Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
2° Anno Sarà attivato nell'A.A. 2025/2026
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
Insegnamenti | Crediti | TAF | SSD |
---|
1 module among the following
2 modules among the following
1 module among the following
- A.A. 2024/2025 Complex systems and social physics - Network science and econophysics - Statistical methods for business intelligence not activated
- A.A. 2025/26 Network science and econophysics not activated
1 module among the following
2 modules among the following
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Data visualisation (2024/2025)
Codice insegnamento
4S009065
Docente
Coordinatore
Crediti
6
Offerto anche nei corsi:
- Data visualisation del corso Laurea magistrale in Data Science (LM-91)
Lingua di erogazione
Inglese
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
Periodo
I semestre dal 1 ott 2024 al 31 gen 2025.
Corsi Singoli
Autorizzato
Obiettivi di apprendimento
L’insegnamento si propone di fornire agli studenti un’introduzione alle principali problematiche di visualizzazione di dati. Verrà fornita una panoramica degli aspetti critici della visualizzazione legati a progettazione grafica, psicologia percettiva, scienze cognitive, e verranno forniti strumenti pratici per la realizzazione di visualizzazioni efficaci (sul web) Al termine del corso lo studente dovrà dimostrare di: - comprendere le problematiche di design di visualizzazioni efficaci di dati - comprendere le comuni tecniche di data-visualization per ogni tipo di dato e dominio applicativo (dati multivariati, reti, testi, cartografia, ecc.) con le loro caratteristiche e limiti - leggere e discutere i documenti di ricerca dalla letteratura di visualizzazione - scegliere le tecniche di visualizzazione più adatte per ogni tipo di dato e di task applicativo - creare visualizzazioni interattive nel browser utilizzando HTM5 e Javascript
Prerequisiti e nozioni di base
basi di strutture dati e programmazione python
Programma
Introduzione alla visualizzazione dei dati: motivazione, problemi di visualizzazione, compiti e obiettivi. Valutazione del progetto
Colore e percezione, Mappatura dei dati su scala cromatica, Segni e canali
Linee guida per la progettazione della visualizzazione, l'etica nella visualizzazione
Dati, modelli e codifica dei dati, filtraggio, aggregazione, dati multidimensionali
Grafici e loro visualizzazione
Visualizzazione di dati tabulari, visualizzazione di grafici e reti Mappe, visualizzazione scientifica, visualizzazione di immagini e volumi Gestione del layout spaziale, manipolazione della vista, messa a fuoco e contesto
Interazione, elementi dell'interfaccia utente, animazione, dashboard, visualizzazioni multiple
Prototipazione utilizzando pacchetti di visualizzazione in Python
Bibliografia
Modalità didattiche
Lezioni frontali ed esempi guidati in Python
Modalità di verifica dell'apprendimento
Esame scritto e valutazione di assegnamenti pratico. L'esame scritto consiste di 4 domande aperte sul programma di teorie.
Gli assegnamenti consisteranno in esercizi sulla parte pratica da consegnare.
Criteri di valutazione
Gli studenti dovranno dimostrare comprensione delle problematiche di progetto di un'applicazione di visualizzazione, conscere i principali tipi di dati e codifiche, le problematiche di mappatura visuale ed i relativi fattori umani, le principali tecniche di visualizzazione usate per i vari tipi di dato.
Gli studenti dovranno sapere dimostrare la capacità pratica di progettare visualizzazioni efficaci di dati utilizzando librerie di base e seguendo le regole e i principi del design.
Criteri di composizione del voto finale
60% valutazione scritto, 40% valutazione homeworks
Lingua dell'esame
Inglese o Italiano