Jupiterweb

Informações da Disciplina

Preparar para impressão

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação

Instituto de Ciências Matemáticas e de Computação

Ciências de Computação

Disciplina: SCC0252 - Visualização Computacional

Computational Visualization

Créditos Aula:	3
Créditos Trabalho:	1
Carga Horária Total:	75 h
Tipo:	Semestral
Ativação:	15/07/2023	Desativação:

Objetivos

O objetivo desta disciplina é fornecer uma introdução à área de Visualização de Dados e Análise Visual de Dados. Pretende-se abordar o que é Visualização, quais os seus objetivos, introduzir as técnicas clássicas e os tipos e estruturas de dados que podem ser manipulados. Serão apresentadas as técnicas e os diferentes tipos de dados, bem como tarefas típicas de análise, ilustradas em diferentes cenários de aplicação. Buscamos apresentar uma visão geral que reflita a situação atual da área, bem como aplicações e exemplos práticos, bem como estimular a execução de tarefas de análise visual de dados.

The objective of this course is to provide an introduction to the fields of Data Visualization and Visual Data Analysis. The goal is to present what is Data Visualization and what it is used for, introduce classical techniques and the data types and data structures that can be manipulated. Visualization techniques and different data types will be presented, as well as typical analysis tasks, illustrated in several application scenarios. We seek to present an overview that reflects the current situation in the area, as well as illustrative applications and practical examples, as well as to encourage the execution of visual data analysis tasks.

Docente(s) Responsável(eis)

88433 - Maria Cristina Ferreira de Oliveira

Programa Resumido

Introdução à Visualização e Analítica Visual de Dados e aplicações. Representações computacionais de dados. Técnicas de visualização e sua classificação. Visualização de dados espaciais. Visualização de dados abstratos. Dados de múltiplos tipos, atributos de imagens e de textos; sumarização visual; escalabilidade. Aplicações, avanços e tendências.

Introduction to Data Visualization, Visual Analytics and applications. Computational representations of data. Visualization techniques and their classification. Visualization of spatial data. Visualization of abstract data. Multiple data types, image and text attributes; visual summarization; scalability issues. Applications, advances and trends.

Programa

Introdução: Visualização, Mineração Visual e Analítica Visual de dados; aplicações em ciência e em atividades profissionais variadas (software, texto, imagem, redes, censos, medicina, biologia, etc como fontes de dados). Visualização em Ciência de Dados e Big Data. Problemas e desafios da visualização. Tipos de dados e organização de dados, pré-processamento de dados. Técnicas de visualização básicas e sua classificação. Visualização de dados espaciais: superfícies e volumes, comparação; dados vetoriais e tensoriais. Visualização de dados abstratos: projeções, ícones, técnicas hierárquicas, visualização de grafos, técnicas de visualização baseadas em pontos, técnicas baseadas em pixel, técnicas baseadas em eixos e em atributos. Tarefas e estratégias de interação em análise visual de dados. Dados de múltiplos tipos, atributos de imagens e de textos; sumarização visual; escalabilidade. Aplicações e avanços recentes, recursos em visualização; visualização na mídia.

Introduction: Data Visualization, Visual Data Mining and Visual Analytics; applications in science and in diverse professional activities (software, text, images, networks, censuses, medicine, biology, etc. as data sources). Visualization in Data Science and Big Data. Problems and challenges in data visualizatoin. Data types and data organization, data pre-processing. Basic visualization techniques and their classification. Visualization of spatial data: surfaces and volumes, comparison; vector and tensor data. Abstract data visualization: projections, icons, hierarchical techniques, graph visualization, point-based visualization techniques, pixel-based techniques, axis-based and attribute-based techniques. Tasks and interaction strategies in visual data analysis. Multiple types of data, image and text attributes; visual summarization; scalability. Recent applications and advances, resources and libraries; visualization in the media.

Avaliação

Método

Exposição de conceitos em aulas teóricas. Demonstrações de exemplos e desenvolvimento de exemplos práticos em sala de aula.

Critério

Tarefas práticas de interpretação e análise de dados; projetos de desenvolvimento e implementação de algoritmos para análise de dados; Provas.

Norma de Recuperação

-Critério de Aprovação: NP+(Mrec/2,5), se Mrec > ou =7,5; ou Max {NP,Mrec}, se Mrec < ou = 5,0; ou 5,0, se 5,0 < ou = Mrec < 7,5.( NP=1ª avaliação, Mrec=prova)

Bibliografia

Livros Texto:
Interactive Data Visualization: Foundations, Techniques, and Applications, 2nd Edition, Matthew O. Ward, Georges Grinstein, Daniel Keim, 2015, CRC Press. 
Visualization Analysis & Design, Tamara Munzner, 2014, CRC Press,. 
Data Visualization: Principles and Practice, Second Edition, Alexandru C. Telea, 2015. A. K Peters. The Visual

Complementar:
Display of Quantitative Information, 2nd ed., Edward R. Tufte, 2001, Graphics Pr.
Visual Thinking for Design, Colin Ware, 2013, Morgan Kaufmann 
Now You See It: Simple Visualization Techniques for Quantitative Analysis, Stephen Few, Analytics Press, 2009.
Information Visualization, 1. ed., Robert Spence, 2000 ACM Press.

Clique para consultar os requisitos para SCC0252

Clique para consultar o oferecimento para SCC0252