|
Vyučující
|
-
Schlecht Miroslav, doc. Ing. Ph.D.
|
|
Obsah předmětu
|
1. Význam vizualizace 2. Vizuální percepce a barvy 3. Design a redesign vizualizace 4. Multidimenzionální vizualizace a vizualizace vysokých dimenzí 5. Vizualizace informací pro exploraci znalostí 6. Vizualizace nejistoty 7. Vizualizace časových řad 8. Vizualizace hierarchií, stromů a grafů 9. Interakce ve vizualizačních systémech 10. Vizualizace ekonomických dat 11. Vizualizace bezpečnostních informací 12. Vizualizace textových dat 13. Vizualizace dat z biomedicíny
|
|
Studijní aktivity a metody výuky
|
- Příprava na zkoušku [10-60]
- 40 hodin za semestr
- Kontaktní výuka
- 52 hodin za semestr
- Příprava prezentace (referátu) [3-8]
- 10 hodin za semestr
- Vypracování seminární práce v magisterském studijním programu [5-100]
- 50 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| prokázat znalost základních principům teorie diferenciálního a integrálního počtu funkcí jedné i více reálných proměnných (KMA/MA2 nebo KMA/M2) |
| rozumět základním principům z oblasti lineární algebry (KMA/LAA) |
| prokázat znalosti základních statistických metod a postupů pro analýzu dat (KMA/PSA) |
| prokázat znalost základních datových struktur používaných v informatice (zásobník, fronta, speciální vyhledávací stromy, slovníky, hashovací tabulky, množiny, grafy) (KIV/PT nebo KIV/ADS) |
| rozumět základní principům událostního programování, zejména v kontextu uživatelského rozhraní a programování jednoduchých animací vektorových objektů (KIV/UUR, KIV/UPG nebo KIV/ZPG, KIV/PH, apod.) |
| Odborné dovednosti |
|---|
| používat anglický jazyk minimálně na úrovni B2 společného evropského referenčního rámce (UJP/AEP4 aj.) |
| provádět základní matematické výpočty z oblasti diferenciálního a integrálního počtu, lineární algebry a maticového počtu (KMA/MA1, KMA/LAA a obdobné předměty) |
| využívat znalosti základních statistických metod a postupů pro analýzu dat (KMA/PSA, KMA/STAV) |
| navrhovat a implementovat složitější algoritmy pro zpracování heterogenních dat v libovolném programovacím jazyce (KIV/PPA2 nebo KIV/ADS, KIV/ALG nebo KIV/PRO, KIV/PC, a další) |
| Obecné způsobilosti |
|---|
| mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení, |
| mgr. studium: samostatně a odpovědně se na základě rámcového zadání rozhodují v souvislostech jen částečně známých, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| vysvětlit principy návrhu dobré vizualizace dat zabraňující chybným interpretacím |
| popsat a vysvětlit základní vizualizační techniky, zahrnující sloupcový a spojnicový graf, histogram, XY-graf, Tukey box a violin plot, mapu, treemap, časovou osu, paralelní souřadnice a sémantické sítě |
| popsat přístupy vizuální analytiky rozsáhlých multidimenzionálních dat, zahrnující interaktivní exploraci s využitím XY grafů, paralelních souřadnice, heat map, atd. |
| orientovat se v state-of-the-art metodách pro vizualizaci vybraných dat pocházejících z oblasti finanční informatiky, bezpečnosti IT, zpracování přirozeného jazyka a biomedicíny |
| Odborné dovednosti |
|---|
| číst a diskutovat odborné články z oblasti vizualizace informace (psané v anglickém jazyce) |
| zpracovávat datové sety prostřednictvím vizualizace v Tableau |
| navrhnout a realizovat interaktivní vizualizaci rozsáhlých multidimenzionálních dat prostřednictvím vlastní aplikace (postavené např. na D3.JS) |
| Obecné způsobilosti |
|---|
| mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i širší veřejnosti vlastní odborné názory, |
| mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
| mgr. studium: plánují, podporují a řídí s využitím teoretických poznatků oboru získávání dalších odborných znalostí, dovedností a způsobilostí ostatních členů týmu, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednáška s diskusí, |
| Přednáška s aktivizací studentů, |
| Samostudium, |
| Samostatná práce studentů, |
| Odborné dovednosti |
|---|
| Samostudium, |
| Cvičení (praktické činnosti), |
| Samostatná práce studentů, |
| Projektová výuka, |
| Obecné způsobilosti |
|---|
| Přednáška s diskusí, |
| Diskuse, |
| Samostudium, |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Průběžné hodnocení, |
| Individuální prezentace, |
| Kombinovaná zkouška, |
| Odborné dovednosti |
|---|
| Průběžné hodnocení, |
| Seminární práce, |
| Demonstrace dovedností (praktická činnost), |
| Individuální prezentace, |
| Obecné způsobilosti |
|---|
| Seminární práce, |
| Průběžné hodnocení, |
|
Doporučená literatura
|
-
Selected readings from peer-reviewed related literature as specified on CourseWare.
-
Claus O. Wilke. Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. 2019.
-
Munzner, Tamara. Visualization analysis & design. 2015. ISBN 978-1-4665-0891-0.
-
Tufte, Edward R. Beautiful evidence. Cheshire : Graphics Press, 2006. ISBN 0-9613921-7-7.
|