1 / 11
文档名称:

数据可视化教学大纲.doc

格式:doc   大小:25KB   页数:11页
下载后只包含 1 个 DOC 格式的文档,没有任何的图纸或源代码,查看文件列表

如果您已付费下载过本站文档,您可以点这里二次下载

分享

预览

数据可视化教学大纲.doc

上传人:cjc201601 2018/9/30 文件大小:25 KB

下载得到文件列表

数据可视化教学大纲.doc

文档介绍

文档介绍:《数据可视化》课程教学大纲
一、课程基本信息
课程代码
152252321
课程性质
专业选修课
培养方案
2015版
开课单位
电子商务学院
课程学分
1
课程学时
22
授课对象
信息管理与信息系统专业本科第六学期
先修课程
计算机应用基础
编写人
编写时间
2015年5月
审核人
审核时间
2015年6月
二、课程性质
《数据可视化》为全日制大学本科信息管理与信息系统专业开设的一门专业课程和选修课程。对培养学生的信息处理能力、信息分析与应用能力、信息表达能力具有重要的作用。
三、教学目标和任务
教学目标:本课程的主要目的是培养学生的信息数据可视化处理能力。通过本课程的教学,使学生掌握数据可视化的一般原理和处理方法,能使用数据可视化工具队数据进行可视化处理。
教学任务:介绍数据可视化的基础理论和概念,针对实际应用中遇到的不同类型的数据介绍相应的可视化方法,并介绍可视化综合应用及实用系统。
四、教学要求
通过课程学****使学生了解数据可视化基本概念;掌握视觉感知和认知的基本原理和可视化编码原则;掌握数据定义、组织、管理、分析、挖掘等及数据工作流;掌握可视化的基础理论;掌握不同类型数据的可视化方法;掌握常用的可视化软件使用。
五、课程学时安排
序号
章节/专题/模块名称
理论课时
实践课时
总学时
1
第1部分数据可视化简介
2
2
2
第2部分视觉感知与视觉通道
2
2
3
第3部分数据
2
2
4
第4部分数据可视化基础
2
2
5
第5部分时空数据可视化
2
2
6
第6部分地理空间数据可视化
2
2
7
第7部分高维非空间数据可视化
2
2
8
第8部分层次和网络数据可视化
2
2
9
第9部分跨媒体数据可视化
2
2
10
第10部分可视化交互与评估
2
2
11
第11部分可视化软件与工具
2
2
总计
22
22
六、主要内容
第1部分数据可视化简介(2学时)
【教学目标】
理解可视化的意义;理解可视化的目标和作用;了解可视化简史;理解数据可视化释义。
【教学内容】
第一节可视化概述
内容:可视化的意义;可视化的目标和作用;可视化简史
重点讲授:可视化的目标和作用
第二节可视化释义
内容:数据可视化分类;数据可视化与其他方向的关系
重点讲授:数据可视化分类
【教学重点、难点】
可视化的目标和作用
思考题:
1. 可视化目标或作用在可视化历史中是如何发展变化的?
2. 各用一个具体的例子说明什么是科学可视化、信息可视化和课时分析。
3. 描述数据可视化与信息图在生成方法和目标上的差异。
4. 举例说明数据可视化的三类通用目标。
第2部分视觉感知与视觉通道(2学时)
【教学目标】
掌握视觉感知与认知;了解视觉通道。
【教学内容】
第一节视觉感知与认知
内容:感知、认知、格式塔理论、视觉感知相对性
重点讲授:感知、认知
第二节视觉通道
内容:视觉通道类型、视觉通道特性
重点讲授:视觉通道类型
【教学重点、难点】
视觉感知与认知
思考题:
1. 通过图像对比;理解视觉感知的相对性。
2. 用编程语言实现2个常用的颜色空间相互转换算法。
3. 熟悉colorbrewer和adobe kuler在线颜色选择工具。
第3部分数据(2学时)
【教学目标】
掌握数据特征;掌握数据预处理;掌握数据分析。
【教学内容】
第一节数据概述
内容:数据基础(属性、相似性度量);数据特征(统计、不确定性)
重点讲授:数据特征
第二节数据处理与分析
内容:数据预处理;数据存储;数据分析
重点讲授:数据预处理;数据分析
【教学重点、难点】
数据预处理;数据分析
思考题:
1. 什么是数据的均值、标准差、中位数、四分位数?
2. 说出在进行数据分析时;统计分析方法、探索性数据分析和数据挖掘各有什么侧重点和优势。
3. 如何对一组数据做线型回归分析?
第4部分数据可视化基础(2学时)
【教学目标】
掌握数据可视化流程;掌握数据处理和数据变换方法;理解可视化编码方法;掌握可视化设计原理。
【教学内容】
第一节数据处理与数据变换
内容:数据处理、数据变换、数据可视化编码
重点讲授:数据处理、数据变换
第二节数据可视化设计
内容:设计框架、数据映射、视图交互设计、数据美学、可视化隐喻
重点讲授:数据映射、视图交互设计
【教学重点、难点】
数据处理、数据变换
思考题:
1. 阐述可视化的表达力和有效性的区别。举例说明。
2. 选择一个多维数据集;设计一个可视化