Curso de Visualización de Información

Meta-Datos del Curso

¡Bienvenide a mi curso introductorio de Visualización de Información! En esta página encontrarás todo el material teórico y práctico que tengo disponible.

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 alguna institución educacional conmigo:

• Instrucciones y evaluación de proyecto de curso
• Instrucciones para leer papers
• Herramientas para visualizar datos (incluyendo del curso)
• Algunos links a Datasets para proyectos
• Muestra de Visualizaciones que puede inspirarles en sus proyectos.
• Muestra de Proyectos de Estudiantes del Curso.

Este curso se ha dictado en los últimos años en el Instituto de Data Science de la Universidad del Desarrollo.

Unidades Teóricas

1. Introducción a la Visualización.
2. ¿Qué visualizar? Abstracción de Datos.
3. ¿Para qué visualizar? Abstracción de Tareas.
4. ¿Cómo visualizar? Codificación Visual.
5. Visualización de Tablas.
6. Visualización de Datos Geográficos y Espaciales.
7. Visualización de Redes y Árboles.
8. Colores e Ilusiones.
9. Buenas Prácticas y Evaluación.
10. Reducción de Complejidad.
11. Visualización de Texto.

Unidades Prácticas

Estas unidades utilizan el módulo aves y la Encuesta Origen-Destino de Santiago 2012 (disponible en el repositorio aves):

1. Los Datos y las Herramientas: Encuesta Origen-Destino + Python (matplotlib, seaborn, pandas).
2. Visualización de Tablas (junto a Paula Vásquez-Henríquez).
3. Datos Geográficos: Operaciones en geopandas.
4. Datos Geográficos: Mapas: dot_map, bubble_map, heat_map, choropleth_map.
5. Redes: Operaciones en graph-tool, visualización: node_link, hierarchical_edge_bundling.
6. Redes: Redes Geográficas.
7. Hagamos una infografía en Python 👨‍🎤👩‍🎤 (grid_spec, small_multiples).

Bibliografía

La parte teórica del curso se basa en estos dos libros:

• Visualization Analysis & Design, de Tamara Munzner.
• How Charts Lie, de Alberto Cairo.

Los siguientes son libros complementarios:

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

Versión 2019 del curso (slides)

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

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

El contenido está 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!

El repositorio con las prácticas y el código de las visualizaciones fue creado con al template de Cookie Cutter / Data Science with Conda hecho de Patricio Reyes.