|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KIV / VINF
:
Popis předmětu
Pracoviště / Zkratka
|
KIV
/
VINF
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Vizualizace informací
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
6
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
3
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
0 / 0
|
0 / 0
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Zimní + Letní
|
Vyučovaný semestr
|
Zimní + Letní
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
1|2|3|4 |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
1|2|3|4 |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
Žádný
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
-
|
Požadavky na studenta
|
Doporučená znalost z obou předmětů KIV/APG a KIV/ZPG je předpokládána.
Předpokládá se znalost C# nebo C++ a výpočetního nástroje MATLAB a prostredi OpenGL, resp. podobné
Podrobné požadavky sdělí vyučující.
Úspěšné složení vstupního testu znalostí z absovovaných předmětů v Bc. a dosavadním studiu.
Rámcově:
- Úspěšné prokázání vstupních znalostí vstupním testem
- Získání alespoň 70% možných bodů ze zadaných úloh.
- Účast na cvičeních alespoň 75%.
- Úspěšná prezentace a obhajoba projektu/seminární práce v určeném termínu.
- Úspěšné složení závěrečného testu.
- Odborné práce se ukládají dle pokynů vyučujícího.
- Termíny zápočtů: řádný poslední přednáškový týden, náhradní termín +7 dní
Garantem předmětu je stanoveno, že zápočet se při opakovaném zapsání neuznává (viz čl. 24, odst. 3 SZŘ ZČU).
Upozornění:
Termíny a forma ověřování splnění požadavků mohou být upraveny s ohledem na opatření vyhlášená v souvislosti s vývojem epidemiologické situace v ČR.
|
Obsah
|
Pro akademický rok 2018/2019 a následující - úprava reflektující vývoj v oboru
Obsah není pořadím jednotlivých přednášek
1. Úvod, organizace předmětu. Přehled matematického aparátu, projektivní reprezentace, geometrická algebra. Typické úlohy vizualizace dat a informací.
2. Vztah fyzikální reality, matematického modelování, simulace a vizualizace dat. Struktura vizualizačního řetězce a nástrojů pro vizualizaci dat a informací. Základní typy modulů, jejich funkcionalita a návaznost ve vizualizačním řetězci.
3. Souřadné systémy pro vizualizaci dat, jejich vzájemné převody a reformulace řešení při změně souřadného systému. Základní typy zpracovávaných úloh, datové struktury, paměťová náročnost, výpočetní složitost.
4. Metody interpolace uspořádaných a neuspořádaných skalárních dat. Radiální bázové funkce a jejich vlastnosti, numerické aspekty.
5. Aproximace uspořádaných a neuspořádaných skalárních dat, polynomiální regrese, Lagrangeovy multiplikátory. Numerické aspekty.
6. Vektorová data a popis diferenciální rovnicí (ODE a PDE). Vizualizace vektorových dat, kritické body, jejich klasifikace, určení, význam.
7. Aproximace vektorových diskrétních dat, převod do analytické formy, redukce, metody vizualizace. Možnosti komprimace dat.
8. Objemový a povrchový model dat, ortogonální řezy, reprezentace objektů, metody zpracování volumetrických dat (CT, MRI a PET). Extrakce iso-ploch z CT/MRI.
9. Akcelerační techniky a složitost metod (výpočetní složitost, paměťová složitost a předzpracování). Možnosti paralelizace a distribuce výpočtů v oblasti vizualizace dat.
10. Problematika reprezentace času. Vliv na výpočty, vizualizaci dat a informací, modelování, simulace a vědecko-technické výpočty. Implementační aspekty.
11. Systémy pro vizualizaci dat, stereo-projekce, virtuální realita, virtual cave, 3D displeje, haptická zařízení. Komerční systémy pro vizualizaci dat a informací.
12. Vizualizace informačních dat. Typické úlohy "Data Visualization", "Scientific Visualization", "Medical Visualization", "Information Visualization", "Software Visualization", "Geo-Visualization", "Knowledge Visualization". Barvy a jejich použití ve vizualizaci dat, oborové a kulturní zvyklosti.
13. Zvaná přednáška, stručná rekapitulace předmětu
--------------------------------------
Validni pro akademický rok 2017/2018
1] Úvod, organizační informace. Typické úlohy "Data Visualization", "Scientific Visualization", "Medical Visualization", "Information Visualization", "Software Visualization", "Geo-Visualization", "Knowledge Visualization".
2] Vztah fyzikální reality, matematického modelování, simulace a vizualizace dat.
3] Struktura vizualizačního řetězce a nástrojů pro vizualizaci dat a informací. Základní typy modulů, jejich funkcionalita a návaznost ve vizualizačním řetězci.
4] Základní typy zpracovávaných dat a datové struktury. Souřadné systémy [kartézské, válcové a sférické souřadnice a další].
5] Interpolace uspořádaných a neuspořádaných skalárních dat
6] Barvy a jejich použití ve vizualizaci dat, oborové a kulturní zvyklosti.
7] Složitost metod (výpočetní složitost, paměťová složitost a předzpracování). Problematika reprezentace času. Vliv na výpočty, vizualizaci dat a informací, modelování, simulace a vědecko-technické výpočty. Implementační aspekty.
8] Objemový a povrchový model dat, ortogonální řezy, reprezentace objektů, metody zpracování volumetrických dat (CT, MRI a PET).
9] Extrakce iso-ploch z CT/MRI. Metody redukce trojúhelníkových sítí v E2 a E3
10] Flow data visualization, kritické body.
11] Akcelerační techniky. Možnosti paralelizace a distribuce výpočtů v oblasti vizualizace dat
12] Systémy pro vizualizaci dat, stereo-projekce, virtuální realita, virtual cave, 3D displeje, haptická zařízení. Komerční systémy pro vizualizaci dat a informací.
13] Zvaná přednáška, rekapitulace předmětu
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
Yau, Nathan. Data Points- Visualization that means something. ISBN 978-1-118-46219-5.
-
Základní:
Telea, Alexandru Cristian. Data visualization : principles and practice. Second edition. 2015. ISBN 978-1-4665-8526-3.
-
Základní:
Spence, Robert. Information visualization. Harlow : Addison-Wesley, 2001. ISBN 0-201-59626-1.
-
Základní:
Munzner, Tamara. Visualization analysis & design. 2015. ISBN 978-1-4665-0891-0.
-
Základní:
Preim,B., Bartz,D. Visualization in Medicine. China, 2007. ISBN 978-0-12-370596-9.
-
Doporučená:
Earnshaw, Rae A.; Wiseman, Norman. An introductory guide to scientific visualization. New York : Springer, 1992.
-
Doporučená:
Foley, James D. Computer graphics : principles and practice. 2nd ed. Reading : Addison-Wesley, 1996. ISBN 0-201-84840-6.
-
Doporučená:
Tufte, Edward R. Envisioning Information. Graphics Pr, 2009. ISBN 978-0961392116.
-
Doporučená:
Hagen, H.; Müller, H.; Nielson, G. M. Focus on scientific visualization. Berlin : Springer-Verlag, 1993.
-
Doporučená:
Paeth, Alan W. Graphics Gems. V. London : AP Professional, 1995. ISBN 0-12-543455-3.
-
Doporučená:
Ware, Colin. Information visualization : perception for design. San Francisco : Morgan Kaufmann, 2004. ISBN 1-55860-819-2.
-
Doporučená:
Chen, Chamomei. Information Visualization and Virtual Environments. Springer, 1999. ISBN 978-1852331368.
-
Doporučená:
Information Visualization (journal). Palgrave Publishers.
-
Doporučená:
Ward,M., Grinstein,G., Keim,D. Interactive Data Visualization. USA, 2010. ISBN 978-1-56881-473-5.
-
Doporučená:
Ward, Matthew; Grinstein, Georges G.; Keim, Daniel. Interactive data visualization : foundations, techniques, and applications. Natick : A K Peters, 2010. ISBN 978-1-56881-473-5.
-
Doporučená:
Mazza, Riccardo. Introduction to Information Visualization. Springer, 2009. ISBN 9781848002180.
-
Doporučená:
Wright,H. Introduction to Scientific Visualization. USA, 2007. ISBN 978-1-84628-494-6.
-
Doporučená:
Heath,M.T. Scientific Computing: An Introductory Surwey. NY 10020, USA, 2002. ISBN 0-07-239910-4.
-
Doporučená:
Yau, Nathan. Visualize This: The FlowingData Guide to Design, Visualization, and Statistics. 2011. ISBN 978-1-118-14026-0.
-
On-line katalogy knihoven
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
65
|
Příprava na zkoušku [10-60]
|
30
|
Příprava prezentace (referátu) [3-8]
|
5
|
Příprava na souhrnný test [6-30]
|
11
|
Vypracování seminární práce v magisterském studijním programu [5-100]
|
50
|
Celkem
|
161
|
|
Předpoklady
|
Odborné znalosti - pro úspěšné zvládnutí předmětu se předpokládá, že je student před zahájením výuky schopen: |
porozumět nutnému relevantnímu základnímu matematickému aparátu |
prokázat znalost základních metod používaných ve vizualizaci dat |
provádět základní matematické výpočty a odvození |
aplikovat teoretické poznatky při řešení zadaných úloh |
vysvětlit a ilustrovat metody a modely pro reprezentaci a zpracování rozsáhlých a/nebo nestrukturovaných fyzikálních dat |
znalost programovacího jazyka C# nebo C++ a výpočetního nástroje MATLAB |
Odborné dovednosti - pro úspěšné zvládnutí předmětu se předpokládá, že student před zahájením výuky dokáže: |
analyzovat a reprezentovat rozsáhlá strukturovaná i nestrukturovaná data |
prezentovat zjištěné závislosti a význačné rysy daných datových setů |
vytvářet složitější programové celky pro zpracování fyzikálních dat s použitím dostupných nástrojů |
analyzovat zadaný problém z hlediska dostupných datových setů a metod jejich vyhodnocování |
navrhnout použití programových prostředků pro vizualizaci informací |
pracovat v týmu a s uživateli systémů vizualizace informací |
Obecné způsobilosti - před zahájením studia předmětu je student schopen: |
mgr. studium: používají své odborné znalosti, odborné dovednosti a obecné způsobilosti alespoň v jednom cizím jazyce, |
|
Výsledky učení
|
Odborné znalosti - po absolvování předmětu prokazuje student znalosti: |
vysvětlit a ilustrovat metody a modely pro reprezentaci a zpracování rozsáhlých a/nebo nestrukturovaných fyzikálních dat |
aplikovat teoretické poznatky při řešení zadaných úloh |
provádět základní matematické výpočty a odvození |
prokázat znalost základních metod používaných ve vizualizaci fyzikálních dat |
porozumět nutnému relevantnímu základnímu matematickému aparátu |
Odborné dovednosti - po absolvování předmětu prokazuje student dovednosti: |
analyzovat a reprezentovat rozsáhlá strukturovaná i nestrukturovaná fyzikální data |
prezentovat zjištěné závislosti a význačné rysy daných datových setů |
vytvářet složitější programové celky pro zpracování fyzikálních dat s použitím dostupných nástrojů |
analyzovat zadaný problém z hlediska dostupných datových setů a metod jejich vyhodnocování |
navrhnout použití programových prostředků pro vizualizaci informací |
pracovat v týmu a s uživateli systémů vizualizace informací |
Obecné způsobilosti - po absolvování předmětu je student schopen: |
zpracovávají a prezentují výsledky své práce s využitím pokročilých funkcí aplikačního softwaru, multimediálních technologií a internetu |
|
Hodnoticí metody
|
Odborné znalosti - odborné znalosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Kombinovaná zkouška, |
Demonstrace dovedností (praktická činnost), |
Individuální prezentace, |
Odborné dovednosti - odborné dovednosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
Individuální prezentace, |
Obecné způsobilosti - obecné způsobilosti dosažené studiem předmětu jsou ověřovány hodnoticími metodami: |
Seminární práce, |
|
Vyučovací metody
|
Odborné znalosti - pro dosažení odborných znalostí jsou užívány vyučovací metody: |
Přednáška s diskusí, |
Cvičení (praktické činnosti), |
Řešení problémů, |
Prezentace práce studentů, |
|
|
|
|