Analyse Exploratoire de Données pour les Réseaux Dynamiques



Documents pareils
Investigation visuelle d événements dans un grand flot de liens

Jean-Daniel Fekete Directeur de Recherche, Resp. équipe-projet AVIZ INRIA

Le Futur de la Visualisation d Information. Jean-Daniel Fekete Projet in situ INRIA Futurs

La carte, le territoire et l'explorateur où est la visualisation? Jean-Daniel Fekete Equipe-projet AVIZ INRIA

Analyse empirique et modélisation de la dynamique de la topologie de l Internet

ETUDE COMPARATIVE DES MODELISATIONS NUMERIQUE ET PHYSIQUE DE DIFFERENTS OUVRAGES D EVACUATION DES CRUES

Cycle de vie du logiciel. Unified Modeling Language UML. UML: définition. Développement Logiciel. Salima Hassas. Unified Modeling Language

Autonomie et fragilités de la recherche académique Financements sur projet et reconfigurations du travail scientifique

Sciences de Gestion Spécialité : SYSTÈMES D INFORMATION DE GESTION

MODELISATION UN ATELIER DE MODELISATION «RATIONAL ROSE»

MABioVis. Bio-informatique et la

SEMINAIRE SAS VISUAL ANALYTICS LAUSANNE, MARCH 18 : JÉRÔME BERTHIER VALERIE AMEEL

Big Data et Graphes : Quelques pistes de recherche

Présenta)on des ac)vités de recherche de l équipe PR du laboratorie MIS

données en connaissance et en actions?

Filière Fouille de Données et Décisionnel FDD (Data Mining) Pierre Morizet-Mahoudeaux

Big Data et Graphes : Quelques pistes de recherche

LES USAGES DES TECHNOLOGIES NUMERIQUES : DES EXPERIENCES INTERACTIVES EN CONTEXTE MUSEAL

Des prestations au service des entreprises des filières innovantes et des entreprises de croissance

Objectifs. Synthétiser. Moyens

Notes de lecture : Dan SPERBER & Deirdre WILSON, La pertinence

Techniques d interaction dans la visualisation de l information Séminaire DIVA

TangibleData. Manipulation tangible et multitouch de bases de données

Master Information et communication spécialité Produits et services multimédia

La Data Visualisation dans les organisations. Par Claude-Henri Meledo

Le Master Mathématiques et Applications

Introduction au datamining

LE ROLE DES ECOLES D INGENIEURS DANS LE DEVELOPPEMENT DES PME PMI. L EXEMPLE DE L UTC

Mobiliser les esprits :: Virtual CoWorking Space pour mobiliser l intelligence collective

Logiciel Libre & qualité. Présentation

L analyse de la gestion de la clientèle

UFR d Informatique. FORMATION MASTER Domaine SCIENCES, TECHNOLOGIE, SANTE Mention INFORMATIQUE

Les clients puissance cube

Journées PERF-RV Octobre B. Arnaldi

COR-E : un modèle pour la simulation d agents affectifs fondé sur la théorie COR

Gephi dans le paysage de la data visualization. Clément Levallois Gephi Support Team et professeur à l EMLyon Business School (2014 -)

Algèbre 40 Analyse Stat. 1 - IES : Probabilités discrètes et calcul intégral 29,5 6 Stat. 2 - IES : Probabilités générales 54 8 UE1-02 M-E-IS

IODAA. de l 1nf0rmation à la Décision par l Analyse et l Apprentissage / 21

CENTAI : Big Data & Big Analytics Réunion DGPN / Thales Octobre 2013

Qu est ce qu un réseau social. CNAM Séminaire de Statistiques Appliquées 13/11/2013. F.Soulié Fogelman 1. Utilisation des réseaux sociaux pour le

Data 2 Business : La démarche de valorisation de la Data pour améliorer la performance de ses clients

Filière Data Mining (Fouille de données) Pierre Morizet-Mahoudeaux

1-Introduction 2. 2-Installation de JBPM 3. 2-JBPM en action.7

CORBA haute performance

COMMUNIQUE DE PRESSE Saint-Denis, le 4 mars 2014

ÉTUDE DE L EFFICACITÉ DE GÉOGRILLES POUR PRÉVENIR L EFFONDREMENT LOCAL D UNE CHAUSSÉE

ENSEIGNEMENT DES SCIENCES ET DE LA TECHNOLOGIE A L ECOLE PRIMAIRE : QUELLE DEMARCHE?

10 ème Forum IES 2010 Enjeux et Perspectives de l Intelligence Economique Au carrefour des Pratiques REIMS 6-8 octobre 2010

La construction du temps et de. Construction du temps et de l'espace au cycle 2, F. Pollard, CPC Bièvre-Valloire

Le développement de la temporalité chez les. enfants

Ingénierie Dirigée par les Modèles. Editeurs de modèles. (Eclipse Modeling Tools) Jean-Philippe Babau

BLANC LIVRE. Data Discovery L alternative à la BI?

Quand le bâtiment va, tout va

Les clés de l'innovation. Une formation sur mesure pour les adhérents du Pôle Agri Sud-Ouest Innovation

Apprentissage Automatique

TerrOïko : JEU en collaboration avec la SEEM

Visualisation d information interactive

IBM Cognos Enterprise

La place de la Géomatique Décisionnelle dans le processus de décision

ProxiLens : Exploration interactive de données multidimensionnelles à partir de leur projection

Big Data et Marketing : les competences attendues

Convergence des programmes qualité Qualitéet Recherche UMR 6284 CNRS ISIT JEAN-YVES BOIRE

UTILISATION DE LA PLATEFORME WEB D ANALYSE DE DONNÉES GALAXY

Problématique / Problématiser / Problématisation / Problème

Grandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test

BI2 : Un profil UML pour les Indicateurs Décisionnels

Extraction d informations stratégiques par Analyse en Composantes Principales

Collabora'on IRISA/INRA sur le transfert de nitrates et l améliora'on de la qualité des eaux des bassins versants:

basée sur le cours de Bertrand Legal, maître de conférences à l ENSEIRB Olivier Augereau Formation UML

GENIE STATISTIQUE GESTION DES RISQUES ET INGENIERIE FINANCIERE MARKETING QUANTITATIF ET REVENUE MANAGEMENT

2009/2010 DESCRIPTIF DES UNITES D ENSEIGNEMENT OPTIONNELLES SPECIALITE RIM

INFORMATION VOYAGEURS

ACOUPHEN ENVIRONNEMENT GROUPEMENT COORDONNE PAR LA COMMUNE DE MONTESSON ETUDE REALISEE POUR LE COMPTE DU : RAPPORT D ETUDE RA A

Object Removal by Exemplar-Based Inpainting

Monitoring continu et gestion optimale des performances énergétiques des bâtiments

Intelligence Inventive & Mapping des réseaux de Recherche. Expernova & Active Innovation Management GFII 5 Mars 2015

Trouver un job grâce au numérique : les défis du marché du recrutement en ligne

Un diplôme cohabilité avec l université de Lyon 2, une formation supérieure unique en communication.

e-biogenouest CNRS UMR 6074 IRISA-INRIA / Plateforme de Bioinformatique GenOuest yvan.le_bras@irisa.fr Programme fédérateur Biogenouest co-financé

Mutualité Française Ile-de-France

La place de SAS dans l'informatique décisionnelle

CATALOGUE DE FORMATION

Masses de données. 1. Introduction 2. Problématiques 3. Socle de formation (non présenté) 4. Liens avec Formation INSA

Peut-on imiter le hasard?

Qualité du logiciel: Méthodes de test

L A B U S I N E S S. d a t a g i n f o r m a t i o n g a c t i o n

Un site web collaboratif avec Drupal. Judith Hannoun - Journées INSHS 16 Octobre 2012

Les Dossiers Médicaux Partagés en Franche-Comté :

Lutin Laboratoire des Usages en Technologies

LE CADRE COMMUN DE REFERENCE LA CONVERGENCE DES DROITS 3 e forum franco-allemand

July 1, Stéphan Clémençon (Télécom ParisTech) Mastère Big Data July 1, / 15

EP A1 (19) (11) EP A1 (12) DEMANDE DE BREVET EUROPEEN. (43) Date de publication: Bulletin 2009/25

Introduction Big Data

Un radar pour Internet

Contrôle par commande prédictive d un procédé de cuisson sous infrarouge de peintures en poudre.

Dernière mise à jour le 11/09/15 1

Texte Agrégation limitée par diffusion interne

Présentation d Energies POSIT IF et de ses interventions sur les segments de la rénovation énergétique et des EnR

Interface Humain-Machine

INNOVATION À L UNISS O N!

Transcription:

Analyse Exploratoire de Données pour les Réseaux Dynamiques Sébastien Heymann <seb@gephi.org> http://www-complexnetworks.lip6.fr/~heymann/eda/ Porté par : Avec le soutiens de :

Réseaux dynamiques Des nœuds et/ou des liens arrivent et/ou partent au cours du temps mobilité, réseaux sociaux, internet, contacts, échanges, web,...

Intérêt pour la communauté des Systèmes Complexes Multiplication de base de données avec dimension temporelle Émergence de l'étude des graphes dynamiques Prolonger l'approche unificatrice des systèmes complexes en les considérant comme des réseaux dynamiques

Nouvelles problématiques transversales Comment caractériser les réseaux dynamiques? Comment les modéliser? Comment étudier les phénomènes qui s'y déroulent? (feuille de route du RNSC, section «Théorie et mesure des réseaux»)

Analyse exploratoire de données Approche abductive pour faire émerger de bonnes hypothèses sur les données (Tukey, 1962) Utilise des techniques de visualisation pour augmenter la cognition (Shneiderman, 1989) Processus non linéaire (Fry, 2004) :

Idée générale Imaginez votre système comme une pelote emmêlée...

Idée générale Exploiter des saillances visuelles = Trouver des prises!

Exemple en statistique descriptive P2P file size distribution (Latapy et al., 2008)

Support : théorie de la perception Application de la sémiologie dans un couplage sensori-moteur (Pfaender, 2008)

Objectifs de la visualisation Trouver plus vite des choses que l on sait déjà : confirmation + transmission Trouver plus vites des choses que l on intuite : exploration guidée + mémoire externe Trouver des choses nouvelles dans l absolu : exploration libre + découverte (source : F. Pfaender, cours de visualisation, UTC 2010)

Analyse exploratoire de données relationnelles (réseaux) Langage graphique émergent : groupement de nœuds, connexité, taille des nœuds (classement), épaisseur des liens (force de la relations)... Logiciels : GUESS, Cytoscape, Tulip, Gephi

Et pour les réseaux dynamiques? Timeline («jouer» le film) Comment comparer des graphes dans le temps? Layouts adaptés? Design d'interaction adapté? Logiciels : Condor, SoNIA, Ubigraph, Gephi

Barrat et al., Sociopatterns.org

Exemple : intuiter l'effet de l'échantillonnage sur la caractérisation Interaction data from McFarland's classroom observations viewed at various levels of time aggregation from 35 minutes (one entire class period) to 1 minute (twothree turns of interaction), software SoNIA

Mobilisation pluridisciplinaire SEMIOLOGIE INFORMATIQUE structure de données, traitement temps réel layout, forme et valeur, transition visuelle DESIGN D'INTERACTION exploration, comparaison

Activités du groupe Produire des outils d'aide à l'expérimentation (plugin Gephi) Partager des problématiques et des approches (mailing-list) Rechercher et collecter des références scientifiques (groupe Mendeley)

Membres Alain BARRAT - CPT Marseille - PACA - Alain.Barrat@cpt.univ-mrs.fr Mathieu BASTIAN LinkedIn Corp. / Gephi Consortium USA CA mathieu@gephi.org Julian BILCKE CNRS / Gephi Consortium - Ile-de-France - julian.bilcke@iscpif.fr David CHAVALARIAS CNRS - Ile-de-France - david.chavalarias@polytechnique.edu Sébastien HEYMANN LIP6 / Gephi Consortium - Ile-de-France - seb@gephi.org Mathieu JACOMY SciencesPo Medialab - Ile-de-France - mathieu.jacomy@gmail.com Matthieu LATAPY LIP6 - Ile-de-France - matthieu.latapy@lip6.fr Fabien PFAENDER UTC - Picardie - fabien.pfaender@utc.fr Stéphane RAUX Linkfluence SAS - Ile-de-France - stephane.raux@linkfluence.net Nicolas SCHABANEL LIAFA / IXXI Lyon - PACA nicolas.schabanel@liafa.jussieu.fr Hugo ZANGHI Linkfluence SAS - Ile-de-France - hugo.zanghi@gmail.com

Merci! Sébastien Heymann <seb@gephi.org> http://www-complexnetworks.lip6.fr/~heymann/eda/ Porté par : Avec le soutiens de :