Не затронут важный шаг алгоритма — предобработка данных. · В моём понимании цель алгоритма: визуализировать конкретный набор данных с максимально пользой для зрителя. · На последний вопрос как раз и отвечает алгоритм.

Вместе шаги составляют алгоритм визуализации, который я сформулировала на основе собственного опыта и лабораторных проектов. Я нигде не встречала подобного подхода, поэтому скромно назову его алгоритмом Лаборатории данных :-) Чтобы познакомиться с нашим алгоритмом «из первых рук» и научиться его применять, приходите на брейнвошинг по визуализации данных, который я проведу в Москве, 23 и 24 апреля.

Я уделю много внимания базовым форматам, разберу их с точки зрения алгоритма и покажу, как обогатить их данными и срезами. · Это будет вход вглубь алгоритма, в очень важную (но далеко не всем нужную) его часть. На практике каждый участник сам решит, хочет ли он применить знания об алгоритме на стандартных форматах или копнуть вглубь.

25-го сентября представила свой алгоритм визуализации сложных данных на Фестивале 404. · В алгоритме важна не только последовательность шагов, но и то, как следующий шаг связан с предыдущим, как один вытекает из другого, а также метаморфозы, происходящие внутри шагов — и всё это отражено в презентации.

Алгоритм визуализации, который я описываю, рождается на ходу.

Чтобы познакомиться с нашим алгоритмом «из первых рук» и научиться его применять, приходите на курс по визуализации данных, который я проведу в Москве, 8 и 9 октября.

Чтобы познакомиться с нашим алгоритмом «из первых рук» и научиться его применять, приходите на курс по визуализации данных, который я проведу в Москве, 8 и 9 октября.

Физика выводит законы макромира и свойства материи, изучая элементарные частицы, их характеристики и способы взаимодействия. Физики издавна ставили эксперименты и фиксировали закономерности, но только знания о молекулах, атомах, субатомных частицах, фермионах и бозонах позволили докопаться до сути наблюдаемых явлений.

Свою (дизайнерскую) часть курса я посвятила описанному накануне алгоритму визуализации данных. Участники приняли наш нестандартный подход с интересом, задавали вопросы, помогали прояснить сложные моменты и точнее сформулировать суть алгоритма, тестировали его на рабочих задачах. Курс показал, что сам алгоритм и процесс обучения требуют доработки, но вектор выбран правильный.

Я придумываю визуализации без алгоритмов и правил, по наитию. · Дважды в месяц я буду публиковать размышления о моём подходе к визуализации данных, чтобы постепенно сформировать теоретическую базу и докопаться до заветных алгоритмов.

Мы с участниками рассмотрели классные примеры и вместе сформулировали признаки хорошей визуализации, после чего перешли к разбору алгоритма Δλ — познакомились с понятиями реальности данных и частицы данных, узнали, зачем они нужны и как их использовать. · В первой половине дня учились применять алгоритм Δλ к своим данным, обсуждали со мной результаты и формулировали постановку задачи.

В прошлом году Майк Босток опубликовал подробную и очень наглядную статью об алгоритмах сортировки с элементами визуализации:

Если хотите освоить алгоритм работы со сложными данными на практике, приходите на брейнвошинг по визуализации данных, который я проведу в Москве, 23 и 24 апреля.

А для тех ребят, кто интересуется визуализацией и периодически спрашивает нас об онлайн-курсах, — это прекрасная возможность познакомиться с актуальной теорией и алгоритмом Δλ, а заодно получить другие бесценные знания.

Если хотите освоить алгоритм работы со сложными данными на практике, приходите на брейнвошинг по визуализации данных, который я проведу в Москве, 23 и 24 апреля.

Алгоритм распознования работает довольно быстро и качественно