数据可视化旨在借助于图形化的手段，清晰有效地传达原始数据的潜在信息，帮助用户直观地理解数据并快速发现数据中的规律，从而实现对稀疏而又复杂的数据的深入洞察。在本课程中，我们将融合颜色设计理论、认知科学原理、计算机图形学、数据挖掘、图像处理等多方面的知识，介绍有效的数据可视化技术和算法。该课程面向在开发过程中有数据可视化需求及对前端开发工具感兴趣的本科生。本课程是一门理论与实践并重的课程，注重对学生编程开发能力的培养。课程PPT请至超新泛雅平台的课程资料板块里下载：http://ecnu.fanya.chaoxing.com。
课程安排（单周5-8节|双周5-6节）
第01周 数据可视化简介（理论 | 实践，09月18日）
第02周 课程内容简介 | 感知认知 | 颜色模型（理论，09月25日）
第03周 国庆放假
第04周 可视分析（理论，10月09日）
第05周 图可视化（理论 | 实践，10月16日）
第06周 层次数据可视化（理论，10月23日）
第07周 文本数据可视化（理论 | 实践，10月30日）
第08周 地理数据可视化（理论，11月06日）
第09周 时空数据可视化（理论 | 实践，11月13日）
第10周 科学数据可视化（理论，11月20日）
第11周 医学可视化、高维数据可视化（理论 | 实践，11月27日）
第12周 交互与评估（理论，12月04日）
第13周 大数据可视化（理论 | 实践，12月11日）
第14周 多媒体可视化（理论+复习，12月18日）
第15周 深度学习与可视化（理论+复习 | 实践，12月25日）
第16周 元旦放假
第17周 可视化案例讨论，每组报告7分钟+回答问题1分钟（讨论 | 实践复习，01月08日）
第18周 闭卷考试（01月15日 13:00-14:30, 文附楼109）
参考书籍
- 数据可视化. 陈为，沈则潜，陶煜波. 电子工业出版社.
- The Visual Display of Quantitative Information (2nd Edition). E. Tufte. Graphics Press.
- The Grammar of Graphics. Leland Wilkinson, Springer.
- Visual Analytics for Data Scientists. Natalia Andrienko, Gennady Andrienko et al. Springer 2020
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
课程要求
出勤及课堂讨论 (10%)
上机实践表现 (20%)
课后实践作业 (20%)
期末考试 (50%)