Strona przedmiotu Techniki Wizualizacji Danych na wydziale MiNI PW
Uwaga, tematy spotkań mogą ulec zmianie.
- 2019-10-03 W: Gramatyka grafiki; L: Wstęp do Githuba i Proton
- 2019-10-10 W: Standardy w komunikacji; L: Wstęp do ggplot2.
- 2019-10-17 nie ma wykładu i projektu; L: Geometrie, transformacje danych i fasety.
- 2019-10-24 W: Standardy IBCS; L: Skale, koordynaty, łączenie wykresów.
- 2019-10-31 W: Nie rób tego w domu;
- 2019-11-07 W: Kolory; L: Inkscape.
- 2019-11-14 W: Historia grafiki statystycznej; L: Obrazy rastrowe i glify. Interaktywne dokumenty .Rmd.
- 2019-11-21 W: Prezentacje projektów; L: Wstęp do Shiny. Interaktywne wizualizacje..
- 2019-11-28 W: Omówienie projektu I; L: Shiny: reaktywność i izolacja.
- 2019-12-05 L: r2d3.
- 2019-12-12 W: Prezentacje studentów cz 1; L: Wstęp do d3.
- 2019-12-19 L: Interaktywność w d3.
- 2020-01-09 L: Scrollytelling.
- 2020-01-16 L: JS w R.
- 2020-01-23 L: Łączenie d3 i R bez r2d3.
- 2020-01-30
Zaliczenie jest oparte o trzy składowe:
- Punkty z prac domowych. Pod koniec zajęć laboratoryjnych ogłaszane będą prace domowe. Będzie ich 10. Na rozwiązanie pracy domowej jest czas do rozpoczęcia się kolejnych zajęć. Prace domowe należy zgłaszać przez GitHub. Każda praca jest oceniana w skali 0-4 (4 punktów za poprawne i bardzo ciekawe wykonanie pracy domowej).
- Punkty z projektów. W semestrze wykonać należy dwa projekty. Każdy projekt to od 0 do 25 punktów.
- Punkty z prezentacji wybranego tematu. Poprawnie wykonana prezentacja to od 0 do 10 punktów. Osoby z dobryni wynikami z prac domowych, mogą zamiast prezentacji poprowadzić warsztaty z ggplot2 z dodatkowymi punktami.
W sumie uzyskać można do 100 punktów. 51 punktów zalicza przedmiot.
- 51-60 ocena 3
- 61-70 ocena 3,5
- 71-80 ocena 4
- 81-90 ocena 4,5
- 91-100 ocena 5
Podczas semestru realizowane będą 2 projekty.
Prezentacje można przygotować w 2-3 osobowych zespołach. Należy wybrać jeden z tematów poniżej, przeczytać, zrozumieć, przeczytać, przedstawić treści z tego artykułu w 5+5 min (5 minut na prezentacje i 5 minut na dyskusje).
Prezentacje mają miejsce na wykładzie. Należy wybrać jeden z poniższych tematów. W teorii dwie grupy mogą wybrać ten sam temat, ale w tym wypadku każda grupa otrzyma inną liczbę punktów. Lepiej więc celować w rózne tematy.
Points of view to kolumna prowadzona przez nature methods. Należy wybrać jeden z jednostronicowych artykułów i go zreferować: http://blogs.nature.com/methagora/2013/07/data-visualization-points-of-view.html
Data Stories to podcast o wizualizacji danych https://datastori.es/. Należy wybrać jeden odcinek i go zreferować
IEEE VIS to jedna ztopowych konferencji o wizualizacji danych. http://ieeevis.org/year/2019/keynote http://ieeevis.org/year/2019/info/papers-sessions. Należy wybrać jeden z referatów i go zreferować.
Można też wybrać dowolny inny materiał o wizualizacji danych i go zreferować. Np. artykuł o boxplotach: https://vita.had.co.nz/papers/boxplots.pdf, wizualizacji grafów https://journal.r-project.org/archive/2017/RJ-2017-023/index.html, data tour https://journal.r-project.org/archive/2019/RJ-2019-002/index.html
Prace domowe należy zgłaszać przez GitHub. Można zgłosić tylko jedną prace domową w tygodniu, w przedziale od zajęć do zajęć. Prace należy wgrywać do katalogu PraceDomowe/TydzienXX. W tym katalogu można umieścić plik lub katalog o nazwie zawierającej nazwisko autora pracy domowej.
- Eseje o prezentacji danych http://biecek.pl/Eseje
- Nature Methods, Points of View http://clearscience.info/wp/?p=546
- Antony Unwin, Graphical Data Analysis with R, https://www.crcpress.com/downloads/K25332/Chapter_1.pdf
- Blog o wizualizacji danych http://flowingdata.com/
- Jak powstaje grafika w NYT http://kpq.github.io/chartsnthings/
- Dokumentacja pakietu ggplot2 http://docs.ggplot2.org/current/
- Cookbook for R http://www.cookbook-r.com/Graphs/