Tema: Análise Visual em Ciência de Dados

Ementa: Percepção visual, cognição e princípios de design. Gramática de gráficos e comunicação visual. Aquisição, organização e preparação de dados. Estatística descritiva e análise exploratória de dados. Fundamentos de inferência estatística e representação visual de padrões, relações, incertezas e informações analíticas. Modelagem preditiva e aprendizado de máquina. Diagnóstico e interpretação visual de modelos. Desenvolvimento de estudos e projetos em análise visual de dados.

Bibliografia: 1. Rafael A. Irizarry. Introduction to Data Science: Data Wrangling and Visualization with R. 2a. ed. Chapman and Hall/CRC, 2024. ISBN: ‎ 978-1032116556 2. Rafael A. Irizarry. Introduction to Data Science: Data Analysis and Prediction Algorithms with R. 1a. ed. Chapman and Hall/CRC, 2019. ISBN: 978-0367357986 3. Chester Ismay e Albert Y. Kim. Statistical Inference via Data Science - A ModernDive into R and the Tidyverse. 1a. ed. Chapman and Hall/CRC, 2019. ISBN: 978-0367409876 4. Wes McKinney. Python for Data Analysis (3e). 3a. ed. O'Reilly Media, 2022. ISBN: 978-1098104030 5. Notas de aula.

Conteudo Programático: 1. Percepção visual, cognição e design de visualização • Percepção visual e processamento cognitivo • Teoria da Gestalt aplicada à visualização • Princípios de design e mapeamento visual de dados • Referências clássicas: Tufte, Ware, Schneiderman 2. Gramática de gráficos, construção visua e comunicação visuall • Gramática estatística e em camadas • Criação de gráficos expressivos e consistentes • Comunicação visual 3. Aquisição e preparação de dados • Fontes, integração e organização de dados • Limpeza e pré-processamento (data wrangling conceitual) 4. Estatística descritiva e análise exploratória de dados (EDA) • Resumos estatísticos e gráficos de distribuição • Comparação, associação e similaridade • Formulação de hipóteses exploratórias • Estratégias de exploração visual e interatividade conceitual 5. Inferência estatística e visualização de incerteza • Estimativas pontuais e intervalares • Reamostragem (bootstrap e permutação) • Teste de hipóteses e validação visual • Estimativa de associações (regressão) • Comunicação visual da variabilidade e incerteza 6. Modelagem preditiva e fundamentos aprendizado de máquina • Ajuste e avaliação de modelos estatísticos (regressão) • Diagnóstico visual de modelos • Interpretação conceitual de modelos preditivos 7. Estudos e projetos em análise visual de dados. • Projetos e estudos de caso em análise visual de dados • Integração das técnicas aprendidas em aplicações reais • Desenvolvimento de soluções visuais centradas em dados
Obs.: Consultar Catálogo vigente na DAC.

Conteudo Programático em Inglês: 1. Visual perception, cognition, and visualization design • Visual perception and cognitive processing • Gestalt theory applied to visualization • Design principles and visual mapping of data • Classical references: Tufte, Ware, Shneiderman 2. Grammar of graphics, visual construction, and visual communication • Statistical and layered grammar • Creation of expressive and consistent graphics • Visual communication 3. Data acquisition and preparation • Data sources, integration, and organization • Data cleaning and preprocessing (conceptual data wrangling) 4. Descriptive statistics and exploratory data analysis (EDA) • Statistical summaries and distribution plots • Comparison, association, and similarity • Formulation of exploratory hypotheses • Visual exploration strategies and conceptual interactivity 5. Statistical inference and uncertainty visualization • Point and interval estimation • Resampling methods (bootstrap and permutation) • Hypothesis testing and visual validation • Estimation of associations (regression) • Visual communication of variability and uncertainty 6. Predictive modeling and foundations of machine learning • Fitting and evaluation of statistical models (regression) • Visual diagnosis of models • Conceptual interpretation of predictive models 7. Studies and projects in visual data analysis • Projects and case studies in visual data analysis • Integration of learned techniques into real-world applications • Development of data-centered visual solutions

Conteudo Programático em Espanhol: 1. Percepción visual, cognición y diseño de visualización • Percepción visual y procesamiento cognitivo • Teoría de la Gestalt aplicada a la visualización • Principios de diseño y mapeo visual de datos • Referencias clásicas: Tufte, Ware, Shneiderman 2. Gramática de gráficos, construcción visual y comunicación visual • Gramática estadística y por capas • Creación de gráficos expresivos y consistentes • Comunicación visual 3. Adquisición y preparación de datos • Fuentes, integración y organización de datos • Limpieza y preprocesamiento de datos (data wrangling conceptual) 4. Estadística descriptiva y análisis exploratorio de datos (EDA) • Resúmenes estadísticos y gráficos de distribución • Comparación, asociación y similitud • Formulación de hipótesis exploratorias • Estrategias de exploración visual e interactividad conceptual 5. Inferencia estadística y visualización de incertidumbre • Estimación puntual e intervalar • Métodos de remuestreo (bootstrap y permutación) • Pruebas de hipótesis y validación visual • Estimación de asociaciones (regresión) • Comunicación visual de la variabilidad y la incertidumbre 6. Modelado predictivo y fundamentos del aprendizaje automático • Ajuste y evaluación de modelos estadísticos (regresión) • Diagnóstico visual de modelos • Interpretación conceptual de modelos predictivos 7. Estudios y proyectos en análisis visual de datos • Proyectos y estudios de caso en análisis visual de datos • Integración de las técnicas aprendidas en aplicaciones reales • Desarrollo de soluciones visuales centradas en datos

Forma Avaliação: 3 atividades relacionadas com a exploração visual de dados, desde a preparação e organização dos dados até a descoberta de insights, com escolha livre do conjunto de dados pel@ alun@ (60%) e 1 projeto final de aprendizado de máquina (40%). Obs.: Uso de laptop com R+RStudio, ou Python+Jupyter, instalados em aulas.