aitech-wizualizacja/README.md

2.4 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