4.4 KiB
4.4 KiB
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
- Beeley, C. (2018). Web Application Development with R Using Shiny: Build stunning graphics and interactive data visualizations to deliver cutting-edge analytics. Packt Publishing.
- Biecek, P. (2016). Odkrywać! Ujawniać! Objaśniać! Zbiór esejów o sztuce prezentowania danych. Fundacja Naukowa SmarterPoland.
- Chang, W. (2018). R Graphics Cookbook: Practical Recipes for Visualizing Data. O'Reilly Media.
- Healy, K. (2018). Data Visualization: A Practical Introduction. Princeton University Press.
- Sievert, C. (2020). Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman and Hall/CRC.
- Unwin, A. (2015). Graphical Data Analysis with R. Chapman and Hall/CRC.
- Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. Springer.
Harmonogram zajęć
- Omówienie organizacji zajęć i zasad zaliczenia + Lab1
- Podział na grupy projektowe (dwuosobowe) + Lab1
- Lab2
- Lab2
- Projekt 1 – prezentacje tematów Projektu 1 (3 minuty na grupę), praca nad projektem
- Projekt 1 – prezentacje projektów (8 minut na grupę)
- Lab3
- Lab3
- Lab4
- Projekt 2 – prezentacje tematów Projektu 2 (3 minuty na grupę), praca nad projektem
- Projekt 2 – prezentacje projektów (8 minut na grupę)
- Lab5
- Lab5
- Projekt 3 – prezentacje tematów Projektu 3 (3 minuty na grupę), praca nad projektem
- 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)
- Piotr Biskup, Ramon Dyzman
- Jakub Pogodziński, Aleksandra Sadurska, Damian Bregier
- Zofia Galla, Jakub Konieczny
- Piotr Kopycki, Szymon Szczot
- Ada Mucha
- Michał Kubiak, Przemysław Owczarczyk, Piotr Ulanicki
- Aleksander Mendoza-Drosik, Filip Izodyrczyk
- Norbert Litkowski, Patrycja Łaźna, Jan Nowak
- Rafał Sobański, Bartosz Karwacki
Projekt 1
Inspiracje
- https://www.data-to-viz.com/story/OneNumOneCat.html
- https://ivelasq.rbind.io/blog/other-geoms/
- https://twitter.com/Datawrapper/status/1022837827082641409/photo/1
- https://softwareconnect.com/data-visualization-tools/datawrapper/
- https://www.data-to-viz.com/graph/arc.html
- https://www.data-to-viz.com/graph/sankey.html
- https://www.data-to-viz.com/graph/chord.html
- 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
- https://rgeomatic.hypotheses.org/842
- https://egallic.fr/en/maps-with-r/
- https://upgo.lab.mcgill.ca/2019/12/13/making-beautiful-maps/
- 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.