Visualization

CLASS INFO

• Semester: Fall, 2025
• Class time/ Class room: / Mirae Building
• Text book:
• Course Description: 시각화는 데이터가 가지고 있는 통계적인 특성일 효과적으로 전달하는 수단이다. 본 수업에서는 고차원 구조 데이터의 속성을 요약하고 전달하기 위한 통계적 방법을 소개한다. 이 수업의 전반부에서는 통계적 시각화 도구와 시각화를 구현하기 위한 프로그래밍 방법을 배우고 후반부에서는 고차원 데이터를 저차원 공간에서 표현하여 그것을 시각화하는 방법들을 배운다. 후반부의 수업 내용들은 고차원 데이터의 비선형축약과 잠재공간에서 데이터 표현형의 학습 방법론을 포함한다. 이 수업은 학부 3, 4학년을 위한 과목으로 파이썬 기초, 선형대수(행렬대수)에 대한 사전 지식이 필요하다.

CONTENTS

• [1주차] 시각화의 역사
  • 강의자료 (link)
• [2주차] 통계량의 시각화
  • 강의자료 (link)
  • 실습링크: 시각화 프로그래밍 기초 (link)
  • 실습링크: GGPLOT2 in Python (link)
• [3주차] 데이터 분석 결과의 시각화
  • 강의자료 (link)
  • 실습링크 (link)
• [4주차] 공간정보의 시각화
• [5주차] Server and DB
  • 강의자료 (link)
• [6주차] Data analysis on the inner product space
  • 강의자료 (link)
  • 실습링크: 차원숙소와 함수데이터 분석 (link)
• [7주차] PCA and ICA
  • PCA (link)
  • PCA 실습링크 (link)
• [8주차] 중간고사
• [9주차] Factor Analysis
  • Factor Analysis (link)
  • 실습링크: iris 데이터 factor analysis와 시각화 (link)
• [10주차] Multi-dimensional Scaling
  • MDS (link)
  • 실습링크: iris 데이터 factor analysis와 시각화 (link)
• [11주차] Reproducing Kernel Hilber Space
• [12주차] Functional PCA
• [13주차] T-Stochastic Neighbor Embedding
  • T-Stochastic Neighbor Embedding (link)
  • 실습링크: SNE 와 t-SNE 의 적합 및 비교 (link)
• [14주차] 기말고사