Área de concentração: 55137 - Mestrado Profissional em Matemática, Estatística e Computação Aplicadas à Indústria

Criação: 27/11/2025

Nº de créditos: 4

Carga horária:

Docentes responsáveis:

Objetivos:

O objetivo deste curso é fornecer aos alunos uma introdução à Visualização de Informação. Pretende-se apresentar uma visão geral que reflita a situação atual da área, abordando o que é visualização de informação, quais os seus objetivos e aplicações, quais as técnicas de uso geral disponíveis atualmente, os tipos de dados que são tratados e uma discussão dos problemas em aberto na área. Além de apresentar os principais algoritmos e estruturas de dados, sistemas de visualização serão introduzidos e discutidos detalhadamente.

Justificativa:

A Visualização de Informação é uma sub-área da Visualização Computacional, que por sua vez evoluiu da Computação Gráfica e estuda estratégias e algoritmos para mapear informações e dados abstratos em representações gráficas. Com isso, possibilita uma melhor compreensão do conteúdo de grandes conjuntos de dados e dos fenômenos que geram esses dados. Essa é uma área essencial para pesquisadores ou profissionais que possam se beneficiar de métodos e abordagens visuais para a interpretação e extração de informação de conjuntos de dados grandes e/ou complexos.

Conteúdo:

Introdução: Visualização de informação e mineração visual de dados (visual analytics). Fundamentos e desafios da visualização de informação. Classificação das técnicas de visualização e seus dados. Percepção humana e processamento de informação. Técnicas de visualização para dados multivariados: técnicas baseadas em ponto, linha e região. Técnicas para a visualização de grafos, árvores e redes. Visualização de documento: dados multimídia e software. Conceitos e técnicas de interação. Mineração Visual de Dados (visual analytics). Aplicações de visualização. Sistemas: Introdução a sistemas e interfaces para visualização. Exemplos e prática.

Forma de avaliação:

A avaliação será feita por meio dos exercícios realizados em aulas (peso 50%) e trabalhos práticos com implementação de métodos discutidos em aula (peso 50%) ou através da apresentação de um trabalho final sobre um tópico discutido em aula (peso 100%). Para aprovação, o estudante terá que obter nota final mínima igual a 6,0. Aos discentes que obtiverem nota final maior ou igual a 8,5, será atribuído o conceito A; com nota maior ou igual a 7,0, será atribuído o conceito B; com nota maior ou igual a 6,0, será atribuído o conceito C; com nota inferior a 6,0, será atribuído o conceito R.

Observação:

FORMA DE OFERECIMENTO:
Apenas Remoto

1. JUSTIFICATIVA DE NECESSIDADE DE DISCIPLINA REMOTA:
A disciplina apresenta conceitos de visualização de informação que podem ser apresentados de forma eficiente no modo remoto, sem prejuízo do aprendizado. A apresentação da disciplina será feita com o uso de tecnologias baseadas em ambientes computacionais remotos, além da utilização de um canal de comunicação constante entre o docente e os alunos. Uma vantagem do uso de tais tecnologias é proporcionar uma maior interação entre os alunos, possibilitando que eles expressem todos os seus conhecimentos e forneçam opiniões baseadas em experiências acadêmicas e profissionais anteriores, motivando e tornando o processo de aprendizagem mais ativo e atrativo. O conteúdo será apresentado de forma síncrona e também serão disponibilizados vídeos das aulas gravadas, permitindo uma flexibilização no gerenciamento e aproveitamento do tempo de estudo por parte dos alunos. Reuniões remotas serão realizadas para sanar eventuais dúvidas dos alunos.

2. DESCRIÇÃO DO TIPO DE MATERIAL E/OU CONTEÚDO QUE SERÁ DISPONIBILIZADO PARA O ALUNO:
Vídeos, notas de aula na forma de slides em PDF e códigos em MATLAB/Octave e Python.

3. PLATAFORMA QUE SERÁ UTILIZADA:
Google Meet, Google Colab e Youtube

4. ESPECIFICAÇÃO SE AS AULAS SERÃO SÍNCRONAS OU ASSÍNCRONAS *
Síncronas

5. FORMA DE CONTROLE DA FREQUÊNCIA NAS AULAS:
Através da participação nas aulas semanais cujo relatório de presença é gerado pelo Google Meet.

6. INFORMAÇÃO SOBRE A OBRIGATORIEDADE OU NÃO DE DISPONIBILIDADE DE CÂMERA E ÁUDIO (MICROFONE) POR PARTE DOS ALUNOS:
É obrigatório os alunos terem microfone e webcam.

7. FORMA DE AVALIAÇÃO DA APRENDIZAGEM (PRESENCIAL/REMOTA) :
Remota

8. CRITÉRIOS DE AVALIAÇÃO CONTEMPLANDO QUAL A(S) METODOLOGIA(S) UTILIZADA(S) E COMO SER(Á)ÃO ATRIBUÍDO(S) O(S) CONCEITO(S) *
A avaliação será feita por meio dos exercícios realizados em aulas (peso 50%) e trabalhos práticos com implementação de métodos discutidos em aula (peso 50%) ou através da apresentação de um trabalho final sobre um tópico discutido em aula (peso 100%). Para aprovação, o estudante terá que obter nota final mínima igual a 6,0. Aos discentes que obtiverem nota final maior ou igual a 8,5, será atribuído o conceito A; com nota maior ou igual a 7,0, será atribuído o conceito B; com nota maior ou igual a 6,0, será atribuído o conceito C; com nota inferior a 6,0, será atribuído o conceito R.

9. MENCIONAR AS MEDIDAS QUE GARANTAM AOS ALUNOS ACESSO À PLATAFORMA (SALA DE AULA COM INFRAESTRUTURA DE MULTIMÍDIA, SALA PRÓ-ALUNO; EQUIPAMENTOS NECESSÁRIOS A PARTICIPAÇÃO DOS ALUNOS E OUTROS) :
Os alunos podem acompanhar as aulas através de um dispositivo móvel: notebook, celular ou tablet.

10. DESCRIÇÃO DOS TIPOS E DA FREQUÊNCIA DE INTERAÇÃO ENTRE ALUNOS E PROFESSOR (SOMENTE DURANTE AS AULAS; FORA DO PERÍODO DAS AULAS; HORÁRIOS; POR CHAT/E-MAIL/FÓRUNS OU OUTRO:
Durante o período das aulas por chat ou videoconferência, e fora do período da aula via e-mail.

11. SERÃO UTILIZADAS METODOLOGIAS ATIVAS DE ENSINO E ATIVIDADES DE COOPERAÇÃO E COLABORAÇÃO ENTRE OS ALUNOS?
Sim

Bibliografia:

Fundamentais:
- Ward, Matthew. Grinstein, Georges G. Keim, Daniel. Interactive data visualization foundations, techniques, and applications. Natick, Mass., A K Peters, 2010.
- Chen, Chaomei. Information visualization beyond the horizon. 2nd ed. London, Springer, 2004 New York.
- Spence, Robert. Information visualization. Harlow, Addison-Wesley, 2001.
Ware, Colin. Information visualization perception for design. 2nd ed. San Francisco, CA, Morgan Kaufman, 2004.
- Fayyad, Usama M. Grinstein, Georges G. Wierse, Andreas. Information visualization in data mining and knowledge discovery. San Francisco, Calif., Morgan Kaufmann, 2002.

Complementares:
- Telea, Alexandru C. Data visualization principles and practice. 2nd ed. Wellesley, Mass., A K Peters, 2014.
- Munzner, Tamara. Visualization Analysis and Design. CRC Press, 2015.
- Card, Stuart K.. Mackinlay, Jock D. Shneiderman, Ben. Readings in information visualization using vision to think. San Francisco, Calif., Morgan Kaufmann Publishers, 1999.