Scientific visualization
A.A. 2025/2026
Obiettivi formativi
Questo corso esplora tecniche avanzate di visualizzazione dei dati. Oltre i grafici di base, verranno mostrati metodi per rappresentazioni di dati multidimensionali e longitudinali, nonchè visualizzazioni basate su reti. Sottolineando il loro ruolo nell'analisi visiva dei dati e nel data storytelling, il corso copre i principi teorici della percezione visiva, package avanzati per la visualizzazione e tecniche per la visualizzazione di dati ad elevata dimensionalità. Gli studenti esamineranno inoltre i principi alla base della progettazione e dello sviluppo di dashboard informative per il supporto alle decisioni e il monitoraggio dei sistemi.
Risultati apprendimento attesi
Alla fine di questo corso, gli studenti saranno in grado di applicare tecniche avanzate di visualizzazione, comprese rappresentazioni multidimensionali, longitudinali e basate su reti. Saranno in grado di visualizzare dati complessi e su larga scala. Comprenderanno i principi della percezione visiva e saranno in grado di comunicare visivamente le informazioni attraverso un data storytelling equo.
Periodo: Primo quadrimestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo quadrimestre
Programma
Visualizzazione dell'informazione e visualizzazione dei dati: somiglianze e differenze.
Visualizzazione e percezione.
Percezione del colore e utilizzo del colore nella visualizzazione dei dati.
Grafici e diagrammi per la visualizzazione dei dati e per il confronto tra dataset: componenti principali, caratteristiche, utilizzi, vantaggi e svantaggi.
Infografiche: descrizione e caratteristiche principali.
Analisi critica delle tecniche di visualizzazione in ambito scientifico.
Introduzione agli Open Data.
Visualizzazione di grafi e visualizzazione di reti neurali per migliorare l'interpretabilità.
Lezioni ispirate a laboratori mostreranno esempi di visualizzazione dei dati (basati su problemi reali).
Visualizzazione e percezione.
Percezione del colore e utilizzo del colore nella visualizzazione dei dati.
Grafici e diagrammi per la visualizzazione dei dati e per il confronto tra dataset: componenti principali, caratteristiche, utilizzi, vantaggi e svantaggi.
Infografiche: descrizione e caratteristiche principali.
Analisi critica delle tecniche di visualizzazione in ambito scientifico.
Introduzione agli Open Data.
Visualizzazione di grafi e visualizzazione di reti neurali per migliorare l'interpretabilità.
Lezioni ispirate a laboratori mostreranno esempi di visualizzazione dei dati (basati su problemi reali).
Prerequisiti
Matematica, analisi, geometria vettoriale (operazioni tra vettori, prodotti scalari e vettoriali, etc.), programmazione
Insegnamenti consigliati: Statistica e analisi dei dati, Matematica del discreto, Matematica del continuo, Programmazione 1
Insegnamenti consigliati: Statistica e analisi dei dati, Matematica del discreto, Matematica del continuo, Programmazione 1
Metodi didattici
Lezioni frontali con frequenza fortemente consigliata
Materiale di riferimento
Presentazioni ppt usate durante le lezioni.
Articoli letti in aula.
Tutto il materiale sarà reso disponibile tramite il canale teams dell'insegnamento
Articoli letti in aula.
Tutto il materiale sarà reso disponibile tramite il canale teams dell'insegnamento
Modalità di verifica dell’apprendimento e criteri di valutazione
Gli studenti dovranno preparare un progetto di gruppo (2-4 persone) in cui visualizzeranno un dataset a scelta. Il progetto verrà valutato in trentesimi e notificato agli studenti via teams; gli studenti potranno eventualmente discutere le fasi critiche del progetto.
Durante la valutazione del progetto verrà valutato il livello di comprensione degli argomenti.
La valutazione del progetto riguarderà gli strumenti utilizzati per svolgere il progetto e l'attinenza della presentazione del progetto agli argomenti trattati a lezioni
Durante la valutazione del progetto verrà valutato il livello di comprensione degli argomenti.
La valutazione del progetto riguarderà gli strumenti utilizzati per svolgere il progetto e l'attinenza della presentazione del progetto agli argomenti trattati a lezioni
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Casiraghi Elena
Turni:
Turno
Docente:
Casiraghi ElenaDocente/i
Ricevimento:
Su appuntamento
Ufficio 6006 (secto piano), Dip. di Informatica, Via Celoria 18, Milano