TNM098 · Linköpings universitet
Avancerad visuell dataanalys
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för teknik och naturvetenskap
Lärandemål
Studenten skall efter avslutad kurs kunna:
- Undersöka nya, komplexa datamängder och identifiera relevanta egenskaper som kan extraheras.
- Välja och tillämpa avancerade algoritmiska metoder för analys av stora komplexa datamängder för att bestämma värdefulla resultat.
- Välja och använda lämpliga visualiseringsmetoder för att visa extraherad, relevant information från sådana datamängder.
- Beskriv och reflektera över visualiseringstekniker (avseende interaktion och visuell representation) och exempelverktyg för speciella datatyper och applikationsdomäner baserat på teori och praktik som diskuteras i kursen.
- Planera och implementera en dataanalysmetod som kombinerar interaktiva visualiseringstekniker med algoritmiska metoder i ett givet sammanhang.
- Göra välgrundade designval med hänsyn till givna uppgifter och databegränsningar och kunna motivera och försvara dessa val.
Kursinnehåll
- Kursen bygger vidare på kursen Informationsvisualisering, med fokus på datamodellering, utvinning och analystekniker vilka är grunden för den moderna visuella dataanalysmetodiken. Sådana metoder håller på att bli mycket viktiga eftersom omfattningen av tillgängliga data för analys expanderar, vilket leder till så kallade ”big data”-problem som påverkar företag, sjukvård, vetenskap och industri.
- Ämnen som behandlas:
- Introduktion till området visuell dataanalys och relevanta begrepp, såsom visual analytics (VA), kunskapsgenereringsmodell för VA, human-in-the-loop och människocentrerad analys.
- Dataaspekter som påverkar analys.
- Visualiseringstekniker för rumslig, temporal, träd/nätverk, textdata och kombinationer av dessa.
- Interaktionskoncept som främjar människocentrerad analys.
- Översikt över tekniker för automatiskt analysstöd, såsom tekniker för abstraktion, jämförelse, mönsterupptäckt, dimensionsreduktion, textmining.
Förutsättningar
- Färdigheter i matematik, programmering och webbprogrammering. Kunskaper i informationsvisualisering via kursen Informationsvisualisering eller motsvarande. Kunskaper och/eller intresse för data mining / maskininlärning är fördelaktigt men inte ett krav.
Litteratur
Interactive visual data analysis - Tominski, Christian, Verfasser, Schumann
Aktuella vetenskapliga artiklar - Aktuella vetenskapliga artiklar
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis