Robert S. Laramee
Algumas pessoas acreditam que vivemos na era da informação. Creio que é muito mais correto dizer que vivemos na era dos dados. Com o rápido avanço das tecnologias de armazenamento massivo de dados e, portanto, os custos cada vez mais baixos do hardware, a nossa capacidade de derivar e armazenar dados não tem precedentes. No entanto, permanece um enorme fosso entre a nossa capacidade de obter e armazenar grandes coleções de dados complexos e dependentes do tempo e a nossa capacidade de extrair deles informações e conhecimentos úteis. A visualização de dados aproveita o nosso sentido mais poderoso, a visão, para obter conhecimento e obter insights sobre grandes conjuntos de dados multivariados que descrevem comportamentos complicados e, por vezes, dependentes do tempo. Esta palestra apresenta o processamento de dados a partir da atitude de visualização do conhecimento com três aplicações muito diferentes: Dinâmica de Fluidos Computacional (CFD), biologia marinha e rugby, mostrando uma série de pontos fortes, pontos fracos e objetivos das visualizações. A visualização de dados é fundamental para o processamento de dados bem-sucedido e para a extração de conhecimento e insights de big data. vasta gama de técnicas. organização para aumentar a sua receita, reduzir custos, reduzir riscos, melhorar o relacionamento com o cliente, etc. gráfico e mapas, ferramenta de visualização de dados, e técnicas ajudam a analisar uma grande quantidade de dados e a tomar decisões sobre eles. a ideia de encontrar inferências analisando a informação através de padrões e estes padrões só podem ser representados por diferentes técnicas de visualização. À medida que cresce o volume de conhecimento recolhido e armazenado em bases de dados, há uma necessidade crescente de fornecer resumo de dados (por exemplo, através da visualização), identificar padrões e tendências importantes e agir de acordo com as descobertas. A perceção derivada do processamento de dados pode proporcionar um valor tremendo, muitas vezes crucial para as empresas que tentam encontrar vantagens competitivas. É fornecida uma breve revisão da mineração de conhecimento e dos resultados teóricos importantes, seguida de avanços e desafios recentes. Os data warehouses de hoje superam as bases de dados mais importantes construídas há uma década, e dar sentido a estes dados está a tornar-se cada vez mais difícil. O retalho online na era da Internet, por exemplo, é muito diferente do retalho de há uma década porque os três factores mais importantes do passado (localização, localização e localização) são irrelevantes para as lojas online. Um dos maiores desafios que enfrentamos hoje é dar sentido a todos estes dados. Mineração de dados,ou descoberta de conhecimento, é o processo de identificação de novos padrões e insights nos dados, seja para compreender o genoma humano para desenvolver novos medicamentos, para descobrir novos padrões em dados recentes do Censo para alertar sobre tendências ocultas, ou para compreender melhor os seus clientes numa loja virtual eletrónica para proporcionar uma experiência personalizada e individual. Os exemplos neste artigo são do mundo do comércio eletrónico, mas o processamento de dados tem sido amplamente utilizado em vários domínios, incluindo muitas aplicações científicas. O artigo restringe-se também à mineração estruturada; existe literatura significativa para a mineração de texto e recuperação de conhecimento.
Biografia:
Robert S Laramee é licenciado em Física pela Universidade de Massachusetts, Amherst. Em 2000, recebeu o grau de Mestre em Ciência da Computação pela Universidade de New Hampshire, Durham. Obteve o doutoramento pela Universidade de Tecnologia de Viena, Áustria, no Instituto de Computação Gráfica e Algoritmos em 2005. De 2001 a 2006 foi investigador no VRVis Research Center (www.vrvis.at) e engenheiro de software na AVL. avl.com) no Departamento de Tecnologias Avançadas de Simulação. Atualmente é professor associado no Departamento de Ciência da Computação da Universidade de Swansea, no País de Gales. Os seus interesses de investigação são nas áreas de Visualização de Big Data, Análise Visual e Interação Humano-Computador. Publicou mais de 100 artigos científicos revistos por pares.