Předmět: Vizualizace dat

» Seznam fakult » PRF » KMA
Název předmětu Vizualizace dat
Kód předmětu KMA/VIDA
Organizační forma výuky Přednáška + Cvičení
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Zimní
Počet ECTS kreditů 3
Vyučovací jazyk Čeština
Statut předmětu Povinně-volitelný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Ženčák Pavel, RNDr. Ph.D.
Obsah předmětu
1. Úvod do vizualizace a stručný přehled historie 2. Souřadné systémy a barevné škály ve vizualizaci dat 3. Přehled základních typů grafů a jejich použití 4. Vizualizace množství 5. Vizualizace podílů 6. Vizualizace rozdělení dat 7. Vizualizace vztahů dvou kvantitativních proměnných, časových řad a trendů 8. Vizualizace vztahů více kvantitativních proměnných, redukce dimenze 9. Vizualizace geodat 10. Vizualizace nejistoty 11. Přehled možností nabízených vybranými programy

Studijní aktivity a metody výuky
Monologická (výklad, přednáška, instruktáž), Demonstrace
  • Účast na výuce - 39 hodin za semestr
  • Domácí příprava na výuku - 40 hodin za semestr
  • Příprava na zápočet - 30 hodin za semestr
  • Příprava na zkoušku - 40 hodin za semestr
Výstupy z učení
Kurs seznamuje studenty s různými způsoby vizualizace dat.
Znalost Poznat základní způsoby vizualizace dat a možnosti vybraných programů.
Předpoklady
Znalost základů práce s počítačem.

Hodnoticí metody a kritéria
Analýza výkonů studenta

Kolokvium: aktivní účast na cvičení, vytvořit vizualizaci vybraných dat a obhájit ji formou prezentace.
Doporučená literatura
  • A. C. Telea, Data Visualization. (2014). Principles and Practice, Second Edition. A. K. Peters, Ltd., Natick, MA.
  • Alberto Ferrari, Marco Russo. (2016). Introducing Microsoft Power BI. Microsoft Press.
  • Claus O. Wilke. (2019). Fundamentals of Data Visualization. O'Reilly Media, Inc.
  • Ch. Chen, W. Hrdle, A. Unwin, Ch.Chen, W. Hrdle, A. Unwin. (2008). Handbook of Data Visualization (Springer Handbooks of Computational Statistics). Springer-Verlag TELOS, Santa Clara, CA.
  • Chandraish Sinha. (2016). QlikView Essentials. Packt Publishing.
  • James D. Miller. (2017). Big Data Visualization. Packt Publishing.
  • Joshua N. Milligan. (2015). Learning Tableau. Packt Publishing Ltd.
  • Kieran Healy. (2018). Data Visualization: A Practical Introduction. Princeton University Press.
  • Kirthi Raman. (2015). Mastering Python Data Visualization. Packt Publishing.
  • Nivedita Majumdar , Swapnonil Banerjee. (2012). MATLAB Graphics and Data Visualization Cookbook. Packt Publishing.
  • Rob Kabacoff. Data Visualization with R.
  • Wendy L. Martinez, Angel R. Martinez, Jeffrey Solka. (2017). Exploratory Data Analysis with MATLAB, 3rd Edition. Chapman and Hall/CRC.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr
Fakulta: Přírodovědecká fakulta Studijní plán (Verze): Aplikovaná matematika (2023) Kategorie: Matematické obory 1 Doporučený ročník:1, Doporučený semestr: Zimní