PKU Visualization Blog

大数据时代下，各类信息数据量指数增长，针对海量复杂数据的分析处理迫切需要高效、直观的技术方法。可视化与可视分析技术基于人类感知、认知的规律，有效地结合了人类认知能力与机器强大的计算能力，是分析理解复杂数据的利器，是连接用户与数据的桥梁和纽带，在新时代得到越来越多的关注。掌握可视分析能力，学习通过可视界面与交互方式分析理解数据，进行高效沟通，开展智能决策，是数字化智能化时代的必要能力。

课程号：04835020 （3学分，混合式课堂）
上课时间：每周三 7-8节

授课教师

袁晓如 研究员

北京大学可视化与可视分析实验室
机器感知与智能教育部重点实验室
智能学院 xiaoru.yuan[at]pku.edu.cn
http://vis.pku.edu.cn/wiki/

课程目标

本课程是针对北京大学本科生开设的可视化与可视分析基础实践课程。课程将全面系统讲解可视化领域的基本原理、重要方法、关键技术与方法工具，培养学生基础可视化编程实现能力。通过开放性的可视化任务尝试，学习掌握从数据解析、设计需求分析、任务分解、方案设计、系统实现到叙事表达的可视化与可视分析领域全流程问题分析解决能力。

本课程是北京大学混合式课堂重构试点项目，课程授课将采用学习线上视频和线下课堂学习讨论相结合的方式，通过学习范式教学，强调交流、主动和创造力，结合真实数据与不同学科视角，在教授专业知识的同时，提升数据分析能力素养。课程同时注重开展跨学科学习研究实践，涉及对科学工程、人文社科等领域的数据可视化探索，以及相关设计艺术方面内容。

授课对象

课程面向全校，欢迎对可视化学科研究与利用可视化开展跨学科应用感兴趣的各专业同学选课。信息科学技术学院和其他相关院系的中高年级本科生 (大三、大四)或编程能力较强的大二学生；欢迎其他院系有一定编程基础的同学。2023年春季将开设《可视化看中国》全校通选课，选择本课程同学可以续选该课程进一步开展跨学科实践。课程中将学习部分相关编程内容。如无相关编程背景，但是有强烈兴趣的同学可以和授课老师单独联系讨论。

考察方式

课程主要通过课程设计工作开展评估，同时也结合课程参与度、作业情况、考察。平时在课堂和wiki上积极讨论、观点新颖的同学将得到成绩奖励。课程设计为小组合作完成可视化作品，并在期末进行答辩汇报。

往年课程设计

更多可视化案例

推特可视化

推特可视化项目以推特推文为基础，支持对用户感兴趣的时间段和实体（关键词、提示用户、转推用户、事件标签）进行交互分析。经过筛选的推文数据通过热度等高线图（Contour Map）进行可视化，有助于分析用户在社交媒体中独特的行为模式。

2021年中国科学院、工程院新当选院士分布

作为暑期学校的课程设计，该项目被广泛应用于不同数据集，如ChinaVis2020 注册信息分布、CSIG-VIS活动分布可视化等，该项目兼容性好，有助于对诸多事件类目进行可视化。

大运河流域名人行迹

大运河流域名人轨迹地图借助交互式的时间轴与地图，用户可以观看大运河流域内古代名人移动总览视图，也可以聚焦到一条条曾途经运河的具体名人轨迹，理解千年运河书写的文化篇章。该工作入选浙江美术馆主办的《大地史诗——中国大运河主题艺术展》。 

欢迎有志于从事可视化相关工作、对可视化学科研究与应用感兴趣或者用可视化手段探索自己的学科或工作内容、提高可视化技能的同学选课。

课程主页：https://vis.pku.edu.cn/course/visclass_f22/

如果有相关问题，请咨询：xiaoru.yuan[at]pku.edu.cn。