Datenvisualisierung (Master)
| Nummer | Umfang | Termin | Dozent |
|---|---|---|---|
| 042505 | 3V | Mo. 12:15 - 13:45, Online-Vorlesung Do. 08:30 - 10:00, Online-Vorlesung | Priv.-Doz. Dr. Frank Weichert |
| 042506 | 2Ü | n.V. | N.N. |
Maßnahmen aufgrund der Corona-Pandemie
- Die Veranstaltung wird als Online-Vorlesung live über ein Webkonferenz-System gehalten (nicht in Präsenz), sodass auch Fragen gestellt werden können. Zudem werden die Folien durch Live-Beispiele auf einem virtuellen Whiteboard ergänzt.
- Im Nachgang zur live gehaltenen Online-Vorlesung werden alle Vorlesungen zudem als Video zur Verfügung gestellt. Dies gilt selbstverständlich auch weiterhin für alle Vorlesungsfolien als klassische pdf-Files.
- Ergänzend zur Vorlesung wird es wöchendlich eine Online-Fragestunde geben, um Nachfragen zur Vorlesung stellen zu können.
- Zur allgemeinen Diskussion und Beantwortung von Fragen zur Vorlesung sowie zu den Übungen steht mit Beginn der Vorlesung ein Chat-System als moderiertes Diskussionsforum zur Verfügung.
- Um Ihnen die Zugangsdaten zur Online-Vorlesung und zu den Übungen, als auch jeweils allgemeine aktuelle Informationen zukommen lassen zu können, ist eine Online-Anmeldung erfolgt über das LSF zwingend notwendig: Link zur LSF-Online-Anmeldung (Platzvergabe)
Beschreibung
Lehrinhalte:
Ein wichtiges und zunehmend eingesetztes Mittel zum Erkenntnisgewinn in der ständig wachsenden Datenflut in praktisch allen Bereichen ist die Visualisierung. Eine intuitive Visualisierung wird häufig durch Abbildung auf graphische Szenen erreicht, die dann mittels Verfahren der graphischen Datenverarbeitung in Bildern dargestellt werden. Gegenstand des Moduls sind fortgeschrittene Verfahren zur Visualisierung komplexer Daten und Prozesse, die auf Methoden der Datenanalyse mittels tiefer Lernverfahren, der graphischen Datenverarbeitung, der Mustererkennung und der angewandten Mathematik aufbauen. Auf eine Einführung in graphische Semiologie nach Bertin folgt eine Darstellung von Visualisierungsverfahren, die sich an gebräuchlichen Datentypen orientiert: Punktmengen, Relationen, eindimensionale Funktionen (insbesondere Zeitreihen), zweidimensionale Funktionen, Funktionen über Volumen und Vektorfelder. Dabei werden effiziente Algorithmen zur Realisierung der Verfahren präsentiert, die auf einem weiten Methodenspektrum beruhen. Ferner wird anhand existierender Systeme auf die Architektur von Visualisierungssystemen eingegangen.
Erworbene Kompetenzen:
Die Studierenden sollen nach Besuch der Vorlesung über ein methodisches Spezialwissen verfügen, das sie in die Lage versetzt, komplexe Visualisierungsaufgaben zu lösen. Dazu sollen sie sowohl Methoden, die in existierenden Systemen verfügbar sind, in ingenieurshafter Weise kombinieren und anwenden können, als auch aktuelle Originalliteratur zu dem Gebiet verstehen und die Resultate in Anwendungen transferieren können. Schließlich sollen sie aber auch neue Lösungsmethoden, insbesondere in Bezug auf neuartige Anwendungen, entwickeln können.
Materialien
Materialien zu "Datenvisualisierung - SS 2021"
Übungen zu "Datenvisualisierung - SS 2021"
Hinweis: Zum Abruf der Materialien werden Zugangsdaten benötigt.
Diese werden in der Veranstaltung bekannt gegeben oder können per E-Mail erfragt werden.
Teilnahmevoraussetzungen
Für Master-Studierende: Siehe Master-Modulhandbücher.
Prüfungshinweise
Prüfungshinweise zu Vorlesung "Datenvisualisierung" (Vollständige Version, 29.06.2021): Pruefungshinweise_DV21_vollstaendig_20210629.pdf
Vorlesungsmaterialien
- Vorlesungsfolien im pdf-Format, inkl. Inhaltsverzeichnis
- Videoaufzeichnungen der Onlinevorlesungen
- Prüfungshinweise
Als ergänzende (optionale) Literatur zum thematischen Überblick können nachfolgende Bücher empfohlen werden:
- A. C. Telea: Data Visualization: Principles and Practice, Crc Pr Inc, 2014.
- R. O. Duda, P. E. Hart, D. G. Stork, Pattern Classification, 2. Edition, Wiley-Interscience, 2000
- G. Nielson, H. Hagen, H. Müller (eds.), Scientific Visualization: Overview, Methodologies, Techniques, IEEE CS Press, 1999