Curso de Visualización de Información

Nota Esta página está en construcción durante agosto, septiembre y octubre de 2020 :) No todos los links están activados.

Bienvenida y Meta-Datos

Bienvenide a la página de mi curso de Visualización de Información. Actualmente dicto este curso en el Magister en Data Science de la Universidad del Desarrollo. Todo el material está disponible en esta página.

Este curso tiene los siguientes objetivos:

  1. Adquirir un lenguaje común y un entendimiento fundamental dentro del campo visualización de información.
  2. Ser capaces de diseñar una visualización de datos efectiva para el problema a resolver.
  3. Ser capaces de evaluar una visualización con espíritu crítico.
  4. Aprender a prototipar e implementar visualizaciones en Python.

Cumplir estos objetivos requiere las siguientes capacidades ya desarrolladas en les estudiantes:

  1. Python intermedio: a nivel de programación (control de flujo, definición de funciones, estructuras de datos, funciones lambda) y de manejo de herramientas (conda environments, Jupyter Lab).
  2. Conocimiento básico de pandas y sus operaciones, incluyendo filtros y operaciones como groupby. Se espera que hayan cursado (o estén cursando) una asignatura de análisis de datos.
  3. Lectura en inglés (muchos recursos bibliográficos y de código están disponibles solo en este idioma).

Los siguientes links son relevantes para quienes hacen el curso formalmente en la Universidad del Desarrollo (Chile):

Bibliografía

La parte teórica del curso se basa en este libro:

Los siguientes son libros complementarios:

  • The Functional Art, de Alberto Cairo.
  • Design for Information, de Isabel Meirelles.
  • How Charts Lie, de Alberto Cairo.

Y los siguientes son complementarios para la práctica:

  • Python Data Science Handbook, de Jake Vanderplas. Disponible on-line.
  • Data Visualization: a practical introduction, de Kieran Healy. Disponible on-line. Nota: a diferencia del anterior, éste usa en R en sus ejemplos de código.

Unidad Introductoria

Introducción:

  1. Introducción a la Visualización
  2. Exhibición de Proyectos

Lecturas:

Teoría, El proceso de Visualización

Teoría:

  1. ¿Qué visualizar? Abstracción de Datos
  2. ¿Para qué visualizar? Abstracción de Tareas
  3. ¿Cómo visualizar? Codificación Visual

Práctica:

  1. Los Datos y las Herramientas: Encuesta Origen-Destino + Python

Lectura:

Técnicas de Visualización por tipo de Dataset

Teoría:

  1. Tablas
  2. Datos Geográficos y Espaciales
  3. Redes y Árboles
  4. Texto

Prácticas (utilizando el módulo aves y la Encuesta Origen-Destino de Santiago 2012):

  1. Visualización de Tablas (junto a Paula Vásquez-Henríquez)
  2. Datos Geográficos: Operaciones en geopandas
  3. Datos Geográficos: Mapas: dot_map, bubble_map, heat_map, choropleth_map
  4. Redes
  5. Texto

Lecturas:

Profundización

Teoría:

  1. Colores
  2. Evaluación de Visualizaciones
  3. Reducción de Complejidad
  4. Buenas (y Malas) Prácticas

Lecturas:

Versión 2019 del curso (slides)

Éstas son las presentaciones de las clases tradicionales del curso. Fueron dictadas el año 2019:

  1. Introducción
  2. Exhibición de Proyectos
  3. Abstracción de Datos
  4. Abstracción de Tareas
  5. Codificación Visual
  6. Visualización de Tablas
  7. Visualización de Mapas y Datos Espaciales
  8. Colores
  9. Visualización de Redes y Árboles
  10. Evaluación y Buenas Prácticas
  11. Reducción de Complejidad
  12. Visualización de Texto

El contenido está algo desactualizado pero la esencia se mantiene, y al estar en formato slides puede ser más cómodo de ver en algunos contextos.

Créditos y Agradecimientos

Este curso incluye material del libro Visualization Analysis & Design de Tamara Munzner y de las presentaciones de su curso de visualización. ¡Gracias, Tamara!