A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

SCC0141 - Bancos de Dados e Suas Aplicações Visualização de Informação Prof. Jose Fernando Rodrigues Junior.

Apresentações semelhantes


Apresentação em tema: "SCC0141 - Bancos de Dados e Suas Aplicações Visualização de Informação Prof. Jose Fernando Rodrigues Junior."— Transcrição da apresentação:

1 SCC Bancos de Dados e Suas Aplicações Visualização de Informação Prof. Jose Fernando Rodrigues Junior

2 Roteiro Introdução Alguns Conceitos Esquemas visuais mais usados Interação, Sistematização e Processamento Observações Conclusivas

3 Questões a serem respondidas O que é Visualização de Informações? Por que seu uso? Princípios Técnicas mais usuais Exemplos de sistematização Estado da arte Como obter mais informações sobre o assunto?

4 O que é? A prática de se beneficiar das capacidades cognitivas visuais para se expressar conhecimento de maneira mais rápida e intuitiva. Também denominada Infovis Exemplo: a invasão francesa da Rússiaa invasão francesa da Rússia

5 O problema Dados Humano Objetivo: discernimento Transferência de dados

6 Evolução do Hardware Dobro do processamento a cada 18 meses (Moores Law) Dobro de tecnologia gráfica a cada 12 meses Tendência observada já há 50 anos Fatos Crescimento da produção/fluxo de dados Apenas em 2010, estimativa de 5 zetabytes (2 70 B) O armazenamento de novas informações tem crescido à taxa de mais de 30 % ao ano

7 Evolução do Hardware Dobro do processamento a cada 18 meses (Moores Law) Dobro de tecnologia gráfica a cada 12 meses Tendência observada já há 50 anos Pelo menos mais 10 anos Fatos Crescimento da produção/fluxo de dados Apenas em 2010, estimativa de 5 zetabytes (2 70 B) O armazenamento de novas informações tem crescido à taxa de mais de 30 % ao ano O propósito da computação é compreensão, e não números. Richard Hamming (Turing Award, 1968)

8 Em contraste, habilidades humanas básicas não mudam ao longo do tempo Bancos de dados com uma quantidade de dados muito maior do que é possível para o ser humano aproveitar Não evolução do ser humano Conseqüência As técnicas de Visualização de Informações reduzem este problema. Fatos

9 Exibição de dados – diferentes abordagens Computação gráfica: como renderizar? Visualização científica: como reproduzir graficamente? Visualização de informações: como definir um design que personifique meus dados?

10 Exibição de dados – diferentes abordagens Computação gráfica: como renderizar? Visualização científica: como reproduzir graficamente? Visualização de informações: como definir um design que personifique meus dados? Tabela Balancete TrimestreFaturamento

11 Ciência Analítica Objetivos: –Avaliar –Prever –Identificar alternativas –Suporte à decisão Artefatos de racionalização, hierárquicos: –Elementares: dados individuais, suposições, evidências... –Padrões analíticos: correlação, tendência, classificação, relacionamento, exceções, agrupamentos, estrutura,... –Artefatos de ordem superior: inferência lógica (se então, por exemplo), casualidade temporal, modelos de regressão (padrões funcionais),... –Complexos: hipóteses e cenários (explicações)

12 Ciência Analítica Artefatos Elementares Ex.: dados e suposições Padrões Analíticos Ex.: tendência, classificação, relacionamento, agrupamentos,... Artefatos de Ordem Superior Ex.: inferência lógica (se então, se e somente se), modelos de regressão Hipóteses E Cenários (previsão, avaliação, explicação)

13 Ciência Analítica Artefatos Elementares Ex.: dados e suposições Padrões Analíticos Ex.: tendência, classificação, relacionamento, agrupamentos,... Artefatos de Ordem Superior Ex.: inferência lógica (se então, se e somente se), modelos de regressão Hipóteses E Cenários (previsão, avaliação, explicação) Principal abrangência da visualização

14 Ciência Analítica Artefatos Elementares Ex.: dados e suposições Padrões Analíticos Ex.: tendência, classificação, relacionamento, agrupamentos,... Artefatos de Ordem Superior Ex.: inferência lógica (se então, se e somente se), modelos de regressão Hipóteses E Cenários (previsão, avaliação, explicação) Principal abrangência da visualização Mineração de dados e raciocínio suportado por visualização

15 Ciência Analítica Artefatos Elementares Ex.: dados e suposições Padrões Analíticos Ex.: tendência, classificação, relacionamento, agrupamentos,... Artefatos de Ordem Superior Ex.: inferência lógica (se então, se e somente se), modelos de regressão Hipóteses E Cenários (previsão, avaliação, explicação) Principal abrangência da visualização Mineração de dados e raciocínio suportado por visualização Profundo conhecimento de domínio

16 Ciência Analítica Objetivos: –Avaliar –Prever –Identificar alternativas –Suporte à decisão Artefatos de racionalização: –Elementares: dados individuais, suposições, evidências... –Padrões analíticos: correlação, tendência, classificação, relacionamento, exceções, agrupamentos, estrutura,... –Artefatos de ordem superior: inferência lógica (se então, por exemplo), casualidade temporal, modelos de regressão (padrões funcionais),... –Complexos: hipóteses e cenários (explicações) Outros recursos: Descartes R Discourse on Method; Jones M The Thinkers Toolkit: 14 Powerful Techniques for Problem Solving. Three Rivers Press; Heuer R Psychology of Intelligence Analysis. U.S. Government Printing Office; Adams JL Conceptual Blockbusting: A Guide to Better Ideas. Fourth edition, Perseus Publishing.

17 Roteiro Introdução Alguns Conceitos Esquemas Visuais mais Usados Interação, Sistematização e Processamento Observações Conclusivas

18 Princípio da Visualização Dados Humano Transferência de dados

19 Princípio da Visualização Os olhos têm acesso privilegiado ao cérebro Mais de 50 % do cérebro é dedicado à visão

20 Recursos – pré-atenção Mecanismo da visão, duas fases –1ª. Fase: pré-atenção instantânea e em paralelo –2ª. Fase: varredura demorada e seqüencial Quantos números 4 há na cena?

21 Recursos – pré-atenção Cor PB PD PE PA PI PJ PL PK PC PB PD PE PA PI PJ PL PK PC PE PI PL DIR ESQ PD PA DIR ESQ PB PJ PK PC ESQ DIR ESQ DIR IDEOL.PART. Estímulos pré-atentivos 4 canais

22 Recursos – pré-atenção Estímulos pré-atentivos 4 canais Posição PB PD PE PA PI PJ PL PK PC PA PB PD PE PC PI PJ PL PK PE PI PL DIR ESQ PD PA DIR ESQ PB PJ PK PC ESQ DIR ESQ DIR IDEOL.PART.

23 Recursos – pré-atenção Forma PB PD PE PA PI PJ PL PK PC PB PD PI PJ PA PC PL PE PK PE PI PL DIR ESQ PD PA DIR ESQ PB PJ PK PC ESQ DIR ESQ DIR IDEOL.PART. Estímulos pré-atentivos 4 canais

24 Recursos – pré-atenção Tempo (animação cor, posição e/ou forma) PE PA PI PK PE PI PL DIR ESQ PD PA DIR ESQ PB PJ PK PC ESQ DIR ESQ DIR IDEOL.PART. Estímulos pré-atentivos 4 canais PE PA PI PK

25 Recursos – pré-atenção Estímulos pré-atentivos

26 Recursos – pré-atenção Posição: 1D, 2D e 3D; Forma: ponto, linha, área, volume, orientação, comprimento, colinearidade, tamanho, curvatura; Cor: matiz, saturação, brilho, textura; Tempo (animação): movimento e intermitência. Estímulos pré-atentivos

27 Recursos – pré-atenção Posição: 1D, 2D e 3D; Forma: ponto, linha, área, volume, orientação, comprimento, colinearidade, tamanho, curvatura; Cor: matiz, saturação, brilho, textura; Tempo (animação): movimento e intermitência. Mas o que isso tem a ver com computação? Auxílio computacional: escalabilidade de dados (via SGBDs) e de processamento interação: redefinição em tempo real da apresentação de dados dimensão temporal algorítmico: combinação com mineração de dados Estímulos pré-atentivos

28 Recursos – pré-atenção Mecanismo da visão, duas fases –1ª. Fase: pré-atenção instantânea e em paralelo –2ª. Fase: varredura demorada e sequencial Procedimento geral da visualização (Visualization Mantra): Visão geral (1ª. fase) Zoom & filtragem (Interação) Detalhes sob demanda (2ª. Fase)

29 Recursos – pré-atenção Qual o estado com maior nível salarial? Qual a relação entre salário e educação? Comportamentos incomuns (outliers)?

30 Recursos – pré-atenção Salário annual Per Capita (U$) Nível educacional (% com curso superior)

31 Recursos: pré-atenção percepção raciocíonio

32 Pré-atenção: Posição Forma Cor Tempo Percepção (padrões visuais): Correspondência Diferenciação Conectividade Arranjo Significado Variação Interpretação (padrões analíticos): Correlação Tendência Classificação Relacionamento Sumarização Exceções Agrupamentos Estrutura Leitura,... Observação Raciocínio

33 Recursos: pré-atenção percepção raciocíonio Pré-atenção: Posição Forma Cor Tempo Observação Raciocínio Projeto/ Sistematização /Utilização Percepção (padrões visuais): Correspondência Diferenciação Conectividade Arranjo Significado Variação Etapa natural com pouca carga cognitiva Conhecimento de domínio Interpretação (padrões analíticos): Correlação Tendência Classificação Relacionamento Sumarização Exceções Agrupamentos Estrutura Leitura,... Geração de conclusões com base no domínio dos dados

34 Recursos: pré-atenção percepção raciocíonio Canal: Posição Forma Cor Tempo Padrões visuais: Correspondência Diferenciação Conectividade Arranjo Significado Variação

35 Recursos: pré-atenção percepção raciocíonio

36 Demonstração Mundo: Renda X Emissão de Carbono PROJEÇÃO ANIMADA Dados de IDH Ano Nome do país Tamanho da população Grupo de renda Renda per capita (U$) Emissão de CO 2 (ton/pessoa) Software: Gapminder (spreadsheet do Google Docs) Análise Geral Percepções Posição: correspondência, arranjo Forma: correspondência, diferenciação, conectividade, significado Cor: correspondência Animação Interpretações: Correlação Tendência Classificação Exceções Agrupamentos Estrutura Leitura

37 Demonstração Mundo: Fertilidade X População PROJEÇÃO ANIMADA Dados de IDH Ano Nome do país Filhos por mulher Tamanho da População Renda per capita Grupo de renda Software: Gapminder (spreadsheet do Google Docs)

38 1. Mais Recursos –Processamento perceptivo paralelo –Percepção ao invés de cognição –Expansão das memórias de curto e longo prazo do usuário 2. Busca Reduzida –Informações agrupadas reduzem a varredura sequencial –Leitura espacial instantânea 3. Melhor Reconhecimento de Padrões –Reconhecer ao invés de relembrar –Abstração e agregação –Exposição estrutural –Valor, relacionamento, tendência Como a visualização pode ajudar?

39 4. Inferência Perceptiva –Alguns problemas se tornam óbvios –O raciocínio é amplificado com pistas visuais 5. Monitoramento Perceptivo –Alterações visuais saltam aos olhos 6. Mídia Manipulável –Interação

40 Demonstração Mundo: Distribuição de renda

41 Demonstração Mundo: Distribuição de renda

42 Linhas Gerais de Aplicação Tarefas Exploração analítica Descobrir hipótese Apresentação confirmatória Verificar hipótese Suporte à decisão Avaliar, prever, identificar alternativas Apresentação simples Apresentar o que você já sabe

43 Linhas Gerais de Aplicação Tipos de dados Multi-dimensional (tabular)Bancos de dados relacionais Redes e árvores (grafos)Redes sociais, redes de recomendação, redes de computadores, localização geográfica Textos e documentosRepositórios de texto (artigos, notícias, wikis) Espacial-temporal (1D, 2D, 3D e 4D) Simulação e reprodução de fenômenos científicos

44 Projeto e desenvolvimento

45 Sistematização Dados crus Dados estruturados Design Visual Visualização Transformações do Dados Mapeamento Visual Transformações Visuais Dados Formato Visual Processamento Pré-visualização Técnicas de Visualização Técnicas de Interação Visual Sistema de Visualização

46 Introdução Alguns Conceitos Esquemas Visuais mais Usados Interação, Sistematização e Processamento Observações Conclusivas Roteiro

47 Esquemas visuais mais usados Projeções geométricas Técnicas iconográficas Técnicas hierárquicas Técnicas orientadas a pixels Classificação que segue à organização visual

48 Projeção geométrica Coordenadas Paralelas X0X0 X 0 : 5 X1X1 X 1 : 1 X2X2 X 2 : 10 X3X3 X 3 : 7 Atributo 0Atributo 1Atributo 2Atributo

49 Projeção geométrica Coordenadas Paralelas COORDENADAS PARALELAS Dados de veículos Milhas Por Galão # Cilindros (CYLINDERS) Autonomia (DISPLACEMENT) Potência (HORSEPOWER) Peso (WEIGHT) Aceleração (ACCELERATION) Ano (YEAR) Origem (AMER., EUROP., JAP.) Software: VisTree Análise Geral Percepções Posição: correspondência, arranjo Forma: conectividade Cor: diferenciação Interpretações: Correlação Tendência Sumarização Classificação Exceções Base de Dados

50 Matriz de Scatter Plots –Projeção dos atributos combinados –Correlação Projeção geométrica Matriz de Scatter Plots MATRIZ DE SCATTER PLOTS Dados de veículos Milhas Por Galão # Cilindros (CYLINDERS) Autonomia (DISPLACEMENT) Potência (HORSEPOWER) Peso (WEIGHT) Aceleração (ACCELERATION) Ano (YEAR) Origem (AMER., EUROP., JAP.) Software: VisTree Análise Geral Percepções Posição: correspondência, arranjo Interpretações: Correlação Tendência Exceções

51 Projeção geométrica Table Lens TABLE LENS Dados de filmes Rank de arrecadação (RANK) Lançamento (RELEASE DATE) Arrecadação (CUMULATIVE GROSS) Distribuidora (DISTRIBUTOR) Título (TITLE) Software: Table Lens Análise Geral Percepções Posição: correspondência, arranjo Forma: correspondência, significado Cor: diferenciação Interpretações: Correlação Tendência Classificação Exceções Leitura

52 Peso: 5 Peso: 10 MPG: 1 Potência: 5 Aceleração: 2 Técnicas Iconográficas Star Glyphs

53 # DE CILINDROS MILHAS POR GALÃO (MPG) Técnicas Hierárquicas Sobreposição Dimensional POTÊNCIA # DE CILINDROS MPG PESO

54 Técnicas Hierárquicas Treemaps

55 Técnicas Orientadas a Pixels Padrões de Arranjo Design A rranjo dos pixels: apresentação depende da ordem Mapeamento de cores por valor de atributo

56 Esquemas visuais mais usados Projeções geométricas Técnicas iconográficas Técnicas hierárquicas Técnicas orientadas a pixels

57 Introdução Alguns Conceitos Esquemas Visuais mais Usados Interação, Sistematização e Processamento Observações Conclusivas Roteiro

58 Interação e Sistematização Interação: alteração dos parâmetros de posição, de forma e de cor Principais: –Filtragem interativa: alteração de cor (brushing) e de forma (contorno de seleção) –Transformação Espacial/Zoom: alteração de forma (escala) e de posição (rotação e translação) –Distorção: alteração de posição (diferentes perspectivas) Sistematização com expansão do espaço de exibição: –Visões interligadas (linked-views) –Múltiplos espaços de visualização –Visualização em multi-resolução O analista pode sentir melhor a cena de análise, aumentando as possibilidades de interpretação visual.

59 Análise Geral Percepções Posição: correspondência, arranjo Forma: conectividade Cor: diferenciação Interpretações: Correlação Tendência Sumarização Classificação Exceções INTERAÇÃO VIA FILTRAGEM INTERATIVA E LINK & BRUSH SISTEMATIZAÇÃO POR VISÕES INTERLIGADAS (linked-views) Dados de veículos Milhas Por Galão # Cilindros (CYLINDERS) Autonomia (DISPLACEMENT) Potência (HORSEPOWER) Peso (WEIGHT) Aceleração (ACCELERATION) Ano (YEAR) Origem (AMER., EUROP., JAP.) Software: VisTree

60 Ciência Analítica Visual INTERAÇÃO VIA TRANSFORMAÇÃO ESPACIAL Dados de cidades Nome (CIDADE) Estado (UF) Latitude Longitude Software: FastMapDB Análise Geral Percepções Posição: correspondência, significado Cor: correspondência Interpretações: Classificação Estrutura Agrupamentos Leitura

61 Ciência Analítica Visual INTERAÇÃO VIA DISTORÇÃO Dados de filmes Ano de produção Distribuidora (DISTRIBUTOR) Título (TITLE) Gênero Software: TimeWall Análise Geral Percepções Posição: correspondência Forma: diferenciação, significado Cor: correspondência Interpretações: Tendência Classificação Exceções Agrupamentos Leitura

62 Interação - Distorção espacial StarTree

63

64 Processamento: pré- processamento e suporte estatístico Redução de dimensionalidade: n-dimensional k-dimensional, onde n < k Agregação: por exemplo, sumarização estatística Seleção: por exemplo, amostragem Segmentação: por exemplo, particionamento hierárquico

65 REDUÇÃO DE DIMENSIONALIDADE E INTERAÇÃO POR TRANSFORMAÇÃO ESPACIAL Dados de exames de câncer (biopsia) Identificador (ID) 9 exames laboratoriais Classificador (CLASS) Software: FastMapDB Análise Geral Percepções Posição: correspondência, arranjo Cor: correspondência Interpretações: Classificação Estrutura Exceções Agrupamentos

66 Ciência Analítica Visual AGREGAÇÃO ESTATÍSTICA Dados de veículos Milhas Por Galão # Cilindros (CYLINDERS) Autonomia (DISPLACEMENT) Potência (HORSEPOWER) Peso (WEIGHT) Aceleração (ACCELERATION) Ano (YEAR) Origem (AMER., EUROP., JAP.) Software: VisTree Análise Geral Percepções Posição: correspondência, diferenciação, arranjo Forma: correspondência, diferenciação, conectividade Cor: correspondência, diferenciação Interpretações: Sumarização Correlação Relacionamento Tendência Classificação Exceções Agrupamentos

67 BoxPlot – Visão geral da distribuição de variáveis

68

69 Introdução Alguns Conceitos Esquemas Visuais mais Usados Interação, Sistematização e Processamento Observações Conclusivas Roteiro

70 Comparação com Mineração de Dados Extração não trivial de informações implícitas, potencialmente úteis e previamente desconhecidas Caracteristicamente algorítmica

71 Visualização de Informações + Algoritmos de Mineração de Dados Algoritmos de Mineração de Dados Visualização de Informações Objetivo+– Mensurável+– Flexível–+ Interativo–+ Comparação com Mineração de Dados

72 Visualização de Informações + Algoritmos de Mineração de Dados Algoritmos de Mineração de Dados Visualização de Informações Objetivo+– Mensurável+– Flexível–+ Interativo–+ Mineração Visual de Dados: utilização de Visualização de Informações para monitorar, guiar ou se beneficiar de algoritmos de Mineração de Dados. Comparação com Mineração de Dados

73 Exemplo: monitoramento visual do algoritmo k- medoid para detecção de clusters. Mineração de Dados

74 Algoritmo k-medoid: 1.Selecione os elementos que serão os centros dos agrupamentos 2.Verifique todos os pontos do conjunto e atribua a cada ponto o agrupamento referente ao centro mais próximo 3.Recalcule os centros dos agrupamentos de acordo com os agrupamentos definidos 4.Enquanto os centros trocarem de posição, vá para o passo 2 Minimizar

75

76 Estado da Arte A Ciência Analítica Visual [2] Tecnologias de dados: armazenamento disponibilização gerenciamento. Formatos de dados versáteis, orientados à análise. Procedimentos sistemáticos de análise: avaliação planejamento tomada de decisão. Design de técnicas de visualização e interação. Disponibilização e difusão. Formalização do fato de que a ciência de InfoVis engloba uma série de disciplinas, todas inter- relacionadas.

77 Avaliação de técnicas de análise visual de dados Tema amplo Critérios: –Funcionalidade – as funcionalidades esperadas são oferecidas? –Efetividade – a técnica agrega valor? Novas descobertas nos dados? –Eficiência – a técnica promove melhor desempenho? –Usabilidade – qual é a dificuldade em se usar o sistema? Há clareza? –Utilidade – é possível se beneficiar da técnica? Metodologias: –Avaliação analítica: baseada em modelos e em testes estruturados; –Avaliação empírica: quantitativa ou qualitativa

78 Avaliação de técnicas de análise visual de dados Tema amplo Critérios: –Funcionalidade – as funcionalidades esperadas são oferecidas? –Efetividade – a técnica agrega valor? Novas descobertas nos dados? –Eficiência – a técnica promove melhor desempenho? –Usabilidade – qual é a dificuldade em se usar o sistema? Há clareza? –Utilidade – é possível se beneficiar da técnica? Metodologias: –Avaliação analítica: baseada em modelos e em testes estruturados; –Avaliação empírica: quantitativa ou qualitativa Há subjetividade semelhante ao que se observa em HCI (Human-Computer Interaction); Devido ao contexto analítico, nem sempre as técnicas de HCI podem ser aplicadas sem adaptação; Da mesma forma, há metodologias bastante satisfatórias, mas com alto custo de aplicação.

79 Avaliação de técnicas de análise visual de dados DECIDE 1 : um arcabouço para avaliação de sistemas 1.Determine os objetivos: o quê se quer avaliar? 2.Enumere questões relevantes sobre os objetivos; 3.Escolha a metodologia de avaliação: slide anterior; 4.Identifique os fatores práticos: usuários, equipamento, dados,... 5.Gerencie as questões éticas; 6.Avalie, interprete e apresente os resultados. 1 J. Preece, Y. Rogers, and H. Sharp, Interaction Design. John Wiley & Sons, Inc., 2002

80 Disseminação SAP: incorporou (da Inxight) as técnicas StarTree, TableLens e TimeWall em seus produtos TIBCO (Spotfire): comercializa técnicas como Coordenadas Paralelas, Scatter Plots e TreeMaps Advanced Visual Systems (AVS): abrange soluções para a indústria e para a academia Outras empresas: Advizor Solutions, Compudigm, Dimension 5, Infommersion, Macrofocus, Purple Insight,... Listagem completa:

81 Linhas de Desenvolvimento 1. Paradigmas de Interação Orientados ao usuário E.g.: perspective view Orientados a sistema E.g.: linked views 2. Suporte da Ciência da Computação Componentes E.g.: Graph-Tree Aperfeiçoamentos E.g.: Keims color space

82 Linhas de Desenvolvimento 3. Novos Designs E.g.: Gapminder E.g.: Table Lens 4. Suporte Teórico Espaços de DesignE.g.: design orientado à percepção Estudo do sistema perceptivo E.g.: princípios de manipulação direta 5. Suporte de Desenvolvimento ComponentesE.g.: OpenGL ToolkitsE.g.: IVTK

83 3. Novos Designs E.g.: Gapminder E.g.: Table Lens 4. Suporte Teórico Espaços de DesignE.g.: design orientado à percepção Estudo do sistema perceptivo E.g.: princípios de manipulação direta 5. Suporte de Desenvolvimento ComponentesE.g.: OpenGL ToolkitsE.g.: IVTK Linhas de Desenvolvimento

84 3. Novos Designs E.g.: Gapminder E.g.: Table Lens 4. Suporte Teórico Espaços de DesignE.g.: design orientado à percepção Estudo do sistema perceptivo E.g.: princípios de manipulação direta 5. Suporte de Desenvolvimento ComponentesE.g.: OpenGL ToolkitsE.g.: IVTK Linhas de Desenvolvimento Ainda há muito o que se fazer em: visualização de dados relacionais escalabilidade de dados uso combinado com mineração de dados visualização 3D interativa utilização da dimensão temporal (animação)

85 Discussão A visualização pode resolver todos os meus problemas de análise de dados? R.: Não. Análise de dados é um processo elaborado que requer profundo conhecimento de domínio, objetivos claros e trabalho intenso. Posso trabalhar sem visualização, então? R.: Não. Apesar de seus limites, a visualização provê benefícios bastante favoráveis, e não há substituto para estes benefícios.

86 Discussão A visualização pode resolver todos os meus problemas de análise de dados? R.: Não. Análise de dados é um processo elaborado que requer profundo conhecimento de domínio, objetivos claros e trabalho intenso. Posso trabalhar sem visualização, então? R.: Não. Apesar de seus limites, a visualização provê benefícios bastante favoráveis, e não há substituto para estes benefícios.

87 Discussão A visualização pode resolver todos os meus problemas de análise de dados? R.: Não. Análise de dados é um processo elaborado que requer profundo conhecimento de domínio, objetivos claros e trabalho intenso. Posso trabalhar sem visualização, então? R.: Não. Apesar de seus limites, a visualização provê benefícios bastante favoráveis, e não há substituto para tais benefícios.

88 Livros Básicos Visualização de Informações Robert SPENCE. Information Visualization, ACM Press, 2001 Stuart K. Card, Jock D. MacKinlay, Ben Shneiderman, Mackinlay Card (eds.). Readings in Information Visualization: Using Vision to Think, Morgan Kaufmann Series in Interactive Technologies, Academic Press, ISBN Colin WARE. Information Visualization: Perception for Design, Morgan Kaufmann Interactive Technologies Series, January ISBN

89 K. Cios et. al. - Data Mining: A Knowledge Discovery Approach, Springer, 2007 Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques, Morgan Kaufmann, 2006 Pang-Ning Tan, Michael Steinbach, Vipin Kumar. Introduction to Data Mining, Addison Wesley, 2005 Livros Básicos Mineração de Dados

90 Outras áreas de visualização Visualização Científica Visualização de Software Visualização Geográfica Visualização de Redes Ciência Analítica Realidade Virtual Realidade Aumentada Sonificação (som) Háptica (tato)

91 Referências [1] How Much Information? Lyman P and HR Varian, Disponível em [2] Illuminating the Path: The Research and Development Agenda for Visual Analytics James J. Thomas and Kristin A. Cook, editors. IEEE Press, Disponível em Software:


Carregar ppt "SCC0141 - Bancos de Dados e Suas Aplicações Visualização de Informação Prof. Jose Fernando Rodrigues Junior."

Apresentações semelhantes


Anúncios Google