Data Visualization & Visual Analytics
Niveau
Masterstudium
Lernergebnisse der Lehrveranstaltungen/des Moduls
Folgende Lernergebnisse werden in der Lehrveranstaltung erarbeitet:
- Die Studierenden kennen grundlegende Kenntnisse der Data Visualisation sowie der Visual Communication.
- Die Studierenden können selbstständig Visualisierungen entwickeln und diese für Kommunikationszwecke einsetzten.
- Die Studierenden können dabei mit verschiedenen Darstellungswerkzeugen sowie Darstellungsbibliotheken arbeiten, um Daten und Analyseergebnisse aussagekräftig darzustellen.
- Die Studierenden kennen grundlegende Kenntnisse der Data Visualisation sowie der Visual Communication.
- Die Studierenden können selbstständig Visualisierungen entwickeln und diese für Kommunikationszwecke einsetzten.
- Die Studierenden können dabei mit verschiedenen Darstellungswerkzeugen sowie Darstellungsbibliotheken arbeiten, um Daten und Analyseergebnisse aussagekräftig darzustellen.
Voraussetzungen der Lehrveranstaltung
Keine Voraussetzungen
Lehrinhalte
Folgende Inhalte werden in der Lehrveranstaltung besprochen:
- Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
- Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
- Regeln der visuellen Communication, z.B. Hichert SUCCESSS
- Auswertungswerkzeuge mit visueller Ausrichtung, z.B. Bl-Tools wie MS PowerBl, Tableau, QlikView
- Darstellungsbibliotheken, z.B. matplotlib.pyplot, gglot2
- Regeln der visuellen Communication, z.B. Hichert SUCCESSS
Empfohlene Fachliteratur
PRIMÄRLITERATUR:
- Chang, W. (2013): R Graphics Cookbook: Practical Recipes for Visualizing Data (Ed. 1), O´Reilly, Farnham (ISBN: 978-1449316952)
- Chen, C.; Härdle, W. K.; Unwin, A. (2008): Handbook of Data Visualization (Ed. 1), Springer, Berlin (ISBN: 978-3-662-50074-3)
SEKUNDÄRLITERATUR:
- Dale, K. (2016): Data Visualization with Python and Javascript: Scrape, Clean, Explore & Transform Your Data (Ed. 1), O´Reilly, Farnham (ISBN: 978-1491920510)
- Murray, S. (2017): Interactive Data Visualization for the Web: An Introduction to Designing with D3 (Ed. 2), O´Reilly, Farnham (ISBN: 978-1491921289)
- Chang, W. (2013): R Graphics Cookbook: Practical Recipes for Visualizing Data (Ed. 1), O´Reilly, Farnham (ISBN: 978-1449316952)
- Chen, C.; Härdle, W. K.; Unwin, A. (2008): Handbook of Data Visualization (Ed. 1), Springer, Berlin (ISBN: 978-3-662-50074-3)
SEKUNDÄRLITERATUR:
- Dale, K. (2016): Data Visualization with Python and Javascript: Scrape, Clean, Explore & Transform Your Data (Ed. 1), O´Reilly, Farnham (ISBN: 978-1491920510)
- Murray, S. (2017): Interactive Data Visualization for the Web: An Introduction to Designing with D3 (Ed. 2), O´Reilly, Farnham (ISBN: 978-1491921289)
Bewertungsmethoden und -Kriterien
Klausur oder Seminararbeit
Unterrichtssprache
Englisch
Anzahl der zugewiesenen ECTS-Credits
4
E-Learning Anteil in %
30
Semesterwochenstunden (SWS)
2.0
Geplante Lehr- und Lernmethode
Folgende Methoden kommen zum Einsatz:
- Vortrag mit Diskussion
- Interaktiver Workshop
- Fallstudien
- Vortrag mit Diskussion
- Interaktiver Workshop
- Fallstudien
Semester/Trisemester, In dem die Lehrveranstaltung/Das Modul Angeboten wird
3
Name des/der Vortragenden
Prof. (FH) Dr. Michael Kohlegger
Studienjahr
Kennzahl der Lehrveranstaltung/des Moduls
DPR.3
Art der Lehrveranstaltung/des Moduls
Integrierte Lehrveranstaltung
Art der Lehrveranstaltung
Pflichtfach
Praktikum/Praktika
kein