Image for
Naslovnica

Vizualuzacija podataka: Tehnike i alati

  • Predavanje 30
  • Vježbe 30
  • Samostalni rad 60
Ukupno 120

Naziv predmeta

Vizualuzacija podataka: Tehnike i alati

Oznaka predmeta

21-02-528

Semestar

3

ECTS

4

Sadržaj i cilj

Ciljevi ovog modula su omogućiti studentima da:
• Tumače temeljne probleme, koncepte i pristupe u dizajniranju i analizi sustava za vizualizaciju podataka.
• Interpretiraju faze pipeline-a vizualizacije, uključujući modeliranje podataka, mapiranje atributa podataka u grafičke atribute, perceptivne probleme, postojeće paradigme vizualizacije, tehnike i alate i procjenu učinkovitosti vizualizacija za određene podatke, zadatke i tipove korisnika.
• Objasne osnove fiziologije ljudskog vizualnog sustava, obrade percepcije te okvira ljudske spoznaje za vizualizaciju podataka

Studenti uče tehnike vizualizacije, eksplorativnu analizu podataka i prediktivno modeliranje. To je neophodno teorijsko i praktično znanje i vještine za sva poslovna područja koja karakterizira velika količina podataka. Pored tehnike, studenti se upoznaju s raznim alatima za vizualizaciju, alatima za istraživačku analizu podataka i alatima za prediktivno modeliranje.

Važno je za studente da pohađaju ovaj modul kako bi razvili odgovarajuće i relevantne tehnike i alate vizualizacije koji su se razvili u disciplinu, crpeći iz područja kao što su računalna grafika, interakcija čovjek-računalo, perceptivna psihologija i umjetnost. Naglasak modula bit će na izlaganju učenika trenutnim istraživačkim problemima i na prepoznavanju potencijalnih tema istraživanja u vizualizaciji podataka, što se odnosi na velike podatkovne sustave.

Literatura

Obvezna literatura:
1. Algebra University College (2020), Data visualization techniques and tools handbook, Zagreb: Algebra University College
2. Ward, M., Grinstein, G. G., and Keim, D. (2015). Interactive Data Visualization Foundations, Techniques, and Applications, Second Edition (Vol. Second edition). Boca Raton: A K Peters/CRC Press, available at http://search.ebscohost.com/login.aspx?direct=trueandsite=eds-liveanddb=edsebkandAN=1763678, Boca Raton, Florida, United States

Preporučena literatura:
1. Kimball, R., Ross, M., Thornthwaite, W., Mundy, J., Becker, B. (2008) The Data Warehouse Lifecycle Toolkit, 2nd Edition, Hoboken: Wiley
2. Laberge, R. (2011) The Data Warehouse Mentor: Practical Data Warehouse and Business Intelligence Insights, New York: McGraw-Hill Education

Minimalni ishodi učenja

  • Prepoznati i objasniti alate za vizualizaciju.
  • Objasniti odabir/opcije analitičkih obrazaca i tehnika analitičkih interakcija.
  • Opisati postupak povezivanja podataka iz različitih izvora podataka pomoću alata za vizualizaciju.
  • Opisati korake u primjeni naprednih metoda pripreme podataka za vizualizaciju.
  • Opisati složenu interaktivnu upravljačku ploču.
  • Identificirati složene metode strojnog učenja i statističkog modeliranja prema podacima za analizu podataka.
  • Utvrditi scenarij koji treba riješiti metodama strojnog učenja i statističkim modeliranjem na temelju poslovnog/znanstvenog problema.
  • Objasniti najčešće modele strojnog učenja u analizi podataka.

Željeni ishodi učenja

  • Odabrati odgovarajući alat za vizualizaciju za analizu podataka, ovisno o zahtjevima u pogledu podataka.
  • Kritički protumačiti izbor analitičkih obrazaca i tehnika analitičkih interakcija.
  • Povezati podatke iz različitih izvora podataka pomoću alata za vizualizaciju..
  • Primijeniti napredne metode pripreme podataka za vizualizaciju.
  • Izraditi složenu interaktivnu upravljačku ploču.
  • Primijeniti složene metode strojnog učenja i statističkog modeliranja na podatke za analizu podataka.
  • Protumačiti rezultate metoda strojnog učenja i statističkog modeliranja u poslovnom/znanstvenom problemu.
  • Procijeniti modele strojnog učenja radi njihove prilagodbe u analizi podataka.
Preuzmi vodič za studente
Podijeli: Facebook Twitter