Beruflich Dokumente
Kultur Dokumente
Universidade de So Paulo
6 de agosto de 2015
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
Introduccin
Introduccin
Introduccin
Introduccin
Big Data.
Minera de datos.
Visualizacin de informacin.
Introduccin
Big Data.
Minera de datos.
Visualizacin de informacin.
Introduccin
Big Data.
Minera de datos.
Visualizacin de informacin.
Introduccin
Big Data.
Minera de datos.
Visualizacin de informacin.
Introduccin
Big Data
Introduccin
Big Data
Introduccin
Big Data
Introduccin
Minera de datos
Minera de datos
La Minera de datos puede ser denida como el proceso de extraccion
de informacion a partir de bases de datos, la cual representa parte de
un proceso completo denominado Knowledge Discovery in Databases
(KDD) [Fayyad et al., 1996] que se reere a la conversion de datos
no procesados en informacin til. La aplicacin de tales algoritmos
sobre recursos Web es denominada Web Data Mining.
Introduccin
Visualizacin de Informacin
Visualizacin de Informacion
La Visualizacin de Informacin (InfoVis ) se ha convertido en
un recurso computacional importante para generar
representaciones grcas que auxilian visualmente el anlisis y
el reconocimiento de patrones en los datos.
El objetivo de InfoVis es traducir la informacin abstracta en
una forma visual que proporcione una nueva visin sobre esta
informacin [Hearst, 2009].
Introduccin
Minera +
InfoVis
Introduccin
Minera +
InfoVis
Introduccin
Minera +
InfoVis
Introduccin
Visualizacin de Informacin
Introduccin
Visualizacin de Informacin
(http://academic.research.microsoft.com/)
Introduccin
Introduccin
Introduccin
Introduccin
Introduccin
Introduccin
Introduccin
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
Proyeccin Multidimensional
Generalmente, tiene como propsito mapear datos m-dimensionales
en un espacio p -dimensional donde p = {1, 2, 3}, preservando
alguna informacin sobre las relaciones de distancia entre las
instancias.
El resultado es un conjunto de puntos sobre el plano, donde:
si puntos fueron posicionados proximos uno de otro, indica que
los objetos que representan son similares.
si fueron posicionados distantes, los objetos que representan
son disimilares.
Proyeccin Multidimensional
Generalmente, tiene como propsito mapear datos m-dimensionales
en un espacio p -dimensional donde p = {1, 2, 3}, preservando
alguna informacin sobre las relaciones de distancia entre las
instancias.
El resultado es un conjunto de puntos sobre el plano, donde:
si puntos fueron posicionados proximos uno de otro, indica que
los objetos que representan son similares.
si fueron posicionados distantes, los objetos que representan
son disimilares.
Proyeccin Multidimensional
Denicin Formal
agncias de noticias
datos que no tienen una relacion explicita entre las instancias (msica e
imgenes). Extrado de [Joia et al., 2011a].
ProjCloud
Bsquedas Web
El Problema
Bsquedas Web
El Problema
Bsquedas Web
Bsquedas Web
Bsquedas Web
Bsquedas Web
Bsquedas Web
Cmo?
Bsquedas Web
Algunos abordajes
(a) TileBars
(b) HotMap
(e) PubCloud
(c) TileBars
improved
(f) WordBars
ProjSnippet
Qu es ProjSnippet?
ProjSnippet es una metodologa para visualizar resultados de
bsquedas web que combina la preservao de vecindad provista
por una proyeccin multidimensional con la simplicidad de la
representacin basada en snippets. El resultado es un layout
bi-dimensional obtenido a partir de un funcional de energa que
considera tanto la relacin de vecindad entre snippets como su
sobreposicin en el espacio visual.
ProjSnippet
El funcional de energa
(1)
ProjSnippet
[21]1999 Jaguar XJ8 VDP Stk#U1118 features and test drive 2 - YouTube
Mar 30, 2011 ... 1999 Jaguar XJ8 VDP Stk#U1118 features and test drive 2.
http://www.youtube.com/watch%3Fv%3D5DE0yqQIAHM
[44]Total Guitar Features Kurt Cobain Jaguar | Fender Front Row Blog
Oct 17, 2011 ... Kurt Cobain gets the cover treatment in the latest Total Guitar
magazine, which features
http://www.fender.com/blog/total-guitar-features-kurt-cobain-jaguar/
[32]Animals - Jaguar
Learn about the Jaguar. ... Name: Jaguar, Panthera onca, related to the
Leopard, Lion and Tiger. ...
http://www.kidsturncentral.com/animals/jaguar.htm
[13]Xclusively Jaguar - Features - For all your Jaguar needs.... Jaguar .....
Esta-jane Mace was nominated by her employer, Jaguar Land Rover, as a
potential candidate for the City of Coven...
http://www.xclusively-jaguar.co.uk/xj06_features.php
(a) Primeira p- (b) ProjSnippet mostrando 64 snippets (mais de 6 pgigina de Google nas de Google)
Figura: Comparao entre a sada de Google e ProjSnippet. Conjunto de
Journal
Colorizacin de imgenes
El Problema
example-based
scribble-based
Input Data
Feature Extraction
Multidimensional Projection
Pixel Classification
Image Colorization
User Interaction
(c)
Source
image
(e) Multidimensional
projection
(a) Grayscale (left) and source (b) Welsh's coloriza-(c) Projcolor coloricolor image (right)
tion from (a)
zation from (a)
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
MIOLA
Contributions:
MIOLA
Flexibilidad y adaptabilidad
Available on
http://goo.gl/1dQIim
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
Conclusiones
Conclusiones
Conclusiones
Conclusiones
Trabajos Futuros
Trabajos Futuros
Trabajos Futuros
Trabajos Futuros
Trabajos Futuros
Indice
1
Introduccin
Big Data
Minera de datos
Visualizacion de Informacion
Proyeccin Multidimensional
Denicin
Aplicaciones
4
5
Layout Arrangement
MIOLA
Semantically Aware Dynamic Layouts
Conclusiones y Trabajos Futuros
Referencias
Big Data Visualization
Algunas referencias I
Casaca, W., Gomez-Nieto, E., Ferreira, C. O., Tavares, G., Pagliosa, P., Paulovich, F., Nonato,
L. G., and Paiva, A. (2012).
Colorization by multidimensional projection.
In Freitas, C., Silva, L., Scopigno, R., and Sarkar, S., editors, SIBGRAPI 2012 (XXV Conference
on Graphics, Patterns and Images), Ouro Preto, MG, Brazil.
Fayyad, U., Piatetsky-shapiro, G., and Smyth, P. (1996).
From Data Mining to Knowledge Discovery in Databases.
AI Magazine, 17:3754.
Hearst, M. (2009).
Joia, P., Coimbra, D., Cuminato, J. A., Paulovich, F. V., and Nonato, L. G. (2011a).
Local Ane Multidimensional Projection.
IEEE Transactions on Visualization and Computer Graphics, 17(12):25632571.
Joia, P., Gomez-Nieto, E., Batista Neto, J., Casaca, W., Botelho, G., Paiva, A., and
Gustavo Nonato, L. (2012).
Class-specic metrics for multidimensional data projection applied to cbir.
The Visual Computer, 28:10271037.
10.1007/s00371-012-0730-z.
Joia, P., Gomez Nieto, E., Botelho, G., Batista Neto, J., Paiva, A., and Nonato, L. G. (2011b).
Projection-based Image Retrieval using Class-Specic Metrics.
In Lewiner, T. and Torres, R., editors, XXIV Conference on Graphics, Patterns and Images,
Macei, AL.
Big Data Visualization
Algunas referencias II
Keim, D. A. (2002).
Information Visualization and Visual Data Mining.
8(1):18.
Paulovich, F. V., Toledo, F. M. B., Telles, G. P., Minghim, R., and Nonato, L. G. (2012).
Semantic Wordication of Document Collections.
Computer Graphics Forum, 31(3):11451153.
Tejada, E., Minghim, R., and Nonato, L. G. (2003).
On improved projection techniques to support visual exploration of multidimensional data sets.
Information Visualization, 2(4):218231.
Wong, P. C. (1999).
Guest Editor's Introduction: Visual Data Mining.
IEEE Computer Graphics and Applications, 19:2021.
Agradecimientos
erick.gomez@usp.br