La visión ocupa gran parte de nuestro sistema cognitivo humano, y presentar información en formato visual puede ayudarnos en tareas como realizar análisis exploratorio de datos, comunicar el resultado de análisis de datos y detectar problemas en fuentes de datos existentes, elementos que apoyan la toma de decisiones. Para crear visualizaciones de datos efectivas es necesario aprender herramientas de software, pero es igualmente importante entender los principios de atención visuales y cognitivos que afectan nuestra percepción. Es vital identificar la relación entre tipos de datos y diferentes tipos de representaciones visuales.

Los alumnos de este curso aprenderán los conceptos fundamentales de visualización de información, los cuales les permitirán analizar y evaluar visualizaciones existentes. Además, conocerán una metodología para diseñar y evaluar visualizaciones de información efectivas: el modelo anidado de Munzner. Con estas herramientas, los estudiantes aprenderán de forma práctica cómo elegir la codificación visual óptima para distintos tipos de datasets (tabulares, de red, espaciales, de texto) y de atributos (continuos, categóricos, ordinales). Adicionalmente, conocerán el concepto de reducción de dimensionalidad y lo pondrán en práctica para visualizar datos con gran número de atributos o dimensiones.

Dirigido a:
– Profesionales que necesitan evaluar la calidad y efectividad de visualizaciones de información, y que puedan proponer mejoras para la presentación visual de los datos.
– Interesados en el área de Ciencia de Datos que deseen adquirir conocimientos para diseñar e implementar visualizaciones de información efectivas para satisfacer necesidades de información.

Es necesario contar con conocimientos básicos de programación, específicamente en lenguaje Python. En particular, debe ser capaz de utilizar controles de flujo, distintos tipos de datos y funciones, y diccionarios con Python.

Si desea evaluar su nivel, puede realizar una prueba opcional gratuita en este link: https://www.hackerrank.com/prueba-python

Se recomienda iniciar los test en orden, ya que van creciendo en dificultad. Los dos últimos tienen un nivel superior al requerido para ingresar al diplomado, y han sido instalados allí sólo como desafío. Si uno de los test falló, se recomienda revisar y ejercitar esos contenidos antes del inicio del programa.

A continuación, ponemos a su disposición algunos cursos optativos por si desea prepararse previamente al inicio del programa:

– MOOC “Introducción a la Programación en Python I: Aprendiendo a programar con Python”, disponible en el siguiente link: https://www.coursera.org/learn/aprendiendo-programar-python

– Curso “Herramientas de programación en Python para procesamiento de datos”, disponible en el siguiente link: https://teleduc.uc.cl/curso/herramientas-programacion-python-procesamiento-datos/ .