Wizualizacja danych 1000-AD-WizDan

Program przedmiotu przewiduje zapoznanie studentów z historią wizualizacji danych, podstawowymi typami grafik statystycznych oraz bardziej złożonymi formami typu infografiki i dashboardy. Uwaga studentów zostanie także zwrócona na percepcję obrazu. Przedstawione zostaną również możliwości graficzne podstawowego oprogramowania do analizy danych: PS IMAGO PRO, R, Pythona, Tableau oraz PowerBI.

Całkowity nakład pracy studenta

1. Godziny realizowane z udziałem nauczycieli: a. konwersatorium – 30 godzin, b. bieżące przygotowanie do zajęć, w tym rozwiązywanie zadań zleconych przez prowadzących oraz konsultacje z prowadzącymi zajęcia – 20 godzin. 2. Czas poświęcony na pracę indywidualną studenta/słuchacza/uczestnika kursu potrzebny do pomyślnego zaliczenia przedmiotu: a. Studiowanie literatury – 5 godzin. b. Samodzielne zapoznanie się z możliwościami oprogramowania do wizualizacji danych – 10 godzin. 3. Czas wymagany do przygotowania się do uczestnictwa w procesie oceniania (np. w egzaminach): a. Przygotowanie projektu na zaliczenie kursu: 15 h. Razem: 80 h. (3 pkt. ECTS)

Efekty uczenia się - wiedza

W01: Zna najpopularniejsze typy wykresów statystycznych (K_W04). W02: Zna zasady ich tworzenia oraz narzędzia informatyczne, które może do tego wykorzystać (K_W04, K_W10). W03: Ma wiedzę na temat percepcji elementów graficznych obrazów (K_W04). W04: Zna złożone formy wizualizacji danych (K_W03, K_W04).

Efekty uczenia się - umiejętności

U01: Potrafi dobrać typ wykresu statystycznego do danych (K_U05). U02: Umie dostosować wykres do rodzaju odbiorcy oraz miejsca i formy prezentacji wykresu (K_U05). U03: Potrafi wykorzystywać możliwości graficzne znanych sobie programów do analizy danych (K_U13). U04: Potrafi stworzyć złożoną formę wizualizacji danych (K_U05, K_U13). U05: Potrafi odnaleźć się w grupie podczas pracy nad wspólnym projektem, w razie potrzeby umie przejąć inicjatywę i pokierować zespołem (K_U18).

Efekty uczenia się - kompetencje społeczne

K01: Krytycznie ocenia analizowane grafiki statystyczne (K_K03). K02: Jest kreatywny, potrafi twórczo pracować, wykonując interesujące wizualizacje danych (K_K01). K03: Potrafi spojrzeć na wykonane przez siebie wizualizacje danych oczami odbiorcy, by dostosować je do jego potrzeb (K_K05). K04: Korzystając z gotowych grafik pobranych np. z Internetu, dba o prawa autorskie ich twórców (K_K07).

Metody dydaktyczne

Wykład konwersatoryjny, giełda pomysłów, metoda laboratoryjna, metoda projektu.

Metody dydaktyczne podające

- wykład konwersatoryjny

Metody dydaktyczne poszukujące

- laboratoryjna
- projektu
- giełda pomysłów

Rodzaj przedmiotu

przedmiot obligatoryjny

Wymagania wstępne

Podstawowa umiejętność posługiwania się komputerem. Zaliczenie przedmiotu Narzędzia eksploracji danych.

Koordynatorzy przedmiotu

Adrian Falkowski

Kryteria oceniania

Zadania zlecone przez prowadzącego – kryterium zaliczenia ustala prowadzący na początkowych zajęciach - W01, W02, U02, U03, K03.
Przedłużona obserwacja – kryterium zaliczenia ustala prowadzący na początkowych zajęciach W03, U02, K01, K03.
Projekt zaliczeniowy – kryterium zaliczenia ustala prowadzący na początkowych zajęciach - W03, W04, U01, U04, U05, K02, K04.

Praktyki zawodowe

Nie dotyczy.

Literatura

Literatura podstawowa:

- Przemysław Biecek: Odkrywać! Ujawniać! Objaśniać! Zbiór esejów o sztuce prezentowania danych. SmarterPoland.pl, Warszawa, 2016.
- Cole Nussbaumer Knaflic: Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów. Helion SA, Gliwice, 2019.
- Claus O. Wilke: Podstawy wizualizacji danych. Zasady tworzenia atrakcyjnych wykresów. Helion, Gliwice, 2020. Do tego kurs prowadzony przez autora: https://wilkelab.org/SDS375/schedule.html

Literatura dodatkowa:
- Mark Smiciklas: Infografiki. Praktyczne zastosowanie w biznesie. Helion, Gliwice, 2014.
- Wojciech Korsak: Wizualizacja informacji w biznesie. Novae Res, Gdynia, 2015.
- Alexandru C. Telea: Data Visualization. Principles and Practice. CRC Press, 2015.
- Julie Steele, Noah Iliinsky (ed.): Beautiful Visualization. Looking at Data Through the Eyes of Experst. O'Reilly, 2010.
- Mico Yuk, Stephanie Diamond: Data Visualization for Dummies. Willey, 2014.
- Dona M. Wong: The Wall Street Journal. Guide to Information Graphics. The Dos & Don'ts of Presenting Data, Facts, and Figures. W. W. Norton & Company Inc., 2013.
- Chun-houh Chen, Wolgang Hardle, Antony Unwin (Ed.), Handbook Of Data Visualization, Springer-Verlag, Berlin, 2008 - dostępne wraz z innymi ciekawymi prezentacjami na stronie http://haralick.org/DV/data_visualization.shtml

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1000-AD-WizDan w USOSweb