Cours (Bases de connaissances théoriques): Introduction à la datavisualisation par l'étude de cas : origines historiques, objectifs, principes de bases techniques de la datavisualisation (BDD, API, architecture);Méthodologie de la datavisualisation : méthodes et bonnes pratiques de la collecte à la publication ; Eléments de statistiques descriptives et bonnes pratiques. Principes de bases de sémiologie graphique : connaissances pour la mise en forme visuelle de données (perception visuelle, sémiologie graphique, couleur, forme, etc.) et Typologie de la datavisualisation : typologies des données et des formes de représentation visuelles (algorithmes et structures). Panorama des outils et des sources de données : présentation des données Open data, des solutions Open source (Logiciel, R, Gephi, Qgis, etc.), des produits logiciels éditeurs (Tableau public, Power BI, Google analytics etc), des langages de programmation et des libraires de code informatique. Cours et travaux dirigés pour l'acquisition de savoir-faire pratiques pour la réalisation de datavisualisation : Visualisation de donnéesstructurées/non structurées : méthodes et outils pour l'analyse de données (Excel, Tableau, Power BI, outils Open source, Platerformes en ligne, etc.) Visualisation et web analytics :méthodes et outils pour l'analyse visuelle de données analytics (Google analytics, etc.) Cartographie numériques : méthodes et outils pour l'analyse visuelle de données géographiques. Production decartes statiques etinteractives (QGIS, etc.). Analyse visuelle de réseaux : méthodes et outils pour la réalisation de graphe de relations (réseaux sociaux, cartographie site web, etc./Gephi)