Visualització de Dades

Esteu aquí

Inici » Estudis » Graus » Grau en Bioinformàtica » Pla d'estudis » Assignatures » Visualització de Dades
Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
UAB
El curs de Visualització de Dades introdueix conceptes de disseny visual i metàfores de dades essencials per al disseny i ús d'eines bioinformàtiques específiques. El curs es divideix en dues parts principals. La primera part se centra en les eines bàsiques per a la visualització de dades, amb especial èmfasi en bioinformàtica: llibreries i visualitzacions comunes, visualitzacions interactives, etc. El paquet principal utilitzat en aquesta part és ggplot2, que es basa en la Gramàtica dels Gràfics i serà molt rellevant per a tota l'assignatura. La segona part tracta sobre la visualització per explorar dades complexes, la reducció de dimensionalitat i les anàlisis de components principals (PCA, t-SNE i UMAP). Les lliçons són principalment pràctiques i dinàmiques per proporcionar un aprenentatge interactiu de la matèria.

Professorat

Responsable

  • Marta Coronado Zamora ( )

Altres

  • Jose Francisco Sanchez Herrero ( )

Hores setmanals

Teoria
2
Problemes
2
Laboratori
0
Aprenentatge dirigit
0
Aprenentatge autònom
6

Resultats d'aprenentatge

Resultats d'aprenentatge

Coneixements

  • K1 - Reconèixer els principis bàsics de la biologia, des de l'escala cel·lular a la de l'organisme, i com aquests es relacionen amb els coneixements actuals en els camps de la bioinformàtica, de l'anàlisi de dades, i de l'aprenentatge automàtic; assolint així una visió interdisciplinar amb especial èmfasi en aplicaciones biomèdiques.
  • K2 - Identificar els mètodes estadístics i computacionals i els models matemàtics que permeten resoldre problemes en els camps de la biologia molecular, la genòmica, la investigació mèdica i la genètica de poblacions.
  • K7 - Analitzar les fonts d'informacions científiques, vàlides i fiables, per a fonamentar l'estat de la qüestió d'un problema bioinformàtic i poder abordar la seva resolució.

Habilitats

  • S4 - Elaborar eines específiques que permetin la resolució de problemes sobre la interpretació de dades biològiques i biomèdiques, incloent visualitzacions complexes.
  • S5 - Divulgar informació, idees, problemes i solucions provinents de la bioinformàtica i la biologia computacional a un públic general.
  • S7 - Implementar mètodes de programació i anàlisi de dades a partir de l'elaboració d'hipòtesis de treball, dins de l'àrea d'estudi.
  • S8 - Enfrontar-se a la presa de decisions, i defensar-les amb arguments, en la resolució de problemes de les àrees de biologia, així com, dins dels àmbits adequats, les ciències de la salut, les ciències de la computació i les ciències experimentals.
  • S9 - Explotar la informació biològica i biomèdica per a transformar-la en coneixement; en particular, extreure i analitzar informació de bases de dades per a resoldre nous problemes biològics i biomèdics.

Competències

  • C2 - Identificar la complexitat dels fenòmens econòmics i socials típics de la societat del benestar i relacionar el benestar amb la globalització, la sostenibilitat i el canvi climàtic per utilitzar de forma equilibrada i compatible la tècnica, la tecnologia, l'economia i la sostenibilitat.
  • C3 - Comunicar-se de forma oral i escrita amb altres persones, en llengua anglesa, sobre els resultats de l'aprenentatge, de l'elaboració del pensament i de la presa de decisions.
  • C4 - Treballar com a membre d'un equip interdisciplinar, ja sigui com un membre més o realitzant tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes (fins i tot empresarials o de recerca) amb pragmatisme i sentit de la responsabilitat i principis ètics, assumint compromisos tenint en compte els recursos disponibles.

Objectius

  1. Visualitzar, manipular i extreure dades biològiques
    Competències relacionades: K1, K7, S4, S7, S9,
  2. Conèixer les tècniques i eines computacionals existents en un camp particular
    Competències relacionades: K7, S4, S7, S9,
  3. Avaluar quina és l'eina tècnica i/o computacional més adequada en cada situació
    Competències relacionades: K2, K7, S4, S5, S7, S8, S9, C2, C3, C4,

Continguts

  1. - Eines bàsiques: Gramàtica dels Gràfics (ggplot2)
    Sessions teòriques sobre percepció, il·lusions visuals, la Gramàtica dels Gràfics aplicant ggplot2, així com biblioteques especialitzades i visualitzacions avançades.
  2. - Visualitzacions interactives amb htmlwidgets i Shiny
    Aprèn a crear visualitzacions interactives amb els paquets d'htmlwidgets i aplicacions Shiny.
  3. - Anàlisi de components principals (PCA)
    Explora tècniques per visualitzar dades complexes i reducció de dimensionalitat (PCA).
  4. - Projeccions no lineals: t-SNE i UMAP
    Aplicació dels mètodes t-SNE i UMAP per a la reducció de dades.

Activitats

Activitat Acte avaluatiu


Sessions pràctiques

Omplir document RMarkdown / basat en l'aplicació
Objectius: 1 2 3
Continguts:
Teoria
0h
Problemes
22h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Home assignments

Conceptual / basat en la síntesi / basat en l'aplicació
Objectius: 1 2 3
Continguts:
Teoria
0h
Problemes
8h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
45h

Examen parcial

Conceptual / basat en la síntesi / basat en l'aplicació
Objectius: 1 2 3
Setmana: 9
Teoria
2h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
20h

Examen final

Conceptual / basat en la síntesi / basat en l'aplicació
Objectius: 1 2 3
Setmana: 18
Teoria
3h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
25h

Sessions teòriques

Conceptual / basat en la síntesi / basat en l'aplicació
Objectius: 1 2 3
Continguts:
Teoria
25h
Problemes
0h
Laboratori
0h
Aprenentatge dirigit
0h
Aprenentatge autònom
0h

Metodologia docent

Durant les sessions teòriques, el professor presentarà els conceptes de manera dinàmica, utilitzant exemples i resolent cas pràctics a classe. Durant les sessions pràctiques, els estudiants treballaran de manera independent en exercicis pràctics, amb supervisió i assistència del professor segons sigui necessari. Tant les classes teòriques com pràctiques requereixen un ordinador portàtil.

Mètode d'avaluació

L'avaluació del curs s'estructurarà de la següent manera:

1. Participació activa a classe (10%): Avaluació setmanal de la participació en les sessions teòriques i pràctiques, incloent discussions, activitats i breus qüestionaris.

2. "Home assignments" (40%): Entrega de quatre treballs en grup.

3. Examen parcial (20%): Examen curt per avaluar els conceptes adquirits durant el primer bloc de l'assignatura.

4. Examen final (30%): Examen pràctic que cobreix tots els conceptes.

La nota ponderada de l'examen parcial i l'examen final requereix un qualificació mínima de 3.5 sobre 10 per poder tenir en compte les altres parts de l'avaluació. Es requereix una nota final d'almenys 5 sobre 10 per completar el curs. El plagi o altres faltes greus comportaran el suspens de l'assignatura i possibles accions disciplinàries.

Un/a estudiant es considera que ha cursat l'assignatura si es presenta a l'examen final. Si l'estudiant ha cursat l'assignatura però ha suspès, llavors pot presentar-se a l'examen de reavaluació i en aquest cas la nota de l'assignatura serà 40% "home assignments", 10% participació i 50% examen de recuperació.

Bibliografia

Bàsica:

Web links

Capacitats prèvies

Coneixements bàsics de R i familiaritat amb RStudio són requisits previs.