Part 1 课程：Scientific Data Visualization 讲师：Stefan Bruckner 讲师简介: Stefan Bruckner是挪威卑尔根大学信息学系可视化的全职教授。他的研究兴趣包括数据可视化的所有方面，特别关注用于探索和分析空间数据的交互技术。他为说明可视化，体积渲染，智能视觉界面，生物医学数据可视化和视觉参数空间探索等领域做出了重要贡献。 课程简介： 图1 Stefan Bruckner:Scientific Data Visualization 1. »
课程：Viusal Design and Encoding 讲师：Rüdiger Westermann 讲师简介: Rüdiger Westermann在达姆施塔特技术大学学习计算机科学并获得博士学位。在德国多特蒙德大学获得计算机科学学士学位。2002年，他被任命为慕尼黑工业大学（TUM）的计算机图形和可视化主席。他是TUM视觉计算和计算机游戏计划的主要推动者之一。他的研究兴趣包括可扩展的数据可视化和模拟算法，不确定性可视化，GPU计算和实时渲染。 课程简介： 图1 Rüdiger Westermann:Viusal Design »
Part 1 课程：Interactive Visalization and Visual Analystics 讲师：马匡六教授 讲师简介: 马匡六教授来自加州大学戴维斯分校，他的研究涉及可视化、计算机图形学、高性能计算和用户界面设计等领域。马教授目前领导一支由超过25名研究人员组成的团队，他们致力于科学可视化、信息可视化、可视分析、叙事性可视化、可视化界面设计和沉浸式可视化方面的研究。 课程简介： 图1 马匡六:Interactive Visalization »
课程：Basics of Data Visualization 讲师：陈为教授 讲师简介: 陈为，浙江大学CAD＆CG国家重点实验室教授，主要研究方向为计算机图形学和可视化。在过去五年中，他发表了60多篇期刊和会议论文。他目前的研究兴趣包括科学可视化，可视化分析和生物医学图像计算。 课程简介： 课程从什么是可视化、可视化如何发展、如何可视化三个问题出发，结合大量实例，介绍了可视化理论和技术基础。 图1 什么是可视化 数据可视化的处理模型：1999年Card等人提出了信息可视化的流水线处理模型， »
课程：Introduction to Information Visualization and Visual Analytics 讲师：Tobias Schreck教授 讲师简介: Tobias Schreck教授是IEEE VAST论文组主席和EuroVis短论文组主席，他的主要研究方向是沉浸式可视分析。 课程简介： 1.信息可视化基础 可视化的发展经历了从石板刻画，到能够表达数量关系、层次关系的各种图形图表诞生的多个阶段。发展至今，可视化通常提供不同级别的所传达信息的定性和定量视图[1]。 按照Card等人提出的信息可视化模型， »
7月22日，北大可视化夏令营第六天，同学们在认真听取课程的同时也在积极的准备各自的项目。 Michael McGuffin：Novel Interaction Techniques 来自加拿大蒙特利尔大学的Michael McGuffin教授的课题给同学们介绍了关于草图(sketch)的各种特征，包含了快速，短暂，可抛等。同时也让同学们动手设计了草图，并通过草图快速获得原型，从而在短时间内提出多种设计方案。接下来他介绍了纸模在设计工作中的优势和重要性，并且给出了很多新颖的交互菜单设计，例如Tracking Menu, Pie cursor等。最后，教授详细介绍了tivoli， »
7月21日，北大可视化夏令营来到了第5天，让人不禁感叹时间的仓促，在这几天里小伙伴们逐渐熟悉起来，大家依然紧张激烈地准备着各自的项目。 时磊：可视分析在人类脑部网络比较与深度神经网络解释上的应用 上午的课程由中科院软件所的时磊老师讲授，时老师首先介绍了可视化网络的特点、布局、通道等问题，然后介绍了他在高秩序相关图(HOCG)的布局和处理方面所做的工作，以及有关人类大脑结构的可视化，通过对大脑内部的网络进行可视化，我们可以比较不同人群的脑部，找到造成人类之间某些特征差异的原因。另外也详细叙述了深度学习过程和股票行情分析的可视化过程，为我们展示了可视化在网络中的多种多样的应用。 麻晓娟：Exploring Interaction Space of Data »
2018年北大可视化暑期学校在7月20日进入了第四天，时间已经进入了后半学期，同学们对接下来的课程越加珍惜了，积极与老师互动，把握交流的机会。 沈汉威:n-Situ Data Modeling Analysis and Visualization 来自俄亥俄州立大学的沈汉威教授的课题为基于原位数据的建模分析和可视化。首先，沈教授提出了在计算科学上的挑战，即大量计算的数据存储之后I/O处理效率不高等问题。然后开始引进原位数据的概念，由浅入深的介绍了如何把大量的数据转换成统计分布的方法，包括Histograms、Kernel Density Estimates、Gaussian Distribution、Gaussian »