Datavisualisering

2023/2024

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

  • Kunne identificere og definere almindelige dataset-typer, såsom tabeller af dataelementer, netværker af forbundne knuder, datafelter repræsenteret som netværk af knuder, og sæt af geometriske primitiver.

Færdigheder

  • Kunne analysere abstrakte brugeropgaver der understøttes af interaktive visualiseringssystemer, og kunne syntetisere kombinationer af abstrakte brugeropgaver der opfylder brugerspecifikke kravsspecifikationer. Abstrakte brugeropgaver inkluderer exploration, præsentation, annotation, og transformation af data, såvel som søge og slå op i data.
  • Evnen til at analysere og udtrække
  • Kunne analysere og syntetisere sammensætninger af data og afbildninger af data til visuoperceptuelle kanaler der understøtter specifikke brugeropgaver. I særdeleshed at kunne anvende teorier for visuel perception til at styre brugerens fokus og nedtone distraktioner.

Kompetencer

  • Kunne analysere og syntetisere valideringer af: visualiseringssystemer målrettet en brugergruppes niveau, de visualiserede data, de understøttede brugeropgaver, den visuelle kodning, brugerinteraktionen, og systemernes beregningsmæssige ydelse (computational performance).

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen, jf. § 17.

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Prøvens navnDatavisualisering
Prøveform
Skriftlig eller mundtlig
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854

 

Fakta om modulet

Engelsk titelData Visualization
ModulkodeDSNDVB302
ModultypeKursus
Varighed1 semester
SemesterEfterår
ECTS5
UndervisningssprogDansk
TompladsJa
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

UddannelsesejerBachelor (BSc) i datavidenskab og machine learning
StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Teknisk Fakultet for IT og Design