大数据时代数据无处不在,已经成为我们生活的一部分。数据的复杂性、多样性等特点增加了人们探索和理解数据中隐含信息的难度。本课程结合优雅的数据可视化案例,以视觉信息作为美的载体,介绍生活中常见的数据呈现形式,帮助同学们直观地理解数据并快速发现数据中的规律和模式,带领同学们一同探索数据之美,感受数据之美。本课程融合技术与艺术,涉及计算美学、数据科学、艺术设计等多方面的知识。本课程将培养学生的形象思维,提升学生的审美能力及实践能力。课程PPT在每次课程结束后到超新泛雅平台的课程资料板块下载:http://ecnu.fanya.chaoxing.com

课程安排


第01周 课程简介 | 数据简介 | 美的定义 | 互动实践 (02月26日)
   
第02周 数据分析与处理 | 信息图简介 | 可视化与可视分析 | 互动实践 (03月04日)
   
第03周 视觉编码及颜色模型 | 感知与认知 (03月11日)
    颜色对比度计算公式 | 颜色主题
第04周 设计原则 | 交互与评估 | 数据降维 (03月18日)
   
第05周 神奇的网络 (03月25日)
   自行车骑行网络可视化 | 大脑神经元可视化 | 列车运行网络可视化 | 全球海底光缆可视化
   星系互联 | 网络图创建工具
第06周 文本的故事 (04月01日)
    宋词可视化 | 书籍聚类可视化 | 解构藏文 | 汉字星图
第07周 多媒体汇聚(04月08日)
   视频指纹 | 春晚重构


参考书籍


  1. 《数据之美》,邱南森著,中国人民大学出版社,2014年
  2. 《数据可视化之美》,Julie Steele,Noah著,机械工业出版社,2011年
  3. 《可视化导论》,陈为等著,高等教育出版社,2020年
  4. 《统计之美》,李舰、海恩著,电子工业出版社,2019年
  5. Visualization Analysis and Design. Tamara Munzner. A K Peters/CRC Press. 2014
  6. The Visual Display of Quantitative Information (2nd Edition). E. Tufte. Graphics Press. 2001
  7. The Grammar of Graphics. Leland Wilkinson, Springer, 2005
  8. Visual Analytics for Data Scientists. Natalia Andrienko, Gennady Andrienko et al. Springer, 2020


课程资料


  1. 数据可视化工具(操作简单): 花火数图 | 可画 | 懒设计 | RayData (3D数据可视化)
  2. 数据可视化工具(编程类): ECharts | PyECharts | D3 | AntV


课程要求


  1. 出勤及课堂表现 (10%)
  2. 互动实践 (20%)
  3. 课后作业 (20%)
  4. 期末实践 (50%)


授课老师


李晨辉副教授 (可通过邮件方式与老师联系): chli@cs.ecnu.edu.cn