Visualisering, 6 hp

Visualization, 6 credits

732A98

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Oleg Sysoev

Kursansvarig

Oleg Sysoev

Studierektor eller motsvarande

Jolanta Pielaszkiewicz

Tillgänglig för utbytesstudenter

Ja

Kontaktinformation

VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
Fristående kurs (Halvfart, Dagtid) HT 2020 202036-202044 2 Engelska Linköping, Valla
Fristående kurs (Halvfart, Dagtid) HT 2020 202036-202044 2 Engelska Linköping, Valla
F7MSL Statistics and Machine Learning, Master´s Programme 3 (HT 2020) 202036-202044 2 Engelska Linköping, Valla V
F7MSL Statistics and Machine Learning, Master´s Programme - First and main admission round 1 (HT 2020) 202036-202044 2 Engelska Linköping, Valla V
F7MSL Statistics and Machine Learning, Master´s Programme - Second admission round (open only for Swedish/EU students) 1 (HT 2020) 202036-202044 2 Engelska Linköping, Valla V

Huvudområde

Statistik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1N

Kursen ges för

  • Master's Programme in Statistics and Machine Learning
  • Masters Programme in Statistics and Machine Learning

Förkunskapskrav

  • Kandidatexamen om 180hp (eller motsvarande) inklusive självständigt arbete 15hp på fördjupningsnivå inom något av följande ämnen:
    • statistik
    • matematik
    • tillämpad matematik
    • datavetenskap
    • teknik 
  • Godkända kurser i:
    • kalkyl
    • linjär algebra
    • statistik
    • programmering
  • Engelska 6/B
    (Undantag för svenska)

Lärandemål

Efter avslutad kurs skall den studerande kunna:

  • beskriva grundläggande principer för visualisering med hjälp av statiska, interaktiva eller dynamiska diagram,
  • välja lämpliga statiska, interaktiva eller dynamiska visualiseringsmetoder för att lösa vanliga uppgifter inom datavisualisering,
  • producera enkla diagram för att göra analyser och diagram av hög kvalité för att inkludera i vetenskapliga publikationer,
  • använda moderna öppna och kommersiella visualiseringsredskap för att beskriva struktur av stora och komplexa datamängder och för att upptäcka gömda mallar och trender i datamängderna,
  • visa kunskap om visualiseringsmetoder som finns i aktuella forskningspublikationer.

Kursinnehåll

Kursen behandlar följande:

  • principer för rätt datavisualisering och vilseledande diagram,
  • statiska redskap som används för visualisering av univariata och bivariata mängder: histogram, stapeldiagram, punktdiagram, tidsseriediagram,
  • visualisering av textinformation: ordträd och ordmoln,
  • statiska redskap som används för flerdimensionella datamaterial: punktdiagramsmatriser, trädkartor, värmekartor, bubbeldiagram, Chernoff ansikten, stjärndiagram, parallellkoordinatsdiagram,
  • visualisering med hjälp av flerdimensionell skalning,
  • visualisering av geografisk information med hjälp av webbapplikationer och standalone mjukvara,
  • skapa animering genom att kombinera statiska diagram,
  • animerade bubbeldiagram,
  • interaktiva visualiseringsredskap: länkade diagram, markering, identifiering och guidade turer,
  • skapa diagram av publikations- and presentationsnivå från enkla diagram.

Undervisnings- och arbetsformer

Kursen består av föreläsningar, datorövningar och seminarier som kompletteras med självstudier. Föreläsningarna ägnas åt genomgång av teori, koncept och metodik. Datorövningarna ger praktisk erfarenhet av datavisualisering. Seminarier ägnas åt studentpresentationer,diskussioner av uppgifter och presentationer av vetenskapliga artiklar inom visualisering.
Undervisningsspråk: engelska.

Examination

Skriftlig redovisning av labbuppgifter. Aktivt deltagande i seminarierna. Obligatorisk presentation av en vetenskaplig artikel inom visualisering. En skriftlig eller muntlig tentamen. Detaljerad information återfinns i studiehandledningen.

Om LiU:s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det. Om koordinatorn istället har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Övrig information

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
LAB1 Laboration 3 hp EC
TENT Tentamen 3 hp EC
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.