最近,我参加了在芝加哥举办的IEEE 2015可视化大会,并草草记录了一些有关机器学习的内容。对于那些不了解该会议的人来说,你有必要了解下,这是从业者、学者和研究人员最大的一次年度聚会,它们的研究方向是如何将数据进行可视化并且对我们可用。会议论文主要来自IEEE VIS的三个核心子会议:可视分析科学与技术(Visual Analytics Science and Technology,VAST)、信息可视化(Information Visualization,InfoVis) 、科学可视化(Scientific Visualization,SciVis)。同时举行的还有三大IEEE专题报告会:大数据分析和可视化(Large Data Analysis and Visualization, LDAV)、网络安全可视化(Visualization for Cyber Security, VizSec)以及第一次举行的数据科学可视化专题报告会(VDS)。
今年,与会人员超过1500人,包括来自商业智能和高级分析的领先企业人士,有Bloomberg, Google,IBM,Tableau以及Microsoft。
此次会议给我印象最深的是:机器学习(ML)与数据可视化(Data Visualization)的关系越来越紧密。大多数论文在数据预处理阶段都使用了机器学习技术。例如,VAST会议最好的论文“ Reducing Snapshots to Points: A Visual Analytics Approach to Dynamic Network Exploration (离散化Snapshots:一个用于动态网络探索的可视分析方法) ”,使用矢量化、标准化以及降维技术将高维动态网络数据映射到二维空间,然后使用两个并列图做为可视化输出:一个展示网络快照(network Snapshot),一个显示网络演变。使用户更容易将异常与正常稳定的状态区分开来。
以下内容是对四个主要应用领域高度强调的机器学习技术的总结:
(图像来自达姆施塔特工业大学的交互式图形系统小组.)
(图片来自 TimeNotes )
(图片来自亚利桑那州立大学的 VADER实验室 )
VAST的挑战赛则是另一个亮点——该比赛始于2006年,每年举行一次,旨在反映现实世界的当下分析水平,并鼓励研究新颖的数据处理、可视化和交互方法。 今年的挑战 是分析一个娱乐公园一周内涉及犯罪行为的个人和团体活动。用于数据处理和ML最流行的语言是Python和R,目前 Azure机器学习 平台对两者都支持。
总之,该会议是一个学习前沿的可视化方法的好地方,同时还可以和该领域的专家进行交流。
原文链接: IEEE Visualization Conference 2015 - Increasing Influence of Machine Learning (译者/刘帝伟 审校/刘翔宇、朱正贵 责编/周建丁 机器学习技术采访、投稿,请联系zhoujd@csdn.net或微信号jianding_zhou)
译者简介: 刘帝伟,中南大学软件学院在读研究生,关注机器学习、数据挖掘及生物信息领域。
将于2015年12月10-12日在北京隆重举办。在主会之外,会议还设立了16大分论坛,包含数据库、深度学习、推荐系统、安全等6大技术论坛,金融、制造业、交通旅游、互联网、医疗健康、教育等7大应用论坛和3大热点议题论坛,