Accueil

SANSEN Joris



Activités de recherche

À vélo, plus tu pédales moins vite moins t'avances plus vite...

Liste des publications...

plus...

×

Publications

Thèse

Joris Sansen. La visualisation d’information pour les données massives : une approche par l’abstraction de données. Autre [cs.OH]. Université de Bordeaux, 2017. Français. 〈NNT : 2017BORD0636〉. 〈tel-01580370〉

Article Journal

Sansen, J.; Richer, G.; Jourde, T.; Lalanne, F.; Auber, D.; Bourqui, R. "Visual Exploration of Large Multidimensional Data Using Parallel Coordinates on Big Data Infrastructure". Informatics 2017, 4, 21.

Articles Conférences

Joris SANSEN, Romain BOURQUI, Bruno PINAUD,Helen PURCHASE. "Edge Visual Encodings in Matrix - Based Diagrams". in Proc. of the 19th International Conference on Information Visualisation (IV'15), 2015.

Joris SANSEN, Frédéric LALANNE, David AUBER, Romain BOURQUI. "Adjasankey: Visualization of huge hierarchical weighted and directed graphs"(Best Paper Award). in Proc. of the 19th International Conference on Information Visualisation (IV'15), 2015.

Joris SANSEN, Patricia THÉBAULT, Isabelle DUTOUR, Romain BOURQUI. "Visualization of sRNA-mRNA interaction predictions". 20th International Conference on Information Visualisation (IV'16), submission accepted, 2016.

Posters

Joris SANSEN, Romain BOURQUI, Patricia THÉBAULT, Julien ALLALI and David AUBER. "Visualizing RNA Secondary Structure Base Pair Binding Probabilities using Nested Concave Hulls". In the 5th Symposium on Biological Data Visualization (BioVis) Poster for Design Contest, 2015.

×

Activités de Recherche

Durant les dernières décennies, la quantité d'informations récupérées et stockées a explosé atteignant aisément les giga/tera -octets ou plus encore, et l'exploitation et l'analyse d'une telle masse de données constituent un réel défi. Ont ainsi émergé les problématiques d'analyse, de traitement et d'exploitation de données massives, généralement regroupées sous l'étiquette problèmatique Big Data. Le traitement de ces données soulève énormément de problèmes, d'une part à cause de leurs volumes, mais aussi à cause de l'architecture de stockage/traitement. En effet, une architecture Big Data est généralement constituée de plusieurs espaces de stockage et de plusieurs machines qui accèdent et traitent les données de façon distribuée. Ainsi, le principe même de traitements et d'analyses Big Data implique qu'il y ait une contrainte d'éloignement géographique forte entre les données (stockage et traitement) et l'utilisateur (analyse), se posent donc les problèmes d'accès, de traitements, de transferts et de délais nécessaires pour permettre ces opérations. Par ailleurs, la complexité des données constitue en elle-même un défi pour l'analyse et l’interprétation, qu'elles soient massives ou non. La visualisation d'information est une des solutions pour répondre à cette problématique et vise à représenter sous forme visuelle, graphique et parfois interactive les données afin d'améliorer la capacité humaine à les explorer et en extraire une information. Cependant, utiliser une telle masse d'information dans son intégralité pose le problème de l'utilisabilité de la représentation obtenue (chevauchement d'informations, encombrement) et de la difficulté de compréhension que cela implique pour un utilisateur. Ainsi, obtenir une représentation juste, utilisable et efficace de données massives constitue un réel défi pour l'exploration interactive et l'analyse de l'information qu'elles véhiculent.

Dans mon activité de recherche, je m'intéresse aux techniques de visualisation abstraite et notamment à leur adaptation dans le cadre de données massives pour en faciliter l'exploration et l'interaction, en particulier pour des données issues du web analytics. Pour répondre à ces problèmes, les solutions abordées s'appuient sur la mise en place d'abstractions et de métaphores visuelles adaptées aux données massives et permettant la mise en évidence de corrélations et la présence (ou l'absence) de motifs particuliers dans les données. Afin d'aider les utilisateurs dans leurs explorations, il est indispensable de leur fournir des outils d'interaction adaptés à ces nouvelles techniques de visualisation tels que l'exploration de représentation multi-échelles, le détail à la demande, etc. qui soulèvent des problèmes similaires. Pour cela, les différents outils et systèmes produits sont créés sur la base de deux principes: utiliser des langages permettant une exploitation distante des données (technologies web) tout en répondant aux impératifs de performances dans les traitements (langage de programmation graphique OpenGL principalement).

Les axes de recherche sont donc divisés en deux parties: la visualisation de données abstraites et l'application pour les données massives et deux types de données ont été envisagées à l'heure actuelle\,: les données relationnelles, qui représentent l'ensemble des relations entre des entités, et les données multi-dimensionnelles, qui représentent quant à elles les attributs d'un ensemble d'entités.

Un premier aspect de recherche a été consacré à l'étude de l'impact que l'encodage visuel des arêtes dans une des représentations classiques de graphe peut avoir sur les performances utilisateurs, à la fois sur un ensemble de tâches simples mais aussi sur une tâche complexe fréquente en analyse de graphe [1]. Ces travaux ont constitué le point de départ pour la représentation de données relationnelles massives et, par application des résultats obtenus, ont amené à la création d'une nouvelle technique de visualisation associée à des outils d'interaction et d'exploration multi-échelle. Cette méthode de visualisation a ensuite été testée sur un cas d'application avec des données représentant des visites d'utilisateurs sur un site web dans le cadre d'une architecture Big Data (stockage distant, calculs parallélisés et distribués, visualisation déportée). L'objectif ici était de fournir une représentation interactive à différents niveaux de détails des visites d'utilisateurs, et plus exactement d'identifier les provenances et destinations dans le parcours des utilisateurs passant par une catégorie de pages particulière. Ce travail a été gratifié du Best Paper Award dans sa catégorie lors de sa présentation à la conférence internationale Information Visualisation en 2015 [2].

Le deuxième aspect de ces recherches a été dédié à la visualisation de données multi-dimensionnelles. Une façon de se représenter ce type de données consiste à imaginer un tableau dont les lignes sont les entités et les colonnes les attributs des entités, chaque case du tableau correspond ainsi à la valeur d'une entité donnée pour une propriété donnée. Une technique de visualisation couramment utilisée pour ce type de données est celle des coordonnées parallèles et consiste à attribuer un axe vertical par attribut (l'axe étant gradué pour un attribut numérique) et à tracer, pour chaque entité du tableau, une ligne qui croise chaque axe à la valeur correspondante pour l'entité considérée. Cette technique, bien que particulièrement adaptée pour la recherche de corrélations, anti-corrélations ou motifs divers dans les données, est particulièrement sensible à la quantité d'entités à représenter\,: plus elle est importante moins la technique est efficace, chaque ligne tracée ayant un impact direct sur le temps nécessaire pour créer ou interagir avec la représentation mais aussi sur sa lisibilité. Les réflexions pour répondre à ces limitations et par généralisation des travaux précédents ont conduit à la mise en place d'un système d'analyse visuelle de données massives prenant en compte le stockage, le calcul et le transfert des données. Ainsi il devient possible, malgré une architecture Big Data, de visualiser et explorer de façon interactive des données multi-dimensionnelles pouvant atteindre plusieurs milliards d'éléments en temps réel avec des coordonnées parallèles abstraites déportées [5].

Un troisième aspect, conduit en parallèle aux deux premiers, consiste à créer et tester les abstractions visuelles pour des données biologiques. Une première partie sur la visualisation de données relationnelles issues d'analyse en génomique a permis de représenter les probabilités d'appariements des bases nucléiques dans la structure secondaire d'ARN [4] ainsi que des prédictions d'appariements entre petits-ARN et ARN-messagers [3]. Une seconde partie consiste en un cas d'étude et d'application des coordonnées parallèles abstraites pour la recherche de corrélations dans des analyses en génomique et protéomique.

Travaux


CoPHI

CoPHI : Coordonnées Parallèles pour les réseaux métaboliques

plus...

adjasankey

Adjasankey

Visualisation de très grands graphes orientés, pondérés et hierarchisés

Steak

Évaluation de l'influence de l'encodage des arêtes dans les matrices d'adjacences.


Curriculum Vitae


identité

Joris SANSEN

Attaché Temporaire d'Enseignement et de Recherche

plus...

formation

Formation

Doctorat d'informatique (2017)
Labri - Université de Bordeaux.

plus...

Compétences

Compétences

Programmation, statistiques, visualisation, web

plus...

Expériences diverses

Expériences diverses

Trésorier en association, élus en conseils universitaires.

plus...


×

Contact

Université de Bordeaux - LaBRI
Équipe MaBioVis - Thème EVADoMe
Bureau 328 - +33 (0)5 40 00 35 31
jsansen [at] labri [dot] fr
joris.sansen [at] u-bordeaux-montaigne[dot] fr

×

Formation Scolaire

  • Doctorat Informatique
    2014-2017
    Université de Bordeaux
  • Master BioInformatique
    2011-2013
    Université Bordeaux 1
  • Licence Biologie
    2009-2011
    Université du Littoral Côte d'Opale
  • DEUG Sciences de la Vie
    2006-2009
    Université du Littoral Côte d'Opale
  • Baccalauréat Scientifique
    option SVT - Mention AB - 2006
    Lycée Notre Dame des Dunes Dunkerque
×

Compétences

  • Langage de Scripts - Programmation C++, Python, Perl, Shells, Java
  • Environnement de travail Gestion de système UNIX/Linux, gestionnaires de version, Latex
  • Modélisation, Algorithmique Algorithmiques de graphes, design patterns, programmation dynamique
  • Systèmes de Gestion de Bases de Données
  • Statistiques paramétriques et non paramétriques Langage de programmation R
  • Visualisation et imagerie OpenGL, Modélisation 3D, Traitements et analyses d'images
  • Technologies WebJavascript, PHP, HTML, CSS, WebGL

Formations diverses

  • BAFA
  • AFPS/PSC1
×

Expériences diverses

Trésorier en association

Trésorier de l'Association de la Formation Doctorale d'Informatique de Bordeaux (AFoDIB)

Stage master 2 avec Rainer Pepperkok, EMBL (Equipe ALMF), Allemagne (2013 - 6 mois).

Projet : Création d'un outil d'analyse d'images : Visualisation 3D d'images issues d'un microscope confocal et analyses statistiques des changements morphologiques.

Stage bénévole

(1 mois) au laboratoire CBMN (bordeaux) : mise à niveaux d'un logiciel de visualisation 3D de tomogramme sur ImageJ.

Mise à jour de la version d'OpenGL, de l'architecture logiciel (Design Pattern) en langage orienté objet (Java)

Projet de Programmation - Master 1

(2 mois) création d'un plugin ImageJ : outils pour la séléction et la découpe de particules sur des images issues de microscopies éléctroniques par différents algorithmes (projet Pick_EM écrit en Java)

Première expérience en gestion de projet (organisation des tâches, planning) et de travail en équipe sur un projet de moyenne ampleur. Perfectionnement dans l'utilisation d'un IDE (Eclipse) et d'un gestionnaire de version (git, subversion)

Divers projets

durant la formation permettant l'apprentissage des langages Python, Perl, Java, C++, création et gestion de bases de données (PostGresSQL), modélisation et traitement d'images scientifiques.

Conseils universitaires

Représentant étudiant au conseil d'administration de l'Université du Littoral, conseil de Centre de Gestion Universitaire de Calais, et au conseil de département Sciences de la Nature et de la Vie (2008-2011)

Emploi saisonniers

Accompagnement de personnes aveugles et handicap associés durant des séjours adaptés en france et à l'étranger (association ANPEA) et animation en centre de vacances et de loisirs

Enseignements


todo
todo
todo
todo