サイエンスデータエンジニアリングラボ

AI for Science時代の科学データ基盤を発信。研究データの収集・整備・解析・共有・AI活用を支えるデータエンジニアリング実践知を届けます。
管理者 → @cs_dev_engineer

[サイエンスデータエンジニアリングラボ @sde_lab]

Data Superhero に選出されている @cs_dev_engineer さんが執筆した「実践Snowflake コスト最適化ガイド」が本日公開されました！

Warehouseの効果的な使い方などを実際の現場目線で体系的に整理されています！

ぜひご購入ください！
https://t.co/SzijAOaK6C
#sdelab #DataSuperhero #Snowflake

[koreeda @cs_dev_engineer]

私が普段どうやってAIを使って研究進めてるのかを書きました！

思ったよりシンプルかも？是非見てみてください！
#snowflake #DataSuperhero

[サイエンスデータエンジニアリングラボ @sde_lab]

@cs_dev_engineer による普段のAIによる研究開発環境を公開されました！
ローカル環境とSnowflakeの使い分けと論文執筆の方法まで、この記事に余すことなく書いています！
https://t.co/vhYNopgrdU
#sdelab

[サイエンスデータエンジニアリングラボ @sde_lab]

実践Snowflakeコスト最適化ガイドに、第4部「Iceberg を効果的に使う」を追加しました！🧊
・Iceberg のメリット
・Iceberg テーブルの仕組みとコスト
・Iceberg で取り込みを1回にまとめる
・Snowflake の外のエンジンから読む
https://t.co/SzijAOaK6C
#sdelab

[サイエンスデータエンジニアリングラボ @sde_lab]

実践Snowflakeコスト最適化ガイドの第4章「icebergを効果的に使う」を明日公開予定です！公開された後は価格の値上げを行う予定です。今のうちにご購入いただけると更新分までずっと閲覧できるのでおすすめです！
お早めにご購入ください！
https://t.co/SzijAOaK6C #zenn

[サイエンスデータエンジニアリングラボ @sde_lab]

@cs_dev_engineer より生命科学データのオントロジー利用をSnowflakeから行う方法論に関する記事が発表されました。

研究領域でのオントロジー利用に関する参考になると思いますので是非ご覧ください！
https://t.co/iHdOJsiTOu
#sdelab

[wonohe(onoe) @wonohe]

@cs_dev_engineer コストの話めっちゃ大事ですし読むの楽しみです！

[wonohe(onoe) @wonohe]

買ったぞい

[サイエンスデータエンジニアリングラボ @sde_lab]

本書は随時アップデートされていきます。その度に値上げを予定しています。購入済みの方は、追加の章も追加料金なしで読めます。

そのため、初期リリースの今購入するのが一番安くおすすめです。是非購入ください。

[サイエンスデータエンジニアリングラボ @sde_lab]

Data Superhero に選出されている @cs_dev_engineer さんが執筆した「実践Snowflake コスト最適化ガイド」が本日公開されました！

Warehouseの効果的な使い方などを実際の現場目線で体系的に整理されています！

ぜひご購入ください！
https://t.co/SzijAOaK6C
#sdelab #DataSuperhero #Snowflake

[koreeda @cs_dev_engineer]

個人事業開始しました！
データ基盤のコスト最適化&ガバナンスやAI使ったインフォマティクス研究に関する支援を取り扱います。研究成果の論文化や研究費の獲得支援も伴走できます🏃‍♂️

相談だけでもwelcomeです👍
ぜひお気軽にお問い合わせください！
#sdelab #DataSuperhero

[サイエンスデータエンジニアリングラボ @sde_lab]

SDE Lab公式サイトを公開しました！

科学データ基盤の構築やAI活用を中心に、技術の発信と開発・技術支援を行っています。

データエンジニアリングやAIインフォマティクスに関するお仕事のご相談をこちらから受け付けていますので、是非お気軽にお問合せください。
https://t.co/x7XEndvhif

[koreeda @cs_dev_engineer]

生命科学系の外部オントロジーDBをSnowflake上でAI Agentsから参照させるアーキテクチャを考案したプレプリントを公開しました！Open Targetsを創薬利用、Human Phenotype OntologyをRWD解析で解析する例を紹介しています！ぜひご覧ください！
#DataSuperhero #Snowflake
https://t.co/a50n4tJwc8

[koreeda @cs_dev_engineer]

ひょんなことから電子実験ノート（ELN）のツール選定やってるんだけど、どこが人気なんだろう。Signals、Benching、BIOVIA、IDBSあたりが気になってる。研究領域だけでなく、生産・品質管理プロセス管理もまとめられるやつ。液クロやLC-MSやNGSあたりの機器と連携できると尚よし

[サイエンスデータエンジニアリングラボ @sde_lab]

研究の時間は人より限られているので、難しいことをせずに済む仮説生成の着眼点や鋭さで勝負したいと考えている。研究はコンパクトに。

[koreeda @cs_dev_engineer]

10/14、GA technologiesで開催するイベントに登壇します！

三菱UFJ信託銀行・クラシル・GA technologiesのSnowflake Data Superheroes 3名で、データ基盤とAI戦略のリアルを語ります！ぜひご参加ください！
https://t.co/27Et0nvRAe
#Snowflake #DataSuperhero

[koreeda @cs_dev_engineer]

【ゆる募】
リアルワールドデータ解析をやられている方にお話し聞きたいのですが、どなたかいらっしゃいませんでしょうか？

[koreeda @cs_dev_engineer]

レセプトデータのデータモデリング、やっぱそうなんだ、、、stgがカオスになるのは容易に想像つく。

dbtでレセプトデータをモデリングしてみたら、定石が全然通用しなかった話 - ホワイトヘルスケア - テックブログ https://t.co/UfaQMRQDvO

[koreeda @cs_dev_engineer]

Snowflake World Tour 2026、今年も楽しかった！
私の登壇資料はこちらになります！
https://t.co/DLktiCmdAh
#SWTTokyo26 #Snowflake #DataSuperhero

[YAMAMOTO Yuta @__Y4M4MOTO__]

この資料を思い出した。

無くても事業は進むけど、あると加速させることができて、そんなデータ基盤を作ろう、というのが自分もしっくりきている。
https://t.co/TgNDB42IOA

[山口昌雄｜科学技術と経営をつなぐ｜アメリエフ代表 @chemi384]

「AI創薬に乗り遅れていないか」という焦りを、製薬企業の研究者から聞くことが増えた。

でも現場で見ていると、課題の多くはAIの前にある。

そもそもデータが整理されていない。同じ実験を複数人が違うフォーマットで記録していて、統合できる状態にない。解析できる人が社内にいない。あるいはいても、「何を問うべきか」が部門間で合意されていない。

AIは、整ったデータと明確な問いがあって初めて力を発揮する。

「AIが使えるデータを持っている組織だけが加速している」——これが現場の実態だ。AIが創薬を加速しているのではない。

データの質と問いの解像度が先で、AIは後。この順番を間違えると、ツール導入に投資した分だけ遠回りになる。

焦るより先に、自社のデータが問いに答えられる状態になっているか、を確認する方が先だと思っている。