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、统计学、图像处理、计算美学等多方面的知识，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。选修该课程的同学，可在寒假期间自学一些 HTML及JavaScript的知识，为课程学习的顺利开展打下基础。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（单周1-4节|双周1-2节）
第01周 数据可视化简介
第02周 课程内容介绍 | JavaScript简介（理论，03月10日）
第03周 视觉感知与认知 | 颜色模型（理论 | 实践，03月17日）
第04周 可视分析（理论，03月24日）
第05周 网络图数据可视化（理论 | 实践，03月31日）
第06周 层级数据可视化（理论，04月07日）
第07周 文本数据可视化（理论 | 实践，04月14日）
第08周 地理空间数据可视化（理论，04月21日）
第09周 时空数据可视化（理论 | 实践，04月28日）
第10周 科学数据可视化（理论，05月05日）
第11周 医学数据可视化、课后作业1点评（理论 | 实践，05月12日）
第12周 本周课程调整到第14周周五上午3-4节，地点理科大楼B116
第13周 降维可视化 | 交互与评估（理论 | 实践，05月26日）
第14周 大数据可视化 | 多媒体可视化（理论 | 实践，3-4节有课，06月02日）
第15周 Mini项目汇报（06月09日）
第16周 可视化与人工智能、课程复习（06月16日）
第17周 期末闭卷考试 时间：06月23日 09:50-11:20，地点：文史楼203 (星期五考试，不是星期天)
参考书籍
- 可视化导论. 陈为等. 高等教育出版社.
- 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
课程资料
- 可视化工具： EChart | D3 | Vega | AntV
- 学术会议： IEEE VIS 可视化顶会 | IEEE VIS2020 中国预会议 | 中国可视化与可视分析大会
课程要求
- 考勤 (10%)
- 上机实践表现 (20%)
- 课后实践作业 (20%)
- 期末考试 (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