Información detallada de curso |
Segundo semestre 2025
Sep 20, 2025 |
|
 |
||
| Código y Nombre de la Asignatura: EST 0001 - VISUALIZACION DATOS Y TOMA DE DECISIONES |
|
División Académica:
División de Ciencias Básicas
Departamento Académico: Dpto. Matematicas y estadístic Número de créditos: Intensidad horaria (semanal para nivel pregrado y total para nivel postgrado): 4.000 Horas de Teoría 0.000 Horas de Laboratorio 0.000 Otras Horas Niveles: Educación Superior Pregrado Tipos de Horario: Teoría Este curso espera enseñar a los estudiantes a diseñar y desarrollar sistemas interactivos de visualización de datos con el fin de comunicar y analizar conjunto de datos complejos. Los estudiantes van a aprender principios de interacción y diseño visual basados en la percepción humana. Se enfocará en ejercicios prácticos de desarrollar sistemas interactivos de visualización de datos de problemáticas reales que permitan a los usuarios a ver, entender y analizar datos complejos y sus relaciones. El desarrollo de estos sistemas interactivos permite a los usuarios finales tomar de decisiones basándose en información cuantitativa. Al final del curso, los estudiantes van a aplicar los principios de diseño y van a usar las tecnologías apropiadas para crear un sistema comprensivo de visualización interactiva de datos para el análisis de datos y la toma de decisiones correspondiente. 3. JUSTIFICACIÓN. El estudiante debe ser capaz de resolver problemas y tomar decisiones. Este proceso ha de poder realizarlo con un conocimiento imperfecto de la situación y un grado considerable de incertidumbre. La estadística le presta una ayuda considerable al tener como uno de sus propósitos el análisis de la información cuantitativa o cualitativa para sustentar la toma de decisiones. 4. OBJETIVO GENERAL DE LA ASIGNATURA. Esta asignatura se orientará a: Que el estudiante comunique información o ideas complejas de forma clara, precisa y eficiente, de forma que le ayude a analizar y razonar sobre datos y evidencias para resolver problemas y tomar decisiones. 5. RESULTADOS DE APRENDIZAJE: Al finalizar la asignatura, los estudiantes deben estar en capacidad de: Tener la fundamentación teórica y práctica para crear visualizaciones detalladas para una variedad de tipos de datos. Diseñar y desarrollar visualizaciones pertinentes en ambientes de negocios, científicos y de investigación. Diseñar sus propias representaciones visuales de datos basadas en características generales, las necesidades del cliente y los usuarios potenciales. 6. TEMAS DE LA ASIGNATURA. Introducción a la Visualización de Datos Relevancia de la visualización de datos. Tipos de datos (temporales, geoespaciales, topical, árboles y redes). Fundamentación matemática del Modelado Geométrico para Visualización y Comunicación. Visualización de datos en R y python. Análisis de datos a través de Visualizaciones. Visualización en negocios: Ejemplos aplicados en datos de negocios. Visualización científica: Ejemplos aplicados en datos científicos y de investigación. Visualización avanzada de Datos con el paquete ggplot2. Introducción a ggplot2 y matplotlib, seaborn Manipulación de datos. Visualización de modelados estadísticos. Visualización avanzada en negocios: Ejemplos aplicados en datos de negocios y su análisis. Visualización científica avanzada: Ejemplos aplicados en datos científicos y de investigación y su análisis. Visualización Interactiva de Datos con el paquete Shiny y Dash. Representaciones gráficas interactivas. Ambiente de trabajo para el diseño de aplicaciones en Shiny y Dash. Creación de Visualizaciones de datos como páginas web. Visualización interactiva en negocios: Ejemplos aplicados en datos de negocios y su análisis. Visualización científica interactiva: Ejemplos aplicados en datos científicos y de investigación y su análisis. Sistemas Interactivos de Visualización de Datos: Dashboards y Uso de GitHub. Diseño de Dashboards con Shiny y Dash Dashboards en negocios: Principios de la Inteligencia de Negocios y su análisis. Dashboards científicos: Ejemplos aplicados en datos científicos y de investigación y su análisis 7. BIBLIOGRAFÍA BÁSICA DE LA ASIGNATURA. Notas de clase. Rahlf, T. (2017). Data Visualisation with R: 100 Examples. Springer. Wickham, H. (2016). ggplot2: elegant graphics for data analysis. Springer. Beeley, C. (2013). Web application development with R using Shiny. Packt Publishing Ltda. |
| Regresar a Anterior | Nueva Búsqueda |
|