Visualización de Datos
Código: 104365 Créditos ECTS: 6| Titulación | Tipo | Curso |
|---|---|---|
| 2503758 Ingeniería de Datos | OB | 3 |
Contacto
- Nombre:
- Enric Marti Godia
- Correo electrónico:
- enric.marti@uab.cat
Equipo docente
- Judit Chamorro Servent
- (Externo) Guillermo Marin Getino
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
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 de Datos (2 horas)
- Definiciones y importancia
- La visualización como herramienta cognitriva
2. Datos y Tareas (2 horas)
- Tipos de datos
- Disseño orientado a tareas
3. Codificación Visual (2 horas)
- Visualización orientada a tareas
- Canales visuales
- Codificación visual
4. Tablas y Precisión Visual (2 horas)
- Visualizació de tablas
- Honestidad visual
- Buenas y malas prácticas
5. Tractamiento de Datos para Visualización (2 horas)
- Incertidumbre y error
- Transformaciones i Data Massage
6. Sistemas Avanzados de Visualización (2 horas)
- Múltiples variables y múltiples dimensiones
- Redes
- Campos de vectores
7. Diseño y Color (2 horas)
- Percepción visual
- Composición
- Color
8. Procesamiento de Datos para Visualizació (2 horas)
- Reducció de dimensionalidad
- Computación i selección importante de métricas
9. Sistemas Avanzados (2 horas)
- Datos 3D
- Visualización científica
- Mapas
10. Interactivitdad y Animación (4 horas)
- Introducción
- Interactividad
- Animación
- Factores para implementar la interactividad
11. Metodologías y Storytelling (2 horas)
- Storytelling
- Narrativa con datos
- Planning
12.Usabilidad y Experiencia de Usuario (UX) (2 horas)
- Introducción
- Usabilidad
- Experiencia de usuario (UX)
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Tipo: Dirigidas | |||
| Clases magistrales | 26 | 1,04 | 2, 4, 3 |
| Explicación y resolución de problemas | 14 | 0,56 | 2, 4, 1 |
| Resolución de ejercicios prácticos | 12 | 0,48 | 2, 4, 1 |
| Tipo: Supervisadas | |||
| Casos prácticos | 4 | 0,16 | 2, 4, 1 |
| Tipo: Autónomas | |||
| Estudio individual | 26 | 1,04 | 2, 4, 3 |
| Explicación y resolución de problemas | 30 | 1,2 | 2, 4, 1 |
| Resolución de ejercicios prácticos | 30 | 1,2 | 2, 4, 1 |
PLATAFORMA VIRTUAL: Campus Virtual (http://cv.uab.cat), aula Moodle "Visualització de Dades (24-25)".
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.
- Se realizarán en grupos de CINCO o SEIS personas y para cada alumna o alumne se requerirá una dedicación de unas 10 hores en 5 sesiones tuteladas por profesor y 30 horas de trabajo individual o grupal de preparación del proyecto, trabajo sin tutela del profesor y para la elaboración de nformes.
- Elección de datasets. El grupo escogerá o generarà los datasets del proyecto y planteará un conjunto de hipótesis o estudios sobre ellos. Estos datasets se tractarán i se generarán visualizaciones que validien o refuten las hipótesis o den respuesta a los estudios que el grupo plantee.
- La asistència a las sesiones de proyecte tuteladas por profesor ÉS MUY RECOMENDABLE, pues influye en la nota individual del proyecto. Se estudiarán casos de ausencia debidamente justificados.
- La normativa de funcionamiento, entregables y evaluació del proyecte la encontraréis en la Plataforma Virtual (cv.uab.cat).
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.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Nota de Teoria (exàmenes parciales) | 50% | 4 | 0,16 | 2, 4, 3 |
| Nota de pràcticas (examen i entregas) | 50% | 4 | 0,16 | 2, 4, 1 |
La evaluación de la asignatura se realiza de forma continuada, basada en dos indicadores: Teoría i seminarios:prácticas.
TEORIA
Habrá dos exçamenes individuales por escrito, amb un peso del 50% cada uno sobre la Nota de Teoria. La primera prueba (ExPar1) se realizará aproximadamente a la mitad del semestre y evaluará lps conceptos explicados hasta la fecha y la capacidad de resolución de problemas de visualización parecidos a los trabajados en las sesiones de seminarios. La segundaa prueba (ExPar2) se realitzarà al final del semestre y evaluarà los conceptos de teoria explicados en la segunda parte del semestre, y la capacidad de resolución de problemas parecidos a los trebajados en las sesiones de seminarios. Ambos exámenes se evaluan sobre 10.
Examen de recuperación: En caso de que la nota d’algun examen parcial de teoria no llegue al aprobado, el alumnado se podrá presentar a un examen de recuperación sobre los contenidos del examen parcial suspendido. La nota máxima de las recuperacions será 8.
PRÁCTICA
- Nota Grupal: (nota PG) Entrega de un informe en grupo al final de la sesió de práctiques. Puntuación: 0,75 puntos
- Nota Individual (nota PI). Examen el mismo dia del examen del primer parcial: Puntuación: 0,25 puntos.
PROYECTO
La nota del projecto realitzado en sesions de PRJ en el calendario tiene una puntuació de 10 puntos. Te los sigüentes indicadores:
- Nota Entrega del Proyecto (nota Prj). Trabajo realizado, memoria y presentación oral del projecto.
- Examen Individual (nota Prj_Exa). Examen individual sobre el proyecto. La nota pue tenir los valors: 0, 5, 10.
- Factor de asistencia a classe (fassist): Factor que valora la asistencia presencial en las sesiones de tutoritzación a partir de la primera sesión del proyecto, con los siguientes valores:
- fassist = 1: Assstencia a més del 80,01% de les sesiones
- fassist = 0,5: Asistencia entre el 50,01% i el 80% de les sesiones
- fassist = 0,25: Asistencia menor al 50% de las sesiones
- fassist = 0,0: Asistencia a ninguna de las sesiones.
Recuperación: Se establecerá una fecha para la recuperación de la nota grupal del proyecto, tanto para la entrega de la memoria como de la presentación oral. La nota máxima de la recuperación será 8.
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 + EPO [ExPar2 >=4]
- Nota Teoria = 0,5 * (Par1) + 0,5 * (Par2) [Par1, Par2 >=5]
- Nota Proyecto = (0,9 * Prj + 0,1 * Prj_Exa) * fassist [Prj, Prj_Exa >=5]
NOTA FINAL ASIGNATURA = 0'5* Nota Teoria + 0'5 * Nota Proyecto
La publicación de notas se hará de forma individualizada mediante la Plataforma Virtual (cv.uab.cat).
CRITERIOS D'AVALUACIÓN
- PERMANENCIA EN LOS EXAMENES: 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 deun examen. Si entrega el examen significa que renuncia a lanotaanterior obtenida. Encaso 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.
- SUSPESO: En el caso 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 igual o superior a los 9 puntos, a criterio del profesor. Como que el número de MH nopuede superar el 5% del alumnado matriculado, se concederá al alumnado que tenga las notes finales más altas, a criterio del profesor. Se concedará al alumnado que haya realizado todas las pruebas evaluativas en primera convocatoria.
- REPETIDORES: No se convalida ninguna parte aprobada po separado (Teoria, exámenes y entregas deprácticas) de un curso acadèmico a otro.
EVALUACIÓN ÚNICA:
Esta asignatura no prevee el sistema de evaluación única.
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.
- Exámenes y entregas del proyecto: Fechas en el documento de funcionamiemto del proyecto, que se publicará 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 evaluacióncalificadas 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 trabajode 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 activitatsde evaluació no llega a la nota mínima requerida, la nota numérica del expediente serà el valor menor entre 4 i la media ponderada de lasnotas. Con las excepciones de que seotorgará la calificación de "no evaluable" alos estudiantes que no participenenningunade 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.
Bibliografía
MATERIAL DE LA ASIGNATURA (apuntes, transparencias, artículos): En la Plataforma Virtual.
BIBLIOGRAFIA BÁSICA:
- T. Munzner, Visualization Analysis & Design, CRC Press, 2014.
- 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.
BIBLIOGRAFIA COMPLEMENTARIA:
- A. Cairo, The funcional art, http://www.thefunctionalart.com/2012/09/download-three-chapters-of-functional.html, 2012 (darer accés: juliol 2024).
- 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.
ENLLAÇES WEB:
- https://cloud.r-project.org/ , Web per a baixar instal·lador de R per Windows, Mac i Linux. (darrer accés: juliol 2024).
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. Se recomienda disponer de un portàtil con equipo mínimo de procesador i5, 4Gb. de RAM i 500Gb. de HD para utilitzar el software en clase.
Lista de idiomas
| Nombre | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PAUL) Prácticas de aula | 81 | Catalán | segundo cuatrimestre | manaña-mixto |
| (PAUL) Prácticas de aula | 82 | Catalán | segundo cuatrimestre | manaña-mixto |