Visualización Científica

Usted está aquí

Inicio » Estudios » Másteres » Máster en Innovación e Investigación en Informática » Plan de estudios » Asignaturas » Visualización Científica
Créditos
6
Tipos
Complementaria de especialidad (Gráficos y Realidad Virtual)
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
CS
En esta asignatura se darán conocimientos básicos de visualización de datos, visualización de información y visualización científica.
Se hablará de los siguientes temas:
- Pipeline de visualización.
- Percepción en visualización.
- Técnicas básicas de visualización de datos.
- Visualización de datos médicos.
- Visualización de moléculas.

Profesorado

Responsable

  • Pere Pau Vázquez Alcocer ( )

Otros

  • Imanol Muñoz Pandiella ( )

Horas semanales

Teoría
2
Problemas
1
Laboratorio
1
Aprendizaje dirigido
0.5
Aprendizaje autónomo
8.3

Competencias

Competencias Técnicas de cada especialidad

Computer graphics and virtual reality

  • CEE1.1 - Capacidad de comprender y saber aplicar las tecnologías actuales y las que en el futuro se utilicen para el diseño y evaluación de aplicaciones gráficas interactivas en tres dimensiones, tanto cuando prime la calidad de imagen como cuando lo haga la interactividad o la velocidad, así como comprender los compromisos inherentes y las razones que los ocasionan.
  • CEE1.3 - Capacidad de integrar las tecnologías mencionadas en las competencias CEE1.1 y CEE1.2 con otras tecnologías de tratamiento digital de la información para construir nuevas aplicaciones; así como efectuar contribuciones significativas en equipos multidisciplinares que usen la informática gráfica.

Competencias Técnicas Genéricas

Genéricas

  • CG3 - Capacidad para el modelado matemático, cálculo y diseño experimental en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación e innovación en todos los ámbitos de la Informática.

Competencias Transversales

Espíritu emprendedor e innovador

  • CTR1 - Conocer y comprender la organización de una empresa y las ciencias que rigen su actividad; capacidad de comprender las reglas laborales y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio. Desarrollar la creatividad, el espíritu emprendedor y la tendencia a la innovación. Conocer y entender los mecanismos en que se basa la investigación científica, así como los mecanismos e instrumentos de transferencia de resultados entre los diferentes agentes socioeconómicos implicados en los procesos de I+D+i.

Uso solvente de los recursos de información

  • CTR4 - Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información del ámbito de la ingeniería informática y valorar de forma crítica los resultados de esta gestión.

Objetivos

  1. By the end of the course, students should be able to know the main concepts behind visualization and representation of volume models in scientific applications (mainly in medical applications). More specifically they will be able to undestand and program algorithms for:
    Competencias relacionadas:

Contenidos

  1. Introduction to Visualization. Perception in Visualization
    Basic concepts of visualization: goals, tasks, users.
    Elements of perception and its application in Visualization: pre-attentive variables, visual channels...
  2. Multi-dimensional data visualization
    Techniques for visualization of multiple-dimensional data.
  3. Multiple Views Visualization
    Multiple Views. Common designs, examples, analysis of advantages and inconvenients.
  4. Molecular visualization
    Introduction to Molecular Visualization: motivation, data, and rendering algorithms.
  5. GPU-based Volume Rendering
    Presentation of the main algorithms of direct volume rendering, including 3D textures and ray-casting. Transfer fuctions. GPU-based ray-casting.
  6. Advanced Scientific Visualization Techniques
    Introduction to Molecular Visualization: motivation, data, and rendering algorithms.
    Introduction to DTI rendering: data, applications, measures, algorithms.

Actividades

Actividad Acto evaluativo


Lectures

Material will be presented in lectures along the term. You are expected to conduct complementary readings to be presented at a later date or turned in.

Teoría
30h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
30h

Implementation of selected algorithms

A selection of relevant algorithms will be assigned to implement in Lab sessions and on your own, in VTK and C++. You may be required to present your solution in class.

Teoría
0h
Problemas
0h
Laboratorio
15h
Aprendizaje dirigido
0h
Aprendizaje autónomo
45h

Práctica de laboratorio

Los estudiantes deberán completar un proyecto de laboratorio que incluirá dos o más trabajos prácticos que consisten en implementar algunas de las técnicas desarrolladas en las clases. Este proyecto será presentado o discutido en una fecha posterior o entregado para su calificación.

Teoría
0h
Problemas
0h
Laboratorio
3h
Aprendizaje dirigido
0h
Aprendizaje autónomo
20h

Final Exam

At the end of the term, the students will have a final exam, which may be a take-home,

Semana: 18
Teoría
0h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
0h

Metodología docente

El profesor ofrece conferencias teóricas donde se presentan los conceptos más importantes; además, se proporcionará material complementario.
Durante la clase de laboratorio, los estudiantes recibirán las pautas para el análisis e implementación de sus asignaciones de programación y tendrán tiempo para trabajar en sus tareas con la supervisión del maestro cuando sea necesario.

Método de evaluación

Los alumnos serán evaluados por su asistencia y participación en clase (incluyendo la presentación de los trabajos y su discusión), con una nota "Artículos".

Otra nota se deriva de las implementaciones de los alumnos de algoritmos seleccionados (que pueden incluir la presentación de su solución en una clase de laboratorio), que dan una marca "Lab".

Finalmente, los alumnos recibirán una tercera nota basada en su actuación en el examen final, que dará "Examen".

La nota final del curso se computará como:

Grado final = 0,2 Artículos + 0,6 Lab + 0,2 Examen

Bibliografía

Básica:

Complementaria:

Web links

Capacidades previas

The course assumes advanced C++ and GPU progamming skills, and computer graphics.
Completing, for instance, FRR and SRGGE should provide enough background.