Curso

Visualización de datos y Data Storytelling:

Impulsar la exploración de datos con análisis visuales interactivos

Curso

Visualización de datos y narración de datos:

Impulsar la exploración de datos con análisis visuales interactivos

Curso

Visualización de datos y narración de datos:

Impulsar la exploración de datos con análisis visuales interactivos

La visualización de datos es un campo fascinante, que podemos convertir en gráficos significativos, facilitando el descubrimiento, análisis, investigación, interpretación y presentación de datos. Por lo que varios factores pueden afectar la forma y diseño de la gráfica destinada a representar un conjunto de datos y la efectividad de la estrategia adoptada, esta dependerá de los objetivos y las mejores prácticas implementadas.

Cuando los gráficos de datos se vuelven interactivos, se enriquecen con un elemento narrativo capaz de impulsar el objetivo inicial de visualización, se puede lograr un mayor nivel de efectividad.

Fecha de inicio

17 de Abril 2023

Última de fecha de inscripción:

10 de abril 2023

Curso virtual nivel maestría

Aplica a una beca

Idioma

Inglés

Dirigido a

Estudiantes o egresados del postgrado

Fecha de inicio

Sábado 29 de abril, 2023

Última de fecha de inscripción:

Jueves 27 de abril 2023

Curso virtual nivel maestría

Aplica a una beca

Idioma

Inglés

Dirigido a

Estudiantes o egresados de postgrado

Horario
  • Sábado 29 de abril: 10:00 am – 2:00 pm (4 hrs)
  • Jueves 4 de mayo: 10:00 am – 1:00 pm (3 hrs)
  • Sábado 6 de mayo: 10:00 am – 2:00 pm (4 hrs)
  • Jueves 11 de mayo: 10:00 am – 1:00 pm (3 hrs)
  • Sábado 13 de mayo: 10:00 am – 1:00 pm (3 hrs)
  • Sábado 20 de mayo: 10:00 am – 1:00 pm (3 hrs)
En este curso, todos los participantes se introducirán a los principios de visualización de datos más recientes, así como al análisis de las pautas que respaldan la selección de la tipología de gráficos adecuada, según los requisitos específicos y el público objetivo, así como las tareas específicas de gestión de datos. 

Los participantes examinarán varios gráficos, donde evaluarán tipología de gráficos y función, donde  serán guiados en el diseño de tableros de datos interactivos.  Aprenderán los principios de la narración de datos a través de ejemplos que muestran cómo se pueden mejorar la efectividad de un gráfico dado al agregar componentes narrativos de manera adecuada. Se tratará con mayor enfoque los casos de uso práctico de la narración basada en datos en diferentes dominios, como: salud, finanzas, energía, ciencias de datos, entre otros.

En este curso, todos los participantes se introducirán a los principios de visualización de datos más recientes, así como al análisis de las pautas que respaldan la selección de la tipología de gráficos adecuada, según los requisitos específicos y el público objetivo, así como las tareas específicas de gestión de datos. 

 

Los participantes examinarán varios gráficos, donde evaluarán tipología de gráficos y función, donde  serán guiados en el diseño de tableros de datos interactivos.  Aprenderán los principios de la narración de datos a través de ejemplos que muestran cómo se pueden mejorar la efectividad de un gráfico dado al agregar componentes narrativos de manera adecuada. Se tratará con mayor enfoque los casos de uso práctico de la narración basada en datos en diferentes dominios, como: salud, finanzas, energía, ciencias de datos, entre otros.

Objetivos del curso:

Al finalizar el curso, los estudiantes serán capaces de:

– Comprender los principios básicos de diseño y las mejores prácticas para crear representaciones visuales efectivas de datos.

– Conocer la relación que existe entre la visualización de datos, público objetivo y resultados obtenidos, según el dominio específico de interés y según se requiera exploración y descripción de datos.

– Dominar los diferentes tipos de gráficos en visualización de datos, composición, distribución, comparación y relación de datos

– Aprenderá mejoras en la visualización de datos, a través de elementos de narración de datos.

– Comprender cómo habilitar el análisis visual interactivo en un conjunto de datos determinados.

– Diseñar paneles de datos para combinar varios gráficos de manera funcional.

– Uso de herramientas gratuitas para el análisis, visualización y narración de datos.

Objetivos del curso:

Al finalizar el curso, los estudiantes serán capaces de:

– Comprender los principios básicos de diseño y las mejores prácticas para crear representaciones visuales efectivas de datos.

– Conocer la relación que existe entre la visualización de datos, público objetivo y resultados obtenidos, según el dominio específico de interés y según se requiera exploración y descripción de datos.

– Dominar los diferentes tipos de gráficos en visualización de datos, composición, distribución, comparación y relación de datos

– Aprenderá mejoras en la visualización de datos, a través de elementos de narración de datos.

– Comprender cómo habilitar el análisis visual interactivo en un conjunto de datos determinados.

– Diseñar paneles de datos para combinar varios gráficos de manera funcional.

– Uso de herramientas gratuitas para el análisis, visualización y narración de datos.

Los participantes deben contar con:

– Conocimientos básicos previos de los conceptos fundamentales en gestión de datos.
– Manejo de archivos CSV y Excel.
– Conocimiento de Python (es una ventaja útil pero, no es obligatorio).

Folletos, presentaciones de Power Point,  referencias bibliográficas seleccionadas, archivos y guiones de apoyo para actividades prácticas.

PowerBI, Looker Studio (anteriormente Google Data Studio), DataWrapper, Flourish.

Google Colab, Python Matplotlib y Seaborn, Apache Superset (habilitadores avanzados se abordarán, según el conocimiento y experiencia previos de los estudiantes participantes; alternativamente, pueden ser reemplazada por una sesión práctica colaborativa sobre las otras herramientas). 

Los participantes deben contar con:
  • Conocimientos básicos previos de los conceptos fundamentales en gestión de datos.
  • Manejo de archivos CSV y Excel.
  • Conocimiento de Python (es una ventaja útil pero, no es obligatorio).
Folletos, presentaciones de Power Point,  referencias bibliográficas seleccionadas, archivos y guiones de apoyo para actividades prácticas.
PowerBI, Looker Studio (anteriormente Google Data Studio), DataWrapper, Flourish.
Google Colab, Python Matplotlib y Seaborn, Apache Superset (habilitadores avanzados se abordarán, según el conocimiento y experiencia previos de los estudiantes participantes; alternativamente, pueden ser reemplazada por una sesión práctica colaborativa sobre las otras herramientas). 

Método de evaluación del curso:

Curso práctico en grupo. Se organizará a los participantes en grupos (no más de 5 miembros), seleccionen un dominio y conjunto de datos de su preferentes, interés, detalle descriptivo, exploratorio (dependerá del contenido del conjunto de datos) y representación visual de ese conjunto de datos.

Método de evaluación del curso:

Curso práctico en grupo. Se organizará a los participantes en grupos (no más de 5 miembros), seleccionen un dominio y conjunto de datos de su preferentes, interés, detalle descriptivo, exploratorio (dependerá del contenido del conjunto de datos) y representación visual de ese conjunto de datos.

Programa y organización del curso

  • 6 lecciones (2 – 4 horas por lección) 70% 70%
  • 1 sesión práctica (3 horas) 15% 15%
  • 1 lección final (3 horas) 15% 15%

Duración total del curso: 20 horas.  Se realizan 2 sesiones por semana.

La octava lección, se realizará 10 días después de la sexta sesión, esto permitirá que los participantes completen el proyecto del curso en forma grupal.

Programa y organización del curso

  • 6 lecciones (2 – 4 horas por lección) 70% 70%
  • 1 sesión práctica (3 horas) 15% 15%
  • 1 lección final (3 horas) 15% 15%
Duración total del curso: 20 horas.  Se realizan 2 sesiones por semana.

La octava lección, se realizará 10 días después de la sexta sesión, esto permitirá que los participantes completen el proyecto del curso en forma grupal.

Programa del curso

Lección 1
Presentación del curso

Mejores prácticas de visualización de datos:

    • Definiciones y conceptos principales.
    • Historia de la visualización de datos.
    • Principios de diseño, problemas y errores comunes.
    • Fundamentos básicos sobre la atención de la audiencia, atributos pre atentos y percepción visual humana.
    • Uso intencional de color, tamaño, posición y diseño.
    • Desorden vs. organizar

Fecha: sábado 29 de abril, 2023 [10:00 – 14:00]

Lección 2
Visualización de datos de exploración y explicativos

 

  • Análisis exploratorio de datos: análisis de variables, relaciones entre variables, datos faltantes y valores atípicos.
  • Visualización explicativa de datos: conocimiento de la audiencia y mensaje.

 

Herramienta: Flourish

Fecha: jueves 4 de mayo, 2023 [10:00 – 13:00]

Lección 3
El “Atlas” de la visualización de datos:

  • Características y defectos de los principales tipologías de gráficos: barras, líneas, áreas, circulares, anillos, diagrama de burbujas, dispersión, cascada, cuerdas, mapas de coropletas, mapas de árboles, diagramas de caja y bigotes, gráficos de mariposa, gráficos de Sankey, diagramas de rayos solares y gráficos de Marimekko.
  • Selección de los tipos de gráficos más adecuados en función de la tarea.

Narración de datos visuales:

  • ¿Qué es una historia de datos?
  • Enfoque narrativo de los datos
  • ¿Cómo estructurar datos para la narración de datos visuales?

Ejemplos de narrativas efectivas de datos:

  • Sector de salud
  • Sector financiero y empresarial
  • Sector energético

Herramientas: Datawrapper, Microsoft Power BI Desktop

Fecha: sábado 6 de mayo, 2023 [10:00 – 14:00]

Lección 4
Principios de diseño de tablero de datos:

  • ¿Qué es un tablero de datos?
  • Tablero de datos detallado
  • Taxonomías del tablero de datos
  • Errores comunes

Visualización de datos con Python:

  • Fundamentos básicos de Python
  • Bibliotecas de Python para la gestión y graficado de datos: Pandas, Matplotlib y Seaborn.

Herramientas: Google Colab

*Tarea: Presentación de las reglas del proyecto de curso práctico en grupo.

Fecha: jueves 11 de mayo, 2023 [10:00 – 13:00]

Lección 5
Herramientas de visualización de datos: sesión práctica

Fecha: sábado 13 de mayo, 2023 [10:00 – 13:00]

Lección 6
Presentación del proyecto del curso y conclusión.

Fecha: sábado 20 de mayo, 2023 [10:00 – 13:00]

Te presentamos algunos ejemplos de las estrategias de visualización de datos que aprenderás en el curso en diseño, implementación y análisis:

Te presentamos algunos ejemplos de las estrategias de visualización de datos que aprenderás en el curso en diseño, implementación y análisis:

1

3

2

Programa del curso

Lección 1
Presentación del curso

Mejores prácticas de visualización de datos:

    • Definiciones y conceptos principales.
    • Historia de la visualización de datos.
    • Principios de diseño, problemas y errores comunes.
    • Fundamentos básicos sobre la atención de la audiencia, atributos pre atentos y percepción visual humana.
    • Uso intencional de color, tamaño, posición y diseño.
    • Desorden vs. organizar

Fecha: sábado 29 de abril, 2023 [10:00 – 14:00]

Lección 2
Visualización de datos de exploración y explicativos

 

  • Análisis exploratorio de datos: análisis de variables, relaciones entre variables, datos faltantes y valores atípicos.
  • Visualización explicativa de datos: conocimiento de la audiencia y mensaje.

 

Herramienta: Flourish

Fecha: jueves 4 de mayo, 2023 [10:00 – 13:00]

Lección 3
El “Atlas” de la visualización de datos:

  • Características y defectos de los principales tipologías de gráficos: barras, líneas, áreas, circulares, anillos, diagrama de burbujas, dispersión, cascada, cuerdas, mapas de coropletas, mapas de árboles, diagramas de caja y bigotes, gráficos de mariposa, gráficos de Sankey, diagramas de rayos solares y gráficos de Marimekko.
  • Selección de los tipos de gráficos más adecuados en función de la tarea.

Narración de datos visuales:

  • ¿Qué es una historia de datos?
  • Enfoque narrativo de los datos
  • ¿Cómo estructurar datos para la narración de datos visuales?

Ejemplos de narrativas efectivas de datos:

  • Sector de salud
  • Sector financiero y empresarial
  • Sector energético

Herramientas: Datawrapper, Microsoft Power BI Desktop

Fecha: sábado 6 de mayo, 2023 [10:00 – 14:00]

Lección 4
Principios de diseño de tablero de datos:

  • ¿Qué es un tablero de datos?
  • Tablero de datos detallado
  • Taxonomías del tablero de datos
  • Errores comunes

Visualización de datos con Python:

  • Fundamentos básicos de Python
  • Bibliotecas de Python para la gestión y graficado de datos: Pandas, Matplotlib y Seaborn.

Herramientas: Google Colab

*Tarea: Presentación de las reglas del proyecto de curso práctico en grupo.

Fecha: jueves 11 de mayo, 2023 [10:00 – 13:00]

Lección 5
Herramientas de visualización de datos: sesión práctica

Fecha: sábado 13 de mayo, 2023 [10:00 – 13:00]

Lección 6
Presentación del proyecto del curso y conclusión.

Fecha: sábado 20 de mayo, 2023 [10:00 – 13:00]

Te presentamos algunos ejemplos de las estrategias de visualización de datos que aprenderás en el curso en diseño, implementación y análisis:

Te presentamos algunos ejemplos de las estrategias de visualización de datos que aprenderás en el curso en diseño, implementación y análisis:

1

3

2

Instructor del Curso

Marco Zappatore

Investigador en Sistemas de Información y Bases de Datos del Departamento de Ingeniería para la Innovación de la Universidad de Salento (Lecce, Italia). Profesor adjunto de Traducción Asistida por Computadora en Departamento de Humanidades de la misma Universidad desde 2017.  Máster en Ingeniería de Comunicación y Ph.D. en Ingeniería de la Información por la misma universidad.

Principales temas de investigación se centran en la gestión de Big Data y los paradigmas de aprendizaje STEMM, la eficiencia educativa de la visualización de datos y Storytelling, traducción asistida por ordenador y automática. 

Es coautor de más de 80 artículos para revistas y congresos internacionales. Ha sido miembro senior del IEEE desde 2002. Editor asociado de IEEE Transactions on Learning Technologies.

Instructor del Curso

Marco Zappatore

Investigador en Sistemas de Información y Bases de Datos del Departamento de Ingeniería para la Innovación de la Universidad de Salento (Lecce, Italia). Profesor adjunto de Traducción Asistida por Computadora en Departamento de Humanidades de la misma Universidad desde 2017.  Máster en Ingeniería de Comunicación y Ph.D. en Ingeniería de la Información por la misma universidad.

Principales temas de investigación se centran en la gestión de Big Data y los paradigmas de aprendizaje STEMM, la eficiencia educativa de la visualización de datos y Storytelling, traducción asistida por ordenador y automática. 

Es coautor de más de 80 artículos para revistas y congresos internacionales. Ha sido miembro senior del IEEE desde 2002. Editor asociado de IEEE Transactions on Learning Technologies.

Teléfono:

2423-8000 Ext. 7411

Correo electrónico:

ayudages@galileo.edu