Visualización de Datos
Código: 104365 Créditos ECTS: 6| Titulación | Tipo | Curso | Semestre |
|---|---|---|---|
| 2503758 Ingeniería de Datos | OB | 3 | 2 |
Contacto
- Nombre:
- Enric Marti Godia
- Correo electrónico:
- enric.marti@uab.cat
Uso de idiomas
- Lengua vehicular mayoritaria:
- catalán (cat)
- Algún grupo íntegramente en inglés:
- No
- Algún grupo íntegramente en catalán:
- Sí
- Algún grupo íntegramente en español:
- No
Otras observaciones sobre los idiomas
Un profesor imparte sus clases en castellano, los otros dos usualmente en catalan.Equipo docente
- Guillermo Marin Getino
- Judit Chamorro Servent
Prerequisitos
Se recomienda que el alumnado tenga o repase conocimientos y conceptos de:
- Análisis de grafos y búsqueda de información.
- Ajuste de modelos y optimización.
- Aprendizaje computacional.
- Análisis estadístico.
Objetivos y contextualización
L’asignatura pretende dar al alumno elementos para calcular la mejor técnica de visualización de datos que le permite un mejor análissi de los datos, o le permite un tipo de análisis específico.
CONOCIMIENTOS: Al finalizar el curso el alumnado ha de ser capaz de:
- Conocer y comprender los sistemas básicos de visualización y de análisis exploratorio de datos.
- Conocerr y comprender els principales modelos de visualización.
- Conocer y comprender las librerías actuals para la visualización de datos (Google Charts, JQuery plug-ins, D3.js)
HABILIDADES: Se pretende que el alumnado adquieran las sigüientes habilidades:
- Dado un conjunto de datos, saber utilizar el sistema y modelo de visualización más conveniente para la visualización de datos que permita el análisis que se pretende hacer.
- Dado un conjunto de datos, saber utilizar una de les llibreries de visualización de datos para obtener los mejores resultados gráficos.
RESULTADOS DE APRENDIZAJE:
- Conocer y comprender los sistemas básicos de visualización y de análisis exploratorio de datos.
- Conocer y comprender los principales modelos de visualización.
- Conocer y comprender las librerías actuales para la visualización de datos (Google Charts, JQuery plug-ins, D3.js)
- Saber aplicar las técnicas de visualización de datos más óptimas para el análisis de datos a partir de un caso concreto.
- Trabajar cooperativamente.
Competencias
- Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
- Comprender las técnicas de visualización de datos masivos y ser capaces de seleccionar la más adecuada para su análisis.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
Resultados de aprendizaje
- Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
- Identificar las necesidades de usabilidad e interactividad de un método de visualización de datos y ser capaz de elaborar una nueva versión de la visualización que mejore dichos aspectos.
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Relacionar las técnicas estadísticas y de inteligencia artificial con las visualizaciones que mejor expresan la información subyacente.
Contenido
-
1. Introducción a la Visualización (2 horas)
- Qué es y para qué seirve?
- Problema
- Aplicaciones y ejemplos
2. Codificación Visual (2 horas)
- Tipos de datos y tipos de gráficos
- Canales visuales
- Escoger gráficoss según su función
3. Percepción visual y diseño (2 horas)
- Percepción visual
- Fundamentos de diseño
- Tipografía
- Color
4. Precisión visual (2 horas)
- Errores comunes en la visualización
- Honestidad visual
- Buenas y malas prácticas en estadística
5. Tratamiento de datos para visualización (4 horas)
- Uncertainity y Error
- Reducción de dimensionalidad
- Transformaciones
- Data massatge
- Cálculo y selección de métricas rellevantes
6. Sistemas avanzados de visualización (4 horas)
- Múltiples variables y múltiples dimensiones
- Redes
- Datos 3D
- Campos de vectores
- Visualización científica
- Mapas
7. Interacción. (4 horas)
- Animación
- Dashboards
8. Metodologías de trabajo (2 horas)
- Storytellingcon datos
- Estrategias de planificación
- Diseño centrado en l’usuario
9. Validación (2 horas)
- Usabilidad
Metodología
PLATAFORMA VIRTUAL: Caronte (http://caronte.uab.cat, grado de Enginyeria de Dades (Ingeniería de Datos), asignatura Visualització de Dades (Visualización de Datos), curso VD Curs 2020-21).
El proceso de aprendizaje del alumnado se fundamenta ens dos tipos de actividades presenciales (Teoría y Seminarioss). La asistencia a las clases de teoría y de seminarios NO ES OBLIGATORIA, pero SI MUY RECOMENDABLE.
TEORIA
Las clases de teoría se imparten mediante clases magistrales con transparencias y pizarra. Todo el material del curso será accessible a través de la Plataforma Virtual. Algunas de las sesiones de teoría se dedicarán a resolver ejercicis planteados en la misma aula con el objectivo de profundizar en los conceptos más relevantes y enseñar al alumnado a identificar y analizar los errores típicos.
SEMINARIOS
En las sesiones de seminarios alternaremos dos actividades: problemas (7 sesiones) i prácticas (6 sesiones).
En las sesiones de PROBLEMAS propondremos ejercicios a resolver sobre las sigüentes temáticas:
- Gráficas simples (barras, lineas, boxplots, scatter, etc.) – Herramienta: R
- Gráficas complejas (coordenadas paralelas, small múltiples, xarxes, etc) – Herramienta: R
- Otras herramientas (comerciales y libres) – Herramienta: Tableau Public, DataWrapper, Gephi
- Visualización de redes
- Visualitación de mapas
- Gráficas de datos multivariable y multidimensionales
- Gràficas animadas e interactivas – Herramientas: R, visor 3D
- Presentación (Títulos, escalas, leyendas y anotaciones) – Herramiantas: R i software de diseño como Inkscape
- Dashboards – Eines: Tableau vs. R
En estas sesiones de problemas se proponen los ejercicios a resolver, que el alumnado realizará con la tutorización del professor. Toda la documentación (enunciados scripts, resultados de los problemas) de los seminarios está disponible en la Plataforma Virtual.
En las sesiones de PRÁCTICAS se pretende capacitar al alumnado a estudiar i definir las diferentes visualizaciones de conjuntos de datos y valorar las ventajas e inconvenientes. Propondremos dos trabajos prácticos:
- Tratamiento con un data set predeterminado. Dado un data set proporcionado por los profesores: limpiar, preparar y visualizar con gráficas exploratorias, justificando cuál es la mejor.
- Tratamiento con un data set libre. A partir de un data set escogido o generado por el alumnado: limpiar, preparar y visualitzar con gráficas exploratorias, justificando cuál es la mejor.
Se realizarán en grupos de TRES personas i para cada alumne o alumna se requerirà una dedicación de 12 hores en 6 sesiones tutelades por professor y 33 horas de trabajo individual o grupal de preparación de las prácticas, trabajo sin tutela del professor y elaboración de informes.
La asistencia a las sesiones de prácticas tuteladas por profesor ÉS OBLIGATÒRIA. Se estudiarán casos de ausencia a las sesiones de prácticas debidamente justificadas.
El alumnado prepara el treball de pràctiques explicat en l’enunciat de pràctiques. Esta preparación ha de ser previa a la asistencia a la sesió de prácticas correspondiente. El trabajo se realiza asistiendo a las sesiones de prácticas en los horarios establecidos.
La normativa de entrega y evaluació de prácticas la podéis encontrar en el documento de normativa disponible en la Plataforma Virtual. Se evaluará el trabajo de prácticas realizado y se hará un examen individual en la entrega de cada práctica.
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Actividades
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases magistrales | 26 | 1,04 | 2, 3, 4 |
| Explicación y resolución de problemas | 14 | 0,56 | 1, 2, 4 |
| Resolución de ejercicios prácticos | 12 | 0,48 | 1, 2, 4 |
| Tipo: Supervisadas | |||
| Casos prácticos | 4 | 0,16 | 1, 2, 4 |
| Tipo: Autónomas | |||
| Estudio individual | 26 | 1,04 | 2, 3, 4 |
| Explicación y resolución de problemas | 30 | 1,2 | 1, 2, 4 |
| Resolución de ejercicios prácticos | 30 | 1,2 | 1, 2, 4 |
Evaluación
La evaluación de la asignatura se realiza de forma continuada, basada en dos indicadores: Teoría i seminarios:prácticas.
TEORIA
Habra dos exámenes individuales por escriot, con un peso del 50% cada uno sobre la Nota de Teoria. La primera prueba (Par1) se hará aproximadamente a la mitad del semestre y evaluará los conceptos teóricos explicados hasta la fecha y la capacidad de resolución de problemas de visualización parecidos a los trabajados en las sesiones de seminarios:problemas. La segunda prueba (Par2) se realizará al final del semestre y avaluarà los conceptos explicados después del primer parcial i hasta el momento y la capacida de resolución de problemas parecidos a los tranajados en las sesiones de seminarios:problemas.
Examen de recuperación: En caso de que la nota de teoria no llegue al aprobado, el alumnado se podrá presentar a un examen de recuperación sobre los contenidos del examen parcial suspendido.
PRÀCTICA
La nota del trabajo pràctic (Pract) realitzado en una sesión de seminarios tiene una puntuació de un 1 punto que es sumarà al examen del primer parcial. Tiene dos indicadores:
- Nota Grupal: (nota, PG) Entrega de un informe en grupo. Puntuación: 0,75 punts
- Nota Individual (nota PI). Examen el dia de l’examen del primer parcial: Puntuación: 0,25 puntos.
PROYECTO
La nota del proyecto realizado en sesions de seminarios tiene una puntuació de 10 puntos. Tiene dos indicadores ponderados:
- Nota Primera Entrega: (nota, Prj_1) Entrega de un informe en grupo. Ponderación: 40%
- Nota Segunda Entrega (nota Prj_2). Memoria y presentación oral del proyecto. Ponderación: 60%.
Recuperación: Se establieceá una fecha para la recuperación del proyecti, tanto para la primera como la segunda entrega.
INDICADORES DE CALIFICACIÓN
La nota final de la asignatura se calcula de la sigüiente manera (entre parèntesie quadrado las notes mínimas para hacer media):
- Pract = PG + PI
- Par1 = ExPar1 + Pract [ExPar1 >=4] –-- Par2 = ExPar2
- Nota Teoria = 0,4 * (Par1) + 0,6 * (Par2) [Par1, Par2 >=5]
- Nota Proyecto = 0,4 * Prj_1 + 0,6 * Pr_2 [Pr_1, Pr_2 >=5]
NOTA FINAL ASIGNATURA = 0'5* Nota Teoria + 0'5 * Nota Prácticas
La publicación de notas se hará mediante la Plataforma Virtual.
CRITERIOS D'AVALUACIÓN
- Para poder calcular la NOTA FINAL ASIGNATURA, se deberán superar todas les actividades evaluables (exámenes de Teoria, examenes y entregas de pràcticas) amb un 5.
- PERMANENCIA EN LOS EXAMENS: En cualquier examen el alumnado no podrá marchar del aula durante los primeros 45 minutos del tiempo de examen, excepto por causas justificadas o por indicación del profesorado.
- En todas les recuperaciones de actividades evaluables (examenesparciales o de prácticas, proyecto VD, etc.),la nota máxima será 8.
- MEJORAR LA NOTA DE EXAMEN: El alumnado sepuede presentar a una recuperación para mejorar la nota de un examen. Si entrega el examen significa que renuncia a la notaanterior obtenida. En caso de que no entregue significa que acepta la nota anterior obtenida.
- NO EVALUABLE: Un alumno o alumna se considera No Avaluable (NA) únicamente si no ha hecho ninguna actividad de evaluación. Recordamos que la nota No Avaluable también corre convocatoria.
- SUSPÈS: En el cas de no conseguir al mínimo exigido en alguna de las activides de evaluació, si el cálculo de la nota final es igual o superior a 5, se pondrá un 4 de nota en el expediente.
- MATRÍCULA DE HONOR: Podrà obtener una MH la alumna o alumno que tenga una nota igualosuperior a los 9 punts, a criterio del profesor. Como que el número de MH nopuede superar el 5% del alumnado matriculado, se concederán a aquellos o aquellas que tengan las notes finales más altas, a criterio del profesor. Se concedará al alumnado que haya realizado todas las pruebas evaluatives en primera convocatoria.
- REPETIDORES: No se convalida ninguna parte aprobada po separado (Teoria, exámenes y entregas de prácticas) de un curso acadèmico a otro.
CALENDARIO DE EVALUACIÓN:
- Exámenes Parciales: Fechas al final de la guia docent, que se publicarà en la Plataforma Virtual i que se dará al alumnado el primer dia de clase.
- Exámenes de Recuperación: Según calendario acadèmico de l'Escuela de Ingeniería.
- Exámenes y entregas de prácticas: Fechas en la normativa de pràcticas, que se publicarà en la Plataforma Virtual.
Las fechas de evaluació contínua y de entrega de trabajos es publicarán en la Plataforma Virtual y pueden estar sujetoss a cambios de programación por motivos de adaptació a posibles incidencias. Siempre se informará en la Plataforma Virtual sobre estos cambios ya que se entiende que éste es el medio habitual de intercambio de información entre profesores y alumnado fuera del aula.
Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por un estudiante que puedan conduir a una variación de la calificación se calificarán con un cero (0). Las actividades de evaluación calificadas de esta forma y por este procedimiento no seran recuperables. Si es necesaroi superar cualquiera de estas actividades de evaluaciónpara aprobar la asignatura, esta asignatura quedará suspendida directamente, sin oportunidad de recuperarla en el mismo año académico. Estas irregularidades incluyen, entre otras:
- La copia total o parcial de una práctica, informe, o qcualquier otra actividad de evaluación
- Dejar copiar.
- Presentar un trabajo de grupo no realizado íntegramente por los miembros del grupo.
- Presentar como propios materiales elaborados por un tercero, aunque sean traducciones o adaptaciones y, en general, trabajos con elementos no originales y exclusivos de la alumna o alumno.
- Tener dispositivos de comunicación (como teléfonos mòviles, smart watches, etc.) accessibles durante las pruebas de evaluació teórico-prácticas individuales (exámenes).
En caso de no superar la asignatura dedido a que alguna de las activitats de evaluació no llega a la nota mínima requerida, la nota numérica del expediente serà el valor menor entre 4 i la media ponderada de las notas. Con las excepciones de que se otorgará la calificación de "no evaluable" a los estudiantes que no participenenninguna de las actividades de evaluació, y de que la nota numérica del expediente será elvalor menor entre 3.0 y la media ponderada de las notes en caso que el estudiante haya cometido irregularidades en un acte d'evaluació (y por tanto no será posible el aprobado por compensación).
EN RESUMEN: copiar, dejar copiar o plagiar en cualquiera de las actividades de evaluació equivale a un SUSPENSO con nota inferior a 3,5.
Actividades de evaluación
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Nota de Teoria (exàmenes parciales) | 50% | 4 | 0,16 | 2, 3, 4 |
| Nota de pràcticas (examen i entregas) | 50% | 4 | 0,16 | 1, 2, 4 |
Bibliografía
MATERIAL DE LA ASIGNATURA (apuntes, transparencias, artículos): En la Plataforma Virtual.
BIBLIOGRAFIA BÁSICA:
- A. Cairo, The funcional art, http://www.thefunctionalart.com/2012/09/download-three-chapters-of-functional.html, 2012 (darer accés: juliol 2020).
- T. Munzner, Visualization Analysis & Design, CRC Press, 2014.
BIBLIOGRAFIA COMPLEMENTARIA:
- S. Few, Information Dashboard Design: Displaying Data for At-a-glance Monitoring, 2nd edition, Analytics Press, 2013.
- A. Cairo, The truthful art. Data, charts and maps for communication, New Riders, 2016.
- A. Kirk, Data Visualization. A handbook for Data Driven Design, 2nd edition, SAGE Publications, 2019.
- C.O. Wilke, Fundamentals of Data Visualization. A Primer on Making Informative and Compelling Figures, O’Reilly Media, 2019.
Software
En esta asignatura utilitzaremos el sigüiente software:
- Software R: R is ‘GNU S’, a freely available language and environment for statistical computing and graphics which provides a wide variety of statistical and graphical techniques. Nos podemos descargar el entorno en el link: https://cran.rstudio.com/ .
- RStudio: Se trata d’un framework que trabaja sobre R y Python. Se puedse descargar de forma gratuita en diferentes plataformas (Windows, MacOs, Linux) en el link: https://www.rstudio.com/products/rstudio/ .
- Tableau es una herramienta de análisis y visualización de datos potente utilizada en el área de Business Intelligence. Disponemos de una licencia educativa para que la pueda utilitzar nuestro alumnado. También nos podem bajar una versión de demo gratuita en el link: https://www.tableau.com/es-es/why-tableau/what-is-tableau .
Todo el software que se utilizará és de libre acceso o se ofrecerá gratuïtament al alumnat con licencias educacionales.