SYLLABUS ACADEMICO

MAGISTER EN DATA SCIENCE

MDS 2018

ASIGNATURA : Visualización de Datos

NOMBRE PROFESOR : Sebastián Moreno
EMAIL : sebastian.moreno@uai.cl

1. INTRODUCCIÓN

Una imagen vale mas que mil palabras, es por ello que un gráfico es una herramienta muy
poderosa para transmitir un mensaje. Especificamente, a través del correcto estimulo en la
zona visual del cerebro, un gráfico puede mostrar claramente el mensaje deseado.

En este curso aprenderá una serie de métodos de visualización de información y en ilustrar su

aplicación en el análisis exploratorio de datos.

2. OBJETIVOS DE LA ASIGNATURA

Al final de este curso usted deberá

• Comprender rigurosamente conceptos claves de visualización.
• Criticar y redefinir un gráfico usando los conceptos aprendidos.
• Crear un gráfico con las características deseadas a través del uso de ggplot.
• Observar patrones básicos en distintos tipos de gráficos.
• Comprender y aplicar técnicas de transformación de variables para datos
multidimensionales.

3. METODOLOGIA

El curso se organiza en distintos bloques en donde el profesor desarrolla los contenidos del
curso haciendo énfasis en la discusión de los temas y el uso del paquete ggplot2. El curso se
impartirá en salas con ordenadores y acceso a R, para que los participantes puedan poner en
práctica de manera inmediata los conocimientos adquiridos.

4. EVALUACION

La evaluación del curso corresponde a tres tareas prácticas sobre distintas técnicas vistas
en clases y actividades del curso. La nota final del módulo corresponde al promedio
aritmético de todas las tareas y actividades.

En caso que el alumno no entrega la tarea o actividad a la hora solicitada, se le descontará
un punto por cada hora de atraso, hasta obtener una nota 1.0.

5. BIBLIOGRAFIA

• Cleveland, W. S. (1993), Visualizing Data, New Jersey: Hobart Press.

• —— (1994), The Elements of Graphing Data, Revised edition, New Jersey: Hobart
Press.

• Friendly, M. Milestones in the history of thematic cartography, statistical graphics,

and data visualization. 2009,

• Kelleher C., Wagener T. Ten guidelines for effective data visualization in scientific
publications. 2011, Vol. 26, Issue 6, Pages 822-827.

• Kozak, M. Basic principles of graphing data. Sci. agric. 2010, vol.67, n.4, pp.483-
494.

• Robbins, N. (2005), Creating more Effective Graphs, Wiley.

• Robbins, N., Robbins, J. (2016), Effective graphs with Microsoft R Open, Microsoft.

• Wickham, H. (2016), ggplot2: Elegant Graphics for Data Analysis, 2nd Edition, New
York: Springer.

6. CURRICULUM RESUMIDO DEL PROFESOR

Sebastián Moreno es Doctor en Filosofía en Ciencias de la Computación y Master en

comptuer science con mención en estadística, ambos de Purdue University, Estados Unidos.
Además, obtuvo un Magister en Ciencias de la Ingeniería Informática y es Ingeniero Civil
en Informática de la Universidad Federico Santa María. Actualmente es Profesor de la
Facultad de Ingeniería y Ciencias de la Universidad Adolfo Ibáñez.

Sus líneas de investigación incluyen el aprendizaje automático y la minería de datos, donde

aplica y desarrolla herramientas que permiten obtener información a partir de los datos
para resolver un problema específico. Dentro de sus publicaciones, Sebastián ha logrado
posicionar sus trabajos dentro de las conferencias más importantes del área como son KDD,
ICDM, WWW, e IJCAI. Dentro de sus proyectos actuales esta la predicción de los tiempos
de entrega de camiones de reparto, y la creación de un índice de éxito para alumnos de
primer año de Universidad.
7. PROGRAMA

SESION 1:

Temas: Introducción, percepción humana, principios básicos

Objetivos:
• Entender el efecto de la percepción humana en la visualización.
• Aprender los principios básicos de la visualización.

Contenidos:
• Descripción del curso, breve historia de la visualización, tipos de gráficos.
• El efecto de la percepción humana en términos de posicionamiento, longitud,
ángulo, pendiente, área, volumen, y colores.
• Principios básicos de la visualización y escala de ejes

SESIÓN 2

TEMA: Primeros pasos en R, Comparaciones directas de valores

Objetivos:
• Aprender el concepto de imagen RGB
• Usar ggplot2 y creación de un gráfico básico.
• Manipular los elementos externos de un gráfico a través de la capa theme.
• Crear gráficos del tipo barra, barra acumulada, torta y puntos de cleveland.

Contenidos:
• Imagen RGB, y la diferencia entre formatos JPEG, PDF, y PNG.
• Paquete ggplot2 y su uso en R.
• Definición, uso, falencias y código de los gráficos: barra, barra acumulada, torta y
puntos de cleveland.

SESIÓN 3

TEMA: Visualización de una distribución

Objetivos:
• Entender la importancia de la distribución de datos.
• Crear gráficos del tipo tira, boxplot, histogramas, densidad de kernel.
• Comprarar las distribuciones de una variable numérica para distintos valores de
una variable nominal u ordinal.

Contenidos:
• Definición, uso, falencias y código de los gráficos: punto, caja, histograma y kernel.
SESIÓN 4

TEMA: Visualización de tendencias y generación de gráficos complejos

Objetivos:
• Entender la importancia de las tendencias en los gráficos.
• Visualizar tendencias en variables que cambian con el tiempo.
• Visualizar tendencais entre dos variables.
• Generar gráficos de mayor dificultad, mezclando distintas capas del gráfico.

Contenidos:
• Definición, uso, falencias y código del gráfico de línea.
• Definición, uso, falencias y código del gráfico de dispersión.
• Comandos avanzados en la generación de gráficos.

SESIÓN 5

TEMA: Visualización datos multidimensionales.

Objetivos:
• Entender alguna técnica de reducción de dimensionalidad de datos.
• Visulizar los comportamientos multidimensionales.

Contenidos:
• Análisis de componente principales.
• Aplicación y visualización de datos multidimensionales.