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)
   实践课内容 | StuData | EChart-Example | EChart-Example.zip | 课后练习示例 | 课后练习数据
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
   实践课内容(课程作业) | 示例代码 | 示例
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)
   实践课内容 | 柱状图练习代码 | 散点图练习代码 | 网络图练习代码 | 图可视化示例 | 图编辑器代码
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)
   实践课内容 | 爬虫练习用页面 | NLPIR文本分析工具 | Wordle | WordClouds | Python3下载 | Python3在线工具
第08周 地理数据可视化(理论,11月06日)
   


参考书籍


  1. 数据可视化. 陈为,沈则潜,陶煜波. 电子工业出版社.
  2. The Visual Display of Quantitative Information (2nd Edition). E. Tufte. Graphics Press.
  3. The Grammar of Graphics. Leland Wilkinson, Springer.


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%)