v2.11.0 (5380)

PA - C5B - INF552 : Data Visualization

Domaine > Informatique.

Descriptif

Data Visualization

The visual representation of data takes full advantage of the human visual system in terms of perception and cognition. Elaborate patterns, interesting data points and outliers can easily be identified, individual data points and sets can efficiently be compared and contrasted, provided that the data is properly represented. Visualization enables users to explore their data in an interactive manner, to get overviews and drill down to detailed views, following processes that yield insights that would be difficult to obtain using fully automated data analysis techniques from fields such as, e.g., data mining or machine learning. They serve different purposes, but can complement one another very effectively. Visualization can for instance help formulate hypotheses, that can then be tested using statistical tests or other elaborate data analysis techniques. Beyond these exploratory aspects, data visualization can also support decision making, and plays a central role in the communication of findings to a wide range of audiences. 

This course first gives an overview of the field of data visualization. It then discusses fundamental principles of human visual perception, focusing on how they help inform the design of visualizations. The following sessions focus on visualization techniques for specific data structures, and discuss them in depth from both design and implementation perspectives, including: multi-variate data, hierarchical structures, networks, time-series, statistical data and geographical data.


All exercises are based on Web technologies, including the D3 software library (Data-Driven Documents) and the Vega-lite interactive graphics grammar. While positioned at different levels of abstraction, both enable developers to create a wide range of interactive, Web-based visualizations that run on a variety of platforms, ranging from desktop workstations to mobile devices.

Requirements: some prior experience with Web-based development (Javascript) is a plus, but not a hard requirement.

More information, including covid-19 organization at https://www.enseignement.polytechnique.fr/informatique/INF552/


Course material: http://www.enseignement.polytechnique.fr/informatique/INF552/

Language: The course material is in English. Lectures can be taught either in French or in English, at the students' convenience. 

Credits ECTS : 4

Format des notes

Numérique sur 20

Littérale/grade réduit

Pour les étudiants du diplôme M2 Data AI - Data and Artificial Intelligence

Vos modalités d'acquisition :

2.5 ECTS si jamais l'élève fait la version "courte" soit 24h du cours  .

Le rattrapage est autorisé (Note de rattrapage conservée)
    L'UE est acquise si note finale transposée >= C
    • Crédits ECTS acquis : 5 ECTS

    Pour les étudiants du diplôme M1 Innovation, Entreprise, et Société - Voie Innovation technologique

    Le rattrapage est autorisé (Note de rattrapage conservée)
      L'UE est acquise si note finale transposée >= C
      • Crédits ECTS acquis : 5 ECTS

      La note obtenue rentre dans le calcul de votre GPA.

      Pour les étudiants du diplôme M1 IGD - Interaction, Graphic and Design

      Le rattrapage est autorisé (Note de rattrapage conservée)
        L'UE est acquise si note finale transposée >= D
        • Crédits ECTS acquis : 5 ECTS

        Pour les étudiants du diplôme M2 HPDA - High Performance Data Analytics

        Le rattrapage est autorisé (Note de rattrapage conservée)
          L'UE est acquise si note finale transposée >= C

            Pour les étudiants du diplôme Non Diplomant

            Le rattrapage est autorisé (Note de rattrapage conservée)
              L'UE est acquise si note finale transposée >=
              • Crédits ECTS acquis : 5 ECTS

              Pour les étudiants du diplôme MScT-Internet of Things : Innovation and Management Program (IoT)

              Le rattrapage est autorisé (Note de rattrapage conservée)
                L'UE est acquise si note finale transposée >= C
                • Crédits ECTS acquis : 4 ECTS

                Pour les étudiants du diplôme M1 HPDA - High Performance Data Analytics

                Le rattrapage est autorisé (Note de rattrapage conservée)
                  L'UE est acquise si note finale transposée >= C

                    Pour les étudiants du diplôme M2 Énergie

                    Le rattrapage est autorisé (Note de rattrapage conservée)
                      L'UE est acquise si note finale transposée >= C
                      • Crédits ECTS acquis : 5 ECTS

                      Pour les étudiants du diplôme Echanges PEI

                      Le rattrapage est autorisé (Note de rattrapage conservée)
                        L'UE est acquise si note finale transposée >= C
                        • Crédits ECTS acquis : 5 ECTS

                        La note obtenue rentre dans le calcul de votre GPA.

                        Pour les étudiants du diplôme M1 Data AI - Data and Artificial Intelligence

                        Vos modalités d'acquisition :

                        2.5 ECTS si jamais l'élève fait la version "courte" soit 24h du cours  .

                        Le rattrapage est autorisé (Note de rattrapage conservée)
                          L'UE est acquise si note finale transposée >= C
                          • Crédits ECTS acquis : 5 ECTS

                          Pour les étudiants du diplôme M2 IGD - Interaction, Graphic and Design

                          Pour les étudiants du diplôme Diplôme d'ingénieur de l'Ecole polytechnique

                          Le rattrapage est autorisé (Note de rattrapage conservée)
                            L'UE est acquise si note finale transposée >= C
                            • Crédits ECTS acquis : 5 ECTS

                            La note obtenue rentre dans le calcul de votre GPA.

                            Veuillez patienter