2024
Fundamentos da Visualização de Dados
Nome: Fundamentos da Visualização de Dados
Cód.: DES14267M
6 ECTS
Duração: 15 semanas/156 horas
Área Científica:
Motricidade Humana
Língua(s) de lecionação: Português
Língua(s) de apoio tutorial: Português
Apresentação
n.a.
Objetivos de Desenvolvimento Sustentável
Objetivos de Aprendizagem
No final do UC os alunos devem:
1. Dominar os princípios, métodos e conceitos fundamentais necessários para a visualizar de dados em publicações, relatórios técnicos ou apresentações;
2. Desenvolver consciência prática para a avaliação de dados e seleção de representações gráficas que melhor se adequem à natureza dos dados, permitindo a transferência da informação ao leitor;
3. Saber criar um vasto reportório de visualizações gráficas em R (uma linguagem de programação amplamente utilizada e disponível gratuitamente para análise de dados) usando ggplot2 e em plataformas de acesso livre;
4. Saber como editar visualizações de dados para uma apresentação eficaz.
1. Dominar os princípios, métodos e conceitos fundamentais necessários para a visualizar de dados em publicações, relatórios técnicos ou apresentações;
2. Desenvolver consciência prática para a avaliação de dados e seleção de representações gráficas que melhor se adequem à natureza dos dados, permitindo a transferência da informação ao leitor;
3. Saber criar um vasto reportório de visualizações gráficas em R (uma linguagem de programação amplamente utilizada e disponível gratuitamente para análise de dados) usando ggplot2 e em plataformas de acesso livre;
4. Saber como editar visualizações de dados para uma apresentação eficaz.
Conteúdos Programáticos
1. Estética e tipologia de dados;
2. Escala de cores;
3. Visualização de quantidades e distribuições:
3.1. Gráficos de colunas;
3.2. Histogramas e gráficos de densidade;
3.3. Gráficos de proporções;
4. Visualização de associações entre duas ou mais variáveis quantitativas:
4.1. Gráficos de correlação;
4.2. Redução de dimensionalidade;
5. Visualização de séries-temporais e tendências;
6. Visualização de estatística por estimativa;
7. Formatação da visualização de dados;
8. Plataformas para a visualização de dados.
2. Escala de cores;
3. Visualização de quantidades e distribuições:
3.1. Gráficos de colunas;
3.2. Histogramas e gráficos de densidade;
3.3. Gráficos de proporções;
4. Visualização de associações entre duas ou mais variáveis quantitativas:
4.1. Gráficos de correlação;
4.2. Redução de dimensionalidade;
5. Visualização de séries-temporais e tendências;
6. Visualização de estatística por estimativa;
7. Formatação da visualização de dados;
8. Plataformas para a visualização de dados.
Métodos de Ensino
Exposição de matéria oralmente com auxílio de meios audiovisuais. Ensino centrado no aluno, como facilitador da aprendizagem através da investigação, e leitura de artigos e documentos, promovendo a verdadeira compreensão e valorizando o trabalho cooperativo e colaborativo entre os elementos do grupo.
A complementaridade teórico-prática garante o aprofundamento das capacidades dos alunos conforme é objetivo da UC. Permite apetrechar os alunos com competências técnicas de utilização de programação em R e plataformas de acesso livre para transformar dados em informação visual. O recurso a bibliotecas com funcionalidade avançada para visualização de dados será a base de componente teórico-prática.
A avaliação compreenderá um relatório técnico individual relacionado com a visualização de uma base de dados (de desporto ou de saúde) disponibilizada aos alunos: (i) documento final (75%); (ii) apresentação do documento final (25%).
A complementaridade teórico-prática garante o aprofundamento das capacidades dos alunos conforme é objetivo da UC. Permite apetrechar os alunos com competências técnicas de utilização de programação em R e plataformas de acesso livre para transformar dados em informação visual. O recurso a bibliotecas com funcionalidade avançada para visualização de dados será a base de componente teórico-prática.
A avaliação compreenderá um relatório técnico individual relacionado com a visualização de uma base de dados (de desporto ou de saúde) disponibilizada aos alunos: (i) documento final (75%); (ii) apresentação do documento final (25%).
Bibliografia
Healy, K. J. (2018). Data Visualization: A Practical Introduction. Princeton University Press.
Ho, J., Tumkaya, T., Aryal, S., Choi, H., & Claridge-Chang, A. (2019). Moving beyond P values: data analysis with estimation graphics. Nature Methods, 16(7), 565-566.
Wilke, C. O. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O'Reilly Media.
Wickham, H. (2009). ggplot2: Elegant Graphics for Data Analysis. Springer Publishing Company, Incorporated.
Gonçalves, B., Coutinho, D., Exel, J., Travassos, B., Lago, C., & Sampaio, J. (2019). Extracting spatial-temporal features that describe a team match demands when considering the effects of the quality of opposition in elite football. PloS One, 14(8), e0221368.
Gonçalves, B., Coutinho, D., Travassos, B., Folgado, H., Caixinha, P., & Sampaio, J. (2018). Speed synchronization, physical workload and match-to-match performance variation of elite football players. PloS One, 13(7).
Ho, J., Tumkaya, T., Aryal, S., Choi, H., & Claridge-Chang, A. (2019). Moving beyond P values: data analysis with estimation graphics. Nature Methods, 16(7), 565-566.
Wilke, C. O. (2019). Fundamentals of Data Visualization: A Primer on Making Informative and Compelling Figures. O'Reilly Media.
Wickham, H. (2009). ggplot2: Elegant Graphics for Data Analysis. Springer Publishing Company, Incorporated.
Gonçalves, B., Coutinho, D., Exel, J., Travassos, B., Lago, C., & Sampaio, J. (2019). Extracting spatial-temporal features that describe a team match demands when considering the effects of the quality of opposition in elite football. PloS One, 14(8), e0221368.
Gonçalves, B., Coutinho, D., Travassos, B., Folgado, H., Caixinha, P., & Sampaio, J. (2018). Speed synchronization, physical workload and match-to-match performance variation of elite football players. PloS One, 13(7).
