Αυτοματοποιημένη Οπτικοποίηση Δεδομένων με Μηχανική Μάθηση

Abstract

Ένα σύστημα σύστασης οπτικοποίησης δεδομένων είναι εξαιρετικά σημαντικό στη σύγχρονη εποχή, όπου ο όγκος των δεδομένων αυξάνεται συνεχώς λόγω της ψηφιοποίησης και της τεχνολογικής προόδου. Οι επιχειρήσεις, οι οργανισμοί και οι ερευνητές συλλέγουν τεράστιες ποσότητες δεδομένων από διάφορες πηγές (π.χ. κοινωνικά δίκτυα, αισθητήρες IoT, διαδικτυακές πλατφόρμες), καθιστώντας δύσκολη την επεξεργασία και την εξαγωγή χρήσιμων πληροφοριών. Η οπτικοποίηση δεδομένων επιτρέπει την παρουσίαση πολύπλοκων δεδομένων με τρόπο που είναι εύκολα κατανοητός. Η μηχανική μάθηση παίζει καθοριστικό ρόλο στην ενίσχυση τέτοιων συστημάτων, καθώς μπορεί να αυτοματοποιήσει την ανάλυση τεράστιων όγκων δεδομένων και να προτείνει τις κατάλληλες οπτικοποιήσεις με βάση τα χαρακτηριστικά των δεδομένων και τις ανάγκες των χρηστών. Οι αλγόριθμοι μηχανικής μάθησης μπορούν να αναγνωρίζουν μοτίβα που μπορεί να μην είναι άμεσα ορατά και να προτείνουν τρόπους παρουσίασης των πληροφοριών που μεγιστοποιούν την κατανόηση. Στην παρούσα διπλωματική εργασία, μελετάται η αυτοματοποίηση της διαδικασίας σύστασης οπτικοποίησης δεδομένων με την χρήση μηχανικής μάθησης. Εξετάζονται τα κύρια χαρακτηριστικά που συμβάλλουν στην βέλτιστη οπτικοποίηση δεδομένων μέσω διαδικασιών εξαγωγής χαρακτηριστικών. Αναπτύσσονται μοντέλα βασισμένα σε διάφορους αλγορίθμους, με στόχο την κατανόηση της φύσης του προβλήματος και την πρόταση της καταλληλότερης προσέγγισης. Η μεθοδολογία αξιοποιεί διαφορετικά σύνολα δεδομένων από την online πλατφόρμα του plotly, η οποία εξυπηρετεί ως ένα σημείο συγκέντρωσης δεδομένων από ποικίλες πηγές. Στην συνέχεια, διεξάγεται μια σειρά πειραμάτων ώστε να καταλήξουμε σε μοντέλα που ανταπεξέρχονται στις απαιτήσεις μας και να αξιολογήσουμε τις μεθόδους μας. Τέλος, υλοποιείται μια web εφαρμογή που επιτρέπει την γραφική αλληλεπίδραση με το χρήστη και την οπτικοποίηση των αποτελεσμάτων της μεθόδου.