Visual Analytics for Data Scientists

این کتاب درسی اصول اصلی تجزیه و تحلیل بصری را ارائه می‌کند و تکنیک‌ها و رویکردهایی را توضیح می‌دهد که سودمندی خود را ثابت کرده‌اند و به راحتی قابل بازتولید هستند. تاکید ویژه ای بر نمونه های آموزنده مختلفی از تحلیل ها شده است که در آنها نیاز به تجسم ها و استفاده از آنها به تفصیل توضیح داده شده است.

کتاب با معرفی ایده ها و مفاهیم اصلی تجزیه و تحلیل بصری و توضیح چرایی آن آغاز می شود. باید به عنوان بخشی اساسی از روش شناسی و شیوه های علم داده در نظر گرفته شود. سپس اصول کلی زیربنای رویکردهای تحلیل بصری، از جمله موارد مربوط به نمایش بصری مناسب، استفاده از تکنیک‌های تعاملی، و کلاس‌هایی از روش‌های محاسباتی را شرح می‌دهد. در ادامه به بحث در مورد چگونگی استفاده از تجسم‌ها برای آگاهی از ویژگی‌های داده‌ای که باید در نظر گرفته شوند و برای تشخیص مسائل احتمالی کیفیت داده‌ها که ممکن است تحلیل را مختل کند، ادامه می‌یابد. بخش دوم کتاب روش‌ها و گردش‌های کاری تجزیه و تحلیل بصری را تشریح می‌کند که توسط انواع داده‌های مختلف از جمله داده‌های چند بعدی، داده‌هایی با اجزای مکانی و زمانی، داده‌هایی که روابط باینری را توصیف می‌کنند، متون، تصاویر و ویدئو سازمان‌دهی شده‌اند. برای هر نوع داده، ویژگی ها و مسائل خاص توضیح داده می شود، وظایف تحلیل مربوطه مورد بحث قرار می گیرد و روش ها و روش های مناسب معرفی می شوند. تمرکز در اینجا بر روی جزئیات سطح خرد نحوه کار روش ها نیست، بلکه بر نحوه استفاده از روش ها و نحوه اعمال آنها بر داده ها است. محدودیت‌های روش‌ها نیز مورد بحث قرار می‌گیرد و مشکلات احتمالی شناسایی می‌شوند.

این کتاب درسی برای دانش‌آموزان علوم داده و به‌طور کلی‌تر، هر کسی که تجزیه و تحلیل عملی داده‌ها را انجام می‌دهد یا برنامه‌ریزی می‌کند در نظر گرفته شده است. این شامل مثال‌های متعددی است که نشان می‌دهد چگونه از تکنیک‌های تجزیه و تحلیل بصری استفاده می‌شود و چگونه می‌توانند به تحلیلگران کمک کنند تا ویژگی‌های داده‌ها را درک کنند، بینشی در مورد موضوع منعکس‌شده در داده‌ها به دست آورند و مدل‌های خوبی بسازند که قابل اعتماد باشد. بر اساس چندین سال تدریس دروس مرتبط در شهر، دانشگاه لندن، دانشگاه بن و TU مونیخ، و همچنین آموزش صنعتی در موسسه Fraunhofer IAIS و مدارس تابستانی متعدد، محتوای اصلی با مجموعه داده‌های نمونه تکمیل شده و جزئیات، توصیف مصور تمرین‌ها برای تمرین استفاده از روش‌های تحلیل بصری و گردش کار.

This textbook presents the main principles of visual analytics and describes techniques and approaches that have proven their utility and can be readily reproduced. Special emphasis is placed on various instructive examples of analyses, in which the need for and the use of visualisations are explained in detail.

The book begins by introducing the main ideas and concepts of visual analytics and explaining why it should be considered an essential part of data science methodology and practices. It then describes the general principles underlying the visual analytics approaches, including those on appropriate visual representation, the use of interactive techniques, and classes of computational methods. It continues with discussing how to use visualisations for getting aware of data properties that need to be taken into account and for detecting possible data quality issues that may impair the analysis. The second part of the book describes visual analytics methods and workflows, organised by various data types including multidimensional data, data with spatial and temporal components, data describing binary relationships, texts, images and video. For each data type, the specific properties and issues are explained, the relevant analysis tasks are discussed, and appropriate methods and procedures are introduced. The focus here is not on the micro-level details of how the methods work, but on how the methods can be used and how they can be applied to data. The limitations of the methods are also discussed and possible pitfalls are identified.

The textbook is intended for students in data science and, more generally, anyone doing or planning to do practical data analysis. It includes numerous examples demonstrating how visual analytics techniques are used and how they can help analysts to understand the properties of data, gain insights into the subject reflected in the data, and build good models that can be trusted. Based on several years of teaching related courses at the City, University of London, the University of Bonn and TU Munich, as well as industry training at the Fraunhofer Institute IAIS and numerous summer schools, the main content is complemented by sample datasets and detailed, illustrated descriptions of exercises to practice applying visual analytics methods and workflows.