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 Visualisierungs- und Rekonstruktionstechniken eingegangen, die in VR- und AR-Systemen zum Tragen kommen.

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.

Für Bachelor-Studierende: Siehe Bachelor-Modulhandbücher.

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