MindMap Gallery Carte mentale de visualisation de Big Data

Carte mentale de visualisation de Big Data

Il s'agit d'une carte mentale sur la visualisation du Big Data, y compris la classification et le rôle de la visualisation des données, les bases de la visualisation des données, les méthodes de visualisation du Big Data, etc.

Edited at 2023-11-06 11:11:11

WSrx009v

Carte mentale de visualisation de Big Data

WSrx009v

Recommended to you
Outline

LBDL
- 25
bscoub
Arbre de connaissances Big Data
- 14
Carte mentale
Carte mentale du Big Data
- 13
ArteVeloce
Chapitre 5, Développement de produits de données
- 10
WSrx009v
Théorie et pratique de la science des données Chapitre 4
- 9
WSrx009v
Processus et méthodes
- 11
WSrx009v
Introduction à Hadoop
- 11
PlotWizard
Carte mentale des technologies d'exploration et d'analyse de données
- 13
WSrx009v
Qu’est-ce que le Big Data
- 8
WSrx009v
Une brève introduction à la page d'accueil de Spark sous Apache
- 8
WSrx009v

Visualisation de mégadonnées

Présentation de la visualisation Big Data

Le concept de visualisation Big Data

Big Data

Qu'est-ce que le Big Data

Problèmes résolus par le big data

Caractéristiques du Big Data

Visualisation

L'histoire du développement de la visualisation Big Data

Décrire des cas classiques de visualisation

Tableau des roses rossignols

Graphique à bulles de Hans Rosling

carte du choléra de John Snow

Visualisation des mégadonnées COVID-19

Visualisation intelligente des mégadonnées médicales

Visualisation Big Data de la ville intelligente

Classification et fonctions de la visualisation des données

Classification de la visualisation de données

visualisation scientifique

visualisation d'informations

analyse visuelle

Le rôle de la visualisation des données

(1) La visualisation des données rend les données plus faciles à digérer (2) La visualisation des données fait bouger les données (3) Les données de visualisation des données peuvent être détectées (4) La visualisation des données permet aux données d'afficher des informations approfondies

L'orientation du développement de la visualisation des données

Défis rencontrés

(1) L'échelle des données est importante et a dépassé les capacités de traitement d'une seule machine ou même d'un petit cluster informatique. Cependant, les logiciels et outils actuels ne sont pas efficaces et de nouvelles idées doivent être explorées pour résoudre ce problème.

(2) Lors du processus d'acquisition, d'analyse et de traitement des données, des problèmes de qualité des données sont susceptibles de survenir et une attention particulière doit être accordée à l'incertitude des données.

(3) Les données changent rapidement et dynamiquement et existent souvent sous la forme de données en continu. Il est nécessaire de trouver des méthodes d’analyse et de visualisation en temps réel pour diffuser les données.

(4) Face à des données complexes et de grande dimension, le système logiciel actuel se concentre sur les statistiques et l'analyse de base et manque de capacités analytiques.

(5) Les données multi-sources ont différents types et structures, et les méthodes existantes sont difficiles à répondre aux besoins de traitement de données non structurées et hétérogènes.

Direction du développement

(1) Intégration étroite de la technologie de visualisation et de la technologie d’exploration de données. (2) Intégration étroite de la technologie de visualisation et de la technologie d'interaction homme-machine. (3) La technologie de visualisation est largement utilisée dans le traitement et l’analyse de données structurées à grande échelle et de grande dimension. (4) Changements élastiques dans les capacités de saut de données de traitement.

Bases de la visualisation de données

1. Comprendre les outils de visualisation de données couramment utilisés

2. Maîtriser le processus de visualisation des données

Enjeux naturels et enjeux sociaux (questions et sources de données)

collecte de données

Traitement des données internes (points enterrés)

Traitement de données externes (robots d'exploration Web)

Traitement et transformation des données

Prétraitement des données

exploration de données

Cartographie visuelle

Perception des utilisateurs

Connaissance, inspiration et conclusion (objectif ultime)

3. Décrire les principes de conception de la visualisation de données

lettre (correcte)

Da (clair)

Ouais (élégant)

Méthodes de visualisation du Big Data

Visualisation des données temporelles

Application des données temporelles dans la visualisation Big Data

données en temps continu

diagramme en échelle

graphique en ligne

Courbe ajustée

données en temps discret

Nuage de points

Diagramme à colonnes

diagramme à colonnes empilées

Visualisation des données à grande échelle

Application des données proportionnelles à la visualisation du Big Data

partie et tout

diagramme circulaire

graphique en beignet

empiler

Diagramme en arbre rectangulaire

données à l'échelle spatio-temporelle

graphique en aires empilées

Visualisation de données relationnelles

Application des données relationnelles au big data

Pertinence des données

Nuage de points, matrice de nuages de points, diagramme à bulles

Lignes de distribution de données

Histogramme, carte de densité, carte thermique

Visualisation de données textuelles

Application des données textuelles dans le big data

Gestion du personnel, électroménager, services publics, prise de décision gouvernementale, commerce électronique

Visualisation du contenu du texte

Nuage de mots, collection de documents, visualisation de texte de séries chronologiques

Visualiser les relations entre textes

Le rôle de la visualisation de texte

(1) Facile à comprendre l’idée centrale (2) Facile à classer, comparer et résumer (3) La visualisation de texte améliore la capacité des gens à penser de manière pertinente

Visualisation de données complexes

Application de données complexes dans le big data

Visualisation de données multi-sources en haute dimension

concept

Haute dimension signifie que les données ont plusieurs attributs indépendants, et multidimensionnelle signifie que les données ont plusieurs attributs liés.

Nuage de points, matrice de nuage de points, lentille de table, coordonnées parallèles

Défis rencontrés

(1) La complexité des données augmente considérablement. (2) L’ampleur des données augmente rapidement. (3) Au cours du processus d'acquisition et de traitement des données, des problèmes de qualité des données surgiront inévitablement et l'incertitude des données est particulièrement préoccupante. (4) Les données changent rapidement et dynamiquement, souvent sous la forme de données en continu.

Visualisation de données non structurées

Des données hétérogènes

données à grande échelle

données complexes

Méthodes de visualisation du Big Data

Focus sur les données

Graphiques électroniques