Se ha denunciado esta presentación.
Utilizamos tu perfil de LinkedIn y tus datos de actividad para personalizar los anuncios y mostrarte publicidad más relevante. Puedes cambiar tus preferencias de publicidad en cualquier momento.

Presentation a in ovive montpellier - 26%2 f06%2f2018 (1)

182 visualizaciones

Publicado el

Presentation to in ovive network - montpellier - 26/06/2018

Publicado en: Tecnología
  • Inicia sesión para ver los comentarios

  • Sé el primero en recomendar esto

Presentation a in ovive montpellier - 26%2 f06%2f2018 (1)

  1. 1. Data Infrastructures : La gestion de données distribuées et hétérogènes à tous les niveaux Mathieu d’Aquin - @mdaquin Professor of Informatics / Interim Director Data Science Institute / Insight Centre for Data Analytics
  2. 2. Pyramide de l’information “ Information is not knowledge. Knowledge is not wisdom. Wisdom is not truth. Truth is not beauty. Beauty is not love. Love is not music. Music is the best” - - Frank Zappa Données Informations Connais- sances Machines
  3. 3. Pyramide de l’information Données Informations Connais- sances Machines stockage interrogation traitement analyse raisonnement décision
  4. 4. Pyramide de l’information et le Web (Sémantique) Données Informations Connais- sances Machines Le web sémantique Réseau de connaissances Les données liées Réseau d’information Le Web Réseau de documents Internet Réseau de machines
  5. 5. Pyramide de l’information et le Web (Sémantique) Données Informations Connais- sances Machines Le web sémantique Réseau de connaissances Les données liées Réseau d’information Le Web Réseau de documents Internet Réseau de machines
  6. 6. Pyramide de l’information et le Web (Sémantique) Données Informations Connais- sances Machines Le web sémantique Réseau de connaissances Les données liées Réseau d’information Le Web Réseau de documents Internet Réseau de machines
  7. 7. Pyramide de l’information et le Web (Sémantique) Données Informations Connais- sances Machines Le web sémantique Réseau de connaissances Les données liées Réseau d’information Le Web Réseau de documents Internet Réseau de machines
  8. 8. Pyramide des implications du traitement de l’information personne organisation communauté société Le traitement de l’information touche la démocratie, la liberté, l’égalité, la justice, l’éthique, etc. Le traitement de l’information touche des groupes sociaux, regroupements géographiques, etc. Le traitement de l’information touche une compagnie, une entreprise, une institution, etc. Le traitement de l’information touche une personne, un individue.
  9. 9. Pyramide des implications du traitement de l’information personne organisation communauté société Le traitement de l’information touche la démocratie, la liberté, l’égalité, la justice, l’éthique, etc. Le traitement de l’information touche des groupes sociaux, regroupements géographiques, etc. Le traitement de l’information touche une compagnie, une entreprise, une institution, etc. Le traitement de l’information touche une personne, un individue.
  10. 10. Pyramide des implications du traitement de l’information personne organisation communauté société Le traitement de l’information touche la démocratie, la liberté, l’égalité, la justice, l’éthique, etc. Le traitement de l’information touche des groupes sociaux, regroupements géographiques, etc. Le traitement de l’information touche une compagnie, une entreprise, une institution, etc. Le traitement de l’information touche une personne, un individue.
  11. 11. Pyramide des implications du traitement de l’information personne organisation communauté société Le traitement de l’information touche la démocratie, la liberté, l’égalité, la justice, l’éthique, etc. Le traitement de l’information touche des groupes sociaux, regroupements géographiques, etc. Le traitement de l’information touche une compagnie, une entreprise, une institution, etc. Le traitement de l’information touche une personne, un individue.
  12. 12. Pyramide des implications du traitement de l’information personne organisation communauté société Le traitement de l’information touche la démocratie, la liberté, l’égalité, la justice, l’éthique, etc. Le traitement de l’information touche des groupes sociaux, regroupements géographiques, etc. Le traitement de l’information touche une compagnie, une entreprise, une institution, etc. Le traitement de l’information touche une personne, un individue.
  13. 13. Des exemples d’infrastructures de données à différents niveaux
  14. 14. data.open.ac.uk personne organisation communauté société Données Informations Connais- sances Machines
  15. 15. data.open.ac.uk
  16. 16. owl:sameAs mlo:offers mlo:location http://data.open.ac.uk/course/m366 http://sws.geonames.org/2963597/ (Ireland) http://data.open.ac.uk/organization/the_open_university http://education.data.gov.uk/id/school/133849
  17. 17. Data -> Interrogation
  18. 18. Applications Resource Discovery Mobile and Personal Semantics ResearchExploration Social
  19. 19. Au delà d’une organisation
  20. 20. LinkedUp
  21. 21. LinkedUp see paper at WebSci 2013
  22. 22. MK:Smart personne organisation communauté société Données Informations Connais- sances Machines
  23. 23. Les données au centre de la ville intelligent
  24. 24. MK Data Hub MK Data Hub Analytics Integration Curation Storage Import Sensor Data Local Stats Gov. Open Data ... Mobile Apps Dashboards Business Intelligence Social Web Apps ...
  25. 25. Integre les données temps réel
  26. 26. Autant que les données statique
  27. 27. Au travers d’API intelligentes Une API centrée entités, qui intègre les données de plusieurs sources autour d’un objet/d’une entité, sur le principe du Linked Data. Compile les résultats “à la demande” (i.e. au moment de la requête) selon un schema virtuel (une ontologie) et évolutif.
  28. 28. Et d’un catalogue de données semantique Représentation explicite et raisonnement sur les licence de données… … ainsi que des flux de données dans le système
  29. 29. Applications
  30. 30. AFEL personne organisation communauté société Données Informations Connais- sances Machines
  31. 31. Le learning analytics (L’analyse de données d’apprentissage) VLE | Website | Library Assessment | Enrollment School/University Typiquement, une université utilisent les données sur les étudiants et sur leurs activitées au travers de leur système informatique dans le but de prédire la réussite des étudiants afin de pouvoir l'améliorer…. Et si on a de la chance, aussi d'améliorer les enseignements... Learning Analytics
  32. 32. Mais : Everyday learning Learner VLE | Website | Library Assessment | Enrollment School/University Learning Analytics
  33. 33. Mais : Everyday learning Learner VLE | Website | Library Assessment | Enrollment School/University Learning Analytics Learning Analytics Learning Analytics see afel-project.eu
  34. 34. Obtenir les données apprenant navigateur
  35. 35. apprenant activités générant des traces et (des fois, différents) identifiants navigateur AFEL Data Platform Analytics platform VisualisationAFEL identifier Analysis Integrated personal data Extension app Tracker Crawler Crawler Learning indicators Traces and metadata AFEL identifier and local identifier AFEL identifier and local identifier AFEL Core Data Model (based on schema.org) Obtenir les données see afel-project.eu
  36. 36. Exemple: Plugin pour navigateur see afel-project.eu
  37. 37. Architecture pour l’analyse d’activitées personelles AFEL Data PlatformInputAPIs OutputAPIs Target platform AFEL Mobile app AFEL Visual Analytics AFEL Rec. Services enriched activity data and indicators enriched activity data and indicators recommendations activity data resource text and metatada resources and activities see afel-project.eu
  38. 38. Application see afel-project.eu
  39. 39. Qu’a t’on appris ? La taille des données et l'hétérogénéité sont importantes, mais ça on le savait déjà. La diversité des données et de leurs usages est toujours un problème.
  40. 40. Qu’a t’on appris ? Données Informations Connais- sances Machines Passer de la à la est toujours difficile... see papers from 2006 to 2009
  41. 41. Qu’a t’on appris ? personne organisation communauté société Ce niveau la est plus que jamais un problème !
  42. 42. Qu’a t’on appris ? personne organisation communauté société ??
  43. 43. Qu’a t’on appris ? personne organisation communauté société ??
  44. 44. Data Ethics - Comprendre les implications du traitement des données. ‘Ethics in Design’ for Data Science Dialectic The process is based on a conversational approach between data and critical social scientists throughout the project’s life-cycle. Reflective Ethical concerns are not pre-fixed; they may emanate from any stage of the project; thus, constant reflexivity on activities and researchers is needed. Creative, not disruptive The objective of this process is to achieve a positive impact on the research, increase its value addressing ethics throughout the project’s life-cycle. All- encompassing Ethical concerns appear as much in the research activities as in their outcomes, their use and exploitation; the process needs to expand on all stages. see paper at AIES 2018
  45. 45. Data Ethics - Comprendre les implications du traitement des données. ‘Ethics in Design’ for Data Science Dialectic The process is based on a conversational approach between data and critical social scientists throughout the project’s life-cycle. Reflective Ethical concerns are not pre-fixed; they may emanate from any stage of the project; thus, constant reflexivity on activities and researchers is needed. Creative, not disruptive The objective of this process is to achieve a positive impact on the research, increase its value addressing ethics throughout the project’s life-cycle. All- encompassing Ethical concerns appear as much in the research activities as in their outcomes, their use and exploitation; the process needs to expand on all stages. Design Fiction - utilisation de méthodes de narration pour extraire and comprendre les implications possibles des technologies, et pouvoir intégrer des méthodes préventives dans leur conception. Voir : Workshop “Re-coding Black Mirror” à The Web Conference (WWW 2018). see paper at AIES 2018
  46. 46. Conclusion On est toujours de plus en plus à la recherche des éléments d’infrastructure qui permettent de distribuer et de rendre exploitables les données. Dans les années 1900, Nicolas Tesla investissait dans la recherche dédiée à la transmission d’électricité sans fils. Une des raisons est qu’il ne semblait pas faisable de construire l’infrastructure globale nécessaire pour amener l'électricité dans les foyers par des fils. Concernant les infrastructures de données, peut être somme nous, de façon similaire, à la fois trop et trop peu ambitieux...
  47. 47. Merci mathieu.daquin@insight-centre.org mdaquin.net @mdaquin

×