aitech-wizualizacja/README.md

# 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
1. https://www.vreeling.net/intune/enterprise-mobility-suite-dashboard/
2. https://twitter.com/keen_io/status/529767639220908033/photo/1
3. https://www.infocaptor.com/dashboard-gallery
4. https://appsilon.com/journey-from-basic-prototype-to-production-ready-shiny-dashboard/
5. https://divadnojnarg.github.io/images/adminLTE2_dashboard.png
6. https://nycdsa-blog-files.s3.us-east-2.amazonaws.com/2016/02/SPM_SalaryScatterPlot.png
7. https://gallery.shinyapps.io/nz-trade-dash/?_ga=2.244859141.1601395618.1623253920-1037570624.1607089633
8. https://jjohn9000.shinyapps.io/Milwaukee_Beer_App/

### Wymagania
- Dashboard zawierający grafiki oraz prezentacje liczbowe.
- Elementem graficznym mogą być wykresy statyczne, dynamiczne lub mapy.
- Prezentacje parametrów liczbowych powinny być przedstawione w sposób możliwie jak najbardziej graficzny (np. liczniki).
- Użytkonik powinienie mieć możliwość częćiowego sterowania (np. wybór kraju, zmiennej/zmiennych).
- Można rozważyć pobranie danych z pliku jako element aplikacji. Podobnie można na dasboardzie umieścić grafiki pobrane np. z Internetu (np. logo firmy).
- Na osobnej zakładce powinny być przedstawione dane z których został wykonany dashboard.