SISTEMA DE GESTIÓN DE LA CALIDAD RE-I&D-041

Revisión 06
Sílabo
03 Nov 2015

1. INFORMACIÓN GENERAL

Curso : VISUALIZACIÓN Y COMUNICACIÓN CON DATA ANALYTICS

Código del CERTI BIG DATA FINANZAS

curso

Programa CERTIFIED FINANCE ANALYTICS PROFESSIONAL

Profesor

Email

Duración 8 HORAS

Fecha

2. DESCRIPCIÓN DEL CURSO

Se estudiaran las principales recomendaciones para la visualización de datos y la importancia en la

trasmisión de resultados.
Así mismo, se utilizaran diversas herramientas informáticas (RStudio y Python) para el desarrollo
de los temas mostrados líneas abajo.

3. OBJETIVOS DE APRENDIZAJE

Al finalizar el curso el participante estará en la capacidad de:

 Objetivo 1: Conocer la importancia del desarrollo de resultados visualmente precisos en el
desarrollo de un proyecto de analytics.
 Objetivo 2: Manejar diferentes herramientas informáticas para el desarrollo del objetivo 1.
 Objetivo 3: Conocer y diferenciar las diferentes técnicas de visual analytics y en qué casos
son factibles su aplicación y cuáles no.

4. PÚBLICO OBJETIVO Y PRE-REQUISITOS

Público Objetivo: El curso está dirigido a cualquier persona con conocimientos básicos en
estadística, negocios y sistemas informáticos.

Pre Requisitos: Conocimientos previos de manipulación de datos (a gran o mediana escala),

principios básicos en estadística y economía. Haber llevado satisfactoriamente el Curso de
Introducción Big Data para Finanzas del presente programa.

Página 1 de 3
 SISTEMA DE GESTIÓN DE LA CALIDAD RE-I&D-041
Revisión 06
Sílabo
03 Nov 2015

5. EVALUACIÓN

MODALIDAD PRESENCIAL
Los criterios de evaluación para obtener el promedio final de cada alumno son:

Pondera
Mecanismo de evaluación (*) Descripción
ción
Evaluación teórica del tema visto en el curso y
Evaluación de los temas 50%
participación activa en las discusiones
Asistencia 50% Cumplimiento en las sesiones de exposición.
(*) La metodología de evaluación establecida no puede ser modificada durante el desarrollo del
curso.
 Fecha de entrega de promedio final del curso: 1 semana después de culminado el
curso.

6. ESTRUCTURA CURRICULAR

Capítulo 1: CONCEPTOS FUNDAMENTALES

Duración: 2 HORAS
Temas a tratar Referencias Actividades
Motivación: Narrador de Datos
Data Visual Analytics: Knaflic, C. N. (2015).
 Concepto Storytelling with data: A data
 Importancia visualization guide for business
 Rol dentro del proceso professionals.
de modelamiento Capítulos 1- 5
 Técnicas
Software para Visual Analytics: Telea, A. (2008). Data
 Rstudio visualization: Principles and
 Python practice.
 Tableau Capítulos 3 – 5
 Otros

Capítulo 2: VISUAL ANALYTICS CON RSTUDIO

Duración: 3 HORAS
Temas a tratar Referencias Actividades
Conociendo R
 Interfaz Rstudio y usos
 Librerías
 Funciones

Rstudio y Visual Analytics: Gohil, A. (2015). R data

 Gráficos Descriptivos:
Histogramas, etc.
 Gráficos Relacionales
 Gráficos Avanzados
visualization cookbook
Capítulo 1 -6
Wickham, H. (2009). Ggplot2
Capítulo 1 – 7

Página 2 de 3
 SISTEMA DE GESTIÓN DE LA CALIDAD RE-I&D-041
Revisión 06
Sílabo
03 Nov 2015

Capítulo 2: VISUAL ANALYTICS CON PYTHON

Duración: 3 HORAS
Temas a tratar Referencias Actividades
Conociendo PYTHON (Uso del
Entorno de Spider a través del
compilador Anaconda)

PYTHON Visual Analytics: Dale, K. (2016). Data

 Gráficos Descriptivos: visualization with Python and
Histogramas, etc. JavaScript
 Gráficos Relacionales Capítulo 1-3
 Gráficos Milovanović, I. (2013). Python
data visualization cookbook
Capítulo 1 -5
Knaflic, C. N. (2015).
Storytelling with data
Capítulo 5

7. MATERIAL DEL CURSO

Se entregará:
 Material

8. PAUTAS COMPLEMENTARIAS

El profesor es el responsable de la elaboración del material y de las actividades; así como quien
absolverá las consultas que le realicen a través del correo electrónico. Adicionalmente la
Coordinadora Académica será la encargada de supervisar el cumplimiento de las tareas, Ud. Podrá
comunicarse con ella través de su correo electrónico.

9. BIBLIOGRAFÍA

[1.] Dale, K. (2016). Data visualization with Python and JavaScript: Scrape, clean, explore &
transform your data (1st ed.). Sebastopol, CA: O’Reilly Media, Inc.
[2.] Gohil, A. (2015). R data visualization cookbook: Over 80 recipes to analyze data and create
stunning visualizations with R (1st ed.). Birmingham, UK: Packt Publishing Ltd.
[3.] Kirk, A. (2012). Data visualization: A successful design process : a structured design approach
to equip you with the knowledge of how to successfully accomplish any data visualization
challenge efficiently and effectively (1st ed.). Birmingham, UK: Packt Pub.
[4.] Knaflic, C. N. (2015). Storytelling with data: A data visualization guide for business professionals
(1st ed.). Hoboken, NJ: John Wiley & Sons, Inc.
[5.] Milovanović, I. (2013). Python data visualization cookbook: Over 60 recipes that will enable you
to learn how to create attractive visualizations using Python's most popular libraries.
Birmingham, UK: Packt Publishing.
[6.] Simon, P. (2014). The visual organization: Data visualization, big data, and the quest for better
decisions (1st ed.). NJ: John Wiley & Sons, Inc.
[7.] Telea, A. (2008). Data visualization: Principles and practice (1st ed.). Wellesley, MA: A K Peters,
Ltd.
[8.] Wickham, H. (2009). Ggplot2: Elegant graphics for data analysis (2nd ed.). Houston, TX:
Springer.

Página 3 de 3