Inhalt

[ 921DASIVIAV17 ] VL Visual Analytics

Versionsauswahl
Es ist eine neuere Version 2021W dieser LV im Curriculum Masterstudium Wirtschaftsinformatik 2023W vorhanden.
(*) Leider ist diese Information in Deutsch nicht verfügbar.
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
3 ECTS M - Master Informatik Marc Streit 2 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Computer Science 2019W
Ziele Visual Analytics (VA) ist eine interdisziplinäre Wissenschaft, welche Gebiete wie Data Mining, Maschinelles Lernen, Datenmanagement, Visualisierung sowie Perzeption und Kognition kombiniert. In diesem Kurs lernen Studierende wie große und komplexe Datenmenge, wie beispielsweise tabellarischen Daten, Netzwerken und Text, effektiv exploriert und interaktiv analysiert werden können.

Zusätzlich zur Vorlesung, können Studierende in einer optional angebotenen Übung lernen, wie Visual Anlalytics Ansätze zur Lösung von Datenanalyse-Problemen aus der Praxis eingesetzt werden können.

Lehrinhalte
  • Einführung in Visual Analytics,
  • Datengrundlagen and Datenmanagement,
  • Grundlagen der Visualisierung I: Statistische Visualisierungen,
  • Grundlagen der Visualisierung II: Visualisierungstechniken nach Datentypen,
  • Visual Data Mining Grundlagen,
  • Interpretierbares Machine Learning,
  • VA Infrastruktur: Software-Bibliotheken and Werkzeuge,
  • Evaluierung: Quantitative & Qualitative Methoden,
  • Reproduzierbarkeit and Provenienz,
  • Kollaborative Visualisierung and datengetriebenes Storytelling,
  • Ausgewählte Forschungsthemen und Anwendungsfälle.
Beurteilungskriterien Schriftliche Prüfung (mündliche Prüfung in Ausnahmefällen)
Lehrmethoden Folienvortrag mit Fallbeispielen
Abhaltungssprache Englisch
Literatur
  1. Visualization Analysis and Design; Tamara Munzner; Taylor & Francis Inc., ISBN: 978-1466508910, 2014.
  2. Mastering the Information Age - Solving Problems with Visual Analytics, Daniel A. Keim, Jörn Kohlhammer, Geoffrey Ellis and Florian Mansmann, Eurographics Association, ISBN-13: 978-3-905673777, 2010. Free Download.
  3. Making Data Visual: A Practical Guide to Using Visualization for Insight, Danyel Fisher and Miriah Meyer, ISBN: 978-1491928462, 2018.
  4. Doing Data Science: Straight Talk from the Frontline, Cathy O'Neil and Rachel Schutt, 978-1449358655, 2013.
  5. Illuminating the Path: The Research and Development Agenda for Visual Analytics, James J. Thomas and Kristin A. Cook, National Visualization and Analytics Ctr, ISBN-13: 978-0769523231, 2005.
  6. Interactive Data Visualization: Foundations, Techniques, and Applications; Matthew Ward, George Grinstein and Daniel Keim, A K Peters, ISBN: 978-1568814735, 2010.
Lehrinhalte wechselnd? Nein
Sonstige Informationen https://www.jku.at/en/institute-of-computer-graphics/teaching/courses/winter-semester/visual-analytics/
Frühere Varianten Decken ebenfalls die Anforderungen des Curriculums ab (von - bis)
921CGELVIAV13: VL Visual Analytics (2013W-2017S)
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Direktzuteilung