aitech-wizualizacja/README.md
2024-03-16 16:06:13 +01:00

6.1 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: wtorek (12.00-13.00); czwartek (12.00-13.00)

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 (Zajęcia 1-2, 5, 6)
  • Lab2 biblioteka ggplot2 (Zajęcia 3-6)
  • Lab3 wykresy interaktywne (Zajęcia 7-8, 10, 11)
  • Lab4 mapy (Zajęcia 9-11)
  • Lab5 biblioteka shiny (Zajęcia 12-15)

Grupy projektowe

Studia stacjonarne

  • Grupa 1: Filip Nowicki, Jakub Kokociński
  • Grupa 2: Alicja Szulecka, Arden Wołowiec
  • Grupa 3: Krzysztof Raczyński, Paweł Łączkowski
  • Grupa 4: Dominik Jagosz, Karol Filipiak
  • Grupa 5: Marcelina Nowicka, Jerzy Kwiatkowski, Wiktor Borowski

Studia niestacjonarne

  • Grupa 1: Maciej Tyczyński, Wojciech Bałtruszewicz
  • Grupa 2: Mikołaj Perz, Tomasz Koszarek
  • Grupa 3: Piotr Wrzodak, Klaudia Marciniak
  • Grupa 4: Patrk Gałka, Patryk Łukasiewicz
  • Grupa 5: Jan Świątek, Natalia Szymczyk
  • Grupa 6: Piotr Pawlak, Marcin Rostkowski
  • Grupa 7: Marek Moryl, Mateusz Kuc
  • Grupa 8: Kamil Borowiec, Michał Kaleta
  • Grupa 9: Norbert Walkowiak, Jakub Rychel, Wojciech Mikołajski

Tematy projektów

  • Projekt 1: Przygotowanie wizualnej analizy danych z wykorzystaniem podstawowej biblioteki graficznej R (ewentualnie Python) 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

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://www.facebook.com/SimonGerman600
  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://twitter.com/keen_io/status/529767639220908033/photo/1
  2. https://www.infocaptor.com/dashboard-gallery
  3. https://appsilon.com/journey-from-basic-prototype-to-production-ready-shiny-dashboard/
  4. https://divadnojnarg.github.io/images/adminLTE2_dashboard.png
  5. https://nycdsa-blog-files.s3.us-east-2.amazonaws.com/2016/02/SPM_SalaryScatterPlot.png
  6. https://gallery.shinyapps.io/nz-trade-dash/?_ga=2.244859141.1601395618.1623253920-1037570624.1607089633
  7. https://jjohn9000.shinyapps.io/Milwaukee_Beer_App/
  8. https://appsilon.com/5-great-shiny-dashboards/
  9. http://atlas2022.uw.edu.pl/materialy-edukacyjne/mapy/

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.