Centre PMF, 14h, salle C-20-13, 20ème étage, 90, rue de Tolbiac, 75013 Paris, Métro Olympiades
À l’intersection de la statistique et de la graphique, désormais dynamique, la visualisation des données n’est pas qu’un moyen dont l’objet serait de présenter des résultats. Elle joue, en effet, un rôle clef dans la recherche, l’observation permettant l’identification des phénomènes et l’émergence de questionnements nouveaux. Dans le sens où elle permet l’établissement d’une démarche parfois qualifiée d’« émergentiste », elle est pleinement heuristique. La représentation correcte des résultats et leur observation est aussi la condition nécessaire afin de fixer les éléments d’une démarche en couvrant des volumes importants de données et de l’interprétation. C’est enfin, le moyen privilégié de la communication des résultats. Tous ces points pourraient se retrouver autour de trois verbes : découvrir, interpréter, communiquer.
L’informatique et singulièrement les technologies de l’Internet donnent une nouvelle importance à une discipline qui a aujourd’hui une histoire, et dont l’héritage nourrit les innovations contemporaines.
Ce vaste champ d’étude nous sera présenter à la fois par des professionnels de cette discipline et des mathématiciens pour lesquels il s’agit d’un point décisif dans la construction de savoirs. Le tour de table de cette séance visera, ainsi, à interroger la visualisation de données sous les aspects historiques, méthodologique et épistémologique.
On peut citer cette année : http://www.uib.no/eurovis2011/
La revue Modulad consacre des développements à ce domaine
– Pierre Dragicevic (laboratoire INRIA, Aviz) : Nouvelles approches de visualisation interactive pour les réseaux sociaux
Résumé : La visualisation d’information est un domaine pluridisciplinaire qui étudie la représentation visuelle de grandes quantités d’information de nature essentiellement non numérique. La majeure partie de l’activité de recherche consiste à évaluer l’efficacité des représentations visuelles connues et à inventer de nouveaux moyens de représenter l’information et d’interagir avec ces représentations.
Nous introduisons ce domaine ainsi que les domaines connexes de l’analyse visuelle et de l’interaction homme-machine en nous appuyant sur l’analyse de réseaux sociaux comme domaine d’application. En guise d’illustration, nous présenterons le travail de recherche effectué
dans notre équipe (www.aviz.fr) et ferons la démonstration d’outils innovants tels que GraphDice (un outil d’exploration interactive de graphes multivariés) et GeneaQuilts (un outil d’exploration
interactive de grandes généalogies).
Michel Verleyssen (Université catholique de Louvain) : Visualisation de données par projections non-linéaires
Résumé : La visualisation de données numériques appartenant à des espaces de grande dimension n’est pas un problème nouveau. L’Analyse en Composantes Principales (ACP) et le MultiDimensional Scaling sont des méthodes traditionnelles de compression, aisément utilisées pour la visualisation. Néanmoins, elles sont limitées à une transformation linéaire (une projection orthogonale) des données. Dans de nombreux cas cette limitation est importante ; on peut montrer que si l’objectif est de conserver dans la visualisation les similarités qui existent entre les données en grande dimension, les méthodes linéaires accordent davantage d’importance aux similarités faibles qu’aux données qui sont proches, ce qui n’est pas naturel.
Pour cette raison, diverses extensions non-linéaires de l’ACP et du MDS ont été proposées. Elles permettent la visualisation de données complexes (en haute dimension) de façon plus naturelle, donc souvent plus utile. Cet exposé retracera les différentes améliorations qui ont été apportées récemment aux méthodes de projection (linéaire ou non), ainsi que la façon d’évaluer la qualité de la représentation obtenue.
Data visualization with nonlinear projection methods
abstract : Visualizing high-dimensional numerical data is not a new challenge. Principal Component Analysis (PCA) and MultiDimensional Scaling (MDS) are traditional compression methods, easily used for visualization. However, they are limited to linear transformations (or orthogonal projections) of the data. In many situations this drawback is severe. If the objective is to keep in the visualization the similarities that exist between the high-dimensional data, one can show that linear methods give more weight to dissimilar data than to similar ones, which is not natural.
For this reason, several nonlinear extensions to ACP and MDS have been proposed. They allow us to project complex (high-dimensional) data in a more natural, therefore often more useful, way. This talk will cover the recent improvements to (linear or not) projection methods, and the way to evaluate the quality of the resulting representation.
Les deux conférences seront suivies d’un tour de table de 40 minutes conduit par Eric Guichard, orienté autour d’une réflexion sur les méthodes de visualisation et leurs rapports à la recherche en science humaine, les expériences passés, et les tendances actuelles.