aitech-wizualizacja/README.md

4.4 KiB
Raw Blame History

Wizualizacja danych

Prowadzący

prof. UAM dr hab. Tomasz Górecki, Zakład Statystyki Matematycznej i Analizy Danych

E-mail: tomasz.gorecki@amu.edu.pl

WWW: http://drizzt.home.amu.edu.pl/

Dyżury: poniedziałek (15.00-16.00); środa (10.30-11.30)

Literatura

  1. Beeley, C. (2018). Web Application Development with R Using Shiny: Build stunning graphics and interactive data visualizations to deliver cutting-edge analytics. Packt Publishing.
  2. Biecek, P. (2016). Odkrywać! Ujawniać! Objaśniać! Zbiór esejów o sztuce prezentowania danych. Fundacja Naukowa SmarterPoland.
  3. Chang, W. (2018). R Graphics Cookbook: Practical Recipes for Visualizing Data. O'Reilly Media.
  4. Healy, K. (2018). Data Visualization: A Practical Introduction. Princeton University Press.
  5. Sievert, C. (2020). Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman and Hall/CRC.
  6. Unwin, A. (2015). Graphical Data Analysis with R. Chapman and Hall/CRC.
  7. Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer.

Harmonogram zajęć

  1. Omówienie organizacji zajęć i zasad zaliczenia + Lab1
  2. Podział na grupy projektowe (dwuosobowe) + Lab1
  3. Lab2
  4. Lab2
  5. Projekt 1 prezentacje tematów Projektu 1 (3 minuty na grupę), praca nad projektem
  6. Projekt 1 prezentacje projektów (8 minut na grupę)
  7. Lab3
  8. Lab3
  9. Lab4
  10. Projekt 2 prezentacje tematów Projektu 2 (3 minuty na grupę), praca nad projektem
  11. Projekt 2 prezentacje projektów (8 minut na grupę)
  12. Lab5
  13. Lab5
  14. Projekt 3 prezentacje tematów Projektu 3 (3 minuty na grupę), praca nad projektem
  15. Projekt 3 prezentacje projektów (8 minut na grupę)

Zawartość laboratoriów

  • Lab1 podstawowa biblioteka graficzna
  • Lab2 biblioteka ggplot2
  • Lab3 wykresy interaktywne
  • Lab4 mapy
  • Lab5 biblioteka shiny

Tematy projektów

  • Projekt 1: Przygotowanie wizualnej analizy danych z wykorzystaniem podstawowej biblioteki graficznej R i/lub biblioteki ggplot2 (30%)
  • Projekt 2: Przygotowanie wizualnej analizy danych z wykorzystaniem wykresów interaktywnych i map (30%)
  • Projekt 3: Przygotowanie dashboardu z wykorzystaniem biblioteki shiny (40%)

Warunki zaliczenia

  • bardzo dobry od 92% punktów
  • dobry plus od 84% punktów
  • dobry od 76% punktów
  • dostateczny plus od 68% punktów
  • dostateczny od 60% punktów
  • niedostateczny poniżej 60% punktów

Składy grup projektowych (w kolejności wystąpień)

  1. Piotr Biskup, Ramon Dyzman
  2. Jakub Pogodziński, Aleksandra Sadurska, Damian Bregier
  3. Zofia Galla, Jakub Konieczny
  4. Piotr Kopycki, Szymon Szczot
  5. Ada Mucha
  6. Michał Kubiak, Przemysław Owczarczyk, Piotr Ulanicki
  7. Aleksander Mendoza-Drosik, Filip Izodyrczyk
  8. Norbert Litkowski, Patrycja Łaźna, Jan Nowak
  9. Rafał Sobański, Bartosz Karwacki

Projekt 1

Inspiracje

  1. https://www.data-to-viz.com/story/OneNumOneCat.html
  2. https://ivelasq.rbind.io/blog/other-geoms/
  3. https://twitter.com/Datawrapper/status/1022837827082641409/photo/1
  4. https://softwareconnect.com/data-visualization-tools/datawrapper/
  5. https://www.data-to-viz.com/graph/arc.html
  6. https://www.data-to-viz.com/graph/sankey.html
  7. https://www.data-to-viz.com/graph/chord.html
  8. https://en.wikipedia.org/wiki/Lists_of_earthquakes#/media/File:USGS_magnitude_8_earthquakes_since_1900.svg

Wymagania

  • Grafiki statyczne wykonane za pomocą biblioteki ggplot2 lub biblioteki graphics.
  • Ciekawy zbiór danych (nie będący elementem pakietów R)!
  • Seria prostych wizualizacji pokazujących różne aspekty zbioru danych lub jedna skomplikowna wizualizacja pokazujące te aspekty na jednym obrazku.

Projekt 2

Inspiracje

  1. https://rgeomatic.hypotheses.org/842
  2. https://egallic.fr/en/maps-with-r/
  3. https://upgo.lab.mcgill.ca/2019/12/13/making-beautiful-maps/
  4. https://medium.com/fastah-project/a-quick-start-to-maps-in-r-b9f221f44ff3

Wymagania

  • Grafiki interaktywne wykonane za pomocą biblioteki plotly (nie może to być transofrmacja grafiki wykonanej za pomocą ggplot2 i funkcji ggplotly()) lub biblioteki highcharter (możliwe też inne, ale niechętnie).
  • Mapa wykonana z wykorzystaniem biblitoek ggplot2 i sf (mile widziane też inne, zwłaszcza biblioteki pokazujące mapy Google).
  • Ciekawy zbiór danych (nie będący elementem pakietów R), umożliwijący wizualizację zarówno na klasycznych wykresach jak i na mapach.

Projekt 3

Inspiracje

Wymagania