News
Die Vorbesprechung und erste Vorlesung findet am Mittwoch 11.03.2020 9:15-10:45 im Seminarraum FAV05 statt!
IMPORTANT: in case we need to have any last minute changes to the introductory lectures or any other lecture due to the corona virus, we will announce these changes in TUWEL! Please, register to the TUWEL online course now!
Information
- Anmeldung zur VU über das TISS
- Gruppenbildung und Auswahl einer Aufgabe über TUWEL
- Verbindliche Anmeldung durch die erste Abgabe (siehe Übungsteil) über TUWEL
Termine
Die Vorlesungs- und präsentationstermine befinden sich in TISS. Bei Präsentationsterminen, die mit * markiert sind, besteht Anwesenheitspflicht!
Die Abgabetermine und OpenLab Termine für die Übung befinden sich in TUWEL.
Vorlesungsmaterial
Die Vorlesungsfolien und -materialien werden auf TUWEL zur Verfügung gestellt.
Die Recordings der Vorlesungen befinden sich hier (Passwort wird in der Vorbesprechung verkündet).
Homepages mit den Folien und Aufnahmen aus vergangenen Semestern:
- Sommersemester 2019
- Sommersemester 2018
- Sommersemester 2017
- Sommersemester 2016
- Sommersemester 2015
- Sommersemester 2014
- Sommersemester 2013
- Sommersemester 2012
Übungsteil
Für den Übungsteil wird eine State-of-the-Art Visualisierungstechnik idealerweise in Zweiergruppen implementiert. Wählen Sie eine der zwei möglichen Aufgabenstellungen:
- Wählen Sie einen der Artikel aus dem Wiki in TUWEL. Jeder Artikel wird maximal zwei mal vergeben (First-Come-First-Served-Prinzip).
- Wählen Sie einen Datensatz (z.B. aus dieser Liste), visualisieren Sie die Daten mit einer State-of-the-Art Visualisierungstechnik aus einem wissenschaftlichen Artikel und analyisieren Sie den Datensatz mithilfe der Visualisierung.
Wie Sie die von Ihnen gewählte Aufgabe implementieren, bleibt Ihnen überlassen. Es gibt von unserer Seite keine Vorgaben welche Programmiersprache dafür verwendet wird. Das bietet Ihnen die Möglichkeit, im Rahmen dieser VU neue Technologien auszuprobieren. Es steht Ihnen frei, schon vorhandene Libraries zu verwenden. Jedoch erwarten wir in einem solchen Fall, dass Sie dafür mehr Zeitaufwand in andere Teile Ihrer Arbeit stecken damit der Gesamtaufwand für alle gleich bleibt. Falls Sie Fragen bezüglich der Implementierung haben, verwenden Sie bitte in erster Linie das Q & A Forum in TUWEL, welches von unseren Tutoren betreut wird.
- 1. ABGABE:Die erste Abgabe ist die verbindliche Anmeldung zur dieser VU. In TUWEL abzugeben ist eine Präsentation (exportiert als PDF). Die erste Präsentation soll vor allem den theoretischen Inhalt des Papers näher erläutern und eine Idee der Implementierung vermitteln. Die Redezeit beträgt 3 Minuten und soll eine Zusammenfassung des Artikels und das Implementierungskonzept beinhalten. Bitte halten Sie sich an das PowerPoint Template in TUWEL und beachten Sie die Anweisungen in den Kommentarfeldern! Bei dem Vortrag sollen die Mitglieder einer Gruppe alle gleich lange vortragen. Wann und wie oft gewechselt wird, bleibt Ihnen überlassen. Die PDF Präsentationen werden vor dem Präsentationstermin zusammengefügt und in vorgegebener Reihenfolge vom lokalen Rechner präsentiert. Sie erhalten vor Ort oder nachträglich über TUWEL Feedback.
- 2. ABGABE:Nach dem ersten Feedback ist eine kurze Zusammenfassung des Artikels inklusive Implementierungskonzept und kurze Beschreibung der Daten abzugeben (ca. 1-2 A4 Seiten, PDF).
- ZWISCHENABGABE: Die Zwischenabgabe ist unverbindlich und dient dazu, Feedback bezüglich der aktuellen Implementierung von den Tutoren zu bekommen. Die Abgabe erfolgt mittels TUWEL in Form eines ZIP Archives oder als Link. Sie können zu den in den Terminen genannten Zeiten Fragen persönlich an die Tutoren richten. Sie müssen sich nicht anmelden, daher läuft es nach dem First-Come-, First-Served-Prinzip ab.
- 3. ABGABE:Abzugeben sind:
- Implementierung (ZIP), bestehend aus:
- Kompilierte Binaries/WebGL/... (/bin)
- Quellcode (/src)
- Code Dokumentation (z.B. Doxygen) (/doc)
- HTML Dokumentation des Programms (/html)
- Screenshot des Programms (screenshot.jpg, Auflösung: W: 700px / H: variable)
- Präsentation (PDF, PPTX, PPT, ODP, ZIP falls Videos beiliegend)
Der Schwerpunkt der zweiten Präsentation liegt bei der Vorführung des fertigen Programms. Der genaue Aufbau und der Umfang für die beiden Präsentationen sieht im Konkreten folgendermaßen aus:
- Redezeit: 1er Gruppe (5 Minuten), 2er Gruppe (8 Minuten)
- Inhalt: Wiederholung des Artikels (ca. 20%), Implementierungs (ca. 40%), Programmvorführung (ca. 40%)
- Template: PowerPoint
Bei dem Vortrag sollen die Mitglieder einer Gruppe alle gleich lange vortragen. Wann und wie oft gewechselt wird, bleibt Ihnen überlassen. Zu den Präsentationsterminen bitten wir Sie mindestens 15 Minuten vor dem Beginn vor Ort zu sein, damit Sie Ihre Präsentation noch testen können.
Die HTML Dokumentation soll einen Link auf das Programm und den Quellcode sowie dessen Dokumentation enthalten. Weiters sollen auf der HTML Seite auch der Zweck und die Funktionsweise des Programms beschrieben werden.
Benotung
- die 1. Präsentation des Artikels incl. Implementierungsidee (5 Punkte)
- die Zusammenfassung des Artikels incl. Implementierungsidee (5 Punkte)
- die Implementierung und Dokumentation (40 Punkte)
- Einhaltung der Vorlagen (15 Punkte)
- Funktionalität (15 Punkte)
- Usability (5 Punkte)
- Dokumentation (5 Punkte)
- die 2. Präsentation des Programms (10 Punkte)
- die mündliche Vorlesungsprüfung (40 Punkte)
- > 87 Punkte ... Sehr Gut (1)
- > 75 Punkte ... Gut (2)
- > 62 Punkte ... Befriedigend (3)
- >= 50 Punkte ... Genügend (4)
- < 50 Punkte ... Nicht Genügend (5)
Daten
Datensätze können - müssen aber nicht - von den folgenden Quellen bezogen werden:- IEEE SciVis Contests 2004-now
http://sciviscontest-staging.ieeevis.org/
Each year, SciVis contests provide a challenging scientific data set to be visualized; list of all SciVis contests from 2004 until now. - Visualization Group Data Sets
http://www.cg.tuwien.ac.at/research/vis/datasets/
3D volume data sets from our institute. - Stefan Roettgers Volume Library
http://www9.informatik.uni-erlangen.de/External/vollib/
A collection of free 3D volume data sets. - The Stanford Volume Data Archive
http://graphics.stanford.edu/data/voldata/
3D volume data sets from CT. - Osirix DICOM Data
http://www.osirix-viewer.com/datasets/
Medical volume data sets in DICOM format. - Protein Data Bank
http://www.rcsb.org/
3D shapes of proteins, nucleic acids, and compelx assemblies.
- VAST challenge archive
http://www.vacommunity.org/About+the+VAST+Challenge
Archive of all Visual Analytics Science and Technology (VAST) Challenges from 2006. - UCI Machine Learning Repository
http://archive.ics.uci.edu/ml/datasets.html
Provides hundrets of data sets mainly for the machine learning community, but also interesting for visualization! - Kaggle Datasets
https://www.kaggle.com/datasets
Ten thousands of public datasets, including Bitcoin, YouTube statistics, transports etc. - FiveThirtyEight Data
https://data.fivethirtyeight.com/
Data used and provided by the FiveThirtyEight opinion poll analysis / politics, economics, and sports blog website. - data.gv.at
https://www.data.gv.at/
offene Daten Österreich - Gapminder world data
https://www.gapminder.org/data/
Provides hundrets of country indicators, such as population, infant mortality rates, life expectancy at birth, employment rates etc., over many years. - Tableau sample data sets
https://public.tableau.com/s/resources?qt-overview_resources=1#qt-overview_resources
Dozens of data sets about education, science -- and even characteristics of Star Wars characters. - CIA world factbook
https://www.cia.gov/library/publications/the-world-factbook/rankorder/rankorderguide.html
Country comparisons of different geographic or economic statistics can be downloaded. - Data.Gov
https://catalog.data.gov/dataset
Hundrets thousands of data sets (e.g., demographic statistics on zip code level) provided by the U.S. government. - Google public data explorer
http://www.google.com/publicdata/home
Search through publicly available data sets, such as world bank, eurostat, WTO etc. - Statista
https://www.statista.com/
Large collection of statistics (TU Wien has a license) - Stanford Large Network Dataset Collection
http://snap.stanford.edu/data/
Provides any kinds of network data. - The Koblenz Network Collection
http://konect.uni-koblenz.de/
Large network datasets of all types collected by the University of Koblenz-Landau. - GMap Graph Datasets
http://gmap.cs.arizona.edu/datasets
Collection of graphs and networks used for demonstrating GMap. - graphdrawing.org Benchmark Data
http://www.graphdrawing.org/data.html
Benchmark data for various classes of graph drawing algorithms. - Network Data Collection
http://www-personal.umich.edu/~mejn/netdata/
Network data collected by Mark Newman. - Visualization publications dataset
http://www.vispubdata.org/site/vispubdata/
Contains all IEEE VIS publications from 1990 to 2015 with titles, authors etc. and citations to previous VIS papers. - IMDbPY
https://imdbpy.sourceforge.io/
Python package to retrieve and manage data of the IMDb movie database. - Car dataset
https://www.cg.tuwien.ac.at/courses/Visualisierung1/exercises/data/cars_406.zip
A classic small multivariate data set about cars. - Nutrients dataset
https://www.cg.tuwien.ac.at/courses/Visualisierung1/exercises/data/nutrients_7538.zip
A classic multivariate data set about nutrients. - Car Evaluation Data Set
http://archive.ics.uci.edu/ml/datasets/Car+Evaluation
A larger car datset. - Plants Data Set
http://archive.ics.uci.edu/ml/datasets/Plants
A classic and quite large multivariate data set about plants.
Tools
- D3.js - JavaScript library for data-driven visualization documents
https://d3js.org/ - Vega Light - high-level visualization grammar based on JSON
https://vega.github.io/vega-lite/ - Python Visualization Libraries - Python offers a variety of visualization libraries, like Bokeh, Plotly R, or Seaborn. Here is an overview:
https://mode.com/blog/python-data-visualization-libraries - R Visualization Packages - R provides some visualization packages as well:
https://mode.com/blog/r-data-visualization-packages - three.js - JavaScript 3D scenegraph library based on WebGL
https://threejs.org/ - Stardust: GPU-based Visualization Library
https://stardustjs.github.io/ - Polymaps - JavaScript library for making dynamic, interactive maps
http://polymaps.org/ - Leaflet - JavaScript library for mobile-friendly interactive maps
http://leafletjs.com/ - Google Visualization API for the creation of visualization
https://developers.google.com/chart/interactive/docs/reference - The JavaScript InfoVis Toolkit
http://thejit.org/ - Qt Data Visualization Module
http://doc.qt.io/qt-5/qtdatavisualization-index.html - Visualization Toolkit (VTK) -- 3D graphics, image processing, and visualization library
https://www.vtk.org/ - Kitware toolkits and applications (including VTK, ParaView, ITK, 3D Slicer etc.)
https://www.kitware.com/platforms/ - Unity3D - game engine; sometimes used for 3D visualization
https://unity3d.com/ - Unreal Engine - game engine; sometimes used for 3D visualization
https://www.unrealengine.com - dataviz.tools - tools, resources, and technologies for data visualization
http://dataviz.tools/ - Collection of Vis-Tools
http://selection.datavisualization.ch/
- Crossfilter - JavaScript library for efficient handling of large tabular datasets
http://square.github.io/crossfilter/ - Pandas - Python library for data manipulation and analysis
https://pandas.pydata.org/ - OpenRefine - tool for cleaning and tranforming messy data
http://openrefine.org/ - NetworkX - Python package for graph creation, transformation, analysis
https://networkx.github.io/ - scikit-learn - machine learning in Python
https://scikit-learn.org/stable/ - TensorFlow - open source machine learning framework (especially for deep learning) for Python, Java, C, Go, and JavaScript
https://www.tensorflow.org/ - CUDA - parallel computing platform for NVIDIA GPUs
https://developer.nvidia.com/cuda-zone - OpenCL - open, cross-platform parallel programming framework
https://www.khronos.org/opencl/ - Numba - JIT compiler translating subset of Python / NumPy into fast machine code
http://numba.pydata.org/
Links
- A Tour Through the Visualization Zoo (Heer et al., 2010)
https://cacm.acm.org/magazines/2010/6/92482-a-tour-through-the-visualization-zoo - A Survey of Surveys in Information Visualization
http://sos.swansea.ac.uk/ - Data Visualization Milestones
http://www.datavis.ca/milestones/ - Survey on text visualization techniques
http://textvis.lnu.se/ - Survey on tree visualization techniques
http://treevis.net/ - Survey on BioVis techniques
http://biovis.lnu.se/ - Survey on set visualization techniques
http://www.cvast.tuwien.ac.at/~alsallakh/SetViz/literature/www/index.html - Information Visualization community platform
http://infovis-wiki.net/index.php/Main_Page
The InfoVis:Wiki project is intended to provide a community platform and forum integrating recent developments and news on all areas and aspects of Information Visualization. - Visual Complexity
http://www.visualcomplexity.com/
Web portal, which represents very nice projects of visualizations in practical use. - The Python Graph Gallery
https://python-graph-gallery.com/
Hundrets of charts, each with corresponding python code. - TED-Talk by Hans Rosling
http://www.ted.com/index.php/talks/hans_rosling_shows_the_best_stats_you_ve_ever_seen.html (Video)
A very good example how InfoVis can be used to explore large and high-dimensional data sets. - TED-Talk by Gary Flake
http://www.ted.com/talks/gary_flake_is_pivot_a_turning_point_for_web_exploration.html (Video)
Talk about Pivot - an interesting application to browse the web.
Verwandte LVAs
186.827, VU Visualisierung 1; WS; Eduard Gröller & Tobias Klein186.105, VU Visualisierung medizinischer Daten 1; SS; Milos Sramek & Renata Raidou
186.138, VU Visualisierung medizinischer Daten 2; WS; Renata Raidou & Eduard Gröller
188.305, VO Informationsvisualisierung; SS; Kresimir Matkovic
186.143, UE Informationsvisualisierung; SS; Kresimir Matkovic & Manuela Waldner
188.162, VU Informationsvisualisierung; WS; Silvia Miksch
186.191, VU Echtzeit-Visualisierung; WS; Ivan Viola
186.046, SE aus Visualisierung; Eduard Gröller & Hsiang-Yun Wu
186.829, PR Bachelorarbeit für Informatik und Wirtschaftsinformatik; Eduard Gröller et al.
186.834, PR Praktikum aus Visual Computing; Eduard Gröller et al.
Central European Seminar on Computer Graphics; Michael Wimmer et al.