Guía docente de Análisis Exploratorio de Datos y Visualización (2AB1113)

Ninguno

• Introducción al análisis exploratorio de datos.
• Tipos de datos y preprocesamiento.
• Estadística descriptiva univariante y multivariante. Medidas.
• Técnicas de visualización de datos (univariante y multivariante, visualización interactiva). Visualización geoespacial.
• Análisis de correlación y regresión.

• Saber distinguir y procesar las distintas estructuras y tipos de datos.
• Saber resumir e interpretar la información contenida en un conjunto de datos.
• Representar gráfica y numéricamente conjuntos de datos univariantes y bivariantes.

Tema 1: Introducción al Análisis Exploratorio de Datos (AED)

1.1 Objetivos e importancia del AED

1.2 Herramientas y entornos comunes para AED

1.3 El lenguaje de programación R

1.4 El entorno de desarrollo Rstudio

Tema 2: Tipos de Datos y Preprocesamiento

2.1 Tipos de variables: numéricas, categóricas, ordinales, temporales y espaciales

2.2 Detección y tratamiento de valores faltantes

2.3 Identificación y tratamiento de valores atípicos (outliers)

2.4 Transformación de variables

2.5 Limpieza y formateo de datos

2.6 Importación y exportación de datos

Tema 3: Estadística Descriptiva Univariante y Multivariante

3.1 Introducción

3.2 Variables nominales y ordinales. Frecuencias. Tablas de Frecuencias

3.3 Visualización de datos categóricos univariantes y bivariantes

3.4 Variables numéricas. Tabla de Frecuencias por Intervalos: el Histograma

3.5 Medidas de tendencia central y otras medidas de posición. Medidas de dispersión y de forma

3.6 Visualización de variables numéricas univariantes

Tema 4: Visualización de Datos

4.1 Principios de visualización efectiva

4.2 Otras técnicas de visualización de datos categóricos

4.3 Gráficos para relaciones entre variables

4.4 Otras técnicas de visualización para variables numéricas

4.5 Visualización multivariante: gráficos 3D, uso de color y tamaño

4.6 Introducción a la visualización interactiva

4.7 Introducción a la visualización geoespacial

Tema 5: Análisis de Regresión y Correlación

5.1 Regresión lineal simple

5.2 Correlación

5.3 Regresión no lineal

5.4 Visualización de regresiones y ajuste de modelos

5.5 Interpretación de matrices de correlación y visualización

Se realizarán prácticas con datos reales y simulados mediante software estadístico relativas a los contenidos tratados en el programa de teoría.

Se realizarán ejercicios que completen el desarrollo teórico de los contenidos de la asignatura.

Cleveland, William S., The Elements of Graphing Data, Chapman and Hall/CRC, 1994.

Fernández-Casal R., Roca-Pardiñas J., Costa J. y Oviedo-de la Fuente M. (2022). Introducción al Análisis de Datos con R. ISBN: 978-84-09-41823-7. https://rubenfcasal.github.io/intror.

Tukey, John W., Exploratory Data Analysis, Addison-Wesley, 1977.

Wickham, Hadley y Grolemund, Garrett. R for Data Science. O'Reilly Media, 2017. Disponible online: https://r4ds.hadley.nz/

Wilke, Claus O., Fundamentals of Data Visualization, O'Reilly Media, 2019. Disponible online: https://serialmentor.com/dataviz/

Yau, Nathan, Data Points: Visualization That Means Something, Wiley, 2013.

Unwin, Antony, Graphical Data Analysis with R, CRC Press, 2015.

Cairo, Alberto, The Truthful Art: Data, Charts, and Maps for Communication, New Riders, 2016.

Análisis Exploratorio de Datos y Visualización – Luis Álvarez, https://bookdown.org/lalvarez_mat/AEDV/

Exploratory Data Analysis with R – Roger D. Peng, https://bookdown.org/rdpeng/exdata/

La calificación final se desglosará como:

• 10% Asistencia y participación activa.
• 20% Realización de distintos tipos de prácticas.
• 20% Realización de distintos trabajos y/o ejercicios.
• 50% Prueba final de todos los contenidos de la asignatura. En el caso en el que el estudiante decidiera no realizar dicha prueba, figurará en el acta con la anotación de "No presentado".

Examen escrito teórico-práctico sobre el temario que figura en esta guía docente. El porcentaje sobre la calificación final será del 100%.

La evaluación única final a la que el alumno se puede acoger en los casos indicados en la “Normativa de Evaluación y de Calificación de los Estudiantes de la Universidad de Granada” (Aprobada por el Consejo de Gobierno en su sesión de 9 de noviembre de 2016) consistirá en un examen teórico-práctico sobre el temario que figura en esta guía docente. Ponderación en la calificación final: 100%.

Siguiendo las indicaciones recogidas en la Normativa de Evaluación y de Calificación de los estudiantes de la Universidad de Granada:

https://www.ugr.es/universidad/normativa/texto-consolidado-normativa-evaluacion-calificacion-estudiantes-universidad-granada

destacamos los puntos 1 y 2 recogidos en el artículo 15 sobre la originalidad de los trabajos presentados por los alumnos:

1. La Universidad de Granada fomentará el respeto a la propiedad intelectual y transmitirá a los estudiantes que el plagio es una práctica contraria a los principios que rigen la formación universitaria. Para ello procederá a reconocer la autoría de los trabajos y su protección de acuerdo con la propiedad intelectual según establezca la legislación vigente.

2. El plagio, entendido como la presentación de un trabajo u obra hecho por otra persona como propio o la copia de textos sin citar su procedencia y dándolos como de elaboración propia, conllevará automáticamente la calificación numérica de cero en la asignatura en la que se hubiera detectado, independientemente del resto de las calificaciones que el estudiante hubiera obtenido. Esta consecuencia debe entenderse sin perjuicio de las responsabilidades disciplinarias en las que pudieran incurrir los estudiantes que plagien.

En el caso de utilizar herramientas de IA para el desarrollo de la asignatura, el estudiante debe adoptar un uso ético y responsable de las mismas. Se deben seguir las recomendaciones contenidas en el documento de "Recomendaciones para el uso de la inteligencia artificial en la UGR" publicado en esta ubicación: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0

Cualquier elemento de esta guía podrá ser adaptado para atender a la diversidad del alumnado teniendo en cuenta los informes facilitados por los tutores NEAE, y siempre siguiendo la Normativa de la Universidad de Granada: https://www.ugr.es/sites/default/files/2017-09/NCG1114.pdf

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

En el desarrollo de las sesiones prácticas de la asignatura se utilizará el software estadístico de código abierto R, incluyendo su interfaz RStudio.