User Tools

Site Tools


chicoutimi_2016:ter_projects

Visual Analytics Course

Instructor: Guy Melançon (email: Guy dot Melancon at labri dot fr)

Chicoutimi Summer 2016 roadmap / Session by session cutdown

Une grille donne une idée des critères d'évaluation, et des éléments pris en compte pour les évaluer.

Here is a list of suggested topics. You can also come up with your own. In any case you need to validate your project topic with me as soon as possible.

Term projects

  • Nomograms Les nomograms ont été repris par Mozina et al. 2004 (attention, pas Mozinor) pour visualiser et étudier les modèles de prédiction bayesien. Le projet pourrait consister à étendre cette approche.
    • Les modèles bayesiens sont simples. Ce sont ceux qu'utilisent les clients de messagerie pour trier les spams par exemple (eh non, les prédictions ne sont pas parfaites …). A partir de quelques paramètres mesurés sur un item (un courriel, sur lequel on mesure des paramètre de forme, la présence de mots-clés, etc.) on tente de prédire la “classe” (spam ou pas spam) de cet item.
    • Les nomograms permettent de visualiser comment est faite la prédiction. L'article présente une approche simple pour visualiser le positionnement relatif des paramètres qui sont mesurés, et la probabilité qui est calculée (X% de chance d'être un spam) à partir de valeurs de ces paramètres.
    • Puisque le modèle prédit l'appartenace à une classe, on doit pouvoir proposer une cartographie (plongement 2D) de l'ensemble des items, plaçant des items d'une même classe ensemble. La difficulté tient d'une part au plongement 2D, mais aussi au fait que pour certains items la prédiction est difficile ou fausse: les classes ne sont peut-être pas si bien séparées.
    • En questionnant la carte 2D (en sélectionnant un sous-ensemble d'items, on doit pouvoir donner à voir comment le modèle travaille sur cet ensemble pour prédire leur appartenance à la classe).
    • Le travail consiste donc à calculer la carte 2D (proximité des items en fonction des paramètres), et à concevoir et fabriquer l'interaction, puis à maîtriser le modèle sous-jacent pour le révéler.
  • Getting your hands dirty Prenez en main un jeu de données et faites-le parler. Construisez une stratégie d'exploration, exposez-là. Faites émerger des questions et esquissez des réponses argumentées sur la base d'une démarche d'analyse, que viendront seconder des visualisations bien conçues.
    • Regardez du côté des jeux de données publiés sur le site kaggle datasets
    • Attention à bien choisir le jeu de données (il faudra valider votre choix avec moi) – tous les jeux de données ne présente pas d'intérêt pour la visualisation ou l'exploration (beaucoup de compétitions sur kaggle concernent les modèles prédictifs).
  • Layout of dynamic graphs – based on Frishman & Tal's article. Can also be inspired from recent work by Renoust et al.
    • Frishman & Tal's paper does not say it all. The work requires to get into the tiny details of a spring enbedder variation capable of dealing with a sequence of graphs, and producing a series of layout that preserves the user's mental map. That is, the sequence of layotu is relatively “stable”, given that the graphs topology change in time.
    • Renoust et al. paper produces a layout of two distinct graphs. The two graphs are derived from a single, bipartite graph. The first graph is laid out using a spring embedder. The nodes of the second graph are constrained given the connection s they have to nodes of the first graph.
  • Aligned multiple layouts of multimodal graphs Graphs sometimes assemble entities of multiple types: authors co-writing papers on given topics is a good example.
    • An author-author network derived from the original graph may be of interest. it may be interesting as well to simultaneously look at the topic topic graph. Topics indeed can be connected if at least two authors have co-written papers on these two topics. But then it may be interesting as well to see a paper-paper network connecting papers when they share authors and/or topics.
    • The simultaneous visualization of these graphs becomes even more useful when the layouts are aligned: when authors sit at the top left part of the layout, it is the same for the corresponding papers and topics they are concerned with.
    • The work thus consists in extending Renoust et al. paper producing a layout of two distinct graphs. The two graphs are derived from a single, bipartite graph. The first graph is laid out using a spring embedder. The nodes of the second graph are constrained given the connection s they have to nodes of the first graph.
/net/html/perso/melancon/Visual_Analytics_Course/data/pages/chicoutimi_2016/ter_projects.txt · Last modified: 2016/05/18 20:58 by melancon