La vidéo "Meetup Loïc Donot" de Toulouse DataViz aborde plusieurs points clés. Voici un résumé détaillé avec les minutages :

0:00 - 5:00

Introduction et contexte : - La vidéo commence par une introduction sur Loïc Donot et son expérience en visualisation de données et cartographie à la Direction départementale des territoires (DDT31). - Loïc Donot explique l'importance de la visualisation de données dans la prise de décision et la gestion des territoires.

5:01 - 10:00

Projets de visualisation de données : - Loïc Donot présente plusieurs projets de visualisation de données qu'il a réalisés à la DDT31. - Il explique comment ces projets ont aidé à améliorer la compréhension des données et à faciliter la prise de décision.

10:01 - 15:00

Techniques et outils utilisés : - La vidéo explore les différentes techniques et outils de visualisation de données utilisés par Loïc Donot. - Il mentionne des logiciels comme QGIS et des langages de programmation comme Python pour créer des visualisations interactives.

15:01 - 20:00

Défis rencontrés et solutions : - Loïc Donot discute des défis qu'il a rencontrés lors de la réalisation de ses projets de visualisation de données. - Il partage des solutions et des bonnes pratiques pour surmonter ces défis et réussir des projets de visualisation de données.

20:01 - 23:22

Conclusion et perspectives d'avenir : - La vidéo se termine par une réflexion sur l'avenir de la visualisation de données et son rôle croissant dans la gestion des territoires. - Loïc Donot encourage les professionnels à continuer à explorer et à expérimenter avec la visualisation de données pour améliorer la prise de décision et la gestion des ressources.

Pour plus de détails, vous pouvez regarder la vidéo sur YouTube.

La vidéo "L’abc du X,Y : rendre accessibles les données aux non experts grâce à la dataviz" de Toulouse DataViz aborde plusieurs points clés. Voici un résumé détaillé avec les minutages :

0:00 - 10:00 Introduction et contexte :

La vidéo commence par une introduction sur l'importance de la datavisualisation pour rendre les données accessibles aux non-experts.

Les présentateurs expliquent comment la datavisualisation peut transformer des données brutes en informations compréhensibles et exploitables.

10:01 - 20:00 Principes de base de la datavisualisation :

Les intervenants discutent des principes fondamentaux de la datavisualisation, tels que la clarté, la précision et l'efficacité.

Ils expliquent comment choisir les bons types de graphiques et de visualisations en fonction des données et du message à transmettre.

20:01 - 30:00 Outils et techniques de datavisualisation :

La vidéo présente différents outils et logiciels de datavisualisation, comme Tableau, Power BI et D3.js.

Les intervenants montrent comment utiliser ces outils pour créer des visualisations interactives et engageantes.

30:01 - 40:00 Études de cas et exemples concrets :

Des études de cas et des exemples concrets de datavisualisation sont présentés pour illustrer les bonnes pratiques.

Les intervenants expliquent comment ces visualisations ont été utilisées pour résoudre des problèmes spécifiques et communiquer des informations complexes de manière claire.

40:01 - 49:06 Conclusion et perspectives d'avenir :

La vidéo se termine par une réflexion sur l'avenir de la datavisualisation et son rôle croissant dans la prise de décision basée sur les données.

Les présentateurs encouragent les spectateurs à continuer à explorer et à expérimenter avec la datavisualisation pour améliorer la compréhension et l'utilisation des données.

Pour plus de détails, vous pouvez regarder la vidéo sur YouTube.

Résumé de la vidéo [00:00:02][^1^][1] - [00:48:41][^2^][2]:

Cette vidéo présente le framework Observable pour créer des tableaux de bord, des rapports et des applications web de manière efficace et gratuite. Elle explique comment utiliser Observable pour documenter des fonctionnalités, introduit le concept de Data loader pour rafraîchir les données, et montre comment intégrer des réalisations Observable dans un site web statique.

Points forts: + [00:00:08][^3^][3] Introduction à Observable * Présentation du framework Observable comme générateur de site statique gratuit et open source * Utilisation de Markdown et JavaScript pour la documentation * Hébergement gratuit sur des plateformes comme GitHub Pages + [00:01:36][^4^][4] Spécialisation pour les tableaux de bord * Observable est spécialisé pour les applications nécessitant un rafraîchissement régulier des données * Introduction du concept de Data loader pour une mise à jour périodique des données * Création de sites web statiques capables de rafraîchir leurs données efficacement + [00:03:00][^5^][5] Développement JavaScript avec Observable * Observable comme environnement de développement JavaScript unique avec réactivité entre déclarations * Explication de la réactivité et de la dépendance des variables dans Observable * Utilisation de Markdown, LaTeX et JavaScript pour créer des contenus interactifs + [00:10:13][^6^][6] Utilisation de bibliothèques et gestion de versions * Observable permet d'appeler des bibliothèques externes et contient un gestionnaire de versions simplifié * Partage et publication de classeurs pour la collaboration et la réutilisation * Exemples de tutoriels et de cours disponibles sur Observable + [00:24:26][^7^][7] Démarrage avec le framework * Processus de création, d'édition et de prévisualisation d'un site avec Observable * Utilisation de GitHub Actions pour le rafraîchissement automatique des données * Intégration d'animations et de visualisations dans un site web statique + [00:40:15][^8^][8] Exemples d'applications créées avec Observable * Présentation d'applications variées, telles que l'évolution des joueurs d'échecs et un tableau de bord d'hôtel * Conversion d'une application JavaScript existante en une version améliorée avec Observable

Konstantinos Antonopoulos is an expert in Data Visualization, I came across this article after looking at a sample of his work using Tumult Hype. The sample can be found here

Average over what ? If it is averaged over income rank, what does the graph's width represent ?

Shows the effect of the number of samples used. Also, you can see svg vs canvas performance

On peut faire la même chose avec des données scolaires

top-free-software-for-text-analysis-text-mining-text-analytics

infographie (exemple)

• R/(gg)plots visualise => linguists detect interesting phenomena to analyse further
• Wang2Vec: train backprogagation network

the chart Phillips used to demonstrate this effect was one of the first examples of drawing a timeline through a scatter plot of 2 variables. Another example (featured in Alberto Cairo's The Functional Art): https://static01.nyt.com/images/2010/05/02/business/02metrics/02metrics-popup-v3.jpg

Need for practical training and theoretical grounding in data visualization.

data annotation from Susie Lu at Netflix

Really nice way to end the article.

I love Data = People :)

AMEN!