Descriptif
Visualisation des données
La représentation visuelle de données tire pleinement avantage du système visuel humain en termes de perception est de cognition. Les modèles complexes, les points de données intéressants et les valeurs aberrantes peuvent être facilement identifiés ; les points et ensembles de données individuelles peuvent être comparés et contrastés efficacement, à condition que les données sont correctement réprésentées. La visualisation permet aux utilisateurs d'explorer leurs données de manière interactive, d'obtenir des vus d'ensemble et détaillées en suivant des processus qui permettent d'obtenir des informations qu'il serait difficile d'obtenir à l'aide de techniques d'analyse de données entièrement automatisées à partir de domaines comme le data mining ou l'apprentissage machine. Ils ont des objectifs différents mais peuvent se compléter mutuellement efficacement. La visualisation peut, par exemple, aider à formuler des hypothèses qui peuvent ensuite être testées à l'aide de tests statistiques ou d'autres techniques d'analyse de données élaborées. Au-delà de ces aspects d'exploration, la visualisation de données peut aussi appuyer la prise de césision et joue un rôle central dans la communication des résultats auprès d'un large public.
Ce cours commencera par un aperçu du domaine de la visualtion de données. Il abordera ensuite les principes fondamentaux de la perception visuelle humaine, en mettant l'accent sur la manière dont ils contribuent à informer la conception de visualisations. Les cours suivants seront sur les techniques de visualisation pour des structures de données spécifiques et les analyseront en détails du point de vue de la conception et de la mise en oeuvre, y compris : données multivariantes, structures hiérarchiques, réseaux, séries temporelles, données statistiques et géographiques.
Tous les exercices sont basés sur les technologies du web, y compris la bibliothèque de logiciels D3 (Data-Driven Documents) et la grammaire graphique intéractive Vega-lite. Bien qu'ils se situent à des niveaux d'abstraction différents, ils permettent aux développeurs de concevoir une série de visualisations interactives et basées sur le web et fonctionnant sur de nombreuses plateformes, allant des bureaux aux appareils mobiles.
Requis : une expérience du développement Web (Javascript) est un plus mais n'est pas une exigence absolue.
Plus d'information sur : http://www.enseignement.polytechnique.fr/informatique/INF552/
Matériel pédagogique : http://www.enseignement.polytechnique.fr/informatique/INF552/
Langue : Matériel pédagogique en Anglais. Cours en Francais ou Anglais, à la convenance des élèves.
Diplôme(s) concerné(s)
- M2 Data AI - Data and Artificial Intelligence
- M2 IGD - Interaction, Graphic and Design
- Programmes d'échange internationaux
- M1 Data AI - Data and Artificial Intelligence
- M1 HPDA - High Performance Data Analytics
- M2 HPDA - High Performance Data Analytics
- M2 Énergie
- Non Diplomant
- M1 IGD - Interaction, Graphic and Design
- MScT-Internet of Things : Innovation and Management Program (IoT)
- Titre d’Ingénieur diplômé de l’École polytechnique
Parcours de rattachement
- PA-Panaché P1
- M2 IGD - Interaction, Graphic and Design - Master 2A
- M2 Data AI - Data and Artificial Intelligence - Master 2A
- M1 IGD - Interaction, Graphic and Design - Master 1A
- M1 Data AI - Data and Artificial Intelligence - Master 1A
- M1 HPDA - High Performance Data Analytics - Master 1A
- M2 HPDA - High Performance Data Analytics - Master 2A
- MScT IOT - Semestre 3
Format des notes
Numérique sur 20Littérale/grade réduitPour les étudiants du diplôme M2 HPDA - High Performance Data Analytics
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence
Vos modalités d'acquisition :
2.5 ECTS si jamais l'élève fait la version "courte" soit 24h du cours .
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme Titre d’Ingénieur diplômé de l’École polytechnique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme Programmes d'échange internationaux
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 IGD - Interaction, Graphic and Design
Pour les étudiants du diplôme M1 HPDA - High Performance Data Analytics
Le rattrapage est autorisé (Note de rattrapage conservée)Pour les étudiants du diplôme M1 IGD - Interaction, Graphic and Design
Pour les étudiants du diplôme M2 - Energy Infrastructures Management
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M1 Innovation, Entreprise, et Société - Voie Innovation technologique
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
La note obtenue rentre dans le calcul de votre GPA.
Pour les étudiants du diplôme M2 Énergie
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 4 ECTS
Pour les étudiants du diplôme M2 Data AI - Data and Artificial Intelligence
Vos modalités d'acquisition :
2.5 ECTS si jamais l'élève fait la version "courte" soit 24h du cours .
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Pour les étudiants du diplôme Non Diplomant
Le rattrapage est autorisé (Note de rattrapage conservée)- Crédits ECTS acquis : 5 ECTS
Programme détaillé
Matériel pédagogique : http://www.enseignement.polytechnique.fr/informatique/INF552/