Магистратура
2024/2025
Визуализация данных
Статус:
Курс обязательный (Аналитика больших данных)
Направление:
01.04.02. Прикладная математика и информатика
Где читается:
Факультет компьютерных наук
Когда читается:
1-й курс, 3 модуль
Формат изучения:
без онлайн-курса
Охват аудитории:
для своего кампуса
Преподаватели:
Паточенко Евгений Анатольевич
Прогр. обучения:
Аналитика больших данных
Язык:
русский
Кредиты:
3
Программа дисциплины
Аннотация
Этот модуль познакомит студентов с популярными BI-системами для разработки отчетов и визуализации данных. Студенты научатся строить интерактивные графики и дашборды в DataLens, узнают, на чём необходимо делать акценты при верстке, попробуют собрать требования к дашборду от заказчика и научатся грамотно презентовать результаты аналитических исследований.
Цель освоения дисциплины
- -Научиться проводить интервью с заказчиком и собрать необходимые требования
- Научиться заполнять Dashboard Canvas
- Понять, как сделать макет дашборда
- Уметь подготовить и подключить данные к BI инструменту
- Научиться выбирать под какие задачи какие графики подходят
- Научиться применять правила визуализации
- Уметь настроить интерактивность и расчётные поля
- Уметь строить дашборд в DataLens
- Ориентироваться в другие инструменты на рынке и понимает как выбрать нужный инструмент под конкретную задачу
- Уметь создавать и управлять пайплайнами для анализа данных
Планируемые результаты обучения
- Освоение основы визуализации данных в Tableau и применение различных типов графиков для аналитических задач.
- Изучение дизайна и создание различных типов дашбордов в Tableau
- Овладеть алгоритмом создания дашбордов, включая взаимодействие с заказчиком и выбор типов графиков
- Расширить навыки работы с расчетами и агрегациями данных в Tableau
- Изучение альтернативных инструментов визуализации, такие как Plot.ly, DataWrapper, Flourish, Power BI, Qlik и создание дашбордов в DataLens
- — Студент понимает как работает визуализация данных
- — Знает, что такое визуальный атом
- – Студент понимает, как проводить интервью с заказчиком
- – Студент умеет заполнять Dashboard Canvas
- – Студент знает как составить макет дашборда
- – Студент понимает, как применить при составлении макета дашборда Дерево метрик
- - Студент понимает, как происходит подключение данных
- - Студент знает, в каком случае лучше делать подготовку на стороне БД, а в каком - на стороне BI
- - Студент понимает, как работать с данными в DataLens
- - Студент понимает, для каких задач какие типы графиков подходят
- - Студент может сделать и оформить разные типы графиков в DataLens
- - Студент может применить правила визуализации при построении дашборда
- - Студент знает, как создать, расположить элементы и настроить дашборд в DataLens
- - Студент умеет применять функции в DataLens
- - Студент знает, где искать весь перечень функций и их возможности в DataLens
- - Студент знает ключевые инструменты и понимает их отличия
- - Студент понимает, как выбрать подходящий под условия задачи инструмент
- - Студенты умеет создавать и управлять пайплайнами для анализа данных
- - Студент освоил различные этапы работы — от загрузки данных до их визуализации
- - Студент умеет автономно решать аналитические задачи.
Содержание учебной дисциплины
- Как работает визуализация данных?
- Dashboard Canvas
- Как работать с данными в BI системах
- Графики и лучшие практики их оформления
- Основы дизайна и верстка дашборда
- Расчетные поля и интерактивность
- Обзор BI-систем и итоги
- Финальный проект по аналитике данных
Элементы контроля
- Д. з. к разделам (урокам) 1-7. Квиз на закрепление основных понятий урока.Количество контролей: 63 тестовых задания: 1 урок - 8 заданий, 2 урок - 12 заданий, 3 урок - 10 заданий, 4 урок - 10 заданий, 5 урок - 10 заданий, 6 урок - 13 заданий.
- Д. з. к разделам (урокам) 2-6. Итоговый проект по визуализации (построение дашборда в DataLens).Количество контролей: 60 практических задач: 2 урок - 20 заданий, 3 урок - 10 заданий, 4 урок - 10 заданий, 5 урок - 10 заданий, 6 урок - 9 заданий, 1 итоговый контроль
- Финальный проект по аналитике данных (урок 9).
Промежуточная аттестация
- 2024/2025 4th moduleИтоговая оценка соответствует сумме баллов за выполненные задания на LMS karpov.courses, приведенные к 10-балльной шкале (см. таблицу). Для каждого задания на LMS-платформе karpov.courses определён дедлайн в 14 календарных дней, после наступления которого студенту начисляется 70% от итогового балла за задание. Оценка “10” и “9” за итоговую оценку выставляется только студентам, набравшим не менее 27 баллов за итоговый проект по визуализации и получивших оценку 1 за финальный проект по аналитике данных. Студенты, набравшие менее 27 баллов за итоговый проект по визуализации, получают итоговую оценку, соответствующую сумме баллов за задания на LMS, но не превышающую “8”. Студенты, набравшие менее 1 балла за финальный проект по аналитике данных, получают итоговую оценку, соответствующую сумме баллов за задания на LMS, но не превышающую “6”. Таблица размещена в разделе система оценивания - "Финальный проект по аналитике данных (урок 9)."
