Přednášky

Přednáška 1

Historický úvod a vykreslování základních grafů. Slidy naleznete ZDE.

Přednáška 2

Datová sada, dimenze, vzorkování, rekonstrukce. Slidy naleznete ZDE.

Přednáška 3

Rekonstrukce z mračna bodů. Slidy naleznete ZDE.

Přednáška 4

Vizualizace vektorových polí. Slidy naleznete ZDE.

Přednáška 5

Vizualizace objemových dat. Praktická ukázka.

Přednáška 6

Vizualizace tenzorových polí. Slidy naleznete ZDE.

Přednáška 7

Vizualizace abstraktních dat. Slidy naleznete ZDE.

Přednáška 8

Vizualizace abstraktních dat - knihovna D3.js. Slidy naleznete ZDE.

Zkouška

Zkouška je ústní s písemnou přípravou (3 otázky, každá za max. 20 bodů). Zkušební otázky se kryjí s názvy jednotlivých přednášek.

Cvičení 1

Hlavním cílem prvního cvičení je seznámení se s nástrojem Gnuplot. Pro začátek můžete použít tuto ukázku. Dalším bodem cvičení je vyhledání libovolné teplotní časové řady (min. 50 let), její vhodná vizualizace a následná analýza.

Cvičení 2

Druhé cvičení navazuje na analýzu časové řady z předchozího cvičení hledáním hlavního trendu a periodických změn v řadě (OpenCV FFT, Eigen FFT apod.). Pro aproximaci dat můžete využít postup uvedený ZDE nebo ZDE.

Cvičení 3

Třetí cvičení se věnuje rekonstrukci funkce z mračna vygenerovaných bodů pomocí Sheppardovy metody. Body p_i jsou z domény D=<-500, 500>^2 generovány náhodně s normálním rozložením kolem počátku s vhodným rozptylem, přidružené hodnoty f_i odpovídají funkční hodnotě 2D Gaussiánu. Ukázka rekonstrukce obdobné funkce je na slidu 15.

Cvičení 4

Čtvrté cvičení se věnuje vizualizaci vektorových polí. Pokuste se o animaci vizualizace časoprostorových vzorků vektorového pole ze simulace proudění tekutin. Vstupní data naleznete ZDE. Výsledná animace by měla obsahovat vhodné znázornění rotace a rychlosti vektorového pole.

Cvičení 5, 6, 7

Páté cvičení se věnuje vizualizaci objemových dat. S využitím předpřipravené šablony se pokuste o vizualizaci izoplochy vybraného druhu tkáně pomocí libovolného osvětlovacího modelu.

Cvičení 8

Osmé cvičení se věnuje vizualizaci abstraktních dat. S využitím knihovny D3.js se pokuste o vizualizaci libovolných vstupních dat (konkrétní zadání konzultujte s cvičícím).