一起转转米兰理工的数据可视化Studio吧~

Posted WellDesign艺术设计

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一起转转米兰理工的数据可视化Studio吧~相关的知识,希望对你有一定的参考价值。

Density Design

米兰理工大学的研究室

在互联网大时代的背景下

设计撞上大数据

无疑会成为当下的热门专业



Density Design  简介

一起转转米兰理工的数据可视化Studio吧~


Density Design是意大利米兰理工大学时尚与艺术设计学院(INDACO)的一个研究实验室,聚焦于城市、社会与组织等复杂现象的可视化分析


一起转转米兰理工的数据可视化Studio吧~


实验室旨在从设计角度研究可视化项目,研究兴趣包括可视化理论及认识,认知基础分析。


通过数据可视化框架建构、推测性叙事的解决方案,用开放式方法实现可视化,从视觉叙事到视觉分析。


实验室还与其他研究员和组织合作,通过独立严谨的学术研究、开放式问卷调查,加深公众对世界的认知。


课 程 探 索

一起转转米兰理工的数据可视化Studio吧~


Density Design实验室团队的整合设计Studio,是传达设计课程体系里最重要的一门课程,内容贯穿于数据可视化和信息可视化之间。


一起转转米兰理工的数据可视化Studio吧~


课程结合选题方向分三大阶段进行探索。


第一阶段,对数据中心的影响因素进行探索。

搜集结构性的、官方的(包括政府、公司、组织等)公布的现有数据,进行可视化及数据分析,并构建研究逻辑图,分析数据之间的逻辑相关性。

一起转转米兰理工的数据可视化Studio吧~

第二阶段,从公众角度探索数据中心能源话题。

搜集非结构性的、非官方的数据,涉及各社交平台如Facebook,Youtube,Twitter等,需要利用工具提取数据,面对数据的复杂性问题,进行可视化及分析,总结发现数据背后的故事。

一起转转米兰理工的数据可视化Studio吧~


第三阶段,从公众体验的角度讲述数据故事。

该阶段通过设计数据体验,让公众进行数据探索,并从中有所反思和获得。转化数据,设计出公众能够参与、沉浸、反思的数据体验。比如搜集Instagram,Twitter,Youtube,Email,的相关数据,并通过估算得出数据能耗,用户能够在网页中进行体验探索。

一起转转米兰理工的数据可视化Studio吧~


其他部分,结合统计学知识与Info-Poetry。

课程中还穿插统计学知识,对基本的统计学图形,如散点图、箱图等有所了解,并学会R语言和使用工具R Studio。 

一起转转米兰理工的数据可视化Studio吧~

常规理解的信息设计相似,该课程致力于引导学生将统计数据转化为各种各样的公众可以理解的信息,帮助学生拥有创建数据叙述的能力。


获 奖 经 历

一起转转米兰理工的数据可视化Studio吧~


“信息之美奖”全名为“凯度信息之美奖”(The Kantar Information is Beautiful Awards),是为了嘉奖信息与数据可视化的优秀作品而设立的奖项。


2014年参与设计的项目RAW获得金奖


一起转转米兰理工的数据可视化Studio吧~


RAWGraphs是一个开放源代码数据可视化框架,一个链接表格数据和可视化的的网页工具其目标是使每个人都可以轻松查看复杂数据。


操作步骤如下:

将数据插入RAWGraphs

一起转转米兰理工的数据可视化Studio吧~


在多种视觉模型中选择

一起转转米兰理工的数据可视化Studio吧~


调整图表并浏览数据

一起转转米兰理工的数据可视化Studio吧~

导出到任何地方

一起转转米兰理工的数据可视化Studio吧~




2017年关注适应气候变暖的项目《回不去的那些年的气候——世界如何适应气候变化》(The Point of No Return - How The World is Adapting to Climate Change)获得银奖


一起转转米兰理工的数据可视化Studio吧~

图为世界各国适应气候变化的能力


作者分析了国际社会如何采取行动减轻人类对气候变化的影响,并帮助受到气候变化影响的各国以最好的方式适应气候变化。作品追溯国际会议的历史,分析气候变化影响带来的风险和损失,以及世界各国的应对情况。



设计撞上大数据

这样惊艳又炫酷的效果

来一沓都不会嫌多呢~




>>> 过往文章




本文由WELLDESIGN独家编译,图片来自于网络 未经授权请勿转载。
一起转转米兰理工的数据可视化Studio吧~


以上是关于一起转转米兰理工的数据可视化Studio吧~的主要内容,如果未能解决你的问题,请参考以下文章

大焦点: 数据可视化 & 麻省理工学院

python 机器学习 sklearn——一起识别数字吧

收藏 | 佐治亚理工出品交互式线代教科书!

收藏 | 佐治亚理工出品交互式线代教科书!

数十篇推荐系统论文被批无法复现:源码数据集均缺失,性能难达预期

Ruby | “奥林匹克”级家居展,我们在米兰