Visualização de Informação / Information Visualization

Docente responsável:
Lucio Studer Ferreira (30h)

Objetivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes:
Os objetivos desta UC são: OA1 – proporcionar os fundamentos, teorias e técnicas para a visualização efetiva de dados complexos. OA2 – Ganhar as competências de comunicar resultados efetivamente a grandes audiências.
Intended learning outcomes (knowledge, skills and competences to be developed by the students):
The key goals of this CU are: LG1 – to provide the fundamental theories and techniques for effective visualisation of complex data. LG2 – Develop competences to effectively communicate results to large audiences.

Conteúdos programáticos
CP1. Tipos de dados e técnicas para a sua visualização.
CP2. Introdução ao python Matplotlib para visualização de dados. CP3. Visualização de dados iterativa e sua relação com exploração de padrões nos dados.
CP4. Introdução à biblioteca python Plotly para visualização interativa. CP5. Introdução aos Dashboards e à biblioteca python Streamlit.

Syllabus
PC1. Data types and its relation to data visualization.
PC2. Introduction to the python Matplotlib library.
PC3. Interactive data visualization and its relation to exploratory data analysis.
PC4. Introduction to python Plotly library for interactive data visualization.
PC5. Introduction to Dashboards and python Streamlit library.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da unidade curricular
OA1 – todos os CP
OA2 – todos os CP
Evidence of the syllabus coherence with the curricular unit’s intended learning outcomes
LG1 – all PC
LG2 – all PC

Metodologias de ensino (avaliação incluída)
A metodologia de ensino (ME) e avaliação:
ME1 – Expositiva: Apresentação teórica de acordo com o plano curricular. ME2 – Experimental/Activa: realização de um trabalho de projeto em grupo em laboratório e sua apresentação oral (50%).
ME3 – Auto-Estudo: trabalho individual do aluno demonstrado num exame teórico final (50%).
Notas Importantes da avaliação:
– Classificação mínima obrigatória de 9.5 em cada componente. – As componentes de avaliação são obrigatórias, independentemente da época em que se realiza o exame.
– Os grupos do projeto podem ser entre 2 a 3 elementos.

Teaching methodologies (including students’ assessment):

The teaching methodology (TM) and evaluation:
TM1 – Expository: Theoretical presentation according to the curricular plan.
TM2 – Experimental / Active: carrying out a group project work in the laboratory and its oral presentation (50%).
TM3 – Self-Study: individual work of the student demonstrated in a final theoretical exam (50%).
Important evaluation notes:
– Mandatory minimum score of 9.5 on each component.
– The evaluation components are mandatory, regardless of the period when the examination is made.
– Project groups can be between 2 to 3 elements.

Demonstração da coerência das metodologias de ensino com os objetivos de aprendizagem da unidade curricular
ME1 – todos os OA
ME2 – OA2
ME3 – todos os OA

Evidence of the teaching methodologies and the intended learning outcomes TM1 – all LG
TM2 – LG2
TM3 – all LG

Bibliografia de consulta/existência obrigatória/ Main bibliography
Kirthi Raman (2015). Mastering Python data Visualization. Packt Publishing. Birmingham, UK.
This module will be supplemented with scientific articles and computational tutorials available online, specifically to cover Matplotlib in Python, Plotly and Streamlit.