Fiche de cours
Visualisation de données
Data Visualization
Faculté de gestion: Faculté des lettres
Responsable(s): Isaac Pante
Horaires du cours (Hebdomadaire)
| Date | Lieu | Remarque | Thématique | Intervenant(s) |
|---|---|---|---|---|
| 2020/2021 : Mardi 16:15-17:45 (Hebdomadaire) | Anthropole/5183 | Isaac Pante |
Cours-TP (travaux pratiques)
Semestre de printemps
2 heures par semaine
28 heures par semestre
Hebdomadaire
Langue(s) d'enseignement: français
Public: Oui
Crédits: 3.00, 4.00
Objectif
Au sortir de cet enseignement, l'etudiant sera capable de
- decrire, d'un point de vue statistique, les differents types de donnees existants
- determiner la meilleure strategie de visualisation pour un jeu de donnees specifique
- encoder des donnees dans un format exploitable (CSV, JSON, etc.)
- decrire la logique de la librairie javascript D3.js (libre)
- generer diverses visualisations pour un meme jeu de donnees en faisant appel a cette librairie
- porter un regard critique sur des visualisations existantes
Contenu
La multiplication des outils de communication a transformé nos ressources attentionnelles en un capital sujet à une nouvelle économie. A l'heure actuelle, la plupart des médias traditionnels s'adjoignent les services de Data Scientists afin d'enrichir leurs contenus de visualisations destinées à captiver le spectateur par leur interactivité ajoutée. Mais la visualisation ne se borne pas à séduire: la recherche en sciences humaines mobilise de plus en plus la visualisation dans une perspective heuristique.
Après une introduction aux enjeux théoriques de la visualisation de données, les étudiant-e-s seront amenés à développer leurs propres visualisations à l'aide de D3, une librairie javascript libre et gratuite, développée par les membres du Groupe de visualisation de l'université de Stanford.
Evaluation
Une validation pratique consistant à sélectionner des données issues d'une discipline et à les présenter sous une forme interactive. Les exigences seront adaptées aux competences de l'etudiant-e en statistiques ainsi qu'en programmation.
Bibliographie
Disponible sur l'espace Moodle dédié
Exigences du cursus d'études
Aucun
Informations supplémentaires
https://unil.zoom.us/my/isaacpante
| Utilisation | Code faculté | Statut | Crédits |
|---|---|---|---|
| Maîtrise universitaire en Droit, criminalité et sécurité des technologies de l'information (2019 ->) ›› Enseignements obligatoires | Lettres | Obligatoire | 3.00 |
| Maîtrise universitaire en Droit, criminalité et sécurité des technologies de l'information "transitoire" (2016 ->) ›› Enseignements obligatoires | Lettres | Facultatif | 3.00 |
| Maîtrise universitaire ès Sciences en géographie, analyse spatiale et systèmes complexes (dès 2017A) (2017 ->) ›› Module 2.IV.1 : Bases de données - Traitement et visualisation de l'information | Obligatoire | 4.00 | |
| Maîtrise universitaire ès Sciences en géographie, analyse spatiale et systèmes complexes (dès 2018A) (2018 ->) ›› Module 2.IV.1 : Bases de données - Traitement et visualisation de l'information | Obligatoire | 4.00 | |
| Maîtrise universitaire, Programme de renforcement (2015 ->) ›› Enseignements transversaux - MA-RENF-TRANSV | Optionnel | 4.00 | |
| Maîtrise universitaire, Programme de renforcement (2015 ->) ›› Informatique pour les sciences humaines - MA-RENF-ISH | Optionnel | 4.00 | |
| Maîtrise universitaire, informatique pour les sciences humaines (2016 ->) ›› Analyse et traitement des données en sciences humaines - MA-ISH-20 | Obligatoire | 4.00 |
