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(2月21日)
    实践课内容 | 2022 GDP Data | EChart | EChart-Example | EChart-Example.zip | JS线上学习
第02周 课程内容介绍 | JavaScript简介(理论,02月28日)
   
第03周 视觉感知与认知 | 颜色模型(理论 | 实践,03月07日)
    实践课内容 | 实践代码 | k-means算法可视化(与课后大作业有关)
第04周 可视分析(理论,03月14日)
   
第05周 网络图可视化(理论 | 实践,03月21日)
   实践课内容 | 冒泡排序练习代码 | 散点图练习代码 | 网络图练习代码 | 图编辑器代码 | AQI Data
   大脑神经元可视化 | 全球海底光缆可视化 | 王者荣耀角色关系可视化
   
第06周 层级数据可视化(理论,03月28日)
   


参考书籍


  1. 可视化导论. 陈为等. 高等教育出版社.
  2. The Visual Display of Quantitative Information (2nd Edition). E. Tufte. Graphics Press.
  3. The Grammar of Graphics. Leland Wilkinson, Springer.
  4. Visual Analytics for Data Scientists. Natalia Andrienko, Gennady Andrienko et al. Springer 2020


课程资料


  1. 可视化工具: EChart | D3 | Vega | AntV
  2. 学术会议: IEEE VIS 可视化顶会 | 中国可视化与可视分析大会


课程要求


  1. 考勤 (10%)
  2. 上机实践表现 (20%)
  3. 课后实践作业 (20%)
  4. 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