186.868 Visual Data Science
Diese Lehrveranstaltung ist in allen zugeordneten Curricula Teil der STEOP.
Diese Lehrveranstaltung ist in mindestens einem zugeordneten Curriculum Teil der STEOP.

2019W, VU, 2.0h, 3.0EC

Merkmale

  • Semesterwochenstunden: 2.0
  • ECTS: 3.0
  • Typ: VU Vorlesung mit Übung

Lernergebnisse

Nach positiver Absolvierung der Lehrveranstaltung sind Studierende in der Lage

  • verschiedene Techniken aus der Visualisierung und visuellen Analytik für die explorative Datenanalyse einzusetzen,
  • verschiedene Techniken aus der Visualisierung und visuellen Analytik für die Präsentation von Ergebnissen einzusetzen,
  • Techniken aus dem Bereich Human-Computer-Interaction (HCI) und Wahrnehmung zu verwenden um Visualisierungen zu verbessern, und
  • die Unterschiede zwischen verschiedenen aktuellen Softwarebibliotheken und Anwendungen zu verstehen.

Außerdem bietet die LVA die Möglichkeit eigene Daten zu analysieren.

Inhalt der Lehrveranstaltung

  • Der Vorlesungsteil beinhaltet eine theoretische Einführung in die Visualisierung, Visual Analytics, und Human-Computer-Interaction. Dies beinhaltet unter anderem eine Vorstellung aktueller Visualisierungslösungen für verschiedene Data Science Bereiche.
  • Im weiteren Verlauf werden in der Vorlesung praktische Anwendungen von Visualisierungslösungen erläutert.
  • Die Vorlesung behandelt auch die Unterschiede zwischen aktuellen Softwarelibraries und Applikationen.
  • Im praktischen Teil der VU werden von den Studenten selbst die Unterschiede zwischen statistischer und visueller Datenanalyse erarbeitet.
  • Der praktische Teil beinhaltet auch einen Vergleich zwischen ausgewählten Softwareapplikationen, und eine praktische Erarbeitung eines Dashboards zum Präsentieren von Analyseergebnissen.

Methoden

Vortrag mit Folien, Programmierbeispiele und Live-Demos

Prüfungsmodus

Prüfungsimmanent

Weitere Informationen

Weitere Informationen finden Sie auf der LVA-Homepage (https://www.cg.tuwien.ac.at/courses/VisDataScience/).

ECTS-Breakdown:
3 ECTS = 75 Arbeitsstunden, davon
  55 Arbeitsstunden (73%) Übungsteil, und
  20 Arbeitsstunden (27%) Vorlesungsteil

Vortragende

Institut

LVA Termine

TagZeitDatumOrtBeschreibung
Mi.11:00 - 13:0002.10.2019Seminarraum FAV 05 (Seminarraum 186) Vorbesprechung
Mi.11:00 - 13:0009.10.2019HS 14A Günther Feuerstein Vorlesung 01
Mi.11:00 - 13:0016.10.2019 - 11.12.2019FAV Hörsaal 1 Vorlesung 02-09
Mi.11:00 - 13:0018.12.2019HS 14A Günther Feuerstein Vorlesung 10
Mi.11:00 - 13:0015.01.2020 - 29.01.2020Seminarraum FAV 05 (Seminarraum 186) Abschlusspräsentationen
Visual Data Science - Einzeltermine
TagDatumZeitOrtBeschreibung
Mi.02.10.201911:00 - 13:00Seminarraum FAV 05 (Seminarraum 186) Vorbesprechung
Mi.09.10.201911:00 - 13:00HS 14A Günther Feuerstein Vorlesung 01
Mi.16.10.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.30.10.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.06.11.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.13.11.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.20.11.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.27.11.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.04.12.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.11.12.201911:00 - 13:00FAV Hörsaal 1 Vorlesung 02-09
Mi.18.12.201911:00 - 13:00HS 14A Günther Feuerstein Vorlesung 10
Mi.15.01.202011:00 - 13:00Seminarraum FAV 05 (Seminarraum 186) Abschlusspräsentationen
Mi.22.01.202011:00 - 13:00Seminarraum FAV 05 (Seminarraum 186) Abschlusspräsentationen
Mi.29.01.202011:00 - 13:00Seminarraum FAV 05 (Seminarraum 186) Abschlusspräsentationen

Leistungsnachweis

StudentInnen können sich für eines von zwei Bewertungsmodellen entscheiden (nähere Informationen dazu auf der Lehrveranstaltungshomepage: https://www.cg.tuwien.ac.at/courses/VisDataScience/). Die Bewertung erfolgt dann entsprechend dem gewählten Modell.

LVA-Anmeldung

Von Bis Abmeldung bis
02.10.2019 11:00 19.11.2019 23:59 19.11.2019 23:59

Anmeldemodalitäten:

Die Anmeldung zur LVA kann über TISS oder TUWEL erfolgen.

Curricula

Literatur

Es wird kein Skriptum zur Lehrveranstaltung angeboten.

Vorkenntnisse

  • Data Science Grundlagen
  • Programmierkenntnisse
  • Wissen über Visualisierung von Vorteil

Begleitende Lehrveranstaltungen

Vertiefende Lehrveranstaltungen

Weitere Informationen

Sprache

Englisch