Imprimir

Programa

CURSO:VISUALIZACIÓN DE DATOS
TRADUCCIÓN:DATA VISUALIZATION
SIGLA:INF3531
CRÉDITOS:05
MÓDULOS:02		
CARÁCTER:OPTATIVO
TIPO:CÁTEDRA	
CALIFICACIÓN:ESTÁNDAR 
PALABRAS CLAVE:CIENCIA DE DATOS, VISUALIZACIÓN DE DATOS, FUENTES DE INFORMACIÓN
NIVEL FORMATIVO:MAGÍSTER


I.DESCRIPCIÓN DEL CURSO

En este curso los estudiantes analizarán la importancia, principios y casos de la visualización de datos en el contexto de un mundo laboral que utiliza cada vez más sensores, mediciones y datos, para poder realizar buenos análisis y lograr comunicar efectivamente los descubrimientos y conocimientos obtenidos, a través de una óptima visualización de la información, tarea fundamental para prácticamente cualquier profesional. Los estudiantes podrán a través del análisis de casos, aplicar conocimientos sobre fundamentos y técnicas sobre visualización de datos, para facilitar procesos de análisis y comunicación desde la perspectiva de visualización de datos aplicada.


II.RESULTADOS DE APRENDIZAJE

1.Valorar la importancia de la visualización de datos.

2.Aplicar los conceptos fundamentales de las técnicas de visualización, comunicación y diseño efectivo.

3.Implementar técnicamente los principales programas de visualización.

4.Analizar datos de manera gráfica.

5.Implementar reportes y tableros de manera efectiva.


III.CONTENIDOS

1.Teoría sobre Visualización de Datos
1.1.Introducción: breve historia, disciplinas de comunicación gráfica e importancia de visualizar datos
1.2.La “des-Excelización” y democratización de datos en la empresa
1.3.Condiciones necesarias para una visualización: datos y casos
1.4.Objetivos de la visualización: contenido vs usuario, acceso, interacción y actualización
1.5.Fuentes de información: sistemas transaccionales, sistemas web, datos públicos
1.6.Preparación de datos: integridad, calidad, homologación
1.7.Generalidades sobre tipos de datos: medidas, dimensiones
1.8.Atributos a usar en una visualización
1.9.Análisis de los tipos de gráficos más comunes para representar datos
1.10.Exploración visual de datos
1.11.Indicadores, Reportes y Dashboards
1.12.Presentación de las herramientas principales del mercado
1.13.Visualizaciones avanzadas: scripting 

2.Visualización de Datos Aplicada
2.1.Datos de empresa: reportes transversales a industrias y vistas especificas
2.2.Revisión de casos de uso de Dashboards generales
2.3.Revisión de casos de uso específicos por industrias
2.4.Revisión de casos de uso por niveles de usuarios: analistas vs C-level


IV.ESTRATEGIAS METODOLÓGICAS

-Clases teóricas.

-Análisis interactivos de casos.

-Talleres prácticos de aplicación.


V.ESTRATEGIAS EVALUATIVAS

-Controles: 50%

-Actividad práctica grupal: 50%


VI.BIBLIOGRAFÍA

Mínima

Fahad Akhtar, S.M. “Big Data Architect's Handbook”, Packt Publishing, 2018.

Jan, H., Kamber, M., “Data Mining: Concepts and Techniques”, Morgan Kaufmann, 2011. 

Foreman, J. W. “Data Smart: Using Data Science to Transform Information into Insight”, Wiley, 2013.

Provost, F., Fawcett, T., “Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking”, O'Reilly Media, 2013.


Complementaria

Azarmi, B., “Scalable Big Data Architecture: A practitioners guide to choosing relevant Big Data architecture”, Apress, 2015.

Bassat, L., “Inteligencia comercial”, Plataforma, 2011.

Barlow, M., “The Culture of Big Data”, O'Reilly Media, 2015

Inmon, W.H., “Building the Data Warehouse”, Wiley, 2002.

Kimball, R., “The data warehouse toolkit: the complete guide to dimensional modeling”, Wiley, 2002.

Needham, J., “Disruptive Possibilities: How Big Data Changes Everything”, O'Reilly Media, 2015

Sinha, S., “Making Big Data work for your business”, Impackt Publishing, 2014.


PONTIFICIA UNIVERSIDAD CATÓLICA DE CHILE 
ESCUELA DE INGENIERÍA / JUNIO 2020