ESCUELA DE INGENIERÍA
ESCUELA DE ADMINISTRACIÓN
Visualización de datos
Syllabus
Equipo Docente
Denis Parra
Profesor Asociado del Departamento de Ciencia de la Computación, en la Escuela de
Ingeniería de la PUC Chile. Investigador Principal tanto del Centro Nacional de Inteligencia
Artificial (CENIA) como del Instituto Milenio para Salud Inteligente (iHealth). Investigador
adjunto en el Instituto Milenio Fundamentos de los Datos (IMFD). Ingeniero Civil en
Informática en la UACh, Valdivia, Chile (2004); y Doctorado en Ciencias de la Información de
la Universidad de Pittsburgh, EE. UU. (2013), asesorado por el profesor Peter Brusilovsky.
Beca Fulbright para realizar estudios de doctorado entre 2008-2013. Temas de
investigación: sistemas de recomendación, interfaces de usuario inteligentes, aplicaciones
de aprendizaje automático (salud, IA creativa) y la visualización de información.
Actualmente dirige el grupo de investigación de IA y visualización centradas en el ser
humano (HAIVis) y codirige el laboratorio CreativAI, con el profesor Rodrigo Cádiz. Docente
del laboratorio de Inteligencia Artificial PUC (IALab UC).
Descripción del curso
En este curso los estudiantes obtendrán conocimientos y habilidades para resumir y
comunicar resultados de métodos de computación, estadística, minería y análisis de datos.
Dentro de las actividades prácticas del curso, los estudiantes estudiarán técnicas y
algoritmos para analizar, diseñar y crear visualizaciones efectivas, basadas en principios de
diseño gráfico, artes visuales, y psicología cognitiva. El curso estará orientado a estudiantes
con experiencia previa en programación.
ESCUELA DE INGENIERÍA – ESCUELA DE ADMINISTRACIÓN 1
Resultados de aprendizaje
• Evaluar visualizaciones de información existentes proponiendo mejoras.
• Identificar relaciones entre tipos de datos, tareas de visualización y tipos de gráfico.
• Diseñar visualizaciones de información a partir de datos.
• Implementar en lenguaje Python gráficos simples y avanzados usando datasets
tabulares.
• Implementar en lenguaje Python gráficos usando datasets de red.
• Implementar en lenguaje Python gráficos para visualizar datos de texto y espaciales.
Estrategias metodológicas
• Cátedra en sesiones sincrónicas
• Videoclases
• Podcast o video tutorial
• Discusión de casos.
• Lecturas
• Análisis de casos
• Test formativos
• Foros de discusión
• Test basados en la interacción con bases de datos
Estructura del Curso
Módulo 1. Fundamentos
• Definiciones y ejemplos históricos
• Procesamiento humano de la información
• Modelo anidado de Munzner para diseño y validación de visualización
Módulo 2. Gráficos básicos en Python para datos tabulares
• Gráficos de barras, barras apiladas, puntos y líneas
• Gráficos de dispersión, de burbujas y flujos.
ESCUELA DE INGENIERÍA – ESCUELA DE ADMINISTRACIÓN 2
• Gráficos para distribuciones: Histograma, densidad, caja y violín.
• Múltiples ejes, radial y torta.
Módulo 3. Gráficos Avanzados
• Mapa de calor, densidad 2D, treemap.
• Matríz de gráficos y pequeños múltiples..
• Reducción de dimensionalidad lineal.
Módulo 4. Implementación de gráficos en Python con datos de red, texto y
espaciales
• Gráficos y árboles: diagramas nodo-enlace y de adyacencia.
• Gráficos de árboles II: Gráficos tipo encierro, clustermap y dendograma.
• Visualización de texto.
Visualización espaciotemporal.
El alumno solamente podrá aprobar el curso sí para todas las evaluaciones alcanza un
puntaje superior al 50% de las respuestas correctas y para la aprobación general del curso
debe obtener una nota final igual o superior a 4.0. El curso tiene como requisitos de
aprobación las siguientes instancias evaluativas:
El curso tiene como requisitos de aprobación las siguientes instancias evaluativas:
Actividad Evaluación
Controles 30%
Tareas 45%
Trabajo final 15%
Foro evaluado 10%
ESCUELA DE INGENIERÍA – ESCUELA DE ADMINISTRACIÓN 3
Información General
• CURSO: Visualización de datos
• TRADUCCIÓN : Data Visualization
• SIGLA: MAN 3060
• CRÉDITOS: 5 UC
• HORAS: 90 horas cronológicas
• REQUISITOS: Sin requisitos
• RESTRICCIONES: (Programa MDS) o (Programa MAN)
• CONECTOR: No aplica
• CARÁCTER: Mínimo
• TIPO: Taller
• CALIFICACIÓN: Estándar
• PALABRAS CLAVE: Visualización de información, marcas y canales, diseño,
programación python
• NIVEL FORMATIVO: Magíster
Política de entregas de evaluaciones calificadas fuera de plazo
En caso de entregar una evaluación calificada, sea esta Tarea o Cuestionario, fuera del
plazo informado (fecha límite), se aplicará un descuento progresivo a la nota máxima por
entrega tardía. El plazo para entregar evaluaciones o tareas fuera de plazo será de 7 días
desde la fecha límite. Luego de los 7 días de plazo adicional, el alumno obtendrá una nota
de 0% en dicha evaluación.
Si por razones de fuerza mayor, el alumno/a no pudiera rendir la prueba dentro del plazo
regular o excepcional, deberá enviar una solicitud al correo de Soporte de su programa,
adjuntando respaldos para que su requerimiento sea evaluado por la Unidad Académica
(UA). La resolución de esta solicitud quedará a criterio de la UA.
ESCUELA DE INGENIERÍA – ESCUELA DE ADMINISTRACIÓN 4
Bibliografía
Mínima
• Munzner, Tamara. “Visualization Analysis and Design”, CRC Press, 2014.
• Tufte, Edward, “The Visual Display of Quantitative Information”, Graphics Press,
2001 Few, Stephen, “Now You See It”, Analytics Press, 2009.
Complementaria
• Cairo, Alberto, “The Functional Art”, New Riders, 2013.
• 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.
ESCUELA DE INGENIERÍA – ESCUELA DE ADMINISTRACIÓN 5
