为什么智能手机会导致颈部综合征

现在，全球手机用户数量超过了 50 亿，这个世界上三分之二的人口都拥有手机。2018 年 1 月，全球有至少 68％ 的人在使用手机。预计到 2020 年，这一数字将达到 75％。我们大多数人每天至少要弯腰 2 个小时，这将让我们的颈部承受的重量增加多达 27 千克。如果在走路时使用手机发消息，则可能会带来各种意外事故。

当使用手机的时候，我们的身体姿势是什么样的呢？下图中这个常见的手机使用姿势，将让我们的颈部承受重量增加 5 倍，大概 22 千克。
image.png
通过交互，我们可以更清晰地看到不同姿势给我们的颈部带来的压力。
Kapture 2020-10-18 at 14.37.38.gif
长时间使用这些姿势使用手机，还会给我们的身体带来各种各样意想不到的伤害。2015 年，一项针对 500 名年轻人进行的调查发现，有 90％ 的人每天至少花 3.5 个小时在手机上，平均每天收到 221 条消息。不得不说，我们一定要有节制地使用手机。
image.png
by @珂甫(pddpd)

名作失窃可视化

联邦调查局的数据库全球数据库包含7,200多种失窃的名作，包括斯特拉迪瓦里小提琴、卡尔德手机、蒂法尼灯、小丑画等。
该可视化中，蓝色的是画作，绿色是照片或印刷品，红色是雕塑，黄色是纺织品，黑色是家具或瓷器，灰色是其它。每个名作还用了不同的图形大致表达物品。
image.png
by @十吾(shiwu-5wap2)

世界咖啡顶级生产国

咖啡主要栽种在热带、亚热带地区（又被称为＂咖啡带＂），世界上咖啡生产国有60多个，绝大部分位于南北回归线之间。

商业种植的咖啡豆主要有两种：阿拉伯咖啡（占世界咖啡的70％）和罗布斯塔（Robusta），后者的价格便宜且易于种植。

Swagat Kumar Jena 使用tableau制作的信息可视化作品展示了不同年代和咖啡豆种类下的Top-5 ☕️顶级生产国.
FireShot Capture 010 - Coffee Production - Swagat Kumar Jena - Tableau Public - public.tableau.com.png

by @顾己(esora)

对tensorflow中数据流图的可视分析

Tensorflow 是谷歌开发的当下最流行的机器学习软件之一。它采用数据流图（Dataflow Graph）来表达机器学习算法的计算过程，用户可以定制不同的数据流图来构建自己的算法。然而，随着深度学习的兴起与流行，各类神经网络渐趋大规模、复杂化，算法开发者仅凭借自身的理解与记忆，很难把握算法的各部分体系结构，相互之间也难以进行沟通。为此，这篇文章提出了可视化工具 TensorFlow Graph Visualizer，通过可视分析帮助用户在 TensorFlow 中进行算法分析与开发。该文章荣获了 IEEE VAST 2017 的最佳论文奖。

TensorFlow 中的数据流图
数据流图是 TensorFlow 中最重要的也是最基础的概念，它将数据看作流，将数据处理算法看作节点，从而任意一种复杂算法都能够用一张图来表示。而 TensorFlow 使用张量来表示所有类型的数据，相应的数据流图便称为 TensorFlow Graph。
在 TensorFlow Graph 中，有三种类型的节点和边，如下图所示。
image.png
三种节点包括：数据操作（Operation）、数据赋值（Initializer）、日志记录（Log）。
三种边包括：数据值（Value）、数据索引（Reference）、算法依赖关系（Control）。

力导向布局
在进一步设计之前，作者利用力导向布局算法对数据流图进行了直接的可视化，但效果并不理想。
image.png
究其原因，主要有以下两点：

  • 图中存在大量负责日志记录的“中介节点”，将许多原本不相干的子图紧密联系在一起；
  • 图布局缺乏层级结构。

TensorFlow Graph Visualizer
针对直接图布局的各个缺点，文章作者提出了 TensorFlow Graph Visualizer，对数据流图进行结构与布局上的优化：

  • 去除冗余节点
  • 建立层级结构
  • 提取辅助节点

经过以上的优化，使用 TensorFlow Graph Visualizer 展现卷积神经网络 LeNet-5 模型的算法结构，如下图所示：
image.png
总结
这篇文章针对 TensorFlow 中纷繁复杂的数据流图，从不同方面进行了优化，并向开发者提供了一个结构清晰、细节充分的层次化算法视图，大大提高了用户在 TensorFlow 中设计、实现、调试深度学习算法的效率。不同于其他基于神经网络结构或是训练优化过程的可视化方法，该方法借助数据流图强大的表达能力，能够从顶层概念到实现细节等多个层面来表现深度学习算法，其思路值得我们借鉴和学习。

by @聚则(moyee-bzn)

Bird Sounds

该项目为 Google Experiments 的一部分。将上万种鸟类的叫声根据声纹进行归类并可视化。用户可以在这个项目主页中点击声纹图片播放对应鸟叫声。

image.png
用户可以根据鸟类品种进行检索，从而比较同类叫声的异同。
image.png
by @缨缨(yingying-58bma)

missingno - Missing data visualization module for Python

可视化显示数据集中缺失数据的信息的python库，包括矩阵、柱图、热力图、树图。
其中热力图和树图还可以展示数据集中变量存在的相关性。
最多配置50个标记的变量，树图通过简单地翻转到水平配置，可以更优雅地处理非常大的数据集。

image.png
image.png
image.png
image.png
by @羽熙

GoCity

GoCity 是一款基于定位的城市建造类游戏，其中使用了大量 Mapbox 提供的数据格式以及成熟的数学库：

  • 使用 Mapbox 的矢量瓦片进行数据传输。
  • 为了保证在 iPhone 5S 上也能流畅运行，使用了 Mapbox 提供的 earcut.hpp 进行多边形的三角化（L7 中使用的是它的 JS 版本）。
  • 使用 Mapbox 提供的 wagyu 进行地理相交操作。
  • 在开发模式下，使用 Mapbox Studio 进行 POI 数据集的调试。这一点大大减少了团队研发配套工具的时间。

0_Bqhy9PfszDD1UOJA.gif0_GJKenaCM8L31jsF-.gif
by @沧东(cangdong)

加餐-乘风破浪的 G6 3.8.0

image.png
G6 3.8.0 版本有什么新鲜黑科技？G6 交互式文档 GraphMaker 和可播放的 TimeBar 绝对是最大看点。此外，我们还有边滤镜、可配置的 FishEye、更强大的 JSX 节点定义方案、性能优化及功能完善。每一个或大或小的更新，我们用心为您准备。关注 AntV G6 以免错过任何好玩的特性哦。