Science is tango between data and theory. James Kobielus, IBM's big data evangelist

Shall we danceJosef Šlerka, New Media Inspiration 2013Studia nových médií, Ataxo Interactive a.s.

Všechno co potřebuji vědět o datech...... mne naučili filosofie

Myšlenky bez obsahu jsou prázdné, názory bez pojmů jsou slepé.Immanuel Kant, německý osvícenecký filosof

Obrazotvornost!

Žádný algoritmus z nebe nespadl...staré programátorské přísloví

Sémiotická průpravaTypologie znaků a otázka sémiosisS čím si obrazotvornost hraje

A sign, or representamen, is something which stands to somebody for something in some respect or capacity.Charles Sanders Peirce, semiotik

Typologie znaků

znak (sign), jeho Objekt a jeho interpretant

sémiosis je činnost, která spojuje Z-O-I

sémiosis je potencionálně nekonečná

komplexní systém znaků

nejznámější ikon, index, symbol

Ikon a index

Ikon je znak, který se vztahuje k Objektu a denotuje ho jen díky svým vlastním rysům, které má bez ohledu na to, zda nějaký Objekt skutečně existuje anebo ne.

Index je znak, který se vztahuje na Objekt a denotuje ho tím, že je jím skutečně ovlivněný. Příkladem indexu je klepání na dveře.

Ikony ani indexy však nic netvrdí, nýbrž ukazují.

Symbol

Symbol je znak, který se vztahuje k Objektu a denotuje ho díky zákonu, většinou asociaci všeobecné ideje a tento zákon způsobuje interpretaci. Jinými slovy znak tu nemá vztah ani podobnosti a ani faktické souvislosti, ale jaké si značky pravidla, které nám umožňuje spojení mezi jinak nespojitými věcmi.

Data jsou symbolická (konvenční) vyjádření indexů reality, už obsahují určitý pohled. Ale nic neříkají.

Nejsou data jako data.

Poslední filosofická lekce....

There are only two hard things in Computer Science: cache invalidation and naming thingsPhil Karlton, computer programmer

... programátoři jsou vlastně filosofové

Facebook normalized distance ...... příběh jedné hypotézy a problémy, které jí provázejí a provazely

Google distancepočítá se sémantická vzdálenost

autory jsou Rudi Cilibrasi a Paul M. B. Vitanyi

podobné věci sdílí stejné vlastnosti

tudíž se o nich mluví častěji dohromady

dvě reprezentace jsou si tím podobnější, čím méně složitých změn je třeba k převodu jedné v druhou

NGD je vyjádřená vzorcem:m = log10(počet všech indexovaných stránek);fx = log10(počet výsledků pro slovo X);fy = log10(počet výsledků pro slovo Y);fxy = log10(počet výsledků pro slovo X a Y);GND = ((max(fx,fy) - fxy) / (m - min(fx,fy))

http://www.mechanicalcinderella.com/

FND

Facebook normalized distance vychází z Google normalized distance

Lidé komentují na stránkách kandidátů, vůči kterým se především pozitivně, ale i negativně vymezují.

Pohybují se v určitých myšlenkovinách rovinách či diskursech

FND je vyjádřená vzorcem:m = log10(počet všech českých účtů);fx = log10(počet komentujících na stránce X);fy = log10(počet komentujících na stránce Y);fxy = log10(počet společných komentujících);FND = ((max(fx,fy) - fxy) / (m - min(fx,fy))

Aplikace

buď objevování příbuzných stránek a témat

či k mapování vztahů mezi stránkami

VyhledáváníNajdi mi stránky, které mají blízko k mojí

VztahováníKde se nachází moje stránka mezi ostatními

Mediální mapa FBJaké typy stránek máme mezi FB stránkami serveru

Velká mapa stránekNeziskovky, strany, média....

Případová studiePrezidentské volby 2013

Mapa prezidentských kandidátů 14. 1. 2013

Mapa prezidentských kandidátů 14. 1. 2013

Validace?

zatím nepřímé

analýza chování fanoušků při přesunu mezi voliči stran a kandidátů (bude o ní mluvit Kamil Gregor)

analýza zájmů fanoušků (bude mluvit o ní Jan Schmid)

validace smysluplností

Hlavní úskalí

velikosti korpus a průniku (vzorec funguje “vždy”)

validace

úplnost korpusu při objevování

relativní drahost

A ještě jedna ...Jak je to s fanoušky prezidentů teď...

Mapa prezidentských kandidátů 18. 1. 2013

Věda je tango mezi teorií a daty. To tango, které hraje je ale lidská představivost. Bez ní je věda nemožná.

Děkuji za pozornost!Otázky? Odpovědi?