Periodo académico 2023-1S
Actividad | Grupo | Periodos | Horarios | Aula | Profesor/Tutor |
---|---|---|---|---|---|
CLASE PRÁCTICA | (1) - PRACTICA SALA DE CÓMPUTO - GRUPO 1 - BOGOTÁ | 24/01/2023 - 16/05/2023 | MARTES 11:00 - 13:00 | AULA GENERAL 20 - M21 - PISO 2 | MARCELA DIAZ OSORIO |
(2) - CLASE VIRTUAL - GRUPO 2 - BOGOTÁ | 23/01/2023 - 15/05/2023 | LUNES 13:00 - 15:00 | - | LEANDRO GONZÁLEZ TÁMARA | |
(3) - PRACTICA SALA DE CÓMPUTO - GRUPO 3 - BOGOTÁ NOCTURNO | 25/01/2023 - 17/05/2023 | MIÉRCOLES 18:00 - 20:00 | AULA GENERAL 20 - M21 - PISO 2 | VEIMAR DANIEL REY CASTILLO | |
(4) - PRACTICA SALA DE CÓMPUTO - GRUPO 4 - BOGOTÁ NOCTURNO | 25/01/2023 - 17/05/2023 | MIÉRCOLES 18:00 - 20:00 | AULA WINDOWS - 306 - M2 | VALERY PAMELA ORJUELA LLANOS | |
(5) - PRACTICA SALA DE CÓMPUTO - GRUPO 5 - BOGOTÁ NOCTURNO | 23/01/2023 - 20/05/2023 | MIÉRCOLES 18:00 - 20:00 | AULA MACINTOSH - 301 - M7A | MARCELA DIAZ OSORIO |
El conocimiento moderno reconoce la importancia de los datos como fuente de producción de ideas y el planteamiento de conjeturas acerca de cómo es la realidad. En este sentido resulta importante entender cómo se extrae valor de fuentes de datos, en especial de aquella que contienen grandes cantidades de información, visualizar de una manera práctica lo que se puede esconder en los mismos y calcular e interpretar diferentes mediciones sobre los mismos que permitan comunicar hallazgos interesantes. Es por eso por lo que se plantea un curso de visualización y análisis de datos en el que los estudiantes sean capaces de hacer una lectura analítica de información numérica y gráfica, de crear representaciones gráficas propias a partir de datos estructurados. Se propone un trabajo basado en estudio de casos reales, cercanos a la realidad de los estudiantes y a sus intereses profesionales, con el que se pueda comprender y dar significado a conceptos básicos y habituales en la divulgación de información tales como porcentajes, promedios, desviaciones, casos per cápita, probabilidades y tendencias.
Crear visualización, mediciones numéricas de conjuntos de datos estructurados
para extraer conclusiones y mejorar el conocimiento de fenómenos relacionados
con la administración, banca y finanzas, el comercio, la contaduría, la
economía y el mercadeo.
Específicos:
1. Procesar con una herramienta estadística un base de datos estructurada
2. Crear visualizaciones de datos tanto cualitativos como cuantitativos
3. Calcular e interpretar diferentes mediciones numéricas asociadas a
los datos con el propósito de resumir de la manera más apropiada la
información.
Comunicar los resultados de los hallazgos encontrados en las fuentes de
información estructurada a través de enunciados sencillos e infografías.
1. Introducción a bases de datos estructurados. Archivos separados por comas,
Hojas de cálculo: Google Sheets y Excel
2. Tablas y gráficos dinámicos. Tabulación automática de la información
y generación de medidas numéricas de resumen.
3. Introducción a Google Colaboratory y el concepto de Máquina virtual
4. Introducción a la librería Pandas de Python
5. Exploración de un Data Frame
6. Filtros por casos y por variables en un Data Frame
7. Consultas básicas con Pandas
8. Estadísticas básicas
9. Agrupación de casos
10. Visualización de datos con Matplotlib
11. Construcción de gráficos por agrupación de variables
12. Gráficos de dispersión con Matplotlib
Visualización de datos con Seaborn – Strips, Heat maps – Boxes – Pair
plots
Esta es una clase que es ciento por ciento práctica y que se desarrolla en
salas de cómputo en todas sus sesiones.
Se utilizan herramientas gratuitas en la nube que no requieren la
instalación de programas on premise a excepción de la Suite de Office con la
que cuenta la Universidad.
Todas las clases son prácticas con ejemplos cercanos a los estudiantes y
relacionados con sus perfiles profesionales tales como:
• Data Visualization - Demografía: Este es un ejercicio para desarrollar
en los estudiantes un conocimiento global del mundo en términos de variables
como ingreso per cápita, mortalidad, esperanza de vida, mortalidad infantil,
fertilidad, etc. El ejercicio es una exploración cuantitativa y gráfica que
familiariza a los estudiantes con el lenguaje con el que se mide el desarrollo
en el mundo occidental y les permite lanzar hipótesis acerca de las
diferencias que existen en los países del mundo y realizar conclusiones
sencillas con base en datos reales.
• Data analysis: Una base datos de ventas de Retail en Estados Unidos
con la información de más de 51 registros de ventas y 24 variables. Esta base
es el punto de partida para explorar las relaciones entre variables
demográficas y las elecciones de los consumidores.
•New York stock exchange: Los datos de más de 1700 empresas dados por S&P para
analizar de manera intuitiva variables como cuentas por pagar, cuentas por
cobrar, excedente de capital, acciones ordinarias, depreciación, activos
fijos, impuesto, activos tangibles, inventario, pasivos, etc. y en particular
la posibilidad de analizar tendencias.
•Conjunto de datos de Fortune con información de las 500 empresas más
grandes de Estados Unidos para analizar el concepto de Ranking y variables
como ingresos, cambio de ingresos, ganancias, cambio de beneficios, activos y
valor de mercado.
•Data analysis - TV Shows and Movies listed on Netflix. Esta es una base
de datos con más de 6.000 títulos de Netflix disponibles a partir de 2019. Es
un ejercicio de análisis en el que los estudiantes se siente motivados y
pueden explorar las posibles relaciones entre variables como: país de
producción, duración, rating, casting, director, tipo (película, serie, TV),
etc.
Todas las clases cierran con una evaluación en la plataforma Socrative y
se retroalimentan de inmediato para para afianzar el aprendizaje de los
estudiantes.
Los profesores favorecerán el trabajo colaborativo.
Libro de acceso gratuito: González, L. Análisis Exploratorio de datos.
Editorial Utadeo. 2018.
Fuentes de información recomendadas:
www.gapminder.org
https://www.kaggle.com/jr2ngb/superstore-data
https://www.kaggle.com/dgawlik/nyse
https://www.kaggle.com/shaz13/fotune500-2017
https://www.kaggle.com/shivamb/netflix-shows