Faglig innhold

Forskning viser at mennesker er mye bedre til å analysere visuell informasjon, sammenlignet med vanlige tall. Effektiv visualisering kan bidra til å bedre forstå dataen, underliggende mønstre, trender og sammenhenger. Visualisering er en viktig del av datavitenskap. Data kommer imidlertid ofte i rå form, er vanligvis støyende, unøyaktige, ufullstendige og noen ganger motstridende. Derfor er det viktig å gjøre seg kjent med forberedelsesfasen, å rense og forbehandle data, for å trekke ut informasjon fra dem. Visualisering er en sentral del av hele dataanalysesyklusen: fra visuell analyse under renseprosessen til rike og interaktive visualiseringer.

Kurset består av to hoveddeler - databehandling og datavisualisering:

1. Databehandling:

• Typiske problemer med rådata.
• Datarensingsmetoder.
• Ulike dataformater, konvertering og aggregering.
• Enkel visualisering og statistiske verktøy for inspeksjon av datakvalitet.
• Regresjonsmodellering.
• Introduksjon til analog og digital signalbehandling.
• Signalsampling og synkronisering.

2. Datavisualisering:

• Prinsipper for brukergrensesnittdesign basert på menneskelig persepsjon.
• Diagrammer og deres anvendelighet for ulike datatyper.
• Interaktive visualiseringer.
• Moderne visualiseringsverktøy.
• Visualisering av spesifikke datasett (romlige data, tidsdata, grafdata osv.).

Læringsutbytte

Kunnskap - studenten skal forstå:

• Gjenkalle de grunnleggende prinsippene for menneskelig persepsjon.
• Gjenkalle grunnleggende data- og signalbehandlingsmetoder.
• Forstå hvordan man renser og validerer data.
• Forstå hvordan retningslinjer for datavisualisering avhenger av menneskelig persepsjon.

Ferdigheter - studenten kan:

• Anvende data- og signalbehandlings- og visualiseringsverktøy for å rense og visualisere et datasett.
• Eksperimentere med ulike visualiseringsteknikker.
• Reflektere over valg av databehandlings- og visualiseringsteknikker og resultater.

Generell kompetanse - studenten skal bli bedre i følgende ferdigheter som er lært tidligere:

• Analysere data ved hjelp av interaktiv utforskning og visuell analyse.
• Evaluere og velge de beste visualiseringsverktøyene og teknikkene for et gitt datasett.
• Evaluere en datavisualisering laget av andre.
• Lage en historie ved hjelp av en visualisering av et datasett.
• Kunne samhandle med AI-verktøy om databaseemner

Læringsformer og aktiviteter

Emnet inneholder forelesninger og selvstudium om kursemnene, og individuelle oppgaver om databehandling og visualisering. Studentene skal jobbe med flere datasett, behandle og visualisere resultatene. Kurset inneholder flere obligatoriske oppgaver og et gruppeprosjekt. Det spesifikke antallet og tidsplanen for oppgavene skal bli presentert ved kursstart.

Obligatoriske aktiviteter

• Obligatoriske innleveringer

Spesielle vilkår

Anbefalte forkunnskaper

Grunnleggende programmeringskunnskap (Python eller andre språk).

Kursmateriell

Annonseres ved studiestart.