Information Visualization

Course Title

Course Title in English

Information Visualization

Course Type

Major Courses

-

Eligible Students

School of Social Information Science

Target Grade

2Year

Course Numbering Code

KCJBS3MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Spring semester 2026

Instructor

大野暢亮

Affiliation

社会情報科学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

火曜日2限・K418研究室

Contact

ohno@sis.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

3◎／1〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

コンピュータ・シミュレーションや実験、調査などで得られるデータは数字の羅列であり、そのままでは理解することは不可能である。この数字の塊を人間が理解できる形に変換するのが可視化である。

【講義目的】データに応じた可視化手法とそのアルゴリズムの概要説明、可視化のためのプログラミングやライブラリの使用方法、バーチャルリアリティ(VR)装置などの先進的な表示装置の紹介などを通して、可視化に関する基本知識を身につけることである。

【到達目標】1)可視化に関する基本事項を説明できること、2)データを適切な可視化手法を用いて可視化できること、である

Subtitle and Keywords of the Class

サブタイトル：自力でデータを可視化する能力を養う科目
キーワード：CG、Visualization、Python、Matplotlib、Seaborn、Plotly

Course Overview and Schedule

【講義内容】本講義ではCGの基礎や可視化手法について解説し、Pythonを用いて実際にサンプルデータを可視化することで、データ可視化の実践力を身につける。
【授業計画】
１. イントロダクション、先進的画像表示装置の紹介
２. データについて：アスキーデータ、バイナリデータ、エンディアン、データ圧縮・転送、補間、ダウンサイジング
３. RGB、HSB、CMYK、ラスタ画像・ベクタ画像、画像フォーマット、音声データ、動画のしくみ、動画のフォーマット
４. 動画の作成1
５. 動画の作成2
６. 情報可視化の概説、折れ線グラフ
７. 棒グラフ、円グラフ
８. ヒストグラム、箱ひげ図、散布図、コンター図、ベクトルデータの可視化
９. ヒートマップ、散布図行列
10. 平行座標、レーダーチャート、３次元的な可視化
11. 総合的な演習
12. 階層型データの可視化
13. ネットワークの可視化
14. 可聴化
15. まとめ
※パソコンの利用：第4回〜第14回までBYODを使用する
※ 4〜14は順番を変更する場合がある

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

・対面授業のみ
・遠隔授業単位上限の適用を受けない

Uses of Generative AI

Completely forbidden

Precautions for using Generative AI

この授業においては、生成ＡＩの利用を禁止している。授業内での利用は厳禁であり、違反したことが判明した場合は単位を認定しない、又は認定を取り消すことがある。生成ＡＩの利用にかかわらず『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。
ただし、自習時に利用することは妨げない。

Textbook

伊藤貴之「CGとビジュアルコンピューティング入門」(サイエンス社)、高間康史「情報可視化」(森北出版株式会社)

References

適宜指示する。

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【予習】授業に際して指示する参考文献等の事前読み込み（30ｈ）、プレゼンテーションの準備（5ｈ）
【復習】動画・レポート作成（4回、25ｈ）、講義内容の理解を深め定着させるための教材の読み直し（30ｈ）

Contents of Active Learning

動画のプレゼンを予定。

Grading Criteria and Methods

【成績評価の基準】

データ可視化の基本的な知識を習得し、自らPythonを用いて適切な手法でデータの可視化ができる者には、講義目的・到達目標に記載する能力（知識・技能、思考力、判断力、表現力等）の到達度に基づき、S（90点以上）,Ａ（80点以上）,B（70点以上）,C（60点以上）による成績評価のうえ、単位を付与する。

【成績評価の方法】

レポート・総合的な演習50％、定期試験50％を基準として、受講態度（積極的な質問等）を含めて総合的に評価する。

How to Disclose Assignments and Exam Results

個別に対応する。

Precautions and Requirements for Course Registration

・演習ではPythonを用いるので、少なくともプログラミング1の講義内容を身に着けていることが望ましい。
・演習に当たっては、各自のBYODに必要なライブラリを事前にインストールして受講すること。
・授業中に指示した宿題や事前・事後学習はもとより、参考文献等の該当箇所などについて、十分な予習・復習をして講義に出席すること。

Practical Education

該当しない。

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data