Mgr. Matej Novotný | |||||||||||||
| |||||||||||||
ReportMgr. Matej Novotný, PhD *10.august 1980 mnovotny@sccg.sk I-4
Mgr. Matematika FMFI UK PhD. Aplikovaná Informatika FMFI UK
Venuje sa: Vizualizácia informácií – vizualizácia veľkých objemov dát Vizualizácia informácií je najprudšie sa vyvíjajúcou podoblasťou počítačovej vizualizácie. Narozdiel od medicínskej alebo vedeckej vizualizácie, kde sú dáta väčšinou málorozmerné a majú určitú základnú geometriu, vizualizácia informácií narába s dátami, ktoré môžu byť niekoľko stodimenzionálne a nevzťahujú sa k žiadnemu súradnicovému systému. Takýmto abstraktným dátam je pre človeka a jeho mentálne schopnosti veľmi náročné porozumieť a orientovať sa v nich. Vizualizácia informácií pomáha získať prehľad o abstraktných a mnohorozmerných vzťahoch ukrytých v dátach získaných z reálneho sveta a používaných na vedecké a priemyselné účely. Mnohotvárnosť dát, kombinácia počítačovej grafiky, geometrie, psychológie, umenia a estetiky robí podľa p. Novotného túto oblasť vzrušujúcou a vyzývajúcou.
Virtuálne prostredia a interakcia
Konkrétnejšie oblasti výskumu: Vybraných pár dôležitých článkov, ktoré publikoval M.Novotný:
Outlier-Preserving Focus+Context Visualization Outlier – odchýlka, výraz pre niečo, čo leží mimo štandardu, mimo bežných skúseností. Pri vizuálizácií veľkých objemov dát často dochádza k redukcii vizualizovaných dát, avšak hodnoty, ktoré vybiehajú mimo, občas treba zachovať a nezahadzovať ich.
Vizualizačný koncept Focus + Context: spája dokopy vizuálne zdôraznenú reprezentáciu vybraných dát (niektorá časť dát je zobrazená detailnejšie) s vizuálne potlačenou reprezentáciou zvyšku dát, na ktoré sa vo vizualizácií prvotne nezameriavame, teda kontextu. Úlohou kontextovej vizualizácie je poskytnúť celkový náhľad na dáta a tak tým vylepšiť pozorovateľovu orientáciu. Dobrý prehľad zahŕňa reprezentáciu ako „odchýliek“ (outliers), tak aj trendov. V minulosti však bývalo a stále býva zvykom, že kontextová vizualizácia dostatočne odchýlky nerieši a nespracováva. V tejto práci sa predstavuje nový prístup k focus + context konceptu vizualizácie, ktorý využíva paralelné súradnice a pravdivo zobrazuje výskyt výchyliek, čo sa dosahuje tým, že takéto rôzne drobné črty sa detekujú ešte pred vizualizáciou a behom kontextovej vizualizácie sa zvlášť spracovávajú a tým sa zachovávajú. Riešenie umožňuje kontextovú vizualizáciu na viacerých stupňoch abstrakcie, ako pre reprezentáciu odchýliek, tak aj pre reprezentáciu trendov. Viac o technike v článku Outlier-Preserving Focus+Context Visualization in Parallel Coordinates , ktorý napísal Matej Novotný spolu s Helwigom Hauserom a odprezentovali ho na konferencii IEEE Transactions on Visualization and Computer Graphics 2006 a je to jeho najcitovanejší článok. Similarity BrushingZobrazovanie viacrozmernej informácie bolo vždy výzvou. Projekcia viacerých rozmerov na dvojrozmernú plochu je jednou z hlavných úloh vizualizácie informácií. Ľudský vizuálny systém je limitovaný na nízky počet dimenzií a preto nie je jednoduché do dvojrozmernej vizualizácie vtesnať všetky informácie obsiahnuté v pôvodnom priestore. Táto práca predstavuje nový interakčný nástroj, ktorý implantuje n-rozmernú informáciu do dvojrozmerného pohľadu a premosťuje projektívnu rovinu s pôvodným priestorom intuitívnym a jednoduchým spôsobom. Tento nástroj sa nazýva SimiBrush a poskytuje interaktívny spôsob prezerania miltidimenzionálnych podobností a klastrov na dvojdimenzinálnom displeji. Komplexné štruktúry sa dajú týmto nástrojom označiť a vysegmentovať, a následne je možné sledovať zodpovedjúce vzťahy, ktoré boli kvôli projekcii na dvojrozmernú plochu skryté. Viac v Matej Novotný and Helwig Hauser: Similarity Brushing for Exploring Multidimensional Relations Visual Abstraction for Large Data InfovisSúčasný technologický vývoj produkuje obrovské rastúce objemy informácií. Vizualizácia takýchto dát vyžaduje sofistikované a efektívne metódy, ktoré berú také množstvo údajov do úvahy. Pri tradičných vizualizáciach sa informácie často strácajú alebo zostávajú pre pozorovateľa skryté. Významné zlepšenie sa dá dosiahnuť využitím clusteringu a vizuálnej abstrakcie. Synergický prístup predstavený v tomto článku kombinuje vizuálny a počítačový data mining. Efekt tohto prístupu sa demonštruje na obľúbenej vizualizačnej metóde – paralelných súradniciach. Veľké dáta však pri tomto spôsobe zobrazovania ľahko spravia na obrazovke poriadny zmätok. Pred vizualizáciou sa teda dáta najprv dáko zoskupia do clusterov a zobrazia sa len takéto clustery, ktoré je možné po požiadavke od používateľa rozvinúť do väčších detailov. Takto sa rozšírili štandardné paralelné súradnce a umožňuje nám to zobrazovať veľké množstvá údajov čistou a rýchlou cestou. Toto bolo témou jeho diplomovky a dá sa o tom viac dočítať v článku Visually Effective Information Visualization of Large Data
Výučba Vizualizácia informácií Webovská grafika Grafické systémy, vizualizácia a multimédiá Počítačová grafika (FM UK (fakulta managementu)) Business grafika (FM UK)
Zúčastnil sa na konferencii IEEE Information Visualization, ktorá je v jeho obore špičkovou. Ktorí vyučujúci ho ovplyvnili: Andrej Ferko,Miloš Šrámek a Zbyněk Kubáček Za špičky vo svojom oboree považuje napríklad profesora Keima z University Konstanz. A svojho školiteľa Helwiga Hausera. Vplyvné osobnosti z výtvarného umenia: Dali, Giger, Escher a potom Švajčiarska škola dizajnu. Film: režisér David Lynch, videoklipy Michela Gondryho
Ponúkané diplomovky:
A ešte jedna nezverejnená téma z oblasti rozšírenej reality. Výsledkom tej témy bude to, že keď ľudia chodia po múzeu a majú tablet a s tým tabletom namieria na nejaký exponát, tak ten tablet im ten exponát zosníma a doplní o ďalšie informácie. Napríklad keď tam bude nejaký predmet z vykopávok, tak sa na obrazovke zobrazí animácia o tom, aký ten predmet bol, keď bol kompletný a informácia o tom na čo sa používal. Rady a pravidlá pre záverečné práce
Ako u neho funguje diplomovkaÚčelom diplomovej práce je preukázať všetko to, čo v prípade bakalárskej práce a navyše:
Ak je treba, na začiatku vám spraví stručný úvod do problematiky a dá štartovací balíček literatúry. Obvykle zopár článkov, ktoré sú pre danú tému kľúčové. Na ich základe predpokladá, že dokážete identifikovať ďalšie literárne pramene k danej téme. (Vhodný rozsah zdrojov naštudovaných do konca DP je min 50.) Priebežne sa na stretnutiach budete rozprávať o nových poznatkoch získaných z týchto zdrojov. Silne doporučuje robiť si o prečítaných zdrojoch vlastné poznámky. Uľahčí vám to prácu pri písaní výsledného textu práce. Fáza úvodného čítania trvá asi 3-6 mesiacov. Po nich ste už zorientovaní a vyšpecifikujete si spolu návrh riešenia problému a časový harmonogram. Nasleduje riešenie problému, čo býva cca 12 mesiacov. Na konci ostane pár mesiacov na vyhodnotenie, písanie textu a dorábanie nápadov, ktoré počas písania ešte zvyknú vzniknúť.
Je schopný zobrať ešte asi 3-4 študentov. Zatiaľ žiadne témy nepridelil, pretože témy nezvykne prideľovať tak, že kto prvý príde, ten tú tému dostane. Zo začiatku začína s tým, že sa s tými ľuďmi trochu porozpráva a zistí o čo majú záujem. Zvlášť keď má viacero záujemcov na jednu tému, tak to nie je fér, keď tú tému dostane ten, kto bol na mieste skôr a nie ten, kto sa na tú tému hodí.
Na študentoch oceňuje, ak ich téma baví a sami pri nej chcú postupovať. Čiže, aby ich on nemusel tlačiť. Dobré je, ak vedia sami prísť aj s nejakým nápadom alebo nájdu nejaký ďalší zdroj, z ktorého sa dá čerpať. Tým pádom nemusí za nich robiť všetku prácu on. A potom je dôležité, aby tí študenti mali základnú výbavu potrebnú k absolvovaniu práce. To znamená, aby nemali problém čítať texty v angličtine a vedeli programovať.
Na druhej strane, nemali by si nechávať veci na poslednú chvíľu. Pretože zhodou okolností v tej chvíli všetci potrebujú niečo naraz, takže sa nemôže všetkým plnohodnotne venovať. To je veľmi častá chyba, a potom to, že o nich nevie. Študenti sa stratia, potom sa ukážu o pol roka, s tým, že nič neurobili. A on tých študentov nezvykne tlačiť do roboty, ani ich nebombarduje s tým, že príď sa ukázať, príď sa ukázať...lebo primárne by mal študent chcieť mať dobrú prácu. V opačnom prípade mu on nemôže pomôcť.
Pár príkladov prác, ktoré viedol a bol s nimi najspokojnejší: Ľubo Lábaj, Pavol Fabo, Michal Miškovský. Niektoré z nich sa dajú vyhľadať.
Nepreferuje ani vedecké ani praktické práce, snaží sa tému prispôsobiť študentovi, podľa jeho vlastných schopností.
Prijíma aj vlastné témy prác, ak ho zaujmú.
V diplomovej práci vyžaduje určitý prínos k téme. Niečo čím sa posunie hranica úrovne poznania. Nemusí to znamenať, že je to na Nobelovu cenu, ale nesmie to byť ani také, že len sa naimplementujú techniky, ktoré už boli vymyslené.
|
|||||||||||||