Scheda programma d'esame
VISUAL ANALYTICS
SALVATORE RINZIVILLO
Academic year2022/23
CourseDATA SCIENCE AND BUSINESS INFORMATICS
Code602AA
Credits6
PeriodSemester 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
VISUAL ANALYTICSINF/01LEZIONI48
SALVATORE RINZIVILLO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Lo studente avrà acqusitio padronanza del processo di percezione e visione in relazione alla progettazione di una visualizzazione efficace di dati e modelli.

 

Knowledge

Students will acquire knowledge and skills to design and implement an effective visual representation of data and models

Modalità di verifica delle conoscenze

Lo studente dovrà sfruttare le tecniche viste a lezione per la progettazione di una interfaccia visuale per presentare un caso analitico, verificando ipotesi e proponendo una spiegazione visuale ai quesiti posti dal progetto. 

Assessment criteria of knowledge

The student should prepare a project presenting a case study of the realization of a visual interface to explore and analyze a dataset.

The project should define a set of hypotheses and it should demonstrate how they are verifiable through the visual exploration

Capacità

Studio di librerie grafiche dedicate alla visualizzazione di informazione per il web. Tra le librerie discusse in aula: d3js, nodejs, crossfilter, colorbrewer.

Uso di librerie di alto livello per la visualizzazione di dati strutturati: NVD3, Highchart, Leafletjs

Skills

Expertise in data visualization libraries for the web, like d3.js, bootstrap, vue.js, vega, node.js

Modalità di verifica delle capacità

All'interno del progetto lo studente dovrà utilizzare le librerie viste a lezione per realizzare una visualizzazione fruibile attraverso il web, per esplorare e estrarre conoscenza dai dati.

Assessment criteria of skills

Students should exploit the technologies presented during the class to realize an effective visualization for the web.

Behaviors

Students will acquire skills to design and evaluate a Data Visualization task

 

Assessment criteria of behaviors

Students will manage and realize a practical project to demonstrate the acquired skills and techniques from the course

Prerequisiti (conoscenze iniziali)

Conoscenza di base di programmazione e dei linguaggi per il web: HTML, CSS, Javascript.

Prerequisites

Basic knowledge of programming languages for the web: Javascript, HTML, CSS

Teaching methods

The lessons will be divided into two parts: i) theory of visualization and cognition; ii) technologies for visualization for the web

Programma (contenuti dell'insegnamento)

Metafore di visualizzazione di informazione

  • Gerarchica e strutturale
  • Relazionale
  • Temporale
  • Spaziale
  • Spazio temporale
  • Informazione non strutturata (testo)

Metodi e strumenti
Panoramica sugli ambienti e le librerie di visualizzazione esistenti
Processi di Visual Analytics
Definizione di un processo di knowledge discovery
Ambienti integrati per la Visual Analytics
Analisi visuale esplorativa di dati e modelli
Esempi e casi di studio

Syllabus

Theory of Visualization

  • Taxonomy of different types of data visualization: hierarchies, relational data, temporal data, spatial data, unstructured data (text)
  • Visual Analytics Process
  • Strategies and best practices for Effective data visualization
  • Discussion of Case Studies 

Technologies for visualization

  • Overview of development environments and visual libraries
  • Design of a visual analytics project
Bibliografia e materiale didattico

Il materiale didattico è disponibile sulla pagina web del corso: http://didawiki.cli.di.unipi.it/doku.php/magistraleinformaticaeconomia/va/start

Il codice e gli esercizi svolti a lezione sono disponibili su un repository GIT:https://github.com/va602aa-2020

 

Bibliography
  • VisMaster - Mastering the information age
  • Visual Analytics for Data Scientists. Natalia Andrienko, Gennady Andrienko, Georg Fuchs, Aidan Slingsby, Cagatay Turkay, Stefan Wrobel. Springer, 2020. ISBN: 978-3-030-56146-8
  • Design for Information. Isabel Meirelles, Rockport Publisher,2013.
  • Interactive Data Visualization for the Web, Scott Murray, O'Reilly Atlas, 2013

All didactic material is availavle at: http://didawiki.cli.di.unipi.it/doku.php/magistraleinformaticaeconomia/va/start

Execercise and code available on GIT: https://github.com/va602aa-2020

Indicazioni per non frequentanti

Gli studenti non frequentati possono seguire il programma del corso attraverso il materiale pubblicato sul sito.

Inoltre, da quest'anno tutte le lezioni sono registrate e disponibili sul portale Stream di Microsoft 

Non-attending students info

Non attending students can follows the class by the material published on the web page of the course

Modalità d'esame

Prova pratica e orale con voto in trentesimi

Realizzazione di un progetto per dimostrare le capacità acquisite

Assessment methods

Realization of a project and oral discussion of the result.

The student should prepare a project presenting a case study of the realization of a visual interface to explore and analyze a dataset.

The project should define a set of hypothesis and it should demonstrate how they are verifiable through the visual exploration

Updated: 10/10/2022 09:00