Visualización de Datos

• Profesorado
• Horas semanales
• Resultados de aprendizaje
• Objetivos
• Contenidos
• Actividades
• Metodología docente
• Método de evaluación
• Bibliografía
• Web links
• Capacidades previas

Profesorado

Responsable

• Marta Coronado Zamora ( )

Otros

• Jose Francisco Sanchez Herrero ( )

Horas semanales

Resultados de aprendizaje

Resultados de aprendizaje

Conocimientos

• K1 - Reconocer los principios básicos de la biología, desde la escala celular a la de organismo, y cómo estos se relacionan con los conocimientos actuales en los campos de la bioinformática, del análisis de datos y del aprendizaje automático; alcanzando así una visión interdisciplinar con especial énfasis en aplicaciones biomédicas.
• K2 - Identificar los métodos estadísticos y computacionales y los modelos matemáticos que permiten resolver problemas en los campos de la biología molecular, la genómica, la investigación médica y la genética de poblaciones.
• K7 - Analizar las fuentes de informaciones científicas, válidas y fiables, para fundamentar el estado de la cuestión de un problema bioinformático y poder abordar su resolución.

Habilidades

• S4 - Elaborar herramientas específicas que permitan la resolución de problemas sobre la interpretación de datos biológicos y biomédicos, incluyendo visualizaciones complejas.
• S5 - Divulgar información, ideas, problemas y soluciones provenientes de la bioinformática y la biología computacional a un público general.
• S7 - Implementar métodos de programación y análisis de datos orientados a partir de la elaboración de hipótesis de trabajo, dentro del área de estudio.
• S8 - Enfrentarse a la toma de decisiones, y defenderlas con argumentos, en la resolución de problemas de las áreas de biología, así como, dentro de los ámbitos adecuados, las ciencias de la salud, las ciencias de la computación y las ciencias experimentales.
• S9 - Explotar información biológica y biomédica para transformarla en conocimiento; en particular, extraer y analizar información de bases de datos para resolver nuevos problemas biológicos y biomédicos.

Competencias

• C2 - Identificar la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar y relacionar el bienestar con la globalización, la sostenibilidad y el cambio climático para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
• C3 - Comunicarse de forma oral y escrita con otras personas, en lengua inglesa, sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones.
• C4 - Trabajar como miembro de un equipo interdisciplinar, ya sea como un miembro más o realizando tareas de dirección, con el fin de contribuir a desarrollar proyectos (incluso empresariales o de investigación) con pragmatismo y sentido de la responsabilidad y principios éticos, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Objetivos

1. Visualizar, manipular y extraer datos biológicos
   Competencias relacionadas: K1, K7, S4, S7, S9,
2. Conocer las técnicas y herramientas computacionales existentes en un campo particular
   Competencias relacionadas: K7, S4, S7, S9,
3. Evaluar cuál es la herramienta técnica y/o computacional más adecuada en cada situación
   Competencias relacionadas: C2, C3, C4, K2, K7, S4, S5, S7, S8, S9,

Contenidos

1. - Herramientas básicas: Gramática de los Gráficos (ggplot2)
   Sesiones teóricas sobre percepción, ilusiones visuales, la Gramática de los Gráficos aplicando ggplot2, así como librerías especializadas y visualizaciones avanzadas.
2. - Visualizaciones interactivas con htmlwidgets y Shiny
   Aprende a crear visualizaciones interactivas con los paquetes de htmlwidgets y aplicaciones Shiny.
3. - Análisis de componentes principales (PCA)
   Explora técnicas para visualizar datos complejos y reducción de dimensionalidad (PCA).
4. - Proyecciones no lineales: t-SNE y UMAP
   Aplicación de los métodos t-SNE y UMAP para la reducción de datos.

Actividades

Actividad Acto evaluativo

Metodología docente

Método de evaluación

Bibliografía

Básica:

• The Visual display of quantitative information - Tufte, Edward R, Graphics Press, cop. 1983. ISBN: 9780961392147
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991001453439706711&context=L&vid=34CSUC_UPC:VU1
• The Grammar of graphics - Wilkinson, Leland; Wills, Graham, Springer, cop. 2005. ISBN: 0387245448
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003900429706711&context=L&vid=34CSUC_UPC:VU1
• R graphics cookbook - Chang, Winston, O'Reilly, cop. 2013. ISBN: 1449316956
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991004078219706711&context=L&vid=34CSUC_UPC:VU1
• Information is beautiful - McCandless, David, William Collins, 2012. ISBN: 9780007492893
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991005219279306711&context=L&vid=34CSUC_UPC:VU1
• Ggplot2 : elegant graphics for data analysis - Wickham, Hadley, Springer, 2009. ISBN: 0387981403
  https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003786949706711&context=L&vid=34CSUC_UPC:VU1

Web links

• ggplot2 reference guide http://ggplot2.tidyverse.org/reference/
• Wickham, H. and Grolemund, G. (2017). R for Data Science http://r4ds.had.co.nz/data-visualisation.html
• How to use t-SNE effectively https://distill.pub/2016/misread-tsne/
• What is principal component analysis? Lior Pachter https://liorpachter.wordpress.com/2014/05/26/what-is-principal-component-analysis/
• Dimensionality reduction techniques https://towardsdatascience.com/11-dimensionality-reduction-techniques-you-should
• How to use UMAP https://umap-learn.readthedocs.io/en/latest/basic_usage.html
• How humans see data by John Rauser - Velocity Amsterdam 2016 (YouYube video) https://www.youtube.com/watch?v=fSgEeI2Xpdc

Capacidades previas