En esta página encontrarás todo el material teórico y práctico que tengo disponible.

Objetivos

1. Adquirir un lenguaje común y un entendimiento fundamental dentro del campo visualización de información.
2. Ser capaces de diseñar una visualización de datos efectiva para el problema a resolver.
3. Ser capaces de evaluar una visualización con espíritu crítico.
4. Aprender a prototipar e implementar visualizaciones en Python.

Cumplir estos objetivos requiere las siguientes capacidades ya desarrolladas en les estudiantes:

1. Python intermedio: a nivel de programación (control de flujo, definición de funciones, estructuras de datos, funciones lambda) y de manejo de herramientas (conda environments, Jupyter Lab).
2. Conocimiento básico de pandas y sus operaciones, incluyendo filtros y operaciones como groupby. Se espera que hayan cursado (o estén cursando) una asignatura de análisis de datos.
3. Aunque el material del curso está en castellano, gran parte de los recursos bibliográficos y de código externo están disponibles solo en inglés.

Clases

Cada clase tiene su tarjeta, agrupadas por tema. Las que ya tienen slides enlazan a la presentación; las que dicen “en preparación” todavía no.

Fundamentos

El proyecto

Tipos de datos

Casos de estudio

Diseño y evaluación

Herramientas

El código del curso usa chiricoca, un módulo de Python para visualización y análisis geoespacial construido sobre matplotlib. No está en PyPI: se instala desde el repositorio.

Bibliografía

La parte teórica del curso se basa en estos dos libros:

• Visualization Analysis & Design, de Tamara Munzner.
• How Charts Lie, de Alberto Cairo.

Los siguientes son libros complementarios:

• The Functional Art, de Alberto Cairo.
• Design for Information, de Isabel Meirelles.

Créditos y Agradecimientos

Este curso incluye material del libro Visualization Analysis & Design de Tamara Munzner y de las presentaciones de su curso de visualización. ¡Gracias, Tamara!