Durée
25h Th, 20h Pr, 25h Proj.
Nombre de crédits
Enseignant
Langue(s) de l'unité d'enseignement
Langue anglaise
Organisation et évaluation
Enseignement au deuxième quadrimestre
Horaire
Unités d'enseignement prérequises et corequises
Les unités prérequises ou corequises sont présentées au sein de chaque programme
Contenus de l'unité d'enseignement
Motivation
La visualisation de données est une étape importante précédant des analyses poussées ou des modélisations. Elle permet de se forger une première intuition sur la qualité des données, les résultats futurs d'une analyse, les outils à utiliser pour une visualisation plus fine, ou encore sur les performances d'un modèle prédictif. Toutefois, une visualisation pertinente et impactante nécessite l'utilisation d'outils adaptés et le respect de règles de bonnes pratiques, ce qui peut s'avérer être une réelle source de difficultés pour les utilisateurs néophytes.
Dans ce contexte, le but de ce cours est de permettre aux étudiants d'acquérir les connaissances et les compétences techniques pour :
- Explorer des données à travers différents outils de visualisation.
- Choisir et implémenter des outils pertinents et des paramètres appropriés pour visualiser des données et communiquer efficacement à travers ces visualisations.
- Comprendre les aspects cognitifs liés à l'interprétation de visualisations.
- Réfléchir de manière critique à propos de visualisations scientifiques et médiatiques.
Table des matières
1. Introduction à la visualisation de données
a. Motivation, rôle de la visualisation dans la démarche scientifique et dans la communication en général, exemples introductifs bons et mauvais
b. Clés de lecture et d'analyse d'une visualisation : quel message véhiculer et pour quelle audience
c. Types de données et leurs structures
2. Visualisation et connexions avec divers domaines
a. Sciences cognitives : mécanismes de perception humaine, principes de la Gestalt, biais de la perception humaine (grandeurs, aires, couleurs, etc.)
b. La visualisation comme interface pour l'interaction homme-machine
c. Éléments de computer graphics
d. Visualisation, en particulier en sciences des données
3. Éléments de théorie de la couleur
a. Espaces colorimétriques, mélanges, contrastes
b. Accessibilité, daltonisme, contraintes et interprétations humaines
4. Visualisations de « données brutes »
a. Données catégorielles et numériques univariées : outils de type bar plot, histogramme et box plot
b. Données bivariées : outils de type scatter plot et histogrammes 2D
c. Données multivariées (distinction par couleur, taille, forme des marqueurs, etc., pour représenter davantage de dimensions) et défis liés à la haute dimensionnalité
5. Visualisation de « fonctions »
a. Séries temporelles (1D->1D)
b. Courbes paramétriques et trajectoires (1D->2D/3D)
c. « Images » monochromatiques, heatmaps et données spatiales (2D->1D)
d. Données volumétriques (3D->1D)
e. Champs de déplacements et flux (2D->2D)
6. Visualisation de « données structurées »
a. Arbres et dendrogrammes
b. Graphes et réseaux
c. Structuration et visualisation de données textuelles
7. Démarche pratique et précautions d'usage
a. Choisir les bons outils face à des données brutes
b. Éléments d'éthique de la visualisation (problèmes de manipulation, données manquantes, outliers, doublons, etc.)
c. Analyse critique de visualisations
8. Visualisation dynamique
a. Interactivité dans une visualisation et sensibilité de la visualisation aux choix de paramètres
b. Animation d'une visualisation
9. Visualisation des sorties de modèles prédictifs
a. Incertitude et barres d'erreur
b. Prédictions par rapport à l'oracle, colorisation de grandes matrices, « performances » des modèles et précautions d'interprétation
10. Production de figures scientifiques
a. Composants d'une bonne figure scientifique
b. Règles de bonne pratique pour la visualisation scientifique, éthique scientifique, fidélité de la représentation et de l'interprétation, reproductibilité et contraintes éditoriales
c. Storytelling à l'aide d'une séquence de figures et cohérence visuelle
Acquis d'apprentissage (objectifs d'apprentissage) de l'unité d'enseignement
Le but de ce cours est de permettre aux étudiants d'acquérir les connaissances et les compétences techniques pour :
- Explorer des données à travers différents outils de visualisation.
- Choisir et implémenter des outils pertinents et des paramètres appropriés pour visualiser des données et communiquer efficacement à travers ces visualisations.
- Comprendre les aspects cognitifs liés à l'interprétation de visualisations.
- Réfléchir de manière critique à propos de visualisations scientifiques et médiatiques.
Savoirs et compétences prérequis
Les prérequis sont couverts par des cours obligatoires (statistiques, introduction à la programmation).
Activités d'apprentissage prévues et méthodes d'enseignement
Cours théoriques + séances de travaux pratiques en Python.
Mode d'enseignement (présentiel, à distance, hybride)
Cours donné exclusivement en présentiel
Supports de cours, lectures obligatoires ou recommandées
Plate-forme(s) utilisée(s) pour les supports de cours :
- eCampus
- MyULiège
Modalités d'évaluation et critères
Examen(s) en session
Toutes sessions confondues
- En présentiel
évaluation écrite ( questions ouvertes )
Travail à rendre - rapport
Interrogation(s) hors session
Informations complémentaires:
L'évaluation comporte deux parties, chacune comptant pour 50% de la note finale.
Un examen écrit visant à évaluer les connaissances théoriques et la capacité d'analyse et d'esprit critique face à de mauvaises visualisations fournies et la capacité de proposer des corrections appropriées.
Un "projet individuel" visant à évaluer la capacité de produire des visualisations pertinentes et des figures scientifiques impactantes à partir de données fournies, avec défense orale des choix opérés et interprétation des résultats obtenus.
Remarque importante. Le "projet individuel" sera peut-être fractionné en deux ou trois parties au cours du quadrimestre afin d'éviter une surcharge de travail en fin de période. Il s'agit principalement de l'application des concepts vus au cours. Si le nombre d'étudiants inscrits est élevé, des travaux de groupes pourront être envisagés. La défense orale pourrait devenir un bref rapport écrit. Les modalités exactes seront déterminées au début du quadrimestre.
Stage(s)
Remarques organisationnelles et modifications principales apportées au cours
Contacts
Adrien Deliege
adrien.deliege@uliege.be