Παρουσίαση/Προβολή

(Μ126) -  Μαρία Ρούσσου

Περιγραφή Μαθήματος

Data and information visualization is an emerging field of data science that deals with the analysis, modeling and display of data, especially big data, with the aim of effective communication and understanding by their target audience. This course will cover: the characteristics of the human brain and visual perception, imaging methods (eg line / bar / pie / area charts & graphs, scatter / bubble / polar / funnel plots, treemaps, etc.) for the visual representation of different categories of data (eg hierarchical, spatial, temporal, geographical, multidimensional, networks, etc.), interactive visualization techniques, e.g. with data conversion (Dynamic Queries, Direct Manipulation, Details-on-Demand, etc.), with visual mapping (Dataflow, Pivot tables, etc.), with facet conversion (Animate Shift of Focus, Overview & detail, Semantic Zoom, Magic lens, etc.), communication issues and the creation of "telling stories with data" that effectively convey a message or information, as well as evaluation of interactive visualizations.

The course includes a series of case studies and practical work using tools (such as Tableau, R, ggplot2, plotly, Shiny, d3) for analyzing real-life data sets and creating interactive illustrations.

----

Η οπτικοποίηση δεδομένων και πληροφορίας (data and information visualization) είναι ένας αναδυόμενος τομέας της επιστήμης δεδομένων (data science) που ασχολείται με την ανάλυση, τη μοντελοποίηση και την απεικόνιση δεδομένων, ειδικά μεγάλου όγκου δεδομένων (big data), με στόχο την αποτελεσματική επικοινωνία και κατανόηση αυτών από το κοινό στο οποίο απευθύνονται. Στο μάθημα αυτό θα καλυφθούν: τα χαρακτηριστικά του ανθρώπινου εγκεφάλου και της οπτικής αντίληψης, μέθοδοι απεικόνισης (π.χ. line/bar/pie/area charts & graphs, scatter/bubble/polar/funnel plots, treemaps, κ.ά.) για την αναπαράσταση σε οπτική μορφή διαφορετικών κατηγοριών δεδομένων (π.χ. ιεραρχικών, χωρικών, χρονικών, γεωγραφικών, πολλαπλών διαστάσεων, δικτύων, κ.ά.), τεχνικές διαδραστικής οπτικοποίησης, π.χ. με μετατροπή δεδομένων (Dynamic Queries, Direct Manipulation, Details-on-Demand, κ.ά.), με οπτική χαρτογράφηση (Dataflow, Pivot tables, κ.ά.), με μετατροπή όψεων (Animate Shift of Focus, Overview & detail, Semantic Zoom, Magic lens, κ.ά), θέματα επικοινωνίας και δημιουργίας "ιστοριών δεδομένων" (telling stories with data) που μεταδίδουν αποτελεσματικά ένα μήνυμα ή πληροφορίες, αξιολόγηση διαδραστικών οπτικοποιήσεων.

Το μάθημα περιλαμβάνει μια σειρά από μελέτες περιπτώσεων και πρακτικές εργασίες με τη χρήση εργαλείων (όπως Tableau, R, ggplot2, plotly, Shiny, d3) για την ανάλυση συνόλων δεδομένων πραγματικού κόσμου (real-life data sets) και τη δημιουργία διαδραστικών απεικονίσεων.

Ημερομηνία δημιουργίας

Δευτέρα 21 Ιανουαρίου 2019