Seminar (S2) Interaktive Visualisierung sehr großer Datenmengen Sommersemester 11

Transkript

1 Seminar (S2) Interaktive Visualisierung sehr großer Datenmengen Sommersemester 11 Prof. Dr. Dieter Fellner, Dr. Jörn Kohlhammer, Dr. Tatiana von Landesberger Jürgen Bernhard, Sebastian Bremm, James Davey, Sebastian Maier, Thorsten May, Tobias Ruppert, Maximilian Scherer

2 Visual Analytics Die Herausforderung Exponentiell wachsende Datenmengen Proteine in der PDB aus durchschnittlich je 8000 Atomen 100 Mio. FedEx Transaktionen pro Tag 150 Mio. VISA Transaktionen pro Tag 300 Mio. Ferngespräche in AT&T s Netzwerk pro Tag 50 Mrd. s weltweit pro Tag 600 Mrd. IP Pakete pro Tag allein im DE- CIX backbone

3 Visual Analytics Die Vision Integration der menschlichen Fähigkeiten in den Analyseprozess ist essenziell für eine Lösung Maschine / System Statistische Analysen Wissenschaftliche Visualisierung Data Mining Semantikbasierte Ansätze Das Beste aus zwei Welten Informationsvisualisierung Cognitive Science Serious Gaming Design Mensch Wahrnehmung Visuelle Intelligenz Entscheidungslehre Kompression & Filterung Graphiken und Rendering Mensch-Maschine- Schnittstelle Erwartungen des Benutzers

4 Visual Analytics ein neuer Ansatz Kombination aus Informationsvisualisierung, Statistik, Data Mining, Business Intelligence und anderen Gebieten Anwendungsgebiete Finanzindustrie Pharmazeutische Industrie Sicherheit Sozialwissenschaften Informationsvisualisierung Wahrnehmungstheorie Interaktivität Wissensmanagement Benutzerfreundlichkeit Visual Analytics Data Mining Statistik Datenbankmanagement

5

6 Organisation des Seminars

7 Ziele Ausarbeitung eines Themas im Bereich Visual Analytics in Gruppen von zwei Studenten. Präsentation der Inhalte in einem gemeinsamen Vortrag Beteiligung an den Diskussionen Schriftliche Ausarbeitung Anwesenheitspflicht bei allen Vorträgen!

8 Semestralleistung Vortrag gehalten Beteiligung an den Diskussionen Folien und schriftliche Ausarbeitung abgegeben Bewertungsgrundlage für benoteten Schein Vortrag Schriftliche Ausarbeitung Beteiligung an den Diskussionen

9 Der Vortrag Ziele Vermittlung der wesentlichen Eckdaten des Themas Inhalte Beschreibung des Themas Contribution/Wissenschaftliche Einordnung (Was ist neu?) Benefit (Was kann man damit machen?) Was könnte man noch verbessern? Dauer ca. 30 Min (15 Minuten pro Person) Danach Diskussion (max. 15 Min) Anonyme Feedbackbögen für die Vortragenden

10 Die Ausarbeitung Schriftliche Ausarbeitung Einführung in das Thema Hintergrund, Fragestellungen Daten Aufgaben Zusammenfassung der bisherigen Lösungen Diskussion von Contribution, Benefit und offene Probleme Umfang 10 Seiten (inklusive Bilder und Literaturverzeichnis) EuroVis Template (LaTeX) Hinweise zu Plagiarismus:

11 Wichtige Termine Anmeldefrist: Erste Version der Ausarbeitung: Vortragstermine (jeweils 14:25 bis 16:05 Uhr): , , , Finale Abgabe der Ausarbeitung:

12 Anmeldung an Inhalt Name (x2) Matrikelnummer (x2) Fachbereich (x2) adresse (x2) Thema Wunschtermin für den Vortrag Bitte ausschließlich Zweiergruppen! First come, first served! Anmeldefrist:

13 Die Themen

14 (1) Applikationen zur visuell-interaktiven Zeitserienanalyse (2) Sportdaten: ein Anwendungsgebiet für Visual Analytics? Jürgen Bernhard

15 (1) Applikationen zur visuell-interaktiven Zeitserienanalyse Jürgen Bernard Planning Lines Theme River Midgaard Cluster Calendar View

16 (2) Sportdaten: ein Anwendungsgebiet für Visual Analytics? Jürgen Bernard Motion Capturing Statistische Analyse Multi-View Stereo

17 (3) Analysis of High Throughput Screening (SB / TM) (4) Analysis of Microarrays (SB / TM) Sebastian Bremm sebastian.bremm@gris.tu-darmstadt.de Thorsten May thorsten.may@igd.fraunhofer.de

18 (3) Analysis of High Throughput Screening Examination of reactivity / interactivity of hundreds of molecules with one target Highly applicable in (industrial) research in biology, chemistry and pharmacy Combination of vision, automatic data analysis and visualization

19 (3) Analysis of High Throughput Screening Literature: An Interactive Visualization-Based Approach for High Throughput Screening Information Management in Drug Discovery Tammy Pui Shan Chan, Preeti Malik, and Rahul Singh Evaluating Real-Life High-Throughput Screening Data Philip Gribbon, Richard Lyons, Philip Laflin, Joe Bradley, Chris Chambers, Bruce S. Williams, Wilma Keighley and Andreas Sewing MRMer, an Interactive Open Source and Cross-platform System for Data Extraction and Visualization of Multiple Reaction Monitoring Experiments Daniel B. Martin, Ted Holzman, Damon May, Amelia Peterson, Ashley Eastham, Jimmy Eng, and Martin McIntosh

20 (4) Analysis of Microarrays Analysis of the gen expression of a cell Screening of the complete mrna of a cell Combination of vision, automatic data analysis and visualization

21 (4) Analysis of Microarrays Literature: Java Treeview extensible visualization of microarray data Alok J. Saldanha COMPUTATIONAL ANALYSIS OF MICROARRAY DATA John Quackenbush BioArray Software Environment (BASE): a platform for comprehensive management and analysis of microarray data Daniel B. Martin, Ted Holzman, Damon May, Amelia Peterson, Ashley Eastham, Jimmy Eng, and Martin McIntosh

22 (5) Analysis of Border Gateway Protocol Data (6) Analysis of Malware Data James Davey

23 (5) Analysis of Border Gateway Protocol Data Examining the control plane of the internet Internet-scale analysis and visualization of constantly changing routing tables Goal: find anomalies and optimization potential

24 (5) Analysis Border Gateway Protocol Data Literature: BGP eye: a new visualization tool for real-time detection and analysis of BGP anomalies Teoh, S. T.; Ranjan, S.; Nucci, A. & Chuah, C.-N. BGPeep: An IP-Space Centered View for Internet Routing Data Shearer, J.; Ma, K.-L. & Kohlenberg, T. VAST: visualizing autonomous system topology Oberheide, J.; Karir, M. & Blazakis, D.

25 (6) Analysis of Malware How does a worm take control of a host? What does it do once it has control of a computer s resources? Goal: learn more about malware propagation

26 (6) Analysis of Malware Literature: Visual analysis of malware behavior using treemaps and thread graphs Trinius, P.; Holz, T.; Gobel, J. & Freiling, F. Visual Reverse Engineering of Binary and Data Files Conti, G.; Dean, E.; Sinda, M. & Sangster, B. Visualizing compiled executables for malware analysis Quist, D. & Liebrock, L.

27 (7) Visuelle Analyse von Dynamischen Dokumentsammlungen / Text Streams (8) Visual Graph Analysis: Der Kampf mit Großen Netzwerken (9) Edge Bundling (10) Analyzing the Visual Analytics Process Dr. Tatiana von Landesberger tatiana.von_landesberger@gris.informatik.tu-darmstadt.de

28 (7) Visuelle Analyse von Dynamischen Dokumentsammlungen / Text Streams Tatiana von Landesberger

29 (7) Visuelle Analyse von Dynamischen Dokumentsammlungen / Text Streams Tatiana von Landesberger Aufgabe: Überblick über die vorhandenen Ansätze zur visuellen Exploration von großen Dokumentsammlungen in einem dynamischen Umfeld Perspektiven: Statische Dynamische Visualisierung Dokumente vs. Dokumentinhalte Explorationswege Auswahl empfohlener Literatur: Chen et al. The Structure and Dynamics of Co Citation Clusters: A Multiple Perspective Co Citation Analysis, 2010 Cui et al. Context Preserving Dynamic Word Cloud Visualization, 2010 Cao et al. FacetAtlas: Multifaceted Visualization for Rich Text Corpora, 2010 Alsakran et al. STREAMIT: Dynamic Visualization and Interactive Exploration of Text Streams, 2011 Lee et al.: SparkClouds: Visualizing Trends in Tag Clouds, 2010

30 (8) Visual Graph Analysis: Der Kampf mit Großen Netzwerken Aufgabe: Überblick der VA Methoden für große Graphen Explorationswege Vereinfachungen Analyse Ausgangsliteratur: Von Landesberger et al. Visual Graph Analysis, EuroGraphics, 2010

31 (9) Edge Bundling Aufgabe Überblick der Edge Bundling Ansätze (Technikerklärung) und ihre Anwendungen Ausgangsliteratur: Holten: Hierarchical Edge Bundles: Visualization of Adjacency Relations in Hierarchical Data, 2006

32 (10) Analyzing the Visual Analytics Process Aufgabe Überblick der Methoden zur Analyse von Analytical Process Auswahl empfohlener Literatur: Heer et al.: Graphical Histories for Visualization: Supporting Analysis, Communication, and Evaluation, 2008 Kadivar et al.: Capturing and Supporting the Analysis Process,

33 (11) Content-Based Multimedia Information Retrieval Maximilian Scherer

34 (11) Content-Based Multimedia Information Retrieval Maximilian Scherer

35 (11) Content-Based Multimedia Information Retrieval Problemstellung: Suche von nicht-textuellen Dokumenten z.b.: Finde alle Bilder im WWW die eine rote Tür zeigen

36 (11) Content-Based Multimedia Information Retrieval Inhaltsbasierte Methoden, die über textuelle Annotation hinaus gehen, z.b.: Ausgangspunkt: state-of-the-art report (Lew et al. 2006) Aufgabenstellung: Einführung in das Thema Herausforderungen / offene Probleme aus Report herausarbeiten Wie wurden die Probleme seit dem angegangen? (ca. 10 Referenzen seit 2007 bearbeiten)

37 (12) Visual Analysis of Event Logs Sebastian Maier

38 (12) Visual Analysis of Event Logs How to find relevant patterns in large event log databases (e.g. Operating System, Server and Applications Logs) What Event(-Group) is behind the visible Error? Visual Analytics, Combining Hierarchy with Time

39 (12) Visual Analysis of Event Logs Literature: LogView: Visualizing Event Log Clusters Makanju, A., Brooks, S., Zincir-Heywood, A. N. and Milios, E. E., in: Privacy, Security and Trust, PST '08. Sixth Annual Conference on, pages , 2008 Multiscale and multivariate visualizations of software evolution Voinea, Lucian and Telea, Alexandru, in: Proceedings of the 2006 ACM symposium on Software visualization, Brighton, United Kingdom, pages , ACM, 2006 Towards a conceptual framework for visual analytics of time and time-oriented data Aigner, Wolfgang, Bertone, Alessio, Miksch, Silvia, Tominski, Christian and Schumann, Heidrun, in: WSC '07: Proceedings of the 39th conference on Winter simulation, Washington D.C., pages , IEEE Press, 2007

40 (13) Visual Opinion Mining Tobias Ruppert

41 (13) Visual Opinion Mining Visual-interactive exploration of opinions extracted from full text Text analysis Sentiment analysis

42 (13) Visual Opinion Mining Literature: Visual Analysis of Conflicting Opinions Chaomei Chen, Fidelia Ibekwe-SanJuan, Eric SanJuan, Chris Weaver Pulse: Mining Customer Opinions from Free Text Michael Gamon, Anthony Aue, Simon Corston-Oliver, and Eric Ringger Visual Opinion Analysis of Customer Feedback Data Daniela Oelke, Ming Hao, Christian Rohrdantz, Daniel A. Keim, Umeshwar Dayal, Lars- Erik Haug, Halldór Janetzko

43 Die Themen (1) Applikationen zur visuell-interaktiven Zeitserienanalyse (JB) (2) Sportdaten: ein Anwendungsgebiet für Visual Analytics? (JB) (3) Analysis of High Throughput Screening (SB / TM) (4) Analysis of Microarrays (SB / TM) (5) Analysis of Border Gateway Protocol Data (JD) (6) Analysis of Malware Data (JD) (7) Visuelle Analyse von Dynamischen Dokumentsammlungen / Text Streams (TvL) (8) Visual Graph Analysis: Der Kampf mit Großen Netzwerken (TvL) (9) Edge Bundling (TvL) (10) Analyzing the Visual Analytics Process (TvL) (11) Content-Based Multimedia Information Retrieval (MS) (12) Visual Analysis of Event Logs (SM) (13) Visual Opinion Mining (TR)

44 Organisatorisches Anmeldefrist: Themen, Papers, Kontaktdaten: Organisatorische Fragen: Thematische Fragen: Betreuer des jeweiligen Themas.

45 Ende Folie 45