Einführung in die Datenvisualisierung

NummerUmfangTerminDozent
0403353VDi. 14:15 - 15:45, Online-Vorlesung
Do. 14:15 - 15:45, Online-Vorlesung
Priv.-Doz. Dr. Frank Weichert
042506Do. 16.00 - 18.00, Online-ÜbungDr. Denis Fisseler

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 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:
Mit der in praktisch allen Bereichen steigenden Größe von Datenmengen sowie deren Komplexität und Wandelbarkeit, gewinnt die Visualisierung zunehmend an Bedeutung. Dabei dient sie sowohl zur intuitiven Darstellung aber auch als Mittel zur Analyse. Entsprechende Visualisierungen werden häufig durch Abbildung auf graphische Szenen erreicht, die dann mittels Verfahren der graphischen Datenverarbeitung effizient dargestellt werden.

Gegenstand des Moduls sind grundlegende Konzepte zur Visualisierung und Analyse von Daten unterschiedlichen Typs im Kontext von Anwendungen. Betrachtete Datentypen sind insbesondere ein- und zweidimensionale Funktionen, mehrdimensionale Funktionen, Graphen und gestreute Punktmengen. Es werden Methoden der graphischen Datenverarbeitung, der statistischen Datenanalyse, der effizienten diskreten Algorithmen und Datenstrukturen sowie (tiefer) maschineller Lernverfahren präsentiert, auf denen die Konzepte und deren Realisierung beruhen. Ferner wird auf existierende Visualisierungssysteme eingegangen, die entsprechende Konzepte bereitstellen.

Vorlesungsstruktur:
Die Veranstaltung wird als 4-stündige Vorlesung mit einem zu einer dreistündigen Vorlesung äquivalenten Anteil an der Vorlesungszeit gehalten, d.h. sie endet in der Regel ca. drei Wochen vor dem Ende der Vorlesungszeit. Da die Veranstaltung auch als Vorlesung ''Angewandte Datenvisualisierung für Medizinphysiker'' angeboten wird, werden in der verbleibenden Vorlesungszeit spezifische Visualisierungskonzepte für die Medizinphysik präsentiert.

Erworbene Kompetenzen:
Die Studierenden sollen die Aufgaben der Datenanalyse und dazu notwendige elementare Konzepte erlernen. Damit werden sie über ein methodisches Wissen verfügen, um grundsätzliche aber auch komplexere Visualisierungs- und Analyseaufgaben auf Daten zu lösen. Dazu sollen sie sowohl Methoden, die in existierenden Systemen verfügbar sind und auf Originalliteratur beruhen, in gegebener Form anwenden, diese aber auch auf neue eventuell erweiterte Fragestellungen anpassen sowie Einsatzgrenzen und spezifische Besonderheiten identifizieren können.

Materialien

Materialien zu "Einführung in die Datenvisualisierung - SS 2021"

Übungen zu "Einführung in die 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 Bachelor-Studierende: Siehe Bachelor-Modulhandbücher.

Prüfungshinweise

Prüfungshinweise zu den Vorlesungen "Einführung in die Datenvisualisierung" und "Angewandte Datenvisualisierung für Medizinphysiker" (Vorläufige Version, 19.06.2021): Pruefungshinweise_EiDV-ADV_2021_vorlaeufig_20210619.pdf

Vorlesungsmaterialien

  • Vorlesungsfolien im pdf-Format, inkl. Inhaltsverzeichnis
  • Videoaufzeichnungen der Onlinevorlesungen
  • Prüfungshinweise

Als ergänzende (optionale) Literatur zum thematischen Überblick können nachfolgende Bücher empfohlen werden:

  • G. Nielson, H. Hagen, H. Müller (eds.), Scientific Visualization: Overview, Methodologies, Techniques, IEEE CS Press, 1997
  • H. Toutenburg, C. Heumann: Deskriptive Statistik: Eine Einführung in Methoden und Anwendungen, Springer, 2009
  • A. C. Telea: Data Visualization: Principles and Practice, Crc Pr Inc, 2014.