Fiche de cours

Data visualization

COM-480

icon pdfFiche de cours

Enseignant(s) :

Vuillon Laurent Gilles Marie

Langue:

English

Summary

Understanding why and how to present complex data interactively in an effective manner has become a crucial skill for any data scientist. In this course, you will learn how to design, judge, build and present your own interactive data visualizations.

Content

Tentative course schedule

Week 1: Introduction to Data visualization Web development 

Week 2: Javascript 

Week 3: More Javascript 

Week 4: Data Data driven documents (D3.js)

Week 5: Interaction, filtering, aggregation (UI /UX). Advanced D3 / javascript libs

Week 6: Perception, cognition, color Marks and channels

Week 7: Designing visualizations (UI/UX) Project introduction Dos and don’ts for data-viz 

Week 8: Maps (theory) Maps (practice)

Week 9: Text visualization

Week 10: Graphs

Week 11: Tabular data viz Music viz

Week 12: Introduction to scientific visualisation

Week 13: Storytelling with data / data journalism Creative coding

Week 14: Wrap-Up 

Keywords

Data viz, visualization, data science

Learning Prerequisites

Required courses

CS-305 Software engineering (BA)

CS-250 Algorithms (BA)

CS-401 Applied data analysis (MA)

Recommended courses

EE-558 A Network Tour of Data Science (MA)

CS-486 Interaction design (MA)

CS-210 Functional programming (BA)

Important concepts to start the course

Being autonomous is a prerequisite, we don't offer office hours and we won't have enough teaching assistants (you've been warned!).

Knowledge of one of the following progrmaming language such as C++, Python, Scala.

Familiarity with web-development (you already have a blog, host a webiste). Experience with HTML5, Javascript is a strong plus for the course.

 

Learning Outcomes

By the end of the course, the student must be able to:
  • Judge visualization in a critical manner and suggest improvements.
  • Design and implement visualizations from the idea to the final product according to human perception and cognition
  • Know the common data-viz techniques for each data domain (multivariate data, networks, texts, cartography, etc) with their technical limitations
  • Create interactive visualizations int he browser using HTM5 and Javascript

Transversal skills

  • Communicate effectively, being understood, including across different languages and cultures.
  • Negotiate effectively within the group.
  • Resolve conflicts in ways that are productive for the task and the people concerned.

Teaching methods

Ex cathedra lectures, exercises, and group projects

Expected student activities

  • Follow lectures
  • Read lectures notes and textbooks
  • Create an advanced data-viz in groups of 3.
  • Answer questions assessing the evolution of the project.
  • Create a 2min screencast presentation of the viz.
  • Create a process book for the final data viz.

Assessment methods

  • Data-viz (35%)
  • Technical implementation (15%)
  • Website, presentation, screencast (25%)
  • Process book (25%)

Resources

Bibliography

Visualization Analysis and Design by Tamara Munzner, CRC Press (2014). Free online version at EPFL.

Interactive Data Visualization for the Web by Scott Murray O'Reilly (2013) - D3 - Free online version.

The Truthful Art: Data, Charts, and Maps for Communication by Cairo, Alberto. Royaume-Uni, New Riders, (2016).

Data Visualisation: A Handbook for Data Driven Design by Kirk, Andy. Royaume-Uni, SAGE Publications, (2019).

 

 

 

 

Ressources en bibliothèque
Notes/Handbook

Lecture notes

Moodle Link

Dans les plans d'études

  • Systèmes de communication - master, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Systèmes de communication - master, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Data Science, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Data Science, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Génie électrique et électronique, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Génie électrique et électronique, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Humanités digitales, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Humanités digitales, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Informatique - Cybersecurity, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Informatique - Cybersecurity, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Informatique, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Informatique, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Statistique, 2023-2024, Master semestre 2
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Statistique, 2023-2024, Master semestre 4
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Génie électrique (edoc), 2023-2024
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Joint EPFL - ETH Zurich Doctoral Program in the Learning Sciences, 2023-2024
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Mineur en Computational biology, 2023-2024, Semestre printemps
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel
  • Mineur en Data science, 2023-2024, Semestre printemps
    • Semestre
       Printemps
    • Forme de l'examen
       Pendant le semestre
    • Crédits
      6
    • Matière examinée
      Data visualization
    • Cours
      2 Heure(s) hebdo x 14 semaines
    • Projet
      2 Heure(s) hebdo x 14 semaines
    • Type
      optionnel

Semaine de référence

 LuMaMeJeVe
8-9     
9-10     
10-11     
11-12     
12-13     
13-14     
14-15     
15-16     
16-17     
17-18     
18-19     
19-20     
20-21     
21-22     
En construction
 
      Cours
      Exercice, TP
      Projet, autre

légende

  • Semestre d'automne
  • Session d'hiver
  • Semestre de printemps
  • Session d'été
  • Cours en français
  • Cours en anglais
  • Cours en allemand