User Tools

Site Tools


admin:course_admin

This is an old revision of the document!


Visual Analytics Course

Course administration

Bordeaux 2012-2013

Liste des étudiants (Excel) - pour rassembler des notes, des appels, des remarques

Bilan des projets

Mola & Pautrizel ⇒ 11

  • Données sur le ver C. Elegans. Visualisation du système nerveux du ver (300 sommets et 2345 arêtes).
  • visu mal choisie, mauvais choix de couleurs
  • travail léger
  • Avis étudiants : travail moyen (~3) pour chaque critère.

Lanterne & Randriamanana ⇒ 11

  • Données Twitter. Construction d'un réseau rassemblant tous les membres twitter et tous leurs followers (pas si évident, faut inspecter).
  • notion d'go nodes pas claire
  • Utilisation des métasommets et d'algos de visu simples.
  • Travail assez pauvre sur les autres critères
  • Avis étudiants : entre 2 et 3 pour chaque critère. Ils n'ont pas tout compris

Perrot & Lyazidi

  • Données joueurs d'échec. Questions plus 'triviales' / Pas facile de voir venir des questions qui trouveraient réponse par l'analyse d'un graphe (qu'il faudrait construire). Du coup, on est en droit d'attendre des visus plus sophistiquées (parce que la prise en main et l'analyse des données est plus 'immédiate').

Da Silva & Badiola

  • Email Enron: prise en main des données exigeantes (volumineuses, textes, champ email). Q.: détection des liens hiérarchiques (?), corruption ?

Ruffet & Farhat

  • Gnutella: problème de données volumineuses, évolution dans le temps. Une idée, discutée avec eux en séance. On observe un coeff de clustering faible, ce qui pourrait indiquer qu'une apprhc epar arbre couvrant est pertinente (arbre auquel on agrégerait le reste des données, pour assurer ainsi une certaine stabilité du dessin).

Cassan & Faux

  • Vote Wikipedia: données déjà prises en main, on travaille à partir d'une visu noeud-lien pour tenter de comprendre les données, on cherche une approche pour détecter et voir les communautés. Discussion (avec les étudiants), l'analyse des coeff de clustering et degree semble confirmer qu'on a bien des 'petites' communautés réparties un peu partout (10K arêtes pour 7K sommets, avec un coeff de clustering significatif).

Lelièvre, Djemiel & Marmiesse

  • High energy physics papers: données volumineuses et bruitées, nécessité de filtrer (fait), puis on se focalise sur la plus grande composante connexe (fait). On cherche à trouver des communautés de papiers (donc de chercheurs) qui se cite plus fréquemment. Piste d'exploiration: Louvain ou clustering pour identifier les comms, métrique basique pour confirmer des tendances.

Gachet & Gillet

  • Financial data, GeoView, Hierarchical graph (flux orientés).
/net/html/perso/melancon/Visual_Analytics_Course/data/attic/admin/course_admin.1359046313.txt.gz · Last modified: 2013/01/24 17:51 (external edit)