月份: 十月 2018

    這次趁特休的時間來參加IEEE VIS 2018的會議，擴展對於這資料視覺化領域的一些視野，這次的IEEE VIS是在德國柏林舉辦，時間從10/21-26號，IEEE VIS是由多個不同跟視覺化相關的組織一起聯合組成的，主要有三大IEEE類別的會議：Visual Analytics in Science and Technology(VAST)、IEEE Information Visualization(InfoVis)、IEEE Scientific Visualization(SciVis)和部份小型的工作訪組成LDAV, BELIV, Workshop on VIusalization for the Digital Humanities、Visualization for Communication, Data Systems for Interactive Analysis, BioVis,VisGuide, Visualization for AI Explainability(VISxAI)等等。

會議地點在德國柏林最大的會展中心Estrel舉辦，地點就在車站旁邊，非常方便可以抵達。今年還有北京大學和360實驗室的人出席，還搜到他們的文章，覺得驚奇，不過整體來說參與的人主要是以歐洲和美國的研究室為主，比較少亞洲面孔。

IEEE VIS 會議今年還有所謂的VisBuddies的計畫，參加的人會被分組，裡面有資深的PI和菜鳥，我這次就跟Smith College的Jordan Crouser，Indiana University的Khairi Reda分到同一組，第一天抵達的晚上就用Slack揪團小聚了一下，當天還有Northeast University的Michelle Borkin教授一起，感覺很特別，兩個人分享了自己參加IEEE VIS的心得、學術歷程的挫折(這部分很私人，出乎我的意料，Jordan Crouser分享自己申請PhD全部摃龜的故事，Michelle Borkin則是分享自己一路哈佛上來，但在找教職的路上，有一段時間都是失業狀態的)，除此之外，還分享了許多關於認識自己和生涯規劃的想法，這部分收穫良多，也讓我們這些第一次參加的人能格外感覺到被提攜的感覺。假如有興趣參加的人，一定要報名VisBuddies，可以讓你有機會認識其他的PI，建立一些新的關係和聚餐的機會。

這次終於聽到了University of Utah團隊的演講，目前來說，他們團隊體系在視覺化領域算是很重要的角色，他們在IEEE VIS主持了Workshop on Visualization for the digital humanities，這工作訪的開場演講是由目前算是當家的Miriah Meyer教授所分享，這場演講非常精彩，用字遣詞根本就是在談論一篇論文等級了，從分享其跟人文科別教授的合作經驗來談談他對於目前視覺化項目的開展方法，帶入他這次學生們的博士研究，可以說是深入淺出，又趁機提白了自己的學生。其對於視覺化的設計非常精緻，從跟合作對象的訪談到其中的實驗和探索過程，他的論點偏向於整個設計的過程其實是視覺化學者們最重要的貢獻所在，而非單純是最後的工具產出。

這次會議其中BioVis Challenge算是此行主要的目的，除了一賭哈佛大學生資視覺化教授Nils Gehlenborg的風采，他們探討的議題也相當有趣，視覺化百萬人類的生醫資料為遭遇到的挑戰。

會議的過程在於分組討論這個主題，並且希望每個人都能參與其中，最後產出一篇觀點論文(position paper)，這形式的活動還蠻刺激的。最後分組中，跟來自愛丁堡納皮爾大學的Jessie Kennedy、西北太平洋國家實驗室的電腦科學家Joseph Cottam、加拿大卡里嘉爾大學的Søren Knudsen一起探討關於視覺化百萬人生醫資料時候，對於對象多元會遭遇的挑戰，或是該如何去思考這樣的問題，經過這次經驗會發覺對於英文用字遣詞的能力非常重要，如何能精簡的傳達想法或是概括都一門技藝，看來這類能力唯有對於某個領域主題的豐富閱讀和書寫才有辦法達成。

另一個有趣的議程是Visualization for AI explainability(Vis x AI) ，裡面探討的是如何用視覺化來讓機器學習或是深度學習的參數校條過程更加地讓人類可以參與，開場請到在google brain工作的Been Kim來分享concept activation vector的應用，有點高深，除此之外，在其他演講中，我自己覺得蠻受用的是grand tour的概念，原來有這種方式來讓多變量資料的分析資料進行投影和旋轉，來更好的展示整個資料的結構和分佈，而且是1985年就提出的方法。

這次參加IEEE VIS對於整個視覺化領域有更寬廣和多元的理解，才知道我之前在實作複雜視覺化時所遭遇的種種問題，很多都是某個次分領域探討的主題，比如當數據量過大時，視覺化分析的過程往往會遇到時間延遲的阻礙，因為你無法承受這種每個操作有10秒延遲的體驗，那這個主題便在Data systems for interactive analysis中探討到，他們把這問題拆解成：資料庫和視覺化體系兩者串接的問題，提出的一種做法是Progressive analysis的概念，搭配上所謂的progressive database management system，換句話說，這個資料庫在前端視覺化呈現的過程，不是一次到位，而是漸進式的。(這概念蠻有趣的，但實踐上應該是非持高昂代價的)。另外，如對於前端視覺化的技能提升，其中一場Everything Except the Chart也幫助許多，直接點出了D3.js在其中的效能問題，推薦了可行的解法。

這裡有另一個參與今年IEEE VIS 2018的視覺化設計師Zheng-yan Yu 其也有撰文（關係網絡可視化）提到今年參與的經驗。