Visualización de información en la era del Big Data

Dr Denis Parra

Profesor Asistente UC; Ingeniero Civil en Informática, Universidad Austral de Chile; Doctor of Philosophy in Information Science, University of Pittsburgh, EE.UU.

Fernando Florenzano

Magíster en Ciencias de la Ingeniería, PUC. Ingeniero Civil Computación PUC.

Hernán Valdivieso

Magíster en Ciencias de la Ingeniería e Ingeniero Civil en Computación, UC. Profesor Instructor del Departamento de Ciencia de la Computación de la Escuela de Ingeniería UC. Su área principal de trabajo es la docencia y el desarrollo de técnicas de visualización.

EP (Educación Profesional) de la Escuela de Ingeniería se reserva el derecho de remplazar, en caso de fuerza mayor, a él o los profesores indicados en este programa.

La visión ocupa gran parte de nuestro sistema cognitivo humano, y presentar información en formato visual puede ayudarnos en tareas como realizar análisis exploratorio de datos, comunicar el resultado de análisis de datos, detectar problemas en fuentes de datos existentes y directamente apoyar nuestra toma de decisiones. Para crear visualizaciones de datos efectivas para las tareas descritas es necesario aprender herramientas de software, pero es igualmente necesario entender los principios de atención visuales y cognitivos que afectan nuestra percepción. Igualmente, es importante identificar la relación entre tipos de datos y diferentes tipos de representaciones visuales. 

Los alumnos de este curso aprenderán los conceptos fundamentales de visualización de información, los cuales les permitirán analizar y evaluar visualizaciones existentes. Luego, aprender una metodología para diseñar y evaluar visualizaciones de información efectivas: el modelo anidado de Munzner. Con los principios de visualización y modelo anidado, los estudiantes procederán a aprender de forma práctica cómo elegir la codificación visual óptima para distintos tipos de datasets (tabulares, de red, espaciales, de texto) y de atributos (continuos, categóricos, ordinales). Adicionalmente, los estudiantes aprenderán el concepto de reducción de dimensionalidad y lo pondrán en práctica para visualizar datos con gran número de atributos o dimensiones. 

La metodología de enseñanza y aprendizaje para este curso online consiste en técnicas metodológicas activas, donde el participante puede interactuar con sus pares y profesor-tutor a través de los recursos tecnológicos que provee la plataforma educativa virtual provista para el curso.

Se recomienda contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.

Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba- python. Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.

A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:

• MOOC “Introducción a la Programación en Python I: Aprendiendo a programar con Python”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python.
• Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/.

1. Comprender los principios visuales, cognitivos y guías generales para analizar y evaluar visualizaciones de información existentes.
2. Identificar las etapas que se deben seguir en el proceso de diseño de visualizaciones información efectivas.
3. Conocer los distintos modos de visualización, su relación con diferentes tipos de datos y tipos de atributos, e implementar gráficos de diverso nivel de dificultad

Horas cronológicas: 75 (35 horas directas) 

Créditos: 5

Resultados del Aprendizaje

1. Al finalizar el curso el alumno será capaz de:
2. Analizar y evaluar visualizaciones de información existentes, así como proponer mejoras.
3. Identificar relaciones entre tipos de datos, tareas de visualización y tipos de gráficos para diseñar visualizaciones de información.
4. Diseñar e implementar en lenguaje Python gráficos simples y avanzados usando datasets tabulares.
5. Diseñar e implementar en lenguaje Python gráficos usando datasets de red.
6. Diseñar e implementar en lenguaje Python gráficos para visualizar datos de texto y espaciales.

Contenidos:

• Ejemplos históricos de Visualización de datos.
• Conceptos fundamentales de visualización de información.
• Funciones básicas de matplotlib y seaborn.
• Modelo anidado de Munzner para diseño y validación de visualización.
• Reglas y recomendaciones generales para visualizaciones efectivas.
• Diseño e implementación de gráficos simples para datos tabulares usando modelo anidado.
• Diseño e implementación de gráficos avanzados para datos tabulares usando modelo anidado.
• Reducción de dimensionalidad.
• Diseño e implementación de gráficos avanzados para datos de red usando modelo anidado.
• Visualización básica de datos de texto.
• Visualización básica de datos espaciales.

Metodología de enseñanza y aprendizaje:

La modalidad de capacitación es e-learning asincrónica, por lo que los participantes accederán a una plataforma educativa virtual (LMS). Las actividades se desarrollan en forma remota, lo que permite entregar flexibilidad en los horarios, de manera que cada participante pueda distribuir su tiempo y ser autónomo en su proceso de aprendizaje. No obstante, el proceso de enseñanza-aprendizaje se acompañará con un tutor, quien tendrá un rol de mediador y facilitador, ofreciendo apoyo a los participantes en aspectos técnicos y también administrativos durante la actividad de capacitación.

Respecto a las estrategias de enseñanza - aprendizaje, se utilizarán videoclases, screencast y clases interactivas para la presentación de contenidos y actividades de aplicación que serán desarrolladas a partir de cuestionarios y tareas, dirigidas a que los participantes resuelvan problemas/situaciones aplicando los conocimientos aprendidos y comprobar la comprensión de los contenidos a través de test automáticos.

Los participantes también contarán con foros abiertos de consulta, como apoyo a su proceso de aprendizaje, donde podrán interactuar con sus pares y tutor.

Al inicio del curso se contará con una clase sincrónica en formato streaming, en que el jefe de programa o un profesor del programa, introducirán a los alumnos en las materias a abordar.

Evaluación de los aprendizajes:

• Tres pruebas on-line, todas de igual ponderación (40% en total)
• Tres actividades de aplicación, la tercera con doble ponderación (60% en total)

BIBLIOGRAFÍA

• Tufte, Edward, “The Visual Display of Quantitative Information”, Graphics Press, 2001 Few, Stephen, “Now You See It”, Analytics Press, 2009.
• Cairo, Alberto, “The Functional Art”, New Riders, 2013.
• Munzner, Tamara. “Visualization Analysis and Design”, CRC Press, 2014.
• Yau, Nathan, ”Visualize This”, Wiley, 2011.
• Tamassia, Roberto, “Handbook of Graph Drawing and Visualization”, CRC Press, 2013.
• Ware, Colin, “Information visualization: perception for design”, Elsevier, 2012.
• Card, Stuart K., Jock D. Mackinlay, and Ben Shneiderman. Readings in information visualization: using vision to think. Morgan Kaufmann, 1999.

• Calificación mínima del curso 4,0 en su promedio ponderado.

En el caso de los programas en modalidad en línea, los estudiantes tendrán que cumplir con la calificación mínima de 4.0 y con los requisitos establecidos para cada programa. Si el alumno reprueba el curso tiene la posibilidad de realizarlo a la versión siguiente (2 strikes por curso).

Los participantes que aprueben las exigencias del programa recibirán un certificado de aprobación digital otorgado por la Pontificia Universidad Católica de Chile.

El participante que no cumpla con la exigencia reprueba automáticamente sin posibilidad de ningún tipo de certificación.

Las personas interesadas deberán completar la ficha de postulación ubicada al lado derecho de esta página web. Un correo de confirmación solicitará enviar los siguientes documentos

• Fotocopia Carnet de Identidad.

VACANTES: 40

INFORMACIÓN RELEVANTE

Con el objetivo de brindar las condiciones de infraestructura necesaria y la asistencia adecuada al inicio y durante las clases para personas con discapacidad: Física o motriz, Sensorial (Visual o auditiva) u otra, los invitamos a informarlo. 

• El postular no asegura el cupo, una vez inscrito o aceptado en el programa se debe pagar el valor completo de la actividad para estar matriculado.
• No se tramitarán postulaciones incompletas.

Puedes revisar aquí más información importante sobre el proceso de admisión y matrícula