دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سازمان و پردازش داده ها ویرایش: نویسندگان: Christian Tominski, Heidrun Schumann سری: AK Peters Visualization ISBN (شابک) : 1498753981, 9781498753982 ناشر: CRC Press سال نشر: 2020 تعداد صفحات: 365 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 93 مگابایت
در صورت تبدیل فایل کتاب Interactive Visual Data Analysis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل داده های بصری تعاملی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
در عصر داده های بزرگ، توانایی درک داده ها کلید مهم موفقیت است.
تجزیه و تحلیل داده های بصری تعاملی از
ترکیب تجسم، تعامل و محاسبات خودکار برای تسهیل تولید بینش و
تبلور دانش از دادههای بزرگ و پیچیده حمایت میکند.
این کتاب مروری سیستماتیک و جامع از بصری، تعاملی و روش های
تحلیلی. این معیارها را برای طراحی راه حل های تحلیل داده های
بصری تعاملی معرفی می کند، عوامل موثر بر طراحی را مورد بحث قرار
می دهد و فرآیندهای درگیر را بررسی می کند. خواننده با اصول
رمزگذاری بصری آشنا می شود و با تکنیک های تجسم متعدد برای داده
های چند متغیره، داده های زمانی، داده های جغرافیایی-مکانی و داده
های نمودار آشنا می شود. یک فصل اختصاصی مفاهیم کلی برای تعامل با
تجسمها را معرفی میکند و نشان میدهد که چگونه فناوری تعامل
مدرن میتواند تجزیه و تحلیل دادههای بصری را از طرق مختلف تسهیل
کند. این کتاب با پرداختن به داده های بزرگ و پیچیده امروزی،
محاسبات تحلیلی خودکار مربوطه را برای پشتیبانی از تجزیه و تحلیل
داده های بصری پوشش می دهد. این کتاب همچنین مفاهیم پیشرفته ای را
برای تجسم در محیط های چند صفحه ای، راهنمایی کاربر در طول تجزیه
و تحلیل داده ها، و تجزیه و تحلیل پیشرونده داده های بصری روشن می
کند.
نویسندگان دیدگاهی از بالا به پایین در مورد تجزیه و تحلیل داده
های بصری تعاملی ارائه می دهند. با تمرکز بر اصطلاحات مختصر و
تمیز. بسیاری از نمونههای دنیای واقعی و تصاویر غنی، این کتاب را
برای مخاطبان بینرشتهای وسیعی از دانشآموزان، متخصصان این
حوزه، تا شاغلین در حوزههای کاربردی با دادههای فشرده در دسترس
قرار میدهد.
ویژگیها:
اختصاص به ترکیب روشهای بصری، تعاملی و تحلیلی مشاهده سیستماتیک
از بالا به پایین در مورد تجسم، تعامل و تجزیه و تحلیل خودکار
پوشش گسترده تکنیکهای تجسم بنیادی و پیشرفته فصل جامع تعامل با
بازنماییهای بصری ادغام گسترده روشهای محاسباتی خودکار تصویری
قابل دسترس از فناوری پیشرفته تجزیه و تحلیل بصری پیشگفتار جک ون
ویک
برای اطلاعات بیشتر، میتوانید از وبسایت نویسنده نیز دیدن کنید،
جایی که ارقام کتاب تحت CC BY Open Access در دسترس قرار خواهند
گرفت. مجوز: https: //ivda-book.de/
In the age of big data, being able to make sense of data is an
important key to success. Interactive Visual Data
Analysis advocates the synthesis of
visualization, interaction, and automatic computation to
facilitate insight generation and knowledge crystallization
from large and complex data.
The book provides a systematic and comprehensive overview of
visual, interactive, and analytical methods. It introduces
criteria for designing interactive visual data analysis
solutions, discusses factors influencing the design, and
examines the involved processes. The reader is made familiar
with the basics of visual encoding and gets to know numerous
visualization techniques for multivariate data, temporal data,
geo-spatial data, and graph data. A dedicated chapter
introduces general concepts for interacting with visualizations
and illustrates how modern interaction technology can
facilitate the visual data analysis in many ways. Addressing
today's large and complex data, the book covers relevant
automatic analytical computations to support the visual data
analysis. The book also sheds light on advanced concepts for
visualization in multi-display environments, user guidance
during the data analysis, and progressive visual data
analysis.
The authors present a top-down perspective on interactive
visual data analysis with a focus on concise and clean
terminology. Many real-world examples and rich illustrations
make the book accessible to a broad interdisciplinary audience
from students, to experts in the field, to practitioners in
data-intensive application domains.
Features:
Dedicated to the synthesis of visual, interactive, and analysis
methods Systematic top-down view on visualization, interaction,
and automatic analysis Broad coverage of fundamental and
advanced visualization techniques Comprehensive chapter on
interacting with visual representations Extensive integration
of automatic computational methods Accessible portrayal of
cutting-edge visual analytics technology Foreword by Jack van
Wijk
For more information, you can also visit the author website,
where the book's figures will be made available under the CC BY
Open Access license: https: //ivda-book.de/
Cover Half Title Series Page Title Page Copyright Page Dedication Contents Foreword Preface Authors Chapter 1: Introduction 1.1 BASIC CONSIDERATIONS 1.1.1 Visualization, Interaction, and Computation 1.1.2 Five Ws of Interactive Visual Data Analysis 1.2 INTRODUCTORY EXAMPLES 1.2.1 Starting Simple 1.2.2 Enhancing the Data Analysis 1.2.3 Considering Advanced Techniques 1.3 BOOK OUTLINE Chapter 2: Criteria, Factors, and Models 2.1 CRITERIA 2.2 INFLUENCING FACTORS 2.2.1 The Subject: Data 2.2.2 The Objective: Analysis Tasks 2.2.3 The Context: Users and Technologies 2.2.4 Demonstrating Example 2.3 PROCESS MODELS 2.3.1 Design 2.3.2 Data Transformation 2.3.3 Knowledge Generation 2.4 SUMMARY Chapter 3: Visualization Methods and Techniques 3.1 VISUAL ENCODING AND PRESENTATION 3.1.1 Encoding Data Values 3.1.2 Presentation 3.2 MULTIVARIATE DATA VISUALIZATION 3.2.1 Table-based Visualization 3.2.2 Combined Bivariate Visualization 3.2.3 Polyline-based Visualization 3.2.4 Glyph-based Visualization 3.2.5 Pixel-based Visualization 3.2.6 Nested Visualization 3.3 VISUALIZATION OF TEMPORAL DATA 3.3.1 Time and Temporal Data 3.3.2 Visualization Techniques 3.4 VISUALIZATION OF GEO-SPATIAL DATA 3.4.1 Geographic Space and Geo-spatial Data 3.4.2 General Visualization Strategies 3.4.3 Visualizing Spatio-temporal Data 3.5 GRAPH VISUALIZATION 3.5.1 Graph Data 3.5.2 Basic Visual Representations 3.5.3 Visualizing Multi-faceted Graphs 3.6 SUMMARY Chapter 4: Interacting with Visualizations 4.1 HUMAN IN THE LOOP 4.1.1 Interaction Intents and Action Patterns 4.1.2 The Action Cycle 4.2 REQUIREMENTS FOR EFFICIENT INTERACTION 4.2.1 Interaction Costs 4.2.2 Directness of Interaction 4.2.3 Design Guidelines 4.3 BASIC OPERATIONS FOR INTERACTION 4.3.1 Taking Action 4.3.2 Generating Feedback 4.4 INTERACTIVE SELECTION AND ACCENTUATION 4.4.1 Specifying Selections 4.4.2 Visual Emphasis and Attenuation 4.4.3 Enhanced Selection Support 4.5 NAVIGATING ZOOMABLE VISUALIZATIONS 4.5.1 Basics and Conceptual Considerations 4.5.2 Visual Interface and Interaction 4.5.3 Interaction Aids and Visual Cues 4.5.4 Beyond Zooming in Two Dimensions 4.6 INTERACTIVE LENSES 4.6.1 Conceptual Model 4.6.2 Adjustable Properties 4.6.3 Lenses in Action 4.7 INTERACTIVE VISUAL COMPARISON 4.7.1 Basics and Requirements 4.7.2 Naturally Inspired Comparison 4.7.3 Reducing Comparison Costs 4.8 INTERACTION BEYOND MOUSE AND KEYBOARD 4.8.1 Touching Visualizations 4.8.2 Interacting with Tangibles 4.8.3 Moving the Body to Explore Visualizations 4.9 SUMMARY Chapter 5: Automatic Analysis Support 5.1 DECLUTTERING VISUAL REPRESENTATIONS 5.1.1 Computing and Visualizing Density 5.1.2 Bundling Geometrical Primitives 5.2 FOCUSING ON RELEVANT DATA 5.2.1 Degree of Interest 5.2.2 Feature-based Visual Analysis 5.2.3 Analyzing Features of Chaotic Movement 5.3 ABSTRACTING DATA 5.3.1 Sampling and Aggregation 5.3.2 Exploring Multi-scale Data Abstractions 5.4 GROUPING SIMILAR DATA ELEMENTS 5.4.1 Classification 5.4.2 Data Clustering 5.4.3 Clustering Multivariate Dynamic Graphs 5.5 REDUCING DIMENSIONALITY 5.5.1 Principal Component Analysis 5.5.2 Visual Data Analysis with Principal Components 5.6 SUMMARY Chapter 6: Advanced Concepts 6.1 VISUALIZATION IN MULTI-DISPLAY ENVIRONMENTS 6.1.1 Environment and Requirements 6.1.2 Supporting Collaborative Visual Data Analysis 6.1.3 Multi-display Analysis of Climate Change Impact 6.2 GUIDING THE USER 6.2.1 Characterization of Guidance 6.2.2 Guiding the Navigation in Hierarchical Graphs 6.2.3 Guiding the Visual Analysis of Heterogeneous Data 6.3 PROGRESSIVE VISUAL DATA ANALYSIS 6.3.1 Conceptual Considerations 6.3.2 Multi-threading Architecture 6.3.3 Scenarios 6.4 SUMMARY Chapter 7: Summary 7.1 WHAT’S BEEN DISCUSSED 7.2 HOW TO CONTINUE Bibliography Index Figure Credits