Information and Software Visualization (ISOVIS)

Linnaeus University Centre for Data Intensive Sciences and Applications (DISA) fokuserar sina insatser på öppna frågor vid insamling, analys och användning av stora datamängder. Med avstamp i datavetenskap tar DISA ett tvärvetenskapligt grepp och samarbetar med forskare från alla fakulteter vid universitetet.

Andreas Kerren, ledare för ISOVIS, var medsökande till DISA och är medlem i DISAs ledningsråd. Visualisering och visuell analys är viktiga teknologier för analys av (stor) data och därför naturligt kopplade till DISA och dess huvudsakliga mål. Den breda expertisen hos medarbetarna i ISOVIS inom flera underämnen till informationsvisualisering och visuell analys speglar mångfalden av datamängder och analysproblem som analytiker/forskare från universitetets samtliga fakulteter står inför i sitt dagliga arbete. ISOVIS kan ge svar på många sådana analytiska utmaningar.

Eftersom tillämpade metoder för maskininlärning är mer och mer vanliga i DISA, bidrar vi också genom att göra de "svarta lådorna" hos  analysmetoderna och de resulterande modellerna transparenta för analytikern. För detta, och för att skapa tillförlitligt förtroende för modellerna, utvecklar vi grundläggande principer för visuell analys, tekniker och verktyg för att analysera modeller för både data och maskininlärning.

Såddprojekt

Vid DISA uppmuntrar och stöder vi såddprojekt. Såddprojekt är avsedda att främja och driva upp framstående forskning, utveckling och innovation med tvärvetenskapligt samarbete inom dataintensiva vetenskaper och tillämpningar.

Pågående såddprojekt vid ISOVIS

-

Avslutade såddprojekt vid ISOVIS

• Analyzing state-of-the-practice for self-adaptive systems in industry using data analytics
  Sökande: Nadeem Abbas, Danny Weyns, Ilir Jusufi, Bengt Larsson

• Data-intensive tools for effective carbon mitigation in forestry
  Sökande: Jorge Zapico, Rafael Martins, Johan Bergh
• An Exploration of the Challenges and Possibilities of Multidimensional Visualization in the Context of Visual Learning Analytics
  Sökande: Rafael Martins, Marcelo Milrad, Italo Masiello

Smarter Systems är en komplett kunskapsmiljö med fokus på framtidens system och utmaningar. Den möter utmaningar tillsammans med sina partner i form av initiativ inom utbildning och forskning i samverkan. Utvecklare av komplexa system behöver kunna förstå strukturen och beteendet hos system när som helst, även när systemet har utvecklats baserat på inlärd kunskap.

Här är visuell analys helt avgörande för att förbättra förståelsen för de komplexa, dynamiska och föränderliga data och processer som förekommer på båda nivåerna: såväl när man konstruerar smartare system som under drift. Som en konsekvens kan vi som människor då förstå deras struktur och beteende när som helst, även när de har utvecklats baserat på den inlärda kunskapen.

Under de senaste åren, som ett resultat av utvecklingen inom sensor- och kommunikationsteknik, har mängden data som samlats in av komplexa system ökat exponentiellt. Ingenjörer, operatörer och andra intressenter använder dessa datamängder för att övervaka de processer som systemen finns i eller som finns inom själva systemet. Standardverktyg som visualiserar (eller analyserar) datan ger emellertid inte de möjligheter och analytiska funktioner som är nödvändiga. Istället behövs det nya sätt att effektivt använda dessa data.

Det finns tre stora utmaningar i detta sammanhang som ISOVIS möter:

1. Att hantera de fyra "v":na för analys av stora datamängder med hjälp av visuell analys (volym [volume], variation [variety], sanning [veracity], hastighet [velocity])

   Smartare system skapar specifika utmaningar för analysen av data, såsom osäkerhet i datan eller helt enkelt storleken och komplexiteten i verklig data. Dessa problem i kombination med tidsaspekter (strömmande data) ställer höga krav på en lösning med hjälp av visuell analys (VA).
   Att hantera den första stora utmaningen kommer att bidra till att uppnå nyckelmål 2 för kunskapsmiljön Smarter Systems: Att utforma tekniska processer för ständig anpassning och utveckling. I synnerhet kommer avancerade VA-tekniker att bidra till design och tillämpning av tekniska processer för ständig anpassning och utveckling.

2. Överföring av metoder, processer och verktyg för analys till smartare system

   De flesta nuvarande VA-verktyg utvecklades för och anpassades till enbart analysuppgifter för specifika tillämpningar. Återanvändning av VA-komponenter, och överföring från andra tillämpningsområden till Smarter Systems, är mycket önskvärt men särskilt utmanande. Att hantera vår andra stora utmaning kommer att bidra till att uppnå nyckelmål 2 genom att överföra metoder, processer och verktyg för analys från etablerade områden till Smarter Systems, för att stödja den tekniska processen.

3. Förklarbarhet för maskininlärningsmodeller med visuell analys

   Att öppna den svarta lådan med beräkningsmodeller, till exempel övervakad eller oövervakad maskininlärning, är en ny utmaning inom VA. Detta område kallas också förklarbar AI i allmänhet, och visualiseringsverktyg för maskininlärning kan öka förtroendet för sådana metoder. Att hantera den tredje stora utmaningen kommer att bidra till att både säkerställa produktens kapacitet under osäkra förhållanden (nyckelmål 1) och utforma smarta tekniska processer (nyckelmål 2). Detta görs genom utveckling av lämpliga metoder och tekniker för att bättre förstå systemen och för att stödja deras operatörer i konkreta, verkliga miljöer.

ISOVIS har ansvar för de följande kurserna:

Kandidatkurser

• 1DV437, Grundläggande spelprogrammering, 7.5 hp
• 1DV512, Operativsystem, 7,5 hp
• 1DV513/2DV513, Databasteori, 7,5 hp
• 1DV800, Datorgrafik, 7,5 hp
• 1ME326, Webbteknik 6, 7,5 hp
• 2DV505, Aktuella problem inom datavetenskap, 7,5 hp

Masterkurser

• 2ME301, Vetenskaplig metod i medieteknik, 7,5 hp
• 4DV504, Utvalda problem inom datavetenskap, 5 hp
• 4DV507, Kodtransformationer och interpretation, 5 hp
• 4DV510, Datautvinning, 5 hp
• 4DV805, Informationsvisualisering, 5 hp
• 4DV806, Avancerad informationsvisualisering och tillämpningar, 5 hp
• 4DV807, Projekt i visualisering och dataanalys, 10 hp
• 4DV808, Datalogisk och visuell textanalys, 5 hp
• 4DV809, Datalogisk och visuell nätverksanalys, 5 hp
• 4ME302, Grunderna i IT-baserade medier, 7,5 hp
• 4ME305, Webb- och mobilutveckling, 7,5 hp