- ホーム
- > 情報理工学院
- > 数理・計算科学コース
- > 情報可視化
- 開講元
- 数理・計算科学コース
- 担当教員名
- 脇田 建
- 授業形態
- 講義 (対面型)
- メディア利用科目
- 曜日・時限(講義室)
- 火5-6(W9-322(W931)) 金5-6(W9-322(W931))
- クラス
- -
- 科目コード
- MCS.T412
- 単位数
- 2
- 開講年度
- 2023年度
- 開講クォーター
- 2Q
- シラバス更新日
- 2023年3月20日
- 講義資料更新日
- -
- 使用言語
- 日本語
- アクセスランキング
-
media
講義の概要とねらい
可視化の研究分野は、科学的可視化、情報可視化、ヴィジュアルアナリティクスという三つの柱があります。このうち、情報可視化とヴィジュアルアナリティクス（視覚的データ解析）に関して基礎から最近の動向までを解説するとともに、そのために必要な実践能力を育みます。
到達目標
(1) 情報可視化、ヴィジュアルアナリティクスの考え方を理解する
(2) 情報可視化、ヴィジュアルアナリティクスに要するデータ処理の技術が身につく
(3) 情報可視化、ヴィジュアルアナリティクスで用いられる表現手法について理解し、簡単な表現を実践できる
キーワード
情報可視化、ヴィジュアルアナリティクス、インタラクティブデータ解析
学生が身につける力(ディグリー・ポリシー)
| ✔ 専門力 | 教養力 | ✔ コミュニケーション力 | ✔ 展開力(探究力又は設定力) | ✔ 展開力(実践力又は解決力) |
授業の進め方
概ね講義と実習を交互に実施する。実習では、直前の講義で学んだ内容に関した事例をグループのなかで議論した結果をまとめて発表する。宿題としてプログラミング課題を与える。可視化基盤としては Python の Plotly を用いる。演習の題材には仮想的な百万都市での感染症のアウトブレイクをテーマに採用します。
授業計画・課題
| 授業計画 | 課題 | |
|---|---|---|
| 第1回 | LX1: 情報可視化の概要 | 情報可視化の概要について学ぶ |
| 第2回 | LX2: What: データとデータ抽象 | データについて語り、データ抽象化について理解する。 |
| 第3回 | EX1: LX2 についての実習 | LX2 に関する実習とグループ討論。 プログラミング課題 (外れ値解析: Pandas) |
| 第4回 | LX3: Why: タスクとタスク抽象 | 可視化の目的について理解する。 |
| 第5回 | LX4: 低次元数値データの可視化 | 低次元数値データの可視化技術について学ぶ |
| 第6回 | EX2: LX4 についての実習 | LX4 に関する実習とグループ討論。 プログラミング課題 (Plotly) |
| 第7回 | LX5: 関係の可視化 | 関係を表す可視化技術について学ぶ（キーワード：ノードリンク図、包含構造） |
| 第8回 | EX3: LX5 についての実習 | LX5 に関する実習とグループ討論。 プログラミング課題（NetworkX, Graphvis） |
| 第9回 | LX6A: 時系列データの可視化 (1/2) | 時間とともに変化するデータの可視化について学ぶ プログラミング課題 (scikit-learn, Plotly) |
| 第10回 | LX6B: 時系列データの可視化 (2/2) | 時間とともに変化するデータの可視化について学ぶ プログラミング課題 (scikit-learn, Plotly) |
| 第11回 | EX6: LX6A と LX6B についての実習 | LX6A と LX6B に関する実習とグループ討論。 プログラミング課題 (scikit-learn, Plotly) |
| 第12回 | LX7: 大規模データの可視化 | データ項目数、属性数が多いデータの可視化技術を学ぶ（キーワード：フィルター、抽象化、次元削減）。 |
| 第13回 | EX5: LX7 についての実習 | LX7 に関する実習とグループ討論。 プログラミング課題 (scikit-learn, Plotly) |
| 第14回 | LX8: Visual Analytics Systems | さまざまなヴィジュアルアナリティクスシステムについて学ぶ |
| 第15回 | まとめ | まとめ |
授業時間外学修（予習・復習等）
学修効果を上げるため，教科書や配布資料等の該当箇所を参照し，「毎授業」授業内容に関する予習と復習（課題含む）をそれぞれ概ね100分を目安に行うこと。
教科書
指定なし
参考書、講義資料等
情報可視化分野の日本語で書かれた良書を紹介します。
1. 伊藤貴之、意思決定を助ける情報可視化技術、コロナ社, 2018.
英語で書かれたヴィジュアルアナリティクスの良書は以下です。授業のネタ本たちです。
2. Tamara Munzner, "Visualization: Analysis & Design," CRC Press, 2015.
3. Natalia Andrienko and others, "Visual Analytics for Data Scientists," Springer, 2020.
成績評価の基準及び方法
以下の総合点で成績を算定する。
- 実習課題 (5回、50点)
- レポート (1回、50点)
関連する科目
- MCS.T213 ： アルゴリズムとデータ構造
- MCS.T332 ： データ解析
- MCS.T204 ： 計算機科学概論
- CSC.T271 ： データ構造とアルゴリズム
- CSC.T253 ： 手続き型プログラミング発展
- CSC.T421 ： ヒューマンコンピュータインタラクション
- CSC.T272 ： 人工知能
- CSC.T343 ： データベース
履修の条件(知識・技能・履修済科目等)
- コミュニケーション能力：500文字程度の作文を厭わないこと、学生同士の議論を忌避しないこと
- 本学情報理工学院の卒研配属レベルのプログラミング能力 (Python の経験があるとなおよい)
- Google のアカウント（Google Colaboratory を使います）
その他
実習では Python 3, Google Colaboratory, Pandas, Plotly, NetworkX, scikit-learn などを用いる予定です。
