DS808: Visualisering

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N340081102
Censur: Ekstern prøve
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Kandidat

STADS ID (UVA): N340081101
ECTS-point: 5

Godkendelsesdato: 07-04-2025


Varighed: 1 semester

Version: Godkendt - aktiv

Kommentar

Samlæses med DM878.

Indgangskrav

Kurset kan ikke følges af studerende der har bestået enten DM878 eller DSK808.

Faglige forudsætninger

Studerende, der følger kurset, forventes at have grundlæggende programmeringsfærdigheder.

Formål

Visualiseringer er et vigtigt værktøj for eksperter indenfor forskellige områder (f.eks. samfundsvidenskab, bioinformatik, digital humaniora og sport) for at få et overblik over datafordelinger og indsigt i fremherskende datamønstre på en forståelig, intuitiv og visuel form. Målet med kurset er at gøre det muligt for den studerende at udvikle passende visuelle grænseflader til (domænespecifikke) brugerløsninger. Dette er vigtigt, da mange studerende vil blive ansat i sektorer, der kan kræve løsninger til visuel dataudforskning.

Efter afsluttet kursus skulle studerende have fået viden om:
  • Metoder til visualiseringsdesign
  • Syn og menneskelig opfattelse
  • Data- og opgaveabstraktion til visuelt design
  • Visuel indkodning- og interaktionsværktøjer
Efter kurset skal de studerende have tilegnet sig færdighederne i at:
  • Vurdere brugerkrav til visuelt design
  • Udvikle visuelle grænseflader til multivariate datasæt
  • Anvende interaktionsværktøjer til at understøtte interaktiv visuel dataudforskning
  • Validere effektiviteten af ​​visualiseringsløsninger
Efter kurset skal studerende være kompetente i at:
  • Abstrahere domænespecifikke visualiseringsopgaver
  • Tilpasse eksisterende løsninger til understøttelse af relaterede visualiseringsopgaver
  • Udvikle nye visualiseringer til ikke-understøttede brugeropgaver
  • Argumentere omkring datakarakteristika på baggrund af visuelle mønstre

Målbeskrivelse

For at nå kursets mål er læringsmålet for kurset, at den studerende demonstrerer evne til at:  
  • Forklare visuelle designmetoder for vilkårlige brugeropgaver
  • Vælge passende visuelle karakteristika til kortlægning af datafunktioner
  • Forklare og anvende passende avancerede visualiseringmetoder
  • Evaluere kvaliteten af og foreslå forbedringer til visuelle kortlægninger
  • Løse visuelle designopgaver i teams

Indhold

Kurset indeholder følgende faglige hovedområder: 
  • Nestede modeler til visualiseringsdesign
  • Syn og menneskelig opfattelse og deres indflydelse på visuelt design
  • Hvilke typer data kan visualiseres? (dataabstraktion)
  • Hvorfor skal vi visualisere? (opgaveabstraktion)
  • Hvordan visualiserer vi? (visuel kodning)
  • Færdigheder til at interagere med visuelle repræsentationer
  • Informationssøgning og visuel analyse
  • Avanceret visualisering af numeriske, tekstmæssige, geospatiale, tidsmæssige og netværksdata.

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Efterår og januar

Udprøvninger

Portfolio med mundtligt forsvar

EKA

N340081102

Censur

Ekstern prøve

Bedømmelse

7-trinsskala

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Hjælpemidler ikke tilladt
Brug af AI værktøjer (f.eks., ChatGPT, Microsoft Copilot, Gemini etc.) til at producere element 1 er forbudt!

ECTS-point

5

Uddybende information

Portfolio eksamen består af følgende elementer:

  1. et gruppeprojekt med en skriftlig videnskabelig kort artikel (2-4 sider), og en (kort) demonstrationsvideo der beskriver gruppens visualiseringsprojekt (skal afleveres)
  2. en delt poster præsentation af visualiseringsprojektet med en mundtlig gruppediskussion (efter element 1 er gennemset)
  3. en kort individuel mundtlig eksamen med spørgsmål om kursets teoretiske indhold (samme dag som element 2)

For samlet at opnå en bestået karakter skal alle elementerne hver for sig leve op til målbeskrivelserne. Bedømmelsen af element 1 finder sted i forbindelse med afviklingen af element 2 og 3.
Element 1 vægter 50%, element 2 vægter 30% og element 3 vægter 20% af karakteren, idet der dog anlægges en helhedsvurdering.set. 


Vejledende antal undervisningstimer

36 timer per semester

Undervisningsform

Skemalagte undervisningstimer: 


Antal undervisningstimer i alt: 36

  • Fællestimer i klasselokale/auditorium: 20
  • Holdtimer i klasselokale: 16

Forelæsningen foregår som en flipped classroom. Alle relaterede forelæsninger er forudindspillede og tilgængelige på Itslearning ved kursusstart. Forelæsningerne inkluderer flere praktiske aktiviteter for at styrke forståelsen af det teoretiske indhold. Øvelsesklasserne omfatter diskussion og oprettelse af visualiseringsprogrammer i Python. Derudover vil de studerende modtage feedback på gruppeprojekter i øvelsesklasserne og efter anmodning fra underviser.


Andre planlagte undervisningsaktiviteter:

Selvstudium af forskellige dele af kursusmaterialet

Programmeringseksperimenter med materiale fra øvelsesklasserne

Ansvarlig underviser

Navn E-mail Institut
Stefan Jänicke stjaenicke@imada.sdu.dk Data Science

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.