template-browser-not-supported

Grado en Ciencia e Ingeniería de Datos

Back Back

Visualización de la Información

Código asignatura
GCINGD01-3-006
Curso
Tercero
Temporalidad
Primer Semestre
Carácter
Obligatoria
Créditos
6
Pertenece al itinerario Bilingüe
No
Actividades
  • Prácticas de Laboratorio (14 Hours)
  • Clases Expositivas (16 Hours)
  • Docencia On Line (30 Hours)
Guía docente

La asignatura Visualización de la Información forma parte del grupo de 10 asignaturas de la materia “Análisis y Visualización de Datos”, junto con las asignaturas “Análisis de Datos”, "Aprendizaje Automático I", “Aprendizaje Automático II”, “Búsqueda Inteligente y Metaheurísticas”, “Modelos estadísticos de la predicción”, “Aprendizaje Profundo”, “Análisis y Recuperación de la Información Textual”, “Modelos Bayesianos” y “Visión Artificial”. Tiene carácter de Formación Obligatoria y desarrolla la competencia específica CE07, que también comparte con las asignaturas “Aprendizaje Automático I” y “Aprendizaje Automático II”.

El objetivo de la asignatura es que el alumnado conozca diferentes técnicas de visualización analítica y comunicación visual y sepa emplear las herramientas software relacionadas.

La asignatura se apoya en los contenidos impartidos en las asignaturas Metodología de la programación, Programación avanzada, Aprendizaje automático I y Aprendizaje automático II.

Se espera que mediante esta asignatura el alumnado adquiera una serie de Competencias Básicas y Generales comunes a todo el Grado en Ciencia e Ingeniería de Datos y otras Competencias Específicas más vinculadas a los contenidos de la asignatura.

Esta asignatura puede contribuir a adquirir, en combinación con otras asignaturas del Grado, las siguientes Competencias Básicas:

  • CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB3: 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.
  • CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  • CB5: Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Esta asignatura contribuye a adquirir las siguientes Competencias Generales, también en combinación con otras asignaturas del Grado:

  • CG1: Elegir y aplicar los métodos y técnicas más adecuados para analizar y resolver problemas definidos por datos que representen un reto por su volumen, velocidad, variedad o heterogeneidad, incluidos métodos informáticos, matemáticos, estadísticos y de procesado de la señal.
  • CG2: Tener las habilidades experimentales y analíticas para trabajar con autonomía siendo capaz de plantear experimentos y de describir, analizar, evaluar e interpretar la información resultante para proponer soluciones alternativas y novedosas frente a problemas conocidos y/o emergentes.
  • CG3: Crear modelos y tomar decisiones basadas en los datos disponibles combinando los conocimientos adquiridos y siendo capaz de aplicar otros nuevos para la resolución de problemas.
  • CG4: Capacidad de integrarse en un equipo multidisciplinar en el marco de un proyecto de ciencia de datos.
  • CG6: Capacidad de acceso y gestión de la información en diferentes formatos para su posterior análisis con el fin de obtener conocimiento a partir de datos
  • CG7: Identificar oportunidades para aplicaciones innovadoras orientadas a datos en entornos tecnológicos en continua evolución.
  • CG9: Capacidad para expresar los resultados del procesamiento de datos de manera clara y convincente tanto por escrito como oralmente.

Las Competencias Específicas vinculadas a esta asignatura son:

  • CE07: Utilizar las técnicas más adecuadas para el preprocesado y la visualización de datos, incluyendo técnicas de reducción de la dimensionalidad, con objeto de facilitar su análisis y comunicación.

El desarrollo de estas competencias debe propiciar los siguientes resultados de aprendizaje:

  • RVIS1: Conocer qué características conducen a una buena visualización.
  • RVIS2: Usar gráficos estadísticos, representativos y de diagnóstico, que se utilizan para caracterizar datos.
  • RVIS3: Implementar métodos de visualización de datos multidimensionales.
  • RVIS4: Aplicar técnicas de visualización de datos con dependencia temporal y espacial.
  • RVIS5: Implementar procedimientos de visualización interactiva.

La asignatura está dividida en los temas que se enumeran a continuación:

1. Introducción a la visualización de información

2. Modelos de visualización: Tablas, gráficas, mapas de puntos, grafos, datos espaciales.

3. Visualización de múltiples variables y dimensiones.

4. Manipulación de vistas. Contexto y enfoque.

5. Diseño y validación de sistemas de visualización.

6. Implementación de aplicaciones de visualización.

7. Técnicas de visualización avanzadas.

La asignatura requiere un total 150 horas entre trabajo presencial, online y personal por parte del alumnado:

  1. Trabajo presencial (30 horas)
    1. Clases expositivas (14 horas)
    2. Prácticas de laboratorio (12 horas)
    3. Evaluación (4 horas)
  1. Trabajo online (30 horas)
    1. Clases expositivas (14 horas)
    2. Prácticas de laboratorio (16 horas)
  1. Trabajo personal (90 horas)
    1. Estudio individual (90 horas)

Las actividades del curso se secuencian de la forma siguiente:

BLOQUE 0: Perfil profesional del experto en visualización de datos (1CE)

DA1: Profesional "Data Artist". Visualización analítica. Comunicación visual. Herramientas software (1h CE)

BLOQUE 1: Herramientas software (6CE + 4PL)

HS1: Fuentes de datos. Conexión a los datos. Infraestructura y servicios en la nube. (2h CE)

HS2: Software para visualización: Tableau, PowerBI. Dashboards y vistas de los datos. (4h CE)

Práctica 1: Creación de un dashboard con datos alojados en la nube (4h CE)

BLOQUE 2: Visualización analítica: (15CE + 20PL)

Esta parte del curso se imparte mediante aprendizaje basado en proyectos:

VA1: Proyecto "Segmentación de clientes" (3h CE)

- Objetivo de la visualización: Descubrir grupos de clientes con propiedades comunes

- Técnicas IA relacionadas: Manifold learning

- Herramienta software: Databricks

- Técnica de visualización: Proyecciones de datos tabulares en espacios de baja dimensión

Práctica 2: Analítica de contratos de suministro con Databricks (4h PL)

VA2: Proyecto "Imágenes médicas" (3h CE)

- Objetivo de la visualización: Descubrir individuos con propiedades anómalas

- Técnicas IA relacionadas: Redes generativas (autoencoders variacionales)

- Herramientas software: Keras

- Técnica de visualización: Visualización del espacio latente de una red neuronal

Práctica 3: Visualización analítica de tumores de piel (4h PL)

VA3: Proyecto "Predicción de tendencias" (3h CE)

- Objetivo de la visualización: Mostrarle al operador una predicción temporal y su incertidumbre

- Técnicas IA relacionadas: Modelado predictivo (series temporales)

- Herramientas software: DeepAR, Prophet

- Técnica de visualización: Series temporales

Práctica 4: Predicción del caudal del río Ebro (4h PL)

VA4: Proyecto "Análisis exploratorio de datos tabulares" (3h CE)

- Objetivo de la visualización: Visualización de dependencias entre variables

- Técnicas IA relacionadas: Reglas de asociación, contrast set learning, subgroup discovery, explicabilidad de datos

- Herramientas software: Paquetes python mlxtend, networkx, arulesviz, lime, shap

- Técnica de visualización: Matrices de dependencia, árboles y grafos

Práctica 5: Análisis de cesta de la compra, explicaciones gráficas post-hoc (4h PL)

VA5: Proyecto "Análisis de comentarios" (3h CE)

- Objetivo de la visualización: Resumir los asuntos tratados en un conjunto de documentos

- Técnicas IA relacionadas: Minería de texto, análisis de sentimientos

- Herramientas software: nltk, pyldavis, textblob, spacy

- Técnica de visualización: Representaciones gráficas de documentos de texto

Práctica 6: Visualización de tópicos más relevantes en un conjunto de documentos (4h)

BLOQUE 3: Comunicación visual: (4CE + 2PL)

CV1: Storytelling (1h CE)

CV2: Presentaciones. Sistemas de visualización interactivos (3h CE)

- Sintaxis de la Imagen. Semiótica

- Visualización interactiva de la información

Práctica 7: Presentación de los resultados de las prácticas 1 a 6 mediante técnicas de comunicación visual (2h PL)

Mapa entre los contenidos de la memoria y las actividades del plan de trabajo:

Tema 1: Introducción a la visualización de información: DA1, CV1

Tema 2: Modelos de visualización: HS1, HS2

Tema 3: Visualización de múltiples variables y dimensiones: VA1, VA2

Tema 4: Manipulación de vistas. Contexto y enfoque: Práctica 1

Tema 5: Diseño y validación de sistemas de visualización: CV2, Práctica 7

Tema 6: Implementación de aplicaciones de visualización: Prácticas 2, 3, 4, 5, 6

Tema 7: Técnicas de visualización avanzadas: VA3, VA4, VA5

De acuerdo con el mapa anterior, las horas de trabajo en cada tema son:

TRABAJO PRESENCIAL

TRABAJO ONLINE

TRABAJO PERSONAL

Temas

Horas totales

Clase Expositiva

Prácticas de laboratorio

Evaluación

Total

Clases Expositivas

Prácticas de laboratorio

  Total

   Estudio individual

  Total

Tema 1

5

1

1

1

1

3

3

Tema 2

15

3

3

3

3

9

9

Tema 3

15

3

3

3

3

9

9

Tema 4

10

2

2

2

2

6

6

Tema 5

21

1

2

2

5

2

2

4

12

12

Tema 6

50

8

8

12

12

30

30

Tema 7

32

6

6

5

5

21

21

Exámenes

2

2

2

Total

150

14

12

4

30

14

16

30

90

90

            

MODALIDADES

Horas

%

Totales

Trabajo presencial

Clases Expositivas

14

9.3%

30 (20%)

Prácticas de laboratorio

12

8.0%

Sesiones de evaluación

4

2.7%

Trabajo online

Clases Expositivas

14

9.3%

30 (20%)

Prácticas de laboratorio

16

10.7%

Trabajo personal

Estudio individual

90

60%

90 (60%)

Total

150

Los profesores de la asignatura estarán disponibles para resolver las dudas individuales de cualquier alumno, tanto de forma presencial en las horas de tutoría oficiales de cada uno de ellos, como a través del foro de la asignatura en el Campus Virtual o del correo electrónico.

Las prácticas de laboratorio consistirán en la resolución (utilizando el ordenador) de ejercicios planteados por el equipo docente donde el alumnado recibirá asistencia del profesorado para una correcta resolución de los mismos y, consecuentemente, una correcta comprensión de la materia explicada en las clases expositivas.

Nota: De forma excepcional, si las condiciones sanitarias lo requieren, se podrán sustituir las actividades presenciales por otras equivalentes de docencia no presencial, en cuyo caso se informará al estudiantado de los cambios efectuados.

En esta sección se describe el procedimiento de evaluación de la asignatura en las distintas convocatorias y modalidades. Como se puede leer a continuación, hay ciertas exigencias mínimas que deben cumplirse para poder superar la asignatura. Si un estudiante no cumple con dichas exigencias en los apartados de la evaluación que se especifiquen, su calificación final se calculará como el mínimo entre 4 y la nota obtenida aplicando las ponderaciones explicadas a continuación para cada convocatoria.

Si un alumno o alumna no participa en actividades de evaluación suficientes para alcanzar al menos un 50% del peso en la convocatoria, se considerará a dicha alumna o alumno como “No Presentado/a”.

Nota: De forma excepcional, si las condiciones sanitarias lo requieren, se podrán incluir métodos de evaluación no presencial, en cuyo caso se informará al estudiantado de los cambios efectuados.

Convocatoria ordinaria

La calificación final en la convocatoria ordinaria se obtendrá haciendo la media de los mecanismos de evaluación que se enumeran a continuación:

  1. Asistencia (5%): La nota máxima en este apartado se alcanzará con una asistencia a las clases de prácticas del 80%.
  2. Participación en foros/actividades online (10%): La nota de este apartado se obtendrá mediante la realización de actividades online.
  3. Informes/memorias/exámenes de prácticas (55%): Durante el curso se recogerán y evaluarán los resultados de las prácticas de laboratorio.
  4. Examen final de carácter teórico (30%): La asignatura tendrá un examen final, que se celebrará en la convocatoria ordinaria de acuerdo con el calendario de exámenes de la Escuela.

Para superar la asignatura es necesario sacar una nota igual o superior a 4 puntos sobre 10 tanto en el examen final teórico como en la parte práctica de la asignatura. Cualquier nota inferior a 4 supondrá suspender la asignatura en su convocatoria ordinaria. Las actividades de evaluación no realizadas o no entregadas se contabilizarán como cero.

Los estudiantes que hayan obtenido una calificación igual o superior a 5 durante la convocatoria ordinaria en el examen final teórico o en la parte práctica podrán presentarse en la convocatoria extraordinaria únicamente a la parte que tengan suspensa.

Convocatorias extraordinarias

La evaluación extraordinaria se compondrá de:

  • Examen teórico: peso 50%
  • Entrega de prácticas: peso 50%

Para superar la asignatura en la convocatoria extraordinaria, se debe obtener una nota igual o superior a 4 puntos sobre 10 en ambas partes. En caso contrario la calificación será de Suspenso.

Evaluación diferenciada

A quienes se les haya concedido la evaluación diferenciada se les evaluará de la misma manera que se empleará en las convocatorias extraordinarias.

Envisioning Information, E. Tufte. Graphics Press, 1990.

Dondis, D. A. (1992). La sintaxis de la imagen. Introducción al alfabeto visual.

The Visual Display of Quantitative Information (2nd Edition). E. Tufte. Graphics Press, 2001.

Knaflic, Cole Nussbaumer, Storytelling with Data, 2015

Sleeper, Ryan. Practical Tableau: 100 Tips, Tutorials, and Strategies from a Tableau Zen Master. 1 edition. Beijing: O’Reilly Media, 2018