Autenticação

Utilizador:

Senha:

Iniciar sessão

Esqueceu-se da senha?

Visualização de Informação

Código:

MEB07

Sigla:

VI

Nível:

1

Áreas Científicas
Classificação	Área Científica
OFICIAL	Informática

Ocorrência: 2022/2023 - 2S

Ativa?	Sim
Página Web:	https://portal.ips.pt/ests/pt/ucurr_adm.ficha_uc_preview?pv_ocorrencia_id=557070&pv_ficha_ocorr_id=5546
Unidade Responsável:	Departamento de Sistemas e Informática
Curso/CE Responsável:	Mestrado em Engenharia Biomédica

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MEB	11	Plano Oficial do ano letivo 2021	1	-	6	60	162

Língua de trabalho

Português - Suitable for English-speaking students

Objetivos

1. Apresentar aos estudantes os problemas, conceitos e abordagens fundamentais na concepção e análise de sistemas de visualização de informação /


2. Familiarizar os estudantes com as fases do pipeline de visualização, incluindo a modelação de dados, mapeamento de atributos de dados para atributos gráficos, questões perceptuais, paradigmas de visualização existentes, técnicas e ferramentas, e avaliação da eficácia das visualizações para dados específicos, tarefas, e tipos de utilizadores.


3. Capacitar os estudantes para o desenvolvimento de sistemas complexos (avançados) de visualização interativa de informação.

Resultados de aprendizagem e competências

Depois de uma breve introdução do objeto, métodos e modelo de referência (vulgo pipeline) da Visualização de Informação, a UC dotará o mestrando de conhecimentos teóricos sobre a perceção visual humana e a sua utilização prática aplicada a sistemas de visualização de informação, nomeadamente sobre como potenciar as capacidades da perceção visual humana evitando e contornando as suas limitações. Com base nesses conhecimentos teóricos e práticos aprofunda-se o modelo de referência da Visualização de Informação e introduzem-se os conhecimentos essenciais sobre interação com sistemas de visualização, os tipos de dados e de representações para esses dados abordando com particular cuidado os dados multidimensionais, o texto e as variáveis temporais. Finalmente introduzem-se as principais técnicas de visualização de informação para ambientes de realidade virtual e aumentada através da familiarização com as principais ferramentas de desenvolvimento.

Modo de trabalho

Presencial

Programa

1.    Introdução à Visualização da Informação
1.1.    Definição
1.2.    Conceitos básicos
1.3.    Computadores vs. Humanos
1.4.    Restrições / Limitações
2.    Abstração de dados
2.1.    Tipos de dados
2.2.    Tipos de conjuntos de dados
2.3.    Tipos de atributo
2.4.    Semântica
3.    Abstração de tarefas
3.1.    Ações
3.1.1.    Analisar
3.1.2.    Produzir
3.1.3.    Pesquisa
3.1.4.    Consulta
3.2.    Metas (Alvos)
3.3.    Análise e Derivação
4.    Níveis de Validação
4.1.    Níveis de desenho
4.2.    Enfoques de Análise
4.3.    Abordagens de validação
4.3.1.    Domínio
4.3.2.    Abstração
4.3.3.    Idioma
4.3.4.    Algoritmo
4.3.5.    Incompatibilidades
4.4.    Exemplos de validação
5.    Marcas e Canais
5.1.    Definição de Marcas e Canais
5.1.1.    Tipos de canais
5.1.2.    Tipos de marcas
5.1.3.    Utilização de Marcas e Canais
5.1.4.    Eficácia dos Canais
6.    Regras, Diretrizes
6.1.    2D
6.2.    3D
6.3.    Olhos vs. Memória
6.4.    Resolução vs Imersão
6.5.    Visão geral e detalhes
6.6.    Capacidade de resposta
7.    Tabelas
7.1.    Organizar por Chaves e Valores
7.2.    Separar, ordenar e alinhar
7.3.    Orientação do Eixo Espacial
7.4.    Densidade da disposição espacial
8.    Dados Espaciais
8.1.    Geometria
8.2.    Campos escalares
8.3.    Campos Vetoriais
8.4.    Campos Tensoriais
9.    Redes e Árvores
9.1.    Ligação - Marcas de Ligação
9.2.    Vistas Matriciais
9.3.    Marcas de Hierarquia
10.    Cor e Outros Canais
10.1.    Teoria da Cor
10.2.    Colormaps
10.3.    Outros Canais
11.    Manipular vistas
11.1.    Mudança de “view” no tempo
11.2.    Selecionar Elementos
11.3.    Mudança da posição de observação
11.4.    Redução de Atributos
12.    Vistas Múltiplas
12.1.    Vistas de justaposição e coordenadas
12.2.    Partição em vistas
12.3.    Sobrepor camadas
13.    Reduzir Itens e Atributos
13.1.    Filtrar
13.2.    Agregar
14.    Integrar: Foco + Contexto
14.1.    Eliminação / Supressão
14.2.    Superpor
14.3.    Distorção
14.4.    Custos e Benefícios da Distorção
15.    Aplicações: Casos de Estudo

Bibliografia Obrigatória

Collin Ware ; Information Visualization: PERCEPTION FOR DESIGN. Fourth Edition, Morgan Kaufmann, 2021
Robert Grant; Data Visualization Charts, Maps, and Interactive Graphics, Chapman and Hall/CRC, 2018. ISBN: 9781138553590
Claus O. Wilke; Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures, O’Reilly, 2019. ISBN: 9781492031086

Bibliografia Complementar

Mario Döbler, Tim Großmann ; Data Visualization with Python. Second Edition, Packt Publishing, 2020
Ossama Embarak ; Data Analysis and Visualization Using Python: Analyze Data to Create Visualizations for BI Systems, APRESS, 2018. ISBN: 978-1-4842-4108-0
T. Munzner; Visualization Analysis & Design: Abstractions, Principles, and Methods , CRC Press , 2014. ISBN: 978-1-4665-0893-4

Métodos de ensino e atividades de aprendizagem

O ensino terá 3 grandes componentes:

• Aulas Teórico-práticas - parcialmente expositivas e com recurso intensivo a resolução acompanhada de exercícios, análise de casos de estudo e dois seminários sobre tópicos específicos, que irão decorrer na totalidade a distância.
• Aulas de Laboratório - para execução acompanhada e avaliação individual de trabalhos práticos em ambiente informático para computadores pessoais, internet e dispositivos móveis.
• Orientação Tutorial - para acompanhamento personalizado da execução de projetos a distância.

Serão disponibilizados ficheiros com a matéria de exercícios laboratoriais a executar autonomamente (regime assíncrono) mas com acompanhamento por videoconferência no horário estabelecido e a utilização de aulas síncronas (por vídeo conferencia) para esclarecimento de dúvidas e acompanhamento individual.

Software

Anaconda Distribution (Linguagem de Programação Python + Módulos de Análise e Visualização de Dados)
IDE: Visual Studio Code

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Apresentação/discussão de um trabalho científico	30,00
Trabalho laboratorial	50,00
Teste	20,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	2,00
Elaboração de projeto	40,00
Estudo autónomo	30,00
Trabalho de investigação	30,00
Trabalho laboratorial	30,00
Frequência das aulas	60,00
Total:	192,00

Obtenção de frequência

A avaliação versará todas as 3 componentes, nomeadamente:

• Através de dois seminários para os quais os alunos terão de preparar autonomamente as suas apresentações. Serão avaliados os conhecimentos teóricos e a capacidade de os aplicar a casos específicos.
• Através de uma seleção dos melhores laboratórios serão avaliadas as capacidades de execução acompanhada.
• Através da execução de um projeto individual ou por equipas de até 3 estudantes será avaliada a capacidade de trabalho e execução autónoma.

Fórmula de cálculo da classificação final

A avaliação final será:
40% Projeto + 10% Laboratórios + 15% Seminário 1 + 15% Seminário 2 + 20% Teste