vaidasmo/technikiwizualizacjidanych2017

Techniki Wizualizacji Danych PAD i SMAD 2017/2018

Techniki Wizualizacji Danych PAD i SMAD 2017/2018

Przemysław Biecek MINI 2017/2018

Motto

Datasaurus - always visualize your data http://www.thefunctionalart.com/2016/08/download-datasaurus-never-trust-summary.html

Prace domowe należy zgłaszać przez GitHub. Instrukcja jak korzystać

Tematy spotkań

Blok 1 - Grafika statyczna

• [1] W: Historia grafiki statystycznej; L: ggplot2 - pierwsza krew.
• [2] W: Gramatyka grafiki, Standardy w komunikacji; L: ggplot2 - skale, statystyki, koordynaty, Lab 2.
• [3] W: Nie rób tego w domu; L: Pracujemy z danymi z NSP 2011
• [4] W: Percepcja obrazu; L: Prezentacja projektu 1/1;
• [5] W: Prezentacja projektu 1/2; L: BrainStorming dane

Blok 2 - Grafika interaktywna / internetowa

• [6] W: Skale kolorów; L: rCharts, 2, eurostat, Tabele zycia
• [7] W: Skale pomiarowe; L: Wladcy Polski, Tutorial D3, JS fiddle, Time line
• [8] W: Prezentacja projektu 2/1; L: shiny
• [9] W: Prezentacje studentów (tematy poniżej); L: Tableau,
• [10] W: Prezentacja projektu 2/2; L: RBokeh / ggiraph, vegalite1, vegalite2, googleVis, choinki: 1, 2, 3, 4, 5, 6, 7

Blok 3 - Grafika informatywna

• [11] W: Percepcja danych; L:
• [12] W: Czas i przestrzeń; L: Kartogramy, ZanieczyszczeniePowietrze
• [13] W: Prezentacja projektu 3/1; L:
• [14] W: Prezentacja projektu 3/2

Zasady zaliczenia

Zaliczenie jest oparte o trzy składowe:

• Punkty z projektów. Będą trzy projekty, w każdym projekcie punktowana jest końcowa prezentacja w skali 0-100.
• Punkty z prac domowych. Prace domowe nie są obowiązkowe. Prace można zgłaszać raz na tydzień (patrz zasady poniżej). Każda praca jest oceniana w skali 0-10.
• Punkty z prezentacji wybranego tematu. Prezentacja oceniona w skali 0-25.

Do zaliczenia potrzebnych jest 200 punktów, im więcej punktów tym wyższa ocena.

Projekty

Projekty można realizować w zespołach 2-3 osobowych. Każdy projekt należy realizować w innym zespole. Propozycje projektów:

Projekt 1 Punktacja projekt 1

Projekt 2

Projekt 3

Prezentacje studentów

Prezentacje można przygotować w 2-3 osobowych zespołach. Należy wybrać jeden z tematów poniżej, przeczytać, zrozumieć, przeczytać, przedstawić treści z tego artykułu w 5+5 min (5 minut na prezentacje i 5 minut na dyskusje).

• Percepcja grafiki, https://medium.com/@kennelliott/39-studies-about-human-perception-in-30-minutes-4728f9e31a73#.3kne5zu36
• Kartogramy a Brexit, http://vis4.net/blog/posts/to-cartogram-or-not-to-cartogram-the-brexit/
• Wizualizacja reszt, https://drsimonj.svbtle.com/visualising-residuals
• Wykresy kołowe, https://eagereyes.org/blog/2016/an-illustrated-tour-of-the-pie-chart-study-results
• Trendy w rozkładach, prezentacja powinna zawierać też wykonany wykres dla Polski, https://robertgrantstats.wordpress.com/2015/08/13/showing-a-distribution-over-time-how-many-summary-stats/
• Wykresy świecowe, prezentacja powinna zawierać przykład dla WIG/WIG20 wykonany w R, http://www.datavizcatalogue.com/methods/candlestick_chart.html
• Historia grafiki, http://datavis.ca/papers/golden-STS268.pdf
• Points of view, wybierz jeden z artykułów: https://github.com/pbiecek/TechnikiWizualizacjiDanych/tree/master/MINI_MIMUW_2014/PointsOfView
• PlosOne http://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1003833

Prace Domowe:

Lista zgłoszonych prac

Prace domowe należy zgłaszać przez GitHub. Można zgłosić tylko jedną prace domową w tygodniu, w przedziale od zajęć do zajęć. Prace należy wgrywać do katalogu PraceDomowe/TydzienXX. W tym katalogu można umieścić plik lub katalog o nazwie zawierającej nazwisko autora pracy domowej.

Wszystkie prace domowe mają jeden temat:

W gazecie lub portalu informacyjnym znajdź artykuł z obecnego tygodnia w którym pojawia się jakiś wykres lub dane. Następnie przedstaw te dane z użyciem narzędzi, o których mówiliśmy w ostatnim tygodniu.

Jako pracę wyślij link lub zdjęcie oryginalnej grafiki/tabeli oraz twoją propozycję.

Zasady punktowania:

• 0% jeżeli ktoś inny już te dane przedstawił w lepszy sposób (liczy się data zgłoszenia),
• 50% jeżeli dane są przedstawione graficznie,
• 100% jeżeli dane są przedstawione lepiej niż w źródle,
• aż do 200% jeżeli jest to porywające przedstawienie złożonych danych.

Literatura uzupełniająca:

• Eseje o prezentacji danych http://biecek.pl/Eseje
• Nature Methods, Points of View http://clearscience.info/wp/?p=546
• Antony Unwin, Graphical Data Analysis with R, https://www.crcpress.com/downloads/K25332/Chapter_1.pdf
• Blog o wizualizacji danych http://flowingdata.com/
• Jak powstaje grafika w NYT http://kpq.github.io/chartsnthings/
• Dokumentacja pakietu ggplot2 http://docs.ggplot2.org/current/
• Cookbook for R http://www.cookbook-r.com/Graphs/