如何学习可视化?

简介: 如何学习可视化?

可视化知识体系

20210617200519369.png


视觉


20210617211343259.png

数据

20210617211407663.png


性能

20210617211433166.png

学习重点

重点放在理论基础上


1. 图形基础

熟悉 HTML/CSS、SVG、Canvas2D 和 WebGL 这四种图形系统,掌握它们的基本用法、原则、优点和局限性。


2. 数学基础

对向量和矩阵运算、参数方程、三角剖分和仿射变换等内容,建立一套通用的数学知识体系,能适用于所有图形系统,以此来解决可视化图形呈现中的大部分问题。


3. 视觉呈现

在基础阶段:知道如何以像素化的方式处理图案,来实现各种细节效果

在高级阶段:知道动画、3D 和交互等更深入的话题,了解美颜、图片处理和视觉特效等


4. 性能优化

熟悉 WebGL 渲染复杂的 2D、3D 模型的方法

了解可视化高性能渲染的技术思路,能比较轻松地找到可视化应用中的性能瓶颈并着手优化


5. 数据驱动

通过 3D 柱状图、3D 层级结构图、3D 音乐可视化等案例,熟悉数据处理的技巧,真正将数据和视觉呈现结合起来,能实现具有科技感的 3D 可视化大屏效果,并最终形成完整的可视化解决方案。




学习资料推荐


数学

   3Blue1Brown:深入浅出、直观明了地分享数学之美


图形学入门

   《交互式计算机图形学——基于WebGL的自顶向下方法(第七版)》这本书的每章示例和部分练习题

参考实现

shader 学习

   The Book of Shaders

Canvas

   Canvas API 的官方文档

SVG

   SVG 的官方文档

WebGL

   WebGL API 的官方文档












目录
相关文章
|
JSON 移动开发 缓存
20+个可视化搭建工具,一次玩个够
无论大公司还是小公司,我们开发前端工程时候,项目工程又很多类似的功能或者页面,开发经常是加班加点搬砖去做一些无成长反复操作的工作,看键盘上 ctrle 键已经被磨掉了漆,C 和V 也马上磨白了,那对于开发如何把这些重复的工作用机器去解决?在前端资源紧缺的情况下,是否可直接有工具直接就可以搭建出我想要的前端页面?于是业界的页面可视化搭建工具就出现了,本文会介绍目前最流行的页面可视化搭建工具,也会提供一些开源的可视化搭建项目供大家参考。
1588 0
20+个可视化搭建工具,一次玩个够
|
数据可视化 数据挖掘
数据可视化 :你想知道的经典图表全在这
数据可视化是一个热门的概念,是分析师手中的优秀工具。好的可视化是会讲故事的,它向我们揭示了数据背后的规律。
4629 0
|
4月前
|
数据可视化 数据挖掘 Linux
数据分析入门系列教程-常用图表
数据分析入门系列教程-常用图表
|
4月前
|
数据可视化 JavaScript 前端开发
【数据分析与可视化】pyecharts可视化图表讲解及实战(超详细 附源码)
【数据分析与可视化】pyecharts可视化图表讲解及实战(超详细 附源码)
103 0
|
4月前
|
数据可视化 数据挖掘 Linux
【数据分析与可视化】Seaborn中常用绘图模型讲解及实战(图文解释 附源码)
【数据分析与可视化】Seaborn中常用绘图模型讲解及实战(图文解释 附源码)
63 0
|
4月前
|
存储 数据可视化 数据挖掘
【数据分析与可视化】时间序列基础讲解与实战(图文解释 附源码)
【数据分析与可视化】时间序列基础讲解与实战(图文解释 附源码)
32 0
|
6月前
|
机器学习/深度学习 数据可视化 算法
数据分析和机器学习的11个高级可视化图表介绍
数据分析和机器学习的11个高级可视化图表介绍
|
存储 数据可视化 数据挖掘
第一章 数据分析与可视化概述
第一章 数据分析与可视化概述
142 0
第一章 数据分析与可视化概述
|
数据可视化 安全 数据挖掘
NBI可视化平台快速入门教程(四)数据可视化编辑器介绍
NBI可视化平台快速入门教程(四)数据可视化编辑器介绍 NBI大数据可视化分析平台作为新一代自助式、探索式分析工具,在产品设计理念上始终从用户的角度出发,一直围绕简单、易用,强调交互分析为目的的新型产品。我们将数据分析的各环节(数据准备、自服务数据建模、探索式分析、权限管控)融入到系统当中,让企业有序的、安全的管理数据和分析数据。
NBI可视化平台快速入门教程(四)数据可视化编辑器介绍
|
机器学习/深度学习 数据可视化 算法框架/工具
CNN可视化技术总结(四)--可视化工具与项目
前面介绍了可视化的三种方法--特征图可视化,卷积核可视化,类可视化,这三种方法在很多提出新模型或新方法的论文中很常见,其主要作用是提高模型或者新方法的可信度,或者用来增加工作量,或者用来凑字数,还有一些作用是帮助理解模型针对某个具体任务是如何学习,学到了哪些信息,哪些区域对于识别有影响等。 本文将介绍一些可视化的项目,主要有CNN解释器,特征图、卷积核、类可视化的一些代码和项目,结构可视化工具,网络结构手动画图工具。
CNN可视化技术总结(四)--可视化工具与项目