teenusekeskused (cpu,RAM,disk,backup,..)

• Lihtne ligipääs, kiire võrk

25.11.2009

18

42 arvutit (node)2 x 4-core

336 core

32 GB / node

HPC @ UT anno 2009

1.2 TB RAM

Kiire võrk(Infiniband)

UT Inst of CS:32-core, 256GB RAM

Oktoober 2009

The first record is dated 10/01/2009, last record is dated 10/31/2009.

Wallclock Average AverageUsername Group #jobs days Percent #nodes q-days Full name-------- ----- ----- --------- ------- ------- ------- ---------

TOTAL - 36187 7293.91 100.00 1.64 0.07cipo users 363 3445.66 47.24 1.85 0.07 Heiki Kasemagi

thcmob users 33397 1427.46 19.57 1.00 0.06 Juri Reimandbronto hirlam 119 759.92 10.42 8.21 0.12 Andres Luhamaa

i 102 566 69 7 77 48 87 0 13 I S hh kivan users 102 566.69 7.77 48.87 0.13 Ivan Suhhonenkobayazit1 users 649 510.45 7.00 1.00 0.31 Bayazit Yunusbaevpriit85 users 69 184.23 2.53 1.00 0.17 Priit Priimagi

maitb users 467 180.12 2.47 1.00 0.21 Mait Metspalualfonsog users 28 106.21 1.46 1.01 0.02 Alfonso Tlatoani Garcia-Sosa

jaas users 8 57.53 0.79 13.80 0.04 Jaas Jezovsiims users 124 21.12 0.29 1.00 0.01 Siim Sober

t6nuesko users 629 16.87 0.23 1.00 0.08 Tonu Eskoa72094 users 40 13.72 0.19 1.00 0.03 Kaur Alasoo

wire users 43 2.07 0.03 1.00 0.00 Lauri Juhan Liivamagilauria users 95 0.89 0.01 9.31 0.00 Lauri Antonreidar users 46 0.81 0.01 1.00 1.29 Reidar Andreson

kasak105 users 4 0.17 0.00 8.00 0.09 Kait Kasakeero users 4 0.00 0.00 1.00 0.00 Eero Vainikko

Uued vajadused

• Eri tüüpi arvutustele sobivad lahendused

• Kiire võrguga universaal-klaster

• Suur mälu (256GB + RAM)

• Arvutifarmid (palju arvuteid, odavamad komponendid)

Arvutivõrk

Arvutivõrk Arvutivõrk

25.11.2009

19

Elekter ja kuumus…

• Küte talvel, jahutus suvel …

Rakendused

• P = NP ?

• Kuidas kõiki andmeid paremini ära kasutada

• Arvutada keerukamate ja täpsemate mudelitega– kombinatoorne plahvatus! Leida optimum

TED Sixth Sense

3.2 Gb of human genome

ATCGATGAGT CAGTACGTAT TTATGCGATG GT 3.2 x 10

3.2 x 103

3.2 x 105

3.2 x 107

3.2 x 109

3.2Gb , 186 km Tallinn <-> Tartu = 17 nt / mm

Level 1

Level 2

Level 3

A eukaryotic genome can be thought of as six Levels of DNA structure.

The loops at L l 4

Level 0 ATCGCTGAATTCCAATGTG

Level 4

Level 5

Level 6

Level 4 range from 0.5kb to 100kb in length.

If these loops were stabilized then the genes inside the loop would not be expressed.

25.11.2009

20

E. Lieberman-Aiden et al., Science 326, 289-293 (2009)

BIIT 2009

Teie eesmärk Ülikoolis peaks olema jõuda tipptasemele◦ = teadmiste eesliinile◦ Edasi saab otsustada mida teha◦ Edasi saab otsustada, mida teha

Teadus on töö teadmiste “avastamiseks”

Huvitav ja mitmekülgne