2021年度 情報可視化   Information Visualization

文字サイズ 

アップデートお知らせメールへ登録 お気に入り講義リストに追加
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    (ZOOM)
曜日・時限(講義室)
火3-4  金3-4  
クラス
-
科目コード
MCS.T412
単位数
2
開講年度
2021年度
開講クォーター
4Q
シラバス更新日
2021年3月19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 Bokeh を用いる。最終課題として5分間のヴィジュアルストーリーテリングのビデオを作成する。

授業計画・課題

  授業計画 課題
第1回 LX1: ガイダンス、情報可視化とは 情報可視化の概要について学ぶ
第2回 LX2: What: Data and data abstraction 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 EX2: Case studies on LX2 LX2 に関するケーススタディとグループ討論。 プログラミング課題 (外れ値解析: Pandoc, Pandas)
第4回 LX3: Why: Task and task abstraction 可視化の目的について理解する。
第5回 EX3: Case studies on LX3 LX3 に関するケーススタディとグループ討論。 プログラミング課題 (Pandas)
第6回 LX4: Visualization of low-dimensional quantitative data 低次元数値データの可視化技術について学ぶ
第7回 EX4: Case studies on LX4 LX4 に関するケーススタディとグループ討論。 プログラミング課題 (Matplotlib)
第8回 LX5: Visualization of high-dimensional quantitative data 高次元数値データの可視化技術について学ぶ
第9回 EX5: Case studies on LX5 LX5 に関するケーススタディとグループ討論。 プログラミング課題 (Matplotlib)
第10回 LX6: Visualization of Temporal data 時間とともに変化するデータの可視化について学ぶ
第11回 EX6: Case studies on LX6 LX6 に関するケーススタディとグループ討論。 プログラミング課題 (Pandas, Matplotlib)
第12回 LX7: Interaction インタラクティブデータ解析の応用例について学ぶ
第13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14回 LX9: Immersive VA VR, AR 技術とヴィジュアルデータアナリティクスについて学ぶ
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

伊藤貴之、意思決定を助ける情報可視化技術、コロナ社, 2018.
Tamara Munzner, "Visualization: Analysis & Design," CRC Press, 2015.

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。
- 積極的な授業への関与、議論に参加すること (20点)
- 小テスト (2-3回、40点)
- 課題 (2-3回、40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)
- GitHub, git を不自由なく利用できること

その他

実習では Python 3.x, Bokeh, NumPy Pandas, SciPy を用いる予定です。

このページのトップへ