HLS
1. Was sind die Probleme der Datenvisualisierung?
- Grosse Mengen komplexer Daten wachsen schneller als wir fähig sind sie zu analysieren
- Wir wissen wie man Daten sammelt und speichert, aber wie bekommen wir etwas dabei raus?
- Herausforderung: Daten effektiv verstehen und verwenden können
2. Was für verschiedene Visualisierungen von Wissen gibt es?
- Data Visualization (Subject: Data)
- Scientific Visualization (Data: space-time)
- Information Visualization (Data: abstract)
- Knowledge Visualization (Subject: ideas, concepts)
3. Wofür gibt es Data Visualization?
Analysis (Verstehen von unbekannten Dingen)
- Erforschen, Hypothesen generieren, Wissen erweitern
- Bestätigung: Hypothesen bestätigen, unsichtbares Sichtbar machen
Kommunikation (Bekannte Dinge kommunitieren)
- Findings klar, präzise und effizient kommunizieren
4. Was ist Information Design?
- Information so vorbereiten, dass sie effizient und effektiv von Menschen verwendet werden können
- Der Fokus ist nicht dabei die Daten attraktiv zu präsentieren
5. Was ist wichtig beim Data Visualisieren? (Edward Tufte)
- Above all, show the data
- Reduce non-data ink
- Maximize data to ink ration
- Show data with clarity and precision
6. Was ist beim Interface Design wichtig?
Ein Interface kreieren, das die Benutzerinteraktion so einfach und effizient macht um ans Ziel zu kommen
7. Was ist die Visualization Pipeline?
Der Weg wie man von Daten zu einem Bild kommt
- Transformation (Konvertieren der Daten in Grafik-Primitiven und dann in Bilder)
- Repräsentation (Interne Datenstrukturen und Grafik-Primitiven)
8. Die 8 Schritte der Visualization Pipeline?
- Data Creation (Messen, simuliere, lesen, etc.)
- Raw Data (Visualization Data: Tolologie, Attribute, etc.)
- Data Enrichment (Interpolieren, filten, auswählen)
- Derived Data (Visualization Data: Tolologie, Attribute, etc.)
- Visualization Mapping (Darstellbare Objekte generieren mit Formen, Dimensionen etc.)
- Graphics Primitives (2D & 3D Grafik-Primitiven)
- Rendering (Bild produzieren mit Oberfläche, Volume, Licht etc.)
- Image (fertiges Bild)
9. Was ist ein Dataset
Eine Repräsentation von Daten
Hat eine Struktur (Geometrie, Topologie) und Attribute (Messwerte)
10. Was gibt es für Grids
Kartesische Grids
Reguläre Grids
Rectilinear Grids
Curvilinear Grids
11. Was gibt es für Datentransformationen?
Skalieren, verkleinern, rotieren, Translation, Warp, etc.
12. Was sind abstrakte Daten?
- 1D: Text, Listen, Chronologien
- 2D: Bilder, Karten, Layouts
- 3D: Moleküle, Gebäude, Körper
- Multi-dimensional: Tabellen, Statistiken, Datenbanken
- Bäume: Directories, Organisationen, Aggregationen
- Netzwerke: Kommunikation, Soziale Verbindungen, Biologische Pfade
13. Was ist die Herausforderung bei der Visualisierung von mehrdimensionalen Daten?
- Repräsentation
- Komplexität
- Grösse
14. Ansätze zum Visualisieren von mehrdimensionalen Daten?
- Overloading
- Glyphs (Chernoff Faces, Stick Figures)
- Parallelisieren
- Multiplizieren
- Small Multiples
- Scatter Plot Matrix
- Reduzieren
- Multidimensionales Scaling
- Principle Components Analysis
15. Was ist der Sinn von Information Visualization?
Grafische Repräsentation und UI zur Manipulation von grossen Datenmengen ermöglicht es den Benutzer Entdeckungen, Entscheidungen zu machen über Trends, Patterns, Gruppen oder einzelne Datenpunkte
16. Was ist ein VUI?
Ein GUI wo der Benutzer die Daten selbst interaktiv repräsentieren und analysieren kann
17. Was sind die Eigenschaften von RGB
- Additives Modell der 3 Primärfarben
- Nähe zur Maschine, funktioniert wie Display, Kameras aber nicht Drucker
- Nicht sehr intuitiv
- 1 Byte pro Farbe
18. Was sind die Eigenschafen von HSB
- Farbe definiert durch Hue, Saturation, Brightness
- Beschreibt die Verbindung zwischen Farben besser
- Eher intuitiv
- Braucht mehr Rechenpower
- Manchmal auch HSV (Value)
19. Wie am besten farblich darstellen?
- Farbe möglichst aussagekräftig machen
- Nur 8-14 Farben können einfach unterschieden werden
- Nur Ton ändern, nicht Helligkeit
- Hohe Sättigung für kleine Flächen
- Kleine Sättigung für grosse Flächen
20. Was ist das Problem der Regenbogenskala?
Es gibt keine klare Ordnung
Es überspringt kleine Details
Es ist kein schönes Raster
21. Wie ist ein typisches Dataset aufgebaut?
Zeilen: Items
Kolonnen: Attribute
Zellen: Value
22. Wie ist ein typisches Dataset aufgebaut?
Zeilen: Items
Kolonnen: Attribute
Zellen: Value
23. Wie werden Länge, Fläche, Volumen dargestellt und wahrgenommen?
Der Mensch kann Länge viel besser einschätzen als eine Fläche und das Volumen noch schlechter
24. Wichtiges bei der Verwendung von Pie Charts?
Nur um wenige verschiedene Daten zu vergleichen
Perspektive am besten von Oben, 3D bringt nichts und verwirrt nur
25. Wichtiges bei der Verwendung von Barcharts?
- Sortieren nach Grösse um zu vergleichen
- Heller oder weisser Hintergrund
- Kein Gitter
- Bars möglichst simpel und einfarbig (ohne Rand)
- Achsen werden nicht zwingend benötigt
- Datenbeschriftung vorheben zu Achsenbeschriftung
- Linecharts manchmal übersichtlicher als Barcharts
26. Was gibt es alles für Grafik-Transformationen?
- Geometrische Trasformationen
- Topologische Transformationen
- Attribut-Transformationen
- Kombinierte Transformationen
27. Was gibt es für Möglichkeiten beim Color Mapping?
- Skalare Maps
- Color Lookup Tables (LUT)
- Skalar Maps konvertiert zu LUT
- Transfer Funktion (Kuntinuierliche LUT)
28. Was ist Contouring?
- Anzeigen von Regionen im Dataset mit Skalarwerten
- Generiert Isolinien (in 2D) oder isosurfaces (3D)
- Bsp. Hitzedistribution
29. Wie funktioniert Contouring
Mit einem Algorithmus
- Skalarwert aussuchen
- Interpolieren und Werte zwischen den Cell Nodes abrufen
- Übergänge detektieren
30. Was sind Marching Squares?
Ein Algorithmus zur Berechnung von Isolinien aus einer Datenquelle
31. Was sind Marching Cubes?
Ein Algorightmus zur Berechnung von Isoflächen aus einer Datenquelle
32. Was ist Interface Design?
Das Design von Computer, Anwendungen, Maschinen, Websites etc. mit dem Fokus auf das Benutzer-Erlebnis und -Interaktion.
33. Was ist das Ziel von Interface Design?
Usability
34. Was ist Usability? (LEMSS)
- Learnability
- Efficiency
- Memorability
- Safety
- Satisfaction
35. Wie macht man gutes User-Centered Design?
- Early Focus on User
- Continuous User Testing
- Integrated Design (Design soll alles beinhalten)
- Iterative Design
36. Was sind die 4 Schritte des Interface Designs?
- Identifizieren der Bedürfnisse und Anforderungen für das User Experience aufstellen
- Alternative Designs entwickeln
- Interaktive Prototypen erschaffen
- Evaluieren mit dem User und weiter
38. What are the Design Principles?
- Visibility
- Feedback
- Constrains
- Mapping
- Consistency
- Affordance
39. Wofür ist Prototyping?
- Evaluation und Feedback schnell erhalten ohne gross etwas zu coden
- Stakeholders können schon früh mit dem Design interagieren
- Man kann Ideen selbst schon testen
- Es ermutigt Reflexion
40. Was sind Beispiele für Prototypen?
- Zeichnungen
- Ein Storyboard
- Ein Powerpoint
- Ein Video zur Simulation
- Ein Karton-Mockup
- Eine Software mit limitierter Funktionalität
41. Wie funktionieren Marching Squares/Cubes?
Alle Zellen die zwischen 4 Werten eines Datensatzes werden untersucht und es wird anhand des Isowertes als Schwellwert und der 16 Möglichkeiten entschieden, wo die Kongurierung bei dieser Zelle durchgeht. Daraus entsteht eine Kontur.
-
- 1 / 40
-
Flashcards
1. Was sind die Probleme der Datenvisualisierung?
- Grosse Mengen komplexer Daten wachsen schneller als wir fähig sind sie zu analysieren
- Wir wissen wie man Daten sammelt und speichert, aber wie bekommen wir etwas dabei raus?
- Herausforderung: Daten effektiv verstehen und verwenden können
2. Was für verschiedene Visualisierungen von Wissen gibt es?
- Data Visualization (Subject: Data)
- Scientific Visualization (Data: space-time)
- Information Visualization (Data: abstract)
- Knowledge Visualization (Subject: ideas, concepts)
3. Wofür gibt es Data Visualization?
Analysis (Verstehen von unbekannten Dingen)
- Erforschen, Hypothesen generieren, Wissen erweitern
- Bestätigung: Hypothesen bestätigen, unsichtbares Sichtbar machen
Kommunikation (Bekannte Dinge kommunitieren)
- Findings klar, präzise und effizient kommunizieren
4. Was ist Information Design?
- Information so vorbereiten, dass sie effizient und effektiv von Menschen verwendet werden können
- Der Fokus ist nicht dabei die Daten attraktiv zu präsentieren
5. Was ist wichtig beim Data Visualisieren? (Edward Tufte)
- Above all, show the data
- Reduce non-data ink
- Maximize data to ink ration
- Show data with clarity and precision
6. Was ist beim Interface Design wichtig?
Ein Interface kreieren, das die Benutzerinteraktion so einfach und effizient macht um ans Ziel zu kommen
7. Was ist die Visualization Pipeline?
Der Weg wie man von Daten zu einem Bild kommt
- Transformation (Konvertieren der Daten in Grafik-Primitiven und dann in Bilder)
- Repräsentation (Interne Datenstrukturen und Grafik-Primitiven)
8. Die 8 Schritte der Visualization Pipeline?
- Data Creation (Messen, simuliere, lesen, etc.)
- Raw Data (Visualization Data: Tolologie, Attribute, etc.)
- Data Enrichment (Interpolieren, filten, auswählen)
- Derived Data (Visualization Data: Tolologie, Attribute, etc.)
- Visualization Mapping (Darstellbare Objekte generieren mit Formen, Dimensionen etc.)
- Graphics Primitives (2D & 3D Grafik-Primitiven)
- Rendering (Bild produzieren mit Oberfläche, Volume, Licht etc.)
- Image (fertiges Bild)
9. Was ist ein Dataset
Eine Repräsentation von Daten
Hat eine Struktur (Geometrie, Topologie) und Attribute (Messwerte)
10. Was gibt es für Grids
Kartesische Grids
Reguläre Grids
Rectilinear Grids
Curvilinear Grids
11. Was gibt es für Datentransformationen?
Skalieren, verkleinern, rotieren, Translation, Warp, etc.
12. Was sind abstrakte Daten?
- 1D: Text, Listen, Chronologien
- 2D: Bilder, Karten, Layouts
- 3D: Moleküle, Gebäude, Körper
- Multi-dimensional: Tabellen, Statistiken, Datenbanken
- Bäume: Directories, Organisationen, Aggregationen
- Netzwerke: Kommunikation, Soziale Verbindungen, Biologische Pfade
13. Was ist die Herausforderung bei der Visualisierung von mehrdimensionalen Daten?
- Repräsentation
- Komplexität
- Grösse
14. Ansätze zum Visualisieren von mehrdimensionalen Daten?
- Overloading
- Glyphs (Chernoff Faces, Stick Figures)
- Parallelisieren
- Multiplizieren
- Small Multiples
- Scatter Plot Matrix
- Reduzieren
- Multidimensionales Scaling
- Principle Components Analysis
15. Was ist der Sinn von Information Visualization?
Grafische Repräsentation und UI zur Manipulation von grossen Datenmengen ermöglicht es den Benutzer Entdeckungen, Entscheidungen zu machen über Trends, Patterns, Gruppen oder einzelne Datenpunkte
16. Was ist ein VUI?
Ein GUI wo der Benutzer die Daten selbst interaktiv repräsentieren und analysieren kann
17. Was sind die Eigenschaften von RGB
- Additives Modell der 3 Primärfarben
- Nähe zur Maschine, funktioniert wie Display, Kameras aber nicht Drucker
- Nicht sehr intuitiv
- 1 Byte pro Farbe
18. Was sind die Eigenschafen von HSB
- Farbe definiert durch Hue, Saturation, Brightness
- Beschreibt die Verbindung zwischen Farben besser
- Eher intuitiv
- Braucht mehr Rechenpower
- Manchmal auch HSV (Value)
19. Wie am besten farblich darstellen?
- Farbe möglichst aussagekräftig machen
- Nur 8-14 Farben können einfach unterschieden werden
- Nur Ton ändern, nicht Helligkeit
- Hohe Sättigung für kleine Flächen
- Kleine Sättigung für grosse Flächen
20. Was ist das Problem der Regenbogenskala?
Es gibt keine klare Ordnung
Es überspringt kleine Details
Es ist kein schönes Raster
21. Wie ist ein typisches Dataset aufgebaut?
Zeilen: Items
Kolonnen: Attribute
Zellen: Value
22. Wie ist ein typisches Dataset aufgebaut?
Zeilen: Items
Kolonnen: Attribute
Zellen: Value
23. Wie werden Länge, Fläche, Volumen dargestellt und wahrgenommen?
Der Mensch kann Länge viel besser einschätzen als eine Fläche und das Volumen noch schlechter
24. Wichtiges bei der Verwendung von Pie Charts?
Nur um wenige verschiedene Daten zu vergleichen
Perspektive am besten von Oben, 3D bringt nichts und verwirrt nur
25. Wichtiges bei der Verwendung von Barcharts?
- Sortieren nach Grösse um zu vergleichen
- Heller oder weisser Hintergrund
- Kein Gitter
- Bars möglichst simpel und einfarbig (ohne Rand)
- Achsen werden nicht zwingend benötigt
- Datenbeschriftung vorheben zu Achsenbeschriftung
- Linecharts manchmal übersichtlicher als Barcharts
26. Was gibt es alles für Grafik-Transformationen?
- Geometrische Trasformationen
- Topologische Transformationen
- Attribut-Transformationen
- Kombinierte Transformationen
27. Was gibt es für Möglichkeiten beim Color Mapping?
- Skalare Maps
- Color Lookup Tables (LUT)
- Skalar Maps konvertiert zu LUT
- Transfer Funktion (Kuntinuierliche LUT)
28. Was ist Contouring?
- Anzeigen von Regionen im Dataset mit Skalarwerten
- Generiert Isolinien (in 2D) oder isosurfaces (3D)
- Bsp. Hitzedistribution
29. Wie funktioniert Contouring
Mit einem Algorithmus
- Skalarwert aussuchen
- Interpolieren und Werte zwischen den Cell Nodes abrufen
- Übergänge detektieren
30. Was sind Marching Squares?
Ein Algorithmus zur Berechnung von Isolinien aus einer Datenquelle
31. Was sind Marching Cubes?
Ein Algorightmus zur Berechnung von Isoflächen aus einer Datenquelle
32. Was ist Interface Design?
Das Design von Computer, Anwendungen, Maschinen, Websites etc. mit dem Fokus auf das Benutzer-Erlebnis und -Interaktion.
33. Was ist das Ziel von Interface Design?
Usability
34. Was ist Usability? (LEMSS)
- Learnability
- Efficiency
- Memorability
- Safety
- Satisfaction
35. Wie macht man gutes User-Centered Design?
- Early Focus on User
- Continuous User Testing
- Integrated Design (Design soll alles beinhalten)
- Iterative Design
36. Was sind die 4 Schritte des Interface Designs?
- Identifizieren der Bedürfnisse und Anforderungen für das User Experience aufstellen
- Alternative Designs entwickeln
- Interaktive Prototypen erschaffen
- Evaluieren mit dem User und weiter
38. What are the Design Principles?
- Visibility
- Feedback
- Constrains
- Mapping
- Consistency
- Affordance
39. Wofür ist Prototyping?
- Evaluation und Feedback schnell erhalten ohne gross etwas zu coden
- Stakeholders können schon früh mit dem Design interagieren
- Man kann Ideen selbst schon testen
- Es ermutigt Reflexion
40. Was sind Beispiele für Prototypen?
- Zeichnungen
- Ein Storyboard
- Ein Powerpoint
- Ein Video zur Simulation
- Ein Karton-Mockup
- Eine Software mit limitierter Funktionalität
41. Wie funktionieren Marching Squares/Cubes?
Alle Zellen die zwischen 4 Werten eines Datensatzes werden untersucht und es wird anhand des Isowertes als Schwellwert und der 16 Möglichkeiten entschieden, wo die Kongurierung bei dieser Zelle durchgeht. Daraus entsteht eine Kontur.
