现代社会充斥着复杂的数据可以包含键来改善我们的生活。这些数据的范围迅速超过了我们的能力来分析和理解,所以我们向电脑帮助。然而,最先进的技术只能补充人类的元素。人协助每一个阶段的数据科学,无论是数据清理,理解算法设计,探索计算结果,或合作和共享决策。展示人类复杂的信息,我们使用可视化,利用我们卓越的知觉系统可以检测趋势,集群,差距,并立刻离群值。
一个具有挑战性的和日益重要的类型的数据网络的实体及其关系。网络各学科的广泛应用对复杂的行为的原因。这些分析包括理解的关系,以及相关属性,统计数据,或分组。无处不在的node-link可视化擅长同时显示拓扑结构和功能,但许多难以提取意义由于布局不佳或有固有的复杂性,有限的空间。我演讲的第一部分将详细技术测量的可读性node-link可视化和策略来帮助用户创建更有效的和可以理解的可视化。
此外,分析复杂的数据通常需要多次会议,当返回后很难召回工作流程中的步骤。数据科学在许多领域也高度协作。多个分析师可能与不同的利益相关者一起工作经验和时间约束。我演讲的第二部分解决这些需求,和我介绍可视化策略,协助生产分析工作流的可重复的、自由的错误,可以理解的,和轻松地共享。
演讲者:
科迪教授邓恩交叉的信息可视化、网络科学、人机交互和计算机科学。他关注的技术使数据更容易分析和共享,以及可视化技术应用到现实世界的问题。邓恩博士目前正在研究如何改善网络可视化的可读性以及视觉探索开发下一代的工具,分享和合作在数据和分析工作流。
某些域邓恩博士一直从事包括可视化的概念来自医疗记录,传染病的传播,在学术文献引用,人们和组织的相互作用,在考古挖掘网站的关系,新闻词汇同现,同义词典类别关系,市政能源使用,计算机网络交通流。
加入东北之前,邓恩博士是一个科学家在IBM Watson健康,IBM Watson和IBM的研究。邓恩博士获得了计算机科学博士学位和学士学位在Ben Shneiderman马里兰大学人机交互实验室在2013年和2009年,分别。他获得了从康奈尔大学的计算机科学和数学学士学位在2007年。