v2.11.0 (5518)

Programme d'approfondissement - INF552 : Visualisation des Données

Domaine > Informatique.

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.

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M2 HPDA - High Performance Data Analytics

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C

      Pour les étudiants du diplôme M1 IGD - Interaction, graphisme et design

      Pour les étudiants du diplôme M2 IGD - Interaction, graphisme et design

      Pour les étudiants du diplôme M2 DataAI - Données et intelligence artificielle

      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)
        L'UE est acquise si note finale transposée >= C
        • Crédits ECTS acquis : 5 ECTS

        Pour les étudiants du diplôme Non Diplomant

        Le rattrapage est autorisé (Note de rattrapage conservée)
          L'UE est acquise si note finale transposée >=
          • Crédits ECTS acquis : 5 ECTS

          Pour les étudiants du diplôme M1 HPDA - High Performance Data Analytics

          Le rattrapage est autorisé (Note de rattrapage conservée)
            L'UE est acquise si note finale transposée >= C

              Pour les étudiants du diplôme M2 EN - Énergie

              Le rattrapage est autorisé (Note de rattrapage conservée)
                L'UE est acquise si note finale transposée >= C
                • Crédits ECTS acquis : 5 ECTS

                Pour les étudiants du diplôme M1 DataAI - Données et intelligence artificielle

                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)
                  L'UE est acquise si note finale transposée >= C
                  • 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)
                    L'UE est acquise si note finale transposée >= C
                    • Crédits ECTS acquis : 5 ECTS

                    La note obtenue rentre dans le calcul de votre GPA.

                    Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)

                    Le rattrapage est autorisé (Note de rattrapage conservée)
                      L'UE est acquise si note finale transposée >= C
                      • Crédits ECTS acquis : 4 ECTS

                      Pour les étudiants du diplôme Programmes d'échange internationaux

                      Le rattrapage est autorisé (Note de rattrapage conservée)
                        L'UE est acquise si note finale transposée >= C
                        • Crédits ECTS acquis : 5 ECTS

                        La note obtenue rentre dans le calcul de votre GPA.

                        Programme détaillé

                        Matériel pédagogique : http://www.enseignement.polytechnique.fr/informatique/INF552/

                        Veuillez patienter