Sapientia Adattudomány Képzéssorozat

Csíkszereda

2017 április 12-13

3 rész 2017-ben:

  • Bevezetés az adatok világába és adatvizualizáció
  • Alapvető statisztikai eljárások és adatelemzés
  • Big Data eljárások, adatbázisok és adatbányászat

Adattudomány specializáció

  • Adattudomány alapjai
  • Statisztikai eljárások
  • Adattudomány programozás
  • Adattárolás
  • Big Data és High Performance Computing
  • Adatok kommunikációja
  • Strukturált adatbányászat
  • Nem strukturált adatbányászat (adatfelfedezés)
  • Etikai fogalmak az adattudományban
  • Adatalapú forecasting eljárások
  • Adattudomány és stratégiai döntéshozás
  • Adattudomány és közösségi média
  • Adattudomány és dinamikus rendszerek

Bevezetés az
adatok világába

adatvizualizáció

http://csaladen.es/present

http://csaladen.es/live

http://csaladen.es/stream

Disclaimer

  • Englisch speakings good, ja!
  • Y U NO speak magyar?
  • Hibázni jó!
  • Szeddalábad

Credit

Jeffrey Heer - University of Washington Interactive Data Lab

http://courses.cs.washington.edu/courses/cse512/16sp/

 

Alexander Simoes, Dave Landry - MIT Media Lab, Datawheel, D3plus

 

Mike Bostock - countless D3 examples

 

David McCandless - Knowledge is Beautiful

Órarend

Első nap:

  • 08:10-08:50 Bevezetés az adatok világába: sneak-peak
  • 09:00-09:50 A vizualizáció értéke
  • 10:00-10:50 Adat- és képmodellek
  • 11:00-11:50 Grafikus és színmodellek
  • 12:00-12:50 Ebédszünet (töltsük le: Anaconda 2.7)
  • 13:00-13:50 Vizualizáció típusok
  • 14:00-14:50 Webfelület alapok (HTML, CSS, JavaScript)
  • 15:00-15:50 D3plus
  • 16:00-16:50 Python | pandas | JSON
  • Házi feladat: Projektötlet, adatkeresés
  • BACKUP: Térképek

Órarend

Második nap:

  • 08:00-08:50 D3.js - Első rész | program-struktúra
  • 09:00-09:50 D3.js - Második rész | adatmodell 
  • 10:00-10:50 Adatfelfedezés | Interakció
  • 11:00-11:50 Történetmesélés
  • 12:00-12:50 Ebédszünet (formáljunk 4-es csoportokat)
  • 13:00-13:50 Projekt - Első rész | adatgyűjtés
  • 14:00-14:50 Projekt - Második rész | adatfelfedezés
  • 15:00-15:50 Projekt - Harmadik rész | vizualizáció
  • 16:00-16:40 Projektek bemutatása | 5 perc / csoport
  • 16:40-16:50 Wrap-up
  • BACKUP: Helykihasználás

Sneak-peak

Adat
Információ
Tudás

Mi az adat?

456?
456?456?

Tüzesen süt le a nyári nap sugára

Az ég tetejéről a juhászbojtárra.

adat = az információ elemi egysége

minőségi

A labda piros.

A versenypálya kör alakú.

Árpád jómunkásember.

Csíkban hideg van.

mennyiségi

diszkrét

- Ma 12 paradicsomot ettem.

- Ma 2 pohár vizet ittam.

 

folytonos

- Ma 2 és fél liter vizet ittam.

- Kint mínusz 12.4 fok van.

az adatokat

  • mérjük
  • gyűjtjük
  • feljegyezzük
  • elemezzük
  • megjelenítjük

adatok megjelenítése

minőségi (kvalitatív) táblázat

Hónap Évszak Fun
Január Tél - 25 not fun : (
Február Tél sízés rulzz
Július Nyár természet yay! : )
Augusztus Nyár sunshine | beach

adatok megjelenítése

mennyiségi (kvantitatív) táblázat

Teknőc Penge Bot
Leonardo 2 0
Donatello 0 1
Rafaello 6 0
Michelangelo 0 4

adatok megjelenítése

összetett táblázat

Teknőc Penge Bot Cool Szín
Leonardo 2 0 5 kék
Donatello 0 1 2 lila
Rafaello 6 0 7 piros
Michelangelo 0 4 10 narancs

adatok megjelenítése

oszlopdiagram

adatok megjelenítése

oszlopdiagram + kvalitatív információ

adatok megjelenítése

oszlopdiagram+

adatok megjelenítése

oszlopdiagram++

adatok megjelenítése

tortadiagram

adatok megjelenítése

hierarchia/fa-térkép

adatok megjelenítése

oszlop

diagram

adatok megjelenítése

vonaldiagram

adatok megjelenítése

pontdiagram

adatok megjelenítése

hálózat

adatok megjelenítése

Sankey-diagram

adatok megértése

grafikon infografika

adatok megértése

infografi...whaaat?

adatok megértése

grafikon infografika

 

letisztítás

kihámozás

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ 101

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

Fél(re)információ élőben

információ összekapcsolása

infografika adatvizualizáció

0. infografika

1. interaktív infografika

2. (egyszerű) adatvizualizáció

2. (egyszerű) adatvizualizáció

2. adatvizualizáció

tudás

történetmesélés adatokkal

3. tudásvizualizáció

4. felhasználható tudás

5. ...

A hatalomhoz vezető út

  • A tudás hatalom
  • A tudáshoz sok információ kell
  • Az tudáshoz az információt helyesen kell összekapcsolni
  • Az információhoz sok adat kell
  • Az információhoz az adatokat helyesen kell értelmezni
  • Az adatok értelmezéséhez először meg kell azokat érteni
  • Az adatok megértéséhez helyesen kell őket megjeleníteni
  • Az adatok megjelenítéséhez helyesen kell őket elemezni
  • Welcome to Data Science

A vizualizáció értéke

1 ZB

ZETA-EXA-PETA

TERRA-GIGA-MEGA

Megértés | Feldolgozás | Értékkeresés | Vizualizáció | Kommunikáció

Fordítás

Memória

Megértés

Miért készítsünk adatvizualizációt?

A vizualizáció értéke

Tárol

Kielemez

Segíti a érvelést, gondolatmenetet

Közöl

Bevon

Meggyőz

"Figyelemszegénység"

Péntek délután 3 óra tájban Józsi unokatestvére a szentkirályi piacra menet találkozott a kék szemű Ágotával, aki egy barna ruhát viselt.

Kép-felsőbbrendűségi jelenség

Adat- és képmodellek

       Nyers adat   -    Adattábla   -  Vizuális strukturák - Nézetek

Adatátalakítás - Vizuális kódolás - Nézetalakítás

Adatmodell

Elképzelésmodell

N: Névleges - Nominális

O: Rendezett - Ordered

Q: Mérhető - Quantitative

együtt a modellek:

adatok kontextusba helyezése

Adatreferencia

(pandas: index)

Képi jelrendszer: vizuális nyelv

Hasonlóság, sorrend és méretarány e vizuális nyelv szófajai!

Fókusz

Áttetszőség

(Animáció)

Vizuális jelzők - az információ egyértelmű vizuális kódolása

Csapda: színek

A vizuális nyelv jelzőinek hierarchiája az adatmodellek kontextusában

Vizualizációs design-kritériumok

Félreértelmezhetetlen kifejezőség

Funkcionális hatékonyság

Adatmodell-specifikus

vizualizációs jelzőhierarchia

Grafikus- és színmodellek

Melyik négyszög világosabb?

Melyik négyszög világosabb?

212, 212, 212

207, 207, 207

Melyik kör "nagyobb"?

Mennyivel / Hányszor?

Érzékelés

intenzitásgörbéje:

Hatványtörvény

 

Nem lineáris!

Színmodellek

RGB

HEX

(0.8,0.2,0.4)

(204,51,102)

#CC3366

HSV

H: Szín - Hue

S: Telítettség - Saturation

V: Világosság - Value

Chromatic Adaptation

- Milyen színű a dinó?

-Attól függ...

A színkörnyezet befolyásolja

a színérzetet!

Crispening - the "background effect"

Finomélesítés

Szín-összeolvadás

Színtippek!

Vizualizáció típusok

Webfelület alapok

HTML | CSS | JavaScript

Konzol (console)

F12 | Ctrl + Shift + C | Cmd + J

html, body, h1, p, strong, em, a, img

<DIV>  <SPAN> #ID .CLASS

list (ul, ol, li), hr, br, form, input, select, iframe

D3plus

Python

pandas

JSON

python -m SimpleHTTPServer

vagy

python -m http.server 

D3.js - első rész

Programstruktúra

D3.js - második rész

Adatmodell

Adatfelfedezés

Interakció

Történetmesélés

Projekt - első rész

Adatgyűjtés

Projekt - második rész

Adatfelfedezés

Projekt - harmadik rész

Vizualizáció

Projektek bemutatása

5 perc / csoport

Wrap-up

Sapientia adatvizualizációs kurzus

By Dénes Csala

Sapientia adatvizualizációs kurzus

Prezentáció:http://csaladen.es/present | Élő: http://csaladen.es/live Stream: http://csaladen.es/stream

  • 675
Loading comments...

More from Dénes Csala