Visualisierung, SS Visualisierung. Prolog und Einführung
|
|
- Sabine Linden
- vor 7 Jahren
- Abrufe
Transkript
1 Visualisierung Prolog und Einführung Detlef Krömker Uni Frankfurt, Graphische Datenverarbeitung Wolfgang Müller PH Weingarten, Mediendidaktik und Visualisierung Frankfurt, WS 2007/ Übersicht Organisatorisches Themen der Vorlesung Literaturempfehlungen + weitere Quellen Einführung: Was bedeutet Visualisierung? Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 1
2 Kontakt Detlef Krömker Wolfgang Müller Telefon: (0751) Frankfurt, WS 2007/ Organisatorisches Struktur der Veranstaltung 2 SWS Vorlesung 2 SWS Übung/Praktikum Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 2
3 Ziele der Vorlesung Verständnis der grundlegenden Ziele und Prinzipien der Visualisierung Daten und Informationen Wahrnehmung und Visualisierung User und Kontext Visualisierungsprozess Expressivität und Effektivität Grundlegendes Wissen über typische Ansätze und Standardtechniken der Visualisierung sowie der prinzipiellen Vor- und Nachteile einzelner Verfahren Überblick über fortgeschrittene und spezielle Techniken der Visualisierung Befähigung zur kritischen Analyse von Visualisierungen Befähigung zur Auswahl geeigneter Visualisierungsverfahren für ein gegebenes Problem Befähigung zur eigenständigen Entwicklung von Visualisierungslösungen und - techniken Frankfurt, WS 2007/ Themen der Vorlesung (1) Was bedeutet Visualisierung? Einführung Definition Semiotik Wann ist eine Visualisierung gut? Ziele, Anforderungen, Gütekriterien Der Visualisierungsprozess Visualisierungspipeline Referenzszenarien Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 3
4 Themen der Vorlesung (2) Was kann visualisiert werden? Daten und Information Datenarten, Datenquellen, Datenformate Über den Nutzer Ziele bei der Visualisierung Vorwissen und kulturelle Unterschiede Auge und Darstellungsmedien Grundlagen des Sehens Das ideale Darstellungsmedium Frankfurt, WS 2007/ Themen der Vorlesung (3) Einige Wahrnehmungsprozesse Helligkeit, Kontrast und Farbe Textur Gestalt und Form Modell des Perceptual Processing Visuelles Pre-processing, Attention, Suche Grundlegende Visualisierungstechniken Abbildung (Mapping) auf Größe, Position, Farbe, Textur, Form, etc. Visuelle Objekte, Datenobjekte, Glyphen Bild vs. Wort Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 4
5 Themen der Vorlesung (4) Spezielle Visualisierungstechniken Multiparameter, Volumen, Strömung Raumwahrnehmung & 3D-Visualisierung Informationsvisualisierung Interaktive Visualisierung Benutzungsschnittstellen für Visualisierungssysteme Navigation in Informationsräumen Visual Thinking Zusammenfassung, Rückblick, Ausblick Frankfurt, WS 2007/ Die drei Bücher zur Vorlesung Heidrun Schumann and Wolfgang Müller: Visualisierung Grundlagen und allgemeine Methoden, Springer Verlag, 2000 Deutschsprachiges Lehrbuch mit dem Schwerpunkt auf wissenschaftlich-technischer Visualisierung (Scientific Visualization) Detaillierte Einführung in die Prinzipien der Visualisierung Colin Ware: Information Visualization, Morgan Kaufman Pub., San Francisco, 1999 Schwerpunkt auf Wahrnehmung in der Visualisierung und Informationsvisualisierung R. Spence: Information Visualization, Addison Wesley, Harlow, 2001 Liefert umfassenden Überblick über aktuelle Techniken auf dem Gebiet der Informationsvisualisierung Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 5
6 Aufgabe dieses Semesters Hilfestellung LESEN SIE DIESE DREI BÜCHER!!! Nach jeder Vorlesung werden Kapiteln in den Büchern angegeben, die als Hausaufgabe bis zum nächsten Mal gelesen werden müssen! Bücher sind Prüfungsstoff! Alle Bücher in der Bibliothek zur Ausleihe erhältlich Frankfurt, WS 2007/ Weitere Literaturempfehlungen Stuart K. Card, Jock D. Mackinlay, Ben Shneiderman: Readings in Information Visualization Using Vision To Think, Morgan Kaufman Pub., San Francisco, 1999 Sammlung der wichtigsten Fachartikel auf dem Gebiet der Informationsvisualisierung der letzten Jahre Viele technische Details Eine gute Einführung in die Informationsvisualisierung auf den ersten Seiten E. R. Tufte: The Visual Display of Quantitative Information, Graphics Press, Cheshire, 1983 Klassiker auf dem Gebiet der Informationsgraphik Beschränkt auf Standardgraphen und -diagramme Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 6
7 Weitere Literaturempfehlungen E. R. Tufte: Envisioning Information, Graphics Press, Cheshire, 1990 Nachfolger mit einigen Beispielen für die computergestützte Visualisierung Harris: Information Graphics A Comprehensive Illustrated Reference, 1999 Referenz von Visualisierungstechniken, kein Lehrbuch mit einer Einführung Beschränkt auf Standarddiagramme, Graphen und Karten Frankfurt, WS 2007/ Weitere Quellen: Internationale Konferenzen IEEE Visualization seit 1990 jährlich IEEE International Symposium on Information Visualization seit 1997 jährlich Symposium on Visualization (VisSym) Seit 1995 ACM Conference on Human Factors in Computing Systems (CHI) Konferenzreihe der ACM SIGCHI (Special Interest Group on Computer Human Interface) seit.. 8X jährlich Eurographics Konferenzreihe der Eurographics Organisation seit 1979 jährlich Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 7
8 Weitere Quellen: Zeitschriften / Journals Transactions on Graphics ACM Computer Graphics IEEE Computer Graphics and Applications Computer and Graphics Communications of the ACM Frankfurt, WS 2007/ Weitere Quellen in der Vorlesung Im Rahmen der Vorlesung wird zu einzelnen Themengebieten vertiefende Literatur angegeben Die Lektüre dieser Literatur ist freiwillig, wird aber empfohlen! Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 8
9 Danksagung Verschiedene Personen haben Materialien zu dieser Vorlesung beigesteuert: Prof. Dr. Heidrun Schumann, Uni Rostock Prof. Dr. Detlef Krömker, Goethe-Uni Prof. Dr. Colin Ware, Univ. of New Hampshire Prof. Dr. Ralf Dörner, FH Wiesbaden Prof. Tobias Breiner, FH Heidelberg Frankfurt, WS 2007/ Was bedeutet Visualisierung? Vorlesung Visualisierung - Teil A Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 9
10 Motivation Mehr und mehr Daten werden in den unterschiedlichsten Anwendungsgebieten gesammelt Information in Datenbanken oder weltweiten Informationsnetzen (z.b. WWW) steigen immens: Megabytes (10 6 ) Inhalt eines Buches (1 MB) Gigabytes (10 9 ) Inhalt eines Buchgeschäfts (1 GB) Terabytes (10 12 ) Typische Universitätbibliothek (1 TB) Library of Congress (20 TB ohne Bilder) Kmart Customer Relationship Database (70 TB, 2001) NCR Customer Relationship Database (250 TB in 2/2002) Petabytes (10 15 ) WWW (~ 1 PB) NASA EOSDIS Project in der Fernerkundung (7 PB Earth Science Data, erwartet für 2007) Frankfurt, WS 2007/ Motivation Gesammelte Daten haben keinen Wert, solange es nicht gelingt, diesen Daten Bedeutungen zuzuordnen Verschiedene analytische Verfahren zur Lösung des Problems Data Mining Knowledge Discovery in Databases (KDDB) Visualisierung ist ein weiterer, erfolgsversprechender Ansatz Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 10
11 Visualisierung Graphics is the visual means of resolving logical problems. (Bertin 1977)...Transformation of the symbolic into the geometric... (McCormick et al. 1987) The depiction of information using spatial or graphical representations, to facilitate comparison, pattern recognition, change detection, and other cognitive skills that make use of the visual system. (Hearst, 1998) Frankfurt, WS 2007/ Visualisierung Motivation: Ausnutzung der phänomenalen Fähigkeiten des menschlichen Gesichtssinns zur Erkennung von Strukturen, auch in unbekannten Kontexten Ansatz Transformation von symbolischen Information in graphische Repräsentationen durch Abbildung von Dateneigenschaften auf graphische Elemente Bereitstellung geeigneter Mittel zur Interaktion und zur Navigation zur Erkundung und Erschließung des Datensatzes Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 11
12 Ziele der Visualisierung Unterstützung bei: Exploration Analyse Schlussfolgern aufgrund von Informationen Decision Making Erklärung und Kommunikation Adapted from Hearst 1998 Frankfurt, WS 2007/ Ziele der Visualisierung Genauer: Große Datensätze kohärent machen (Kompakte Datensätze kompakt repräsentieren) Präsentation von Daten und Informationen von verschiedenen Gesichtspunkten Präsentation von Daten und Informationen auf verschiedenen Detailstufen (Überblick bis Detail) Unterstützung visueller Vergleiche Aufdeckung versteckter Strukturen Geschichte der Daten erzählen Dies gilt auch für andere Formen der Repräsentation von Informationen! Adapted from Hearst 1998 Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 12
13 Motivation: Statistik vs. Visualization I II III IV x y x y x y x y 10,00 8,04 8,00 6,95 13,00 7,58 9,00 8,81 11,00 8,33 14,00 9,96 6,00 7,24 4,00 4,26 12,00 10,84 7,00 4,82 5,00 5,69 10,00 9,14 8,00 8,14 13,00 8,74 9,00 8,77 11,00 9,26 14,00 8,10 6,00 6,13 4,00 3,13 12,00 9,13 7,00 7,26 5,00 4,76 10,00 7,46 8,00 6,77 13,00 12,74 9,00 7,11 11,00 7,81 14,00 8,84 6,00 6,08 4,00 5,39 12,00 8,15 7,00 6,42 5,00 5,73 8,00 6,58 8,00 5,76 8,00 7,71 8,00 8,84 8,00 8,47 8,00 7,04 8,00 5,25 19,00 12,50 8,00 5,56 8,00 7,91 8,00 6,89 N=11 Mittelwert X = 9.0 Mittelwert Y = 7.5 Regressionsgerade: Y = 0.5 X + 3 After Tufte, 1990 Frankfurt, WS 2007/ Motivation: Statistik vs. Visualization I II 1 5, , , , 0 0 5, 0 0 5, 0 0 0, 0 0 0, 0 0 0,00 10,00 20,00 0,00 10,00 20,00 1 5, , , , 0 0 5, 0 0 5, 0 0 0, 0 0 0, 0 0 0,00 10,00 20,00 0,00 10,00 20,00 III IV After Tufte, 1990 Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 13
14 Klassische Fallstudie Space Shuttle Disaster 1986 Edward Tufte: Visual Explanations, 1990 Probleme mit Dichtungsringen der Trägerrakete waren im Vorfeld bekannt Die folgenden Diagramme wurden bei der Analyse des Problems verwendet After Tufte, 1990 Frankfurt, WS 2007/ Space Shuttle Disaster 1986 After Tufte, 1990 Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 14
15 Space Shuttle Disaster 1986 After Tufte, 1990 Frankfurt, WS 2007/ Space Shuttle Disaster 1986 Fakten Problem war bekannt: Fachleute diskutierten bereits über den Sachverhalt, der letztendlich auch zum Absturz führte Alle relevanten Daten waren verfügbar Aber: die Daten wurden nicht auf expressive Art und Weise präsentiert Folgerung: Eine falsche Entscheidung wurde getroffen! Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 15
16 Space Shuttle Disaster 1986 After Tufte, 1990 Frankfurt, WS 2007/ Visualisierung heute Visualisierung gewinnt eine immer größere Bedeutung und ist aus vielen Gebieten von Forschung, Technik und Wirtschaft nicht mehr wegzudenken Visualisierung wird immer häufiger als eine interdisziplinäre Herangehensweise zur Problemlösung verstanden, bei der Techniker und Gestalter gemeinsam in Teams geeignete Darstellungen für gegebene Probleme entwickeln NCSA Urbana-Champaign Pacific Northwest National Laboratory (PNL) Fraunhofer IGD Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 16
17 Beispiele für Visualisierungen Circle Graph Spiral Graph Weber et. al Frankfurt, WS 2007/ Beispiele für Visualisierungen Color Icons Landscapes Keim 1999 PNL 2000 Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 17
18 Beispiele für Visualisierungen Parallel Coordinates Schumann et. al Frankfurt, WS 2007/ Beispiele: Anwendungsgebiet Chemie/Biologie Immun Gläserner Reaktor Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 18
19 Visualisierung von Abstraktionen und Modellen Frankfurt, WS 2007/ Gläserner Reaktor (1) Kopplung eines Simulators (Speedup) mit einem Visualisierungssystem Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 19
20 Gläserner Reaktor (2) Frankfurt, WS 2007/ Bildgebende Verfahren in der Medizin Bsp. InViVo 4D Echo-cardio Datensatz 3 Orts- & 1 Zeitdimension Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 20
21 Beispiele Scientific Visualization a) Raumbezogene Daten Frankfurt, WS 2007/ Warum visualisieren wir? Hohe Bandbreite zum Gehirn (70% aller Rezeptoren, 40+% des Cortex, 4 Milliarden Neuronen) Verstehen von riesigen Datenmengen (Millionen von Messwerten können in einem Bild dargestellt werden) Wir können mehr sehen, als wir uns mental vorstellen können Erkennen von Mustern in Daten Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 21
22 Nachdenken The purpose of computation is insight, not numbers. Hamming, 1973 The purpose of visualization is insight, not pictures. Generalisierung: Perceptualization, insbesondere Sonification und Tactilization, haptilization,... Frankfurt, WS 2007/ Zusammenfassung Begriff Visualisierung Visualisierung als Anwendung der CG Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 22
23 Ausblick Nächste Schritte Anforderungen und Ziele Effektivität Expressivität Angemessenheit Der Visualisierungsprozesses Visualisierungspipeline Referenzmodell Visualisierungsszenarien Frankfurt, WS 2007/ ENDE Frankfurt, WS 2007/ Wolfgang Mueller, HS Anhalt 23
Visualisierung in Natur- und Technikwissenschaften. 0. Einführung. Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr.
Visualisierung in Natur- und Technikwissenschaften 0. Einführung Vorlesung: Mi, 11:15 12:45 + Fr, 9:15 10:45, INF 368 532 Prof. Dr. Heike Leitte Vertiefung Computergraphik und Visualisierung Jürgen Hesser
MehrVisuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen
Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Abschlussvortrag zur Diplomarbeit von Jörg Karpf Graphische Datenverarbeitung, Institut für Informatik 3. September 2009
MehrVISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN
VISUAL BUSINESS ANALYTICS EFFEKTIVER ZUGANG ZU DATEN UND INFORMATIONEN IGD_Folienvorlage_v2010.10.ppt Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße
MehrVisualisierung statistischer Ergebnisse
6. Dresdner Flächennutzungssymposium, 11./12.6.2014 Visualisierung statistischer Ergebnisse Bevölkerungs- und Flächennutzungsstatistik auf Grundlage des InstantAtlas in Sachsen INTERAKTIV Gliederung Validität
MehrVisualisierung I. Vorlesung: Mi, 9:00 11:00, INF Übung: Do, 14:00 16:00, INF 350 OMZ R U011
Visualisierung I Vorlesung: Mi, 9:00 11:00, INF 368 532 Übung: Do, 14:00 16:00, INF 350 OMZ R U011 Prof. Heike Jänicke http://www.iwr.uni-heidelberg.de/groups/covis/ Definitionen Visualisierung (allgemein)
MehrUser-Centered Visual Analytics
User-Centered Visual Analytics Prof. Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax: +49 6151 155-139
MehrVisualizing multiple Last.fm listening histories
Visualizing multiple Last.fm listening histories Abschlussvortrag Bachelorarbeit - 14.09.2010 Roman Graebsch www.lastloop.de LFE Medieninformatik Betreuer: Dominikus Baur Verantwortlicher Hochschullehrer:
MehrThe purpose of computing is insight, not numbers. Richard Hamming (1915-1998)
+ Visual Analytics The purpose of computing is insight, not numbers. Richard Hamming (1915-1998) + Aufbau n Einführung n Historie n Definition n Prozess n Verwandte Gebiete n Praktische Beispiele n IN-SPIRE
MehrVisualisierung. Rückblick. Scientific Visualization vs. Informationsvisualisierung. Allgemeine Ziele und Anforderungen Prof. Dr.-Ing.
Allgemeine Ziele und Prof. Dr.-Ing. Detlef Krömker Goethe-Universität, Frankfurt Graphische Datenverarbeitung Rückblick K als Anwendung der CG K Meilensteine der Entwicklung K Terminologie Scientific Visualization
MehrVisuelle Analyse und Entscheidungsunterstützung
Visuelle Analyse und Entscheidungsunterstützung Dr. Jörn Kohlhammer Fraunhofer IGD 5.-7. November 2007 EpiGrid, FernUniversität in Hagen Überblick Visuelle Analyse Aktuelle Ansätze Vorstellung Fraunhofer
MehrGRAPHGESTÜTZTE VISUALISIERUNGSTECHNIKEN IN DIGITAL HUMANITIES Yaning Wu
GRAPHGESTÜTZTE VISUALISIERUNGSTECHNIKEN IN DIGITAL HUMANITIES Yaning Wu 31.05.2016 GELIEDERUNG Einleitung Begriffe und Ziele der Visualisierung Visualisierung ist wissenschaftlich. Ist Visualisierung künstlerisch?
MehrInformationsvisualisierung
Informationsvisualisierung Thema: 1. Einführung Dozent: Dr. Dirk Zeckzer zeckzer@informatik.uni-leipzig.de Sprechstunde: nach Vereinbarung Umfang: 2 Prüfungsfach: Modul Fortgeschrittene Computergrafik
MehrComplex Event Processing
[10] Armin Steudte HAW Hamburg Masterstudiengang Informatik - WS 2011/2012 Agenda Motivation Grundlagen Event Processing Networks Ausblick Quellen 2 Agenda Motivation Grundlagen Event Processing Networks
Mehr3D in der Informationsvisualisierung
3D in der Informationsvisualisierung Heidrun Schumann Universität Rostock Institut für Informatik Albert-Einstein-Str. 22 D-18051 Rostock, Deutschland schumann@informatik.uni-rostock.de Abstract: Ziel
MehrDatenvisualisierung How to make data look sexy
Datenvisualisierung How to make data look sexy Gerriet Hinrichs HAW Hamburg 18. Mai 2017 Übersicht 1. Was ist Datenvisualisierung? 2. Basis: Diagramme 3. Projekt: Domebook 4. Aus der Praxis 5. Ausblick
MehrDatenbanken und Informationssysteme. Datenbanken und Informationssysteme
Datenbanken und Informationssysteme Wolfgang Menzel: Natürlichsprachliche Systeme (NATS) Norbert Ritter: Datenbanken und Informationssysteme (IS) NATS Ziele der Vorlesung (1) Vermittlung von Grundlagen-
MehrDatenbanken und Informationssysteme
Datenbanken und Informationssysteme Wolfgang Menzel: Natürlichsprachliche Systeme (NATS) Norbert Ritter: Datenbanken und Informationssysteme (IS) NATS Ziele der Vorlesung (1) Vermittlung von Grundlagen-
MehrInformations- und Kommunikationssysteme
Informations- und Kommunikationssysteme Zweiter Teil (zeitlich erster) Präambel! Wer sind wir?! Kurzübersicht Kommunikationssysteme! Formalitäten (Ressourcen, Prüfung) http://www.tu-ilmenau.de/telematik/lehre
MehrREPORTING & DASHBOARDING Talk Document. reportingimpulse GmbH
REPORTING & DASHBOARDING Talk Document If I can t picture it, I can t understand it. Albert Einstein INTRODUCTION TO THE VISUAL BUSINESS ANALYTICS AND REPORTING MODEL USER APPLICATION DATA VISUALIZATION
MehrParallele Rechenmodelle
Organisatorisches und Themenvorstellung, 21. Oktober 2016 Henning Meyerhenke, Moritz von Looz, Roland Glantz 1 Meyerhenke, Looz, Glantz: Institute for Theoretical Computer www.kit.edu Science Termine Bis
MehrSeminar Visual Analytics and Visual Data Mining
Seminar Visual Analytics and Visual Data Mining Dozenten:, AG Visual Computing Steffen Oeltze, AG Visualisierung Organisatorisches Seminar für Diplom und Bachelor-Studenten (max. 18) (leider nicht für
MehrÜberblick Visual Computing: Teilbereiche & Anwendungsfelder
Überblick Visual Computing: Teilbereiche & Anwendungsfelder Werner Purgathofer Institut für und Algorithmen TU Wien Interaktive Visuelle Analytik visuelle Analyse mehrdim. und abstrakter Daten Modellierung
MehrWissenschaftliches Arbeiten
Wissenschaftliches Arbeiten Schriftliche Ausarbeitungen Guido de Melo Seite 2 Ablauf von Seminaren Blockseminar Themenvergabe Recherche Ausarbeitung Review Vortrag/Präsentation Seite 3 Lernziele Eigenständige
MehrZiele und Herausforderungen für die visuell gestützte Analyse großer Datenmengen. Präsentation der Modellergebnisse auf KlimafolgenOnline.
Ziele und Herausforderungen für die visuell gestützte Analyse großer Datenmengen Präsentation der Modellergebnisse auf KlimafolgenOnline.com Thomas Nocke Potsdam Institut für Klimafolgenforschung Der Visualisierungsprozess
MehrEinführung in das Visualization ToolKit. Institut für Simulation und Graphik, Otto-von-Guericke Universität Magdeburg
Einführung in das Visualization ToolKit VTK Einführung: Gliederung Was ist VTK? VTK-Konzept Vorstellung MeVisLab VTK Beispiel in MeVisLab 2/26 Was ist VTK? Freie Software-Bibliothek für 3D Graphik und
MehrSeminar Ausgewählte Themen der medizinischen Visualisierung
1 Ausgewählte Themen der medizinischen Visualisierung Institut für Informatik 08.07.2011 Arbeitsgruppe Visualisierung und Computergrafik (VisCG) Organisatorisches Veranstalter: Prof. Dr. Klaus Hinrichs,
MehrVisual Business Intelligence Eine Forschungsperspektive
Visual Business Intelligence Eine Forschungsperspektive Dr. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155 646 Fax.: +49
MehrEinführung in das Wissenschaftliche Arbeiten
Einführung in das Wissenschaftliche Arbeiten Georg Moser Institut für Informatik @ UIBK Sommersemester 2016 Organisation Seminarthemen Themen Propositions as Types, CACM, Vol 58(12) Time is an Illusion
MehrAK Medizinische Visualisierung
AK Medizinische Visualisierung Anlass Gründung des neuen Fachbereiches Graphische Datenverarbeitung in der GI (Beschluss 1/2003, Gründung 4/2003) Suche nach neuen Aktivitäten, Gründung von 4 neuen Arbeitskreisen
MehrInformationsveranstaltung Promseminar BAS/CSCW
BAS-Vorlesung Betriebswirtschaftliche Anwendungssysteme Informationsveranstaltung Promseminar BAS/CSCW Forschungsgruppe Betriebliche Anwendungssysteme Organisatorisches Proseminar BAS/CSCW im Wintersemester
MehrVorlesung Advanced Topics in HCI (Mensch-Maschine-Interaktion 2)
Vorlesung Advanced Topics in HCI (Mensch-Maschine-Interaktion 2) Ludwig-Maximilians-Universität München LFE Medieninformatik Albrecht Schmidt & Andreas Butz SS2006 http://www.medien.informatik.uni-muenchen.de/
MehrVisualizing Music Listening Histories
Abschlussvortrag Diplomarbeit 16.3.2010 Visualizing Music Listening Histories Frederik Seiffert http://www.frederikseiffert.de/lasthistory/ LFE Medieninformatik Prof. Dr. Andreas Butz Betreuer: Dominikus
MehrObject-Centered Design
Mensch und Computer 2013 Object-Centered Design Eine Methode zur Entwicklung neuartiger begreifbarer Interaktionsschnittstellen So, 8 SEP 2013 Brian Eschrich Anja Knöfel Thomas Gründer Mandy Keck Rainer
MehrModulliste. für den Masterstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Masterstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Wintersemester 2016/2017 Der Masterstudiengang Wirtschaftsinformatik
MehrÜbung zur Vorlesung Informationsvisualisierung. Emanuel von Zezschwitz Ludwig-Maximilians-Universität München Wintersemester 2014/2015
Übung zur Vorlesung Informationsvisualisierung Emanuel von Zezschwitz Ludwig-Maximilians-Universität München Wintersemester 2014/2015 Klausur verlegt! Neuer Termin: 05.02.15, 16:00-18:00 Uhr Ort: H 030
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrKonzepte und Methoden der wissenschaftlichen Visualisierung
Konzepte und Methoden der wissenschaftlichen Visualisierung Heidrun Schumann Universität Rostock Institut für Computergraphik Zusammenfassung Ziel der wissenschaftlichen Visualisierung ist es, abstrakte
MehrVISUALISIERUNG VON 3D- STADTMODELLEN: IM WEB ZUR ÖFFENTLICHEN BETEILIGUNG
VISUALISIERUNG VON 3D- STADTMODELLEN: IM WEB ZUR ÖFFENTLICHEN BETEILIGUNG Andreas Stein Fraunhofer-Institut für Graphische Datenverarbeitung IGD Fraunhoferstraße 5 64283 Darmstadt Tel +49 6151 155 416
Mehrlll lllll Ein realitätsbasierter Ansatz zur Präsentation und Exploration von Bibliotheksbeständen
B LENDED S HELF lll lllll Ein realitätsbasierter Ansatz zur Präsentation und Exploration von Bibliotheksbeständen Eike Kleiner, Roman Rädle, Harald Reiterer Universität Konstanz, AG Mensch-Computer Interaktion
MehrEignungsverfahren zum Master of Science Human-Computer Interaction
Eignungsverfahren zum Master of Science Human-Computer Interaction Literaturhinweise Prüfungsausschuss HCI Human-Computer Interaction & Psychologische Ergonomie Julius-Maximilians-Universität Würzburg
MehrData Mining auf Datenströmen Andreas M. Weiner
Technische Universität Kaiserslautern Fachbereich Informatik Lehrgebiet Datenverwaltungssysteme Integriertes Seminar Datenbanken und Informationssysteme Sommersemester 2005 Thema: Data Streams Andreas
MehrPartikelvisualisierung
Partikelvisualisierung Visualisierung großer Datensätze Oleg Martin 12. Mai 2011 Inhaltsverzeichnis 1. Einführung Was ist Datenvisualisierung? Ziele der Partikelvisualisierung Geschichtliche Entwicklung
MehrModulliste. für den Bachelorstudiengang. Wirtschaftsinformatik. an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik
Modulliste für den Bachelorstudiengang Wirtschaftsinformatik an der Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik vom Sommersemester 2017 Der Bachelorstudiengang Wirtschaftsinformatik
MehrProseminar Künstliche Intelligenz
Proseminar Künstliche Intelligenz Sommersemester 2009 Einführung und Themenvergabe 23. April 2009 Who is who Veranstalter Prof. Friedrich v. Henke Friedrich.von-Henke@uni-ulm.de Raum O 27 / 450 Sprechstunde
MehrKapitel 1 - Einführung
Vorlesung Graphische Datenverarbeitung Kapitel 1 - Einführung Prof. Dr.-Ing. Wolfgang Reinhardt AGIS/INF4 http://www.agis.unibw-muenchen.de UniBw München Überblick Kap. 1: Einführung (Überblick, Begriffe,
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrVoronoi Diagramme und deren Nutzen im 3D- Druck HAMBURG,
Voronoi Diagramme und deren Nutzen im 3D- Druck ROBIN SCHENDERLEIN HAMBURG, 01.06.2016 Übersicht Motivation Historie Definition Algorithmus Datenstruktur Anwendungsfälle Quellen Motivation Postamts Problem
MehrPrüfungsplan Master of Science in Wirtschaftsinformatik
Prüfungsplan Master of Science in Wirtschaftsinformatik Modul Art Creditpunkte Schwerpunkt Very Large Business Applications Module aus dem Bereich Wirtschaftsinformatik SWS Empfohlenes Semester Prüfungsart
MehrEinführung in die Wissensverarbeitung und Data Mining
Einführung in die Wissensverarbeitung und Data Mining Peter Becker FH Bonn-Rhein-Sieg Fachbereich Angewandte Informatik!" $# Vorlesung Wintersemester 2001/02 1. Einführung Vorbemerkungen 1 Einführung Vorbemerkungen
MehrStudienplan FSPO 2014/2017 Master Informationssystemtechnik
Studienplan FSPO 2014/2017 Master Informationssystemtechnik Folgende Modulgruppen sind im Masterstudiengang Informationssystemtechnik zu absolvieren. In den Modulgruppen 1. bis 4. sind insgesamt 90 Leistungspunkte
MehrData Warehousing. Sommersemester Ulf Leser Wissensmanagement in der Bioinformatik
Data Warehousing Sommersemester 2004 Ulf Leser Wissensmanagement in der Bioinformatik ... Der typische Walmart Kaufagent verwendet täglich mächtige Data Mining Werkzeuge, um die Daten der 300 Terabyte
MehrVisual Business Analytics Visueller Zugang zu Big Data
Visual Business Analytics Visueller Zugang zu Big Data Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax:
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrWissenschaftliches Arbeiten
Wissenschaftliches Arbeiten Andreas Schoknecht Jan Recker, Scientific Research in Information Systems A Beginner's Guide, Springer, 2013 INSTITUT FÜR ANGEWANDTE INFORMATIK UND FORMALE BESCHREIBUNGSVERFAHREN
MehrTrends in der BI. Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist
Trends in der BI Hannover, 20. März 2017 Patrick Keller, Senior Analyst und Prokurist BARC: Expertise für datengetriebene Unternehmen 2 Top Trends in BI und Analytics als Chance 3 Relevante Trends vs.
MehrEffektive Analyse großer Datenmengen im Public Sector
Effektive Analyse großer Datenmengen im Public Sector Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151 155-646 Fax:
MehrDiskrete Strukturen WS 2010/11. Ernst W. Mayr. Wintersemester 2010/11. Fakultät für Informatik TU München
WS 2010/11 Diskrete Strukturen Ernst W. Mayr Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2010ws/ds/ Wintersemester 2010/11 Diskrete Strukturen Kapitel 0 Organisatorisches Vorlesungen:
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrEinführung zum Seminar
Einführung zum Seminar Philipp Slusallek Computergraphik Universität des Saarlandes Übersicht Motivation Literatur Vortrag Bericht 1 Motivation Seminare Einführung und Training des wissenschaftlichen Arbeitens
MehrData Mining Künstliche Neuronale Netze vs. Entscheidungsbäume
Data Mining Künstliche Neuronale Netze vs. Entscheidungsbäume Grundseminar HAW Master Informatik 18.04.2017 Inhaltsübersicht Data Mining & Begriffswelt des Data Mining Klassifikation & Klassifikatoren
MehrHerausforderungen für die visuelle Kommunikation von Klimadaten: IPCC Graphiken und Web Portale
Herausforderungen für die visuelle Kommunikation von Klimadaten: IPCC Graphiken und Web Portale Thomas Nocke Potsdam Institut für Klimafolgenforschung nocke@pik potsdam.de Überblick Motivation & Hintergrund
MehrIllustrative Visualisierung
Seminar Illustrative Visualisierung Dr. Kai Lawonn, Prof. Bernhard Preim Institut für Simulation und Graphik, Otto-von-Guericke Universität Magdeburg 1/16 Seminarleiter Kai Lawonn lawonn@isg.cs.uni-magdeburg.de
MehrAutomatisches Layout von Graphen
Fakultät Informatik» Institut für Angewandte Informatik» Professur für Technische Informationssysteme Automatisches Layout von Graphen Mabel Joselin Brun Chaperon Dresden, 10.06.2011 Inhalt Vortragsübersicht:
MehrVisualisierung, WS07/08 9. November 2007. Visualisierung. Visuelle Variablen, Standardgraphen
Visualisierung, Standardgraphen Detlef Krömker Uni Frankfurt, Graphische Datenverarbeitung Wolfgang Müller PH Weingarten, Mediendidaktik und Visualisierung 09.11.2007 Visualisierung - D.Krömker, W.Müller
MehrFachgruppe Statistik, Risikoanalyse & Computing. STAT672 Data Mining. Sommersemester 2007. Prof. Dr. R. D. Reiß
Fachgruppe Statistik, Risikoanalyse & Computing STAT672 Data Mining Sommersemester 2007 Prof. Dr. R. D. Reiß Überblick Data Mining Begrifflichkeit Unter Data Mining versteht man die Computergestützte Suche
MehrLinked Data und Semantic Webbasierte Funktionalität in Europeana
Linked Data und Semantic Webbasierte Funktionalität in Europeana Semantic Web in Bibliotheken - SWIB09 Köln, 25. November 2009 Stefan Gradmann, Marlies Olensky Humboldt-Universität zu Berlin, Berlin School
MehrHow to make a PIXAR movie? WS 2012/2013
Proseminar/Seminar How to make a PIXAR movie? WS 2012/2013 Computer Graphics and Visualization Group Technische Universität München Überblick Sinn und Zweck eines Seminars Anforderungen und Zeitplan Überblick
MehrJPlus Platform Independent Learning with Environmental Information in School
JPlus Platform Independent Learning with Environmental Information in School Mario Härtwig, Pierre Karrasch Salzburg, 7. Juli 2010 Genesis Umweltmonitoring als Beitrag zur Umweltbildung an Schulen. Kulturlandschaftsentwicklung
MehrFakultätsübergreifendes Forschungsprojekt
Fakultätsübergreifendes Forschungsprojekt Entwicklung neuartiger Bedienkonzepte zur Steuerung und Überwachung von digitaler Produktion Inhalt Ausgewählte Projekte Aktueller Stand Visual Analytics Schwarm-Metapher
MehrMobiles Tagging für f r die Bibliothek
Social Software in Theorie und Praxis: 7. Hildesheimer Evaluierungs- und Retrieval (HIER) Workshop 20. Februar2008 Mobiles Tagging für f r die Bibliothek Ben Heuwing Studiengang Internationales Informationsmanagement
MehrBig & Smart Data. bernard.bekavac@htwchur.ch
Big & Smart Data Prof. Dr. Bernard Bekavac Schweizerisches Institut für Informationswissenschaft SII Studienleiter Bachelor of Science in Information Science bernard.bekavac@htwchur.ch Quiz An welchem
MehrVisualisierung in Informatik und Naturwissenschaften
Visualisierung in Informatik und Naturwissenschaften Datenbankvisualisierung Sven Bernhard 12.06.1999 Datenbankvisualisierung Datenbanktheorie in 5 Minuten Visualisierung vs. Datenbanken Visualisierung
MehrProf. Dr. Detlef Krömker Carsten Heep. Institut für Informatik. Johann Wolfgang Goethe-Universität
Fallbeispiel: Blended Learning Szenarien in einer einführenden Programmierausbildung Prof. Dr. Detlef Krömker Carsten Heep Johann Wolfgang Goethe-Universität 1 PRG-1-Konzept Blended Learning Übersicht
MehrPlan für heute. Vorlesungstermine. CG1 & CG2 Vorlesungsthemen. Anwendungsgebiete. Warum Computer Grafik? Computergrafik 1&2 SS 2010
Plan für heute Computergrafik 1&2 SS 2010 http://www.icg.tu-graz.ac.at/courses/cgcv Organisation der Vorlesung Anwendungen der Computergrafik Konzepte der Computergrafik Display Technologies Prof. Institut
MehrVorlesung. Data und Web Mining. Kurzinformation zur. Univ.-Prof. Dr. Ralph Bergmann. Lehrstuhl für Wirtschaftsinformatik II
Kurzinformation zur Vorlesung Data und Web Mining Univ.-Prof. Dr. Ralph Bergmann www.wi2.uni-trier.de - I - 1 - Die Ausgangssituation (1) Unternehmen und Organisationen haben enorme Datenmengen angesammelt
Mehr1. Anwendungspotentiale der flexiblen Planung zur Bewertung von Organisationen eine kritische
Grundlagenliteratur für die Themen 1 6: Eisenführ, F.; Weber, M.; Langer, T. (2010): Rationales Entscheiden, 5. überarb. u. erw. Aufl., Springer Verlag: Berlin [u.a.], S. 19 37. Laux, H.; Gillenkirch,
MehrVisual Analytics. Seminar. [Guo, 2006] [Wong, 2006] [Keim, 2006] [Proulx, 2006] [Chang, 2007] [Kosara, 2006]
Seminar Visual Analytics [Guo, 2006] [Keim, 2006] [Wong, 2006] [Proulx, 2006] [Chang, 2007] [Kosara, 2006] Visual Analytics - Definitions Visual analytics is the science of analytical reasoning facilitated
MehrMensch-Maschine-Interaktion 2 Übung 1
Mensch-Maschine-Interaktion 2 Übung 1 Ludwig-Maximilians-Universität München Wintersemester 2010/2011 Organisatorisches Themen der Vorlesung und Übung Interactive Surfaces Web Mobile Zeitplan (20.10. -
MehrGEO-INFORMATIONSSYSTEME
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE GEO-INFORMATIONSSYSTEME Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
MehrRichtlinien und Hinweise für. Seminararbeiten
Richtlinien und Hinweise für Seminararbeiten Lehrstuhl für VWL (Wirtschaftspolitik, insbes. Industrieökonomik) Ökonomie der Informationsgesellschaft Prof. Dr. Peter Welzel Gliederung Die folgenden Richtlinien
MehrVorbesprechung Seminar Biomedical Informatics
Vorbesprechung Martin Dugas und Xiaoyi Jiang Institut für Informatik Sommersemester 2016 Organisation Vorlage: Englischsprachige Publikation Vortrag: ca. 30min + 15min Diskussion, Blockseminar Anfang/Mitte
MehrGeostatistik 1 im WS 2009/2010
Geostatistik 1 im WS 2009/2010 Vorlesung (Prof. J. Jacobeit): Di., 15:45-17:15, HS IV Grundlagen statistischer Analysetechniken Geostatistik 1 im WS 2009/2010 Vorlesung (Prof. J. Jacobeit): Di., 15:45-17:15,
MehrVisual Business Analytics Effektiver Zugang zu Daten und Informationen
Visual Business Analytics Effektiver Zugang zu Daten und Informationen Dr.-Ing. Jörn Kohlhammer Fraunhofer-Institut für Graphische Datenverarbeitung (IGD) Fraunhoferstraße 5 64283 Darmstadt Tel.: +49 6151
MehrGIS und raumbezogene Datenbanken
GIS und raumbezogene Datenbanken Eine raumbezogene Datenbank (spatial database) dient der effizienten Speicherung, Verwaltung und Anfrage von raumbezogenen Daten. datenbankorientiert Ein geographisches
MehrVisuelle Sprachen und Ihre Ausdrucksmittel
Visuelle Sprachen und Ihre Ausdrucksmittel Seminar der Projektgruppe Generierung von Web-Anwendungen aus visuellen Spezifikationen Universität Paderborn 11. Juni 2004 Motivation Warum überhaupt visuell?
MehrPraktikum Advanced User Interfaces
Praktikum Advanced User Interfaces Martin Schmitz 18.10.2016 schmitz@tk.tu-darmstadt.de www.tk.informatik.tu-darmstadt.de Organisation P4 Praktikum, 6 CPs, HCS-Bereich Bearbeitung eines praktischen HCI-Projekts:
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung 01a: Einführung und Motivation Prof. Dr. Gudrun Socher Dozentin Dozentin Prof. Dr. Gudrun Socher (gudrun.socher@hm.edu) Sprechstunde Donnerstag 9:15-10:00 Uhr Anmeldung per E-Mail
MehrA system to integrate the usage of heterogenous input and output devices by the use of a generic interface
LFE Medieninformatik Ben Blaha Abschlussvortrag Projektarbeit: VISOR Versatile Input Steady Output Remote Control A system to integrate the usage of heterogenous input and output devices by the use of
MehrVisual Computing. Visual Computing. Was ist Visual Computing? Visual Computing
FIT-IT Programmlinie J. Birchbauer (Siemens), H. Bischof (TUG), D. Fellner (TUG), P. Löschl (Eybl), G. Stonawski (VR-VIS) kombiniert Gebiete der Computer Graphik Computer Vision Virtual / augmented / mixed
MehrVIRTUAL REALITY HYPE! Virtual Reality ist Super-Cool! Virtual Reality is Super-Cool! Virtual Bungee Jumping
VIRTUAL REALITY Lebenseinstellung des Vortragenden Institut für Maschinelles Sehen und Darstellen Technische Universität Graz ist Super-Cool! Terminator 4 - der Film aus dem Cyberspace! [SKIP] Mit dem
MehrExploration und Klassifikation von BigData
Exploration und Klassifikation von BigData Inhalt Einführung Daten Data Mining: Vorbereitungen Clustering Konvexe Hülle Fragen Google: Riesige Datenmengen (2009: Prozessieren von 24 Petabytes pro Tag)
MehrGrundlagen der Datenbanksysteme II. WiSe 2017
Grundlagen der Datenbanksysteme II WiSe 2017 Prof. Dott.-Ing. Roberto V. Zicari Johann Wolfgang Goethe-Universität Frankfurt am Main Fachbereich Mathematik und Informatik Johann Wolfgang Goethe-Universität
MehrImplizite Modellierung zur Objekterkennung in der Fernerkundung
Implizite Modellierung zur Objekterkennung in der Fernerkundung Mitarbeiterseminar 20.01.2011 (IPF) Fakultät für Bauingenieur-, Geo- und Umweltwissenschaften KIT Universität des Landes Baden-Württemberg
MehrStuart Chalk Evan Bolton
Program of the Chemical Information Division Symposium: Symposium Organizers: : An Important Triple to Advance Science Stuart Chalk Evan Bolton March 16, 2016 9.35 a.m. 10:00 a.m. Room 25B - San Diego
MehrSpringer-Verlag Berlin Heidelberg GmbH
Visualisierung Springer-Verlag Berlin Heidelberg GmbH Heidrun Schumann Wolfgang Muller Visualisierung Grundlagen und allgemeine Methoden Mit 188 Abbildungen Springer Prof. Dr. Heidrun Schumann Universităt
MehrAUSBILDUNG für INDUSTRIELLE BILDVERARBEITUNG - Skizze für tertiären Bereich
AUSBILDUNG für INDUSTRIELLE BILDVERARBEITUNG - Skizze für tertiären Bereich FH-Prof. DI. Kurt Niel University of Applied Sciences Upper Austria Faculty of Engineering and Environmental Sciences kurt.niel@fh-wels.at
MehrAlgorithmische Geometrie 1. Einführung
Algorithmische Geometrie 1. Einführung JProf. Dr. Heike Leitte Computergraphik und Visualisierung Algorithmische Geometrie Veranstaltung: 2 SWS Vorlesung: Mi, 9:15 10:45 1 SWS Übung: Do 14:00 16:00 Übungen:
MehrDigitales Schwarzes Brett. Master Informatik WS-2011/12 Hochschule für Angewandte Wissenschaften Hamburg Marius Klausa
Digitales Schwarzes Brett Master Informatik WS-2011/12 Hochschule für Angewandte Wissenschaften Hamburg Marius Klausa 1 Gliederung 1. Motivation 2. Überblick 3. Was habe ich im Master vor? 4. Forschung
MehrBusiness Intelligence & Machine Learning
AUSFÜLLHILFE: BEWEGEN SIE DEN MAUSZEIGER ÜBER DIE ÜBERSCHRIFTEN. AUSFÜHRLICHE HINWEISE: LEITFADEN MODULBESCHREIBUNG Business Intelligence & Machine Learning Kennnummer Workload Credits/LP Studiensemester
Mehr