TH Köln

Master Digital Sciences

Dokumente zur Akkreditierung des Studiengangs

Modul »Data Visualization« (DVI)

Informationen zur Organisation des Moduls

Modulverantwortung
Prof. Dr. Konrad Förstner (Fakultät F03)
Sprache
Englisch
Angeboten im
Sommersemester (Dauer 1 Semester)
Ort
Campus Köln Süd, oder remote
Anzahl Teilnehmer*innen
minimal 6, maximal 20
Vorbedingung
keine
Empfehlung
Basic Python coding skills
ECTS
3
Aufwand
Gesamtaufwand 90h
Kontaktzeit
60h (30h Vorlesung / 30h Übung)
Selbstlernzeit
30h (davon 30h eigenständige Projektarbeit)
Prüfung
Klausur in Verbindung mit semesterbegleitenden Ausarbeitungen (2 Teilprüfungen)
Vermittelte Kompetenzen
Implement Concepts, Deploy Products
Beziehung zu globalen Studiengangskriterien
Digitalisierung

Beitrag zu Handlungsfeldern

Nachfolgend ist die Zuordnung des Moduls zu den Handlungsfeldern des Studiengangs aufgeführt, und zwar als anteiliger Beitrag (als ECTS und inhaltlich). Dies gibt auch Auskunft über die Verwendbarkeit des Moduls in anderen Studiengängen und über die Beziehung zu anderen Modulen im selben Studiengang.

Handlungsfeld ECTS (anteilig) Modulbeitrag zum Handlungsfeld
Generating and Accessing Knowledge 3

In this module, fundamental data visualization concepts as well as concrete skills to represent large data sets are taught.

Learning Outcome

(WHAT?)

In this class fundamental visualization concepts as well as concrete skills to represent large data sets are taught.

(HOW?)

Participants will gain an basic understanding of the physiology of perception and learn to effectively encode information in figures. Futhermore, they will be introduced to widely used Python plotting libraries to create figures based on openly available data sets.

(WHY?)

After visiting this class students are able to interprete as well as design figures and are capable to visualize large data sets.

Inhaltliche Beschreibung des Moduls

  1. Basics of data visualisation
  2. Physiology of perception
  3. The grammar of graphics
  4. Python based visualisation (matplotlib, seaborn, bokeh)

Lehr- und Lernformen

The class will follow a flipped classroom approach and involve self-studying based on provided reading, audio and video material. Excersises in which small solution are implemented will help the participants to explore available tools and help to gain practical skills for data visualization.

Zur Verfügung gestelltes Lehrmaterial

  • lecture slides and videos
  • exercises

Weiterführende Literatur