31:T850,md` ## Organização do curso O Curso de Especialização em Análise de Dados e Visualização da Informação está pedagogicamente desenhado para prover conhecimentos, capacidades e competências necessárias para desenvolver uma base sólida em campos que ganham cada vez mais relevância na investigação e no mercado de trabalho. A especialização visa preparar os alunos para trabalhar em projetos complexos de análise de dados que exigem o desenvolvimento de interfaces visuais para a comunicar resultados. As quatro unidades curriculares desta especialização permitem aos alunos a aquisição de competências gerais e específicas indispensáveis para o atual contexto laboral e científico: ### Objectivos Esta unidade curricular irá apresentar uma variedade de ferramentas que podem ser utilizadas na rotina de trabalho de quem precisa analisar dados e criar gráficos e visualizações de dados. A unidade curricular combina vertentes teórica e práticas e não exige pré-requisitos. Ao fim da unidade curricular, alunos terão aprendido a: - Criar gráficos em diferentes linguagens de programação; - Criar gráficos interativos; - Criar mapas interativos. ### Método de ensino O curso combina a exposição de conhecimentos teóricos com sessões práticas. Espera-se que todos os alunos participem das sessões práticas e contribuam para a discussão durante as sessões teóricas. ### Conteúdo A unidade curricular "Introdução a ferramentas para visualização da informação" servirá para apresentar diversas ferramentas e linguagens para análise de dados e criação de gráficos (D3.js, Plot, R, ); ferramentas para criação de gráficos interactivos (PowerBi, Datawrapper, Flourish, Raw Graphs); ferramentas para criação de mapas interativos (CARTO, Mapbox, Kepler.gl, Deck.gl). Nesta unidade curricular, os estudantes terão de realizar trabalhos com as ferramentas apresentadas. ### Método de avaliação Método de avaliação - Assiduidade e Participação(10%) - [1.Prática 30%](https://observablehq.com/@sandraviz/1-assignment-nova) - 2.Prática 30% - 3.Prática 30%, `32:T205d,## Ferramentas Abaixo estão listadas todas as ferramentas que são usadas neste módulo do curso ### Ferramentas Web + drag & drop Ao começar a criar visualizações recomendo usar ferramentas que não requerem código e nem sobrecarregam o usuário com opções e plugins. [

](https://rawgraphs.io/) [RawGraphs](https://rawgraphs.io/) é uma estrutura de visualização de dados de código aberto criada com o objetivo de facilitar a representação visual de dados complexos para todos. Concebido principalmente como uma ferramenta para designers e geeks, o RAW Graphs visa fornecer um elo perdido entre folhas de cálculo (por exemplo, Microsoft Excel, Apple Numbers, OpenRefine) e editores de gráficos vetoriais (por exemplo, Adobe Illustrator, Inkscape, Sketch). [

](https://www.datawrapper.de/) [Datawrapper](https://www.datawrapper.de/) é uma ferramenta de visualização de dados que cria gráficos e mapas para ajudar a contar melhor sua história. O Datawrapper foi projetado para ser usado por jornalistas e pode ser usado em dispositivos móveis ou desktop durante a fase de design. [

](https://flourish.studio/) [Flourish](https://flourish.studio/) foi co-fundado por Duncan Clark e Robin Houston em 2016. Duncan tem experiência em contar histórias em jornalismo de dados e publicação, enquanto Robin é matemático e programador. Flourish é uma ferramenta que permite que pessoas não técnicas criem visualizações e histórias de alto nível sem o custo e os atrasos de comissionar projetos sob medida. ### Visualização para Data Science Ao criar modelos e analisar dados em larga escala, R e Python são as linguagens de programação mais utilizadas, ambas possuem as suas bibliotecas e pacotes de visualização de dados. [

](https://ggplot2.tidyverse.org/) Tidyverse é uma coleção pacotes R projetados para Data Science. Todos os pacotes partilham uma filosofia de design, gramática e estruturas de dados subjacentes. [ggplot2](https://ggplot2.tidyverse.org/) é uma biblioteca para a criação declarativa de gráficos, baseado em The Grammar of Graphics, que nos permite descrever de forma concisa os componentes de um gráfico. Tal gramática permite-nos ir além dos gráficos nomeados (por exemplo, o “Scatter Plot”) e obter insights sobre a estrutura profunda subjacente aos gráficos estatísticos. [

](https://seaborn.pydata.org/index.html) [Seaborn](https://seaborn.pydata.org/index.html) é uma biblioteca de visualização de dados Python baseada em matplotlib. Ela fornece uma interface de alto nível para desenhar gráficos estatísticos atraentes e informativos. ### Ferramentas de BI Em grandes empresas, muitas vezes os mesmos relatórios são criados ao longo do tempo, portanto, o que é necessário são ferramentas de BI focadas principalmente em dashboards. [

](https://www.tableau.com/en-gb/products/public) [O Tableau Public](https://www.tableau.com/en-gb/products/public) é uma plataforma gratuita para explorar, criar e partilhar publicamente visualizações de dados online. Com o maior repositório de visualizações de dados do mundo para aprendizagem, o Tableau Public facilita o desenvolvimento de manipulação de dados. [

](https://app.powerbi.com/home) [Power BI ](https://app.powerbi.com/home) da Microsoft, é uma coleção de ferramentas de BI para analisar dados e partilhar os insights. Providência dashboards avançadas que podem ser actualizadas em tempo real e estão disponíveis em todas as plataformas. ### Ferramentas Web + código Após alguma prática na criação de visualização de dados, eu recomendo a aprendizagem de bibliotecas JavaScript nomeadamente D3. Esta biblioteca é uma potente ferramenta de visualização que tira partido dos mais avançados padrões da Web, não tem limitações e é puramente data-driven. [

](https://observablehq.com/@observablehq/plot) [Observable Plot](https://observablehq.com/@observablehq/plot) é uma biblioteca JavaScript gratuita e de código aberto para ajudá-lo a visualizar rapidamente dados tabulares. Ela tem uma API concisa e fácil de memorizar para promover fluência — e muitos exemplos para aprender e copiar/colar. Você pode configurar muito mais, se necessário, mas o objetivo do Plot é ajudá-lo a obter, de forma rápida, uma visualização útil. Observable é um notebook interativo inédito na web para construir interfaces exploratórias fluidas, testar hipóteses manipulando simulações ao vivo e visualizar algoritmos à medida que são executados. [

](https://observablehq.com/@observablehq/plot) [D3.js](https://d3js.org/) é uma biblioteca JavaScript para manipulação de documentos com base em dados. D3 ajuda-o a dar vida aos dados usando HTML, SVG e CSS. A ênfase da D3 nos padrões da Web oferece-lhe todos os recursos dos navegadores modernos sem se prender a uma estrutura proprietária, combinando componentes de visualização potentes e uma abordagem orientada a dados para manipulação de DOM. A personalização está no centro, com infinitas possibilidades de representar e animar visualmente os dados. ### Ferramentas de mapas Os mapas desenham dados que incluem uma dimensão espacial. Ver a distância relativa entre pontos num mapa ou identificar padrões geográficos está no centro dessas ferramentas de visualização. [

](https://carto.com/) [CARTO](https://carto.com/) foi fundada em 2012 em Madrid por Javier de la Torre e Sergio Álvarez. Eles viram uma oportunidade de levar a análise espacial a uma gama mais ampla de organizações e indústrias que antes não conseguiam usá-la. Desde então, a plataforma fortaleceu-se, com centenas de milhares de usuários agora permitindo que milhões de pessoas vejam histórias e resolvam problemas através de uma lente espacial. [

](https://www.mapbox.com/) [Mapbox](https://www.mapbox.com/) é uma plataforma Cloud de mapeamento e localização para programadores. Mapbox Studio é uma interface visual para projetar mapas personalizados que permite controlar todos os detalhes, incluindo upload e geração de dados personalizados. [

](https://kepler.gl/) O [kepler](https://kepler.gl/) é um aplicativo baseado na Web de alto desempenho e agnóstico de dados para exploração visual de conjuntos de dados de geolocalização em grande escala. Construído sobre Mapbox GL e deck.gl, o kepler.gl pode renderizar milhões de pontos representando milhares de viagens e realizar agregações espaciais em tempo real. [

](https://deck.gl/) [deck](https://deck.gl/) é uma estrutura baseada em WebGL para análise de dados exploratórios visuais de grandes conjuntos de dados. Deck permite a construção de complexas visualizações compondo camadas existentes e facilita o empacotamento e partilha de novas visualizações como camadas reutilizáveis. As APIs deck.gl são projetadas para refletir o paradigma de programação reactiva. Seja usando Vanilla JS ou a interface React, ela pode lidar com renderização WebGL eficiente sob pesadas cargas de dados.33:T16df,## Teaching presentations Durante o curso, usaremos as apresentações listadas abaixo. ### Data Visualisation A detecção eficiente de padrões combinada com a interpretação lógica está no centro da exploração de dados visuais. Pessoas com essas habilidades estão em alta demanda. Ou, pode-se até alegar que todos os participantes de ambientes de trabalho modernos precisam ser capazes de “ler” dados. - Apresentação das diferentes codificações visuais e suas - Foco especial no uso de cor e posição como codificações visuais - Introdução às regras básicas da percepção humana e uma coleção de exemplos para entender seu significado para a criação de visualizações de dados - Apresentação de conceitos de experiência do usuário no contexto de visualização de dados (chartjunk, gerenciamento de outliers, design interativo etc.) [link](https://slides.com/sandraviz/data-visualization) ### Visual Data Science | R O que é análise estatística visual? - Introdução aos fundamentos da análise visual de dados usando R e em particular ggplot2. - Apresentação do conceito "gramática dos gráficos", que permite ir além dos gráficos simples e conhecer a estrutura profunda subjacente aos gráficos estatísticos na distribuição e nas relações - Introdução às visualizações de séries temporais e discussão de um estudo de caso de um fluxo de análise visual típico dentro de um projeto de ciência de dados. Nestes [vídeos](https://www.youtube.com/watch?v=RfM7bOp4Tkw&list=PL53pYdoYDFituLtrn3Sta1QME9Ew0gw3b) explico como criar certas visualizações usando R e também como "ler" padrões e obter insights a partir dele. [link](https://slides.com/sandraviz/rggplot2) ### Web-based Visualisations | D3.js “A maioria de nós procura inspiração e exemplos de código na Internet. Você encontra algo que parece ótimo, olha para o código e seus olhos ficam vidrados. Não faz nenhum sentido.” Caixa Swizec Aprender e trabalhar com D3.js não é fácil, na verdade é bem doloroso, principalmente no começo. Então a questão é por que estamos fazendo isso conosco? Tentei responder a essa pergunta mostrando o mundo único, fascinante e totalmente aberto dos documentos orientados a dados e apresentando algumas das melhores vitrines do d3, bem como a magia do desenvolvimento da comunidade e como os indivíduos podem começar a aprender e experimentar isso mundo fantástico de criações criativas baseadas em dados. - Introdução a HTML, CSS e JavaScript - Introdução detalhada da filosofia de codificação da biblioteca javascript D3 com base em exemplos: Seleções, carregamento e vinculação de dados, escalas, eixos e geradores - Introdução às opções de animação e interatividade para criar representações dinâmicas de dados usando a biblioteca d3.js para exemplos de transições, botões e dicas de ferramentas Salvei todos os [exemplos](https://bl.ocks.org/sandravizz) da minha apresentação de ensino no blockbuilder. [link](https://slides.com/sandraviz/d3-js) ### Maps | CARTO - Introdução ao geodataviz usando CARTO e princípios cartográficos - Explicação das regras de estilo e codificações visuais ao trabalhar com mapas - Apresentação de cases de análise e ferramentas de interatividade no CARTO Nestes [vídeos](https://www.youtube.com/watch?v=RWhIQ6CJdPE&list=PL53pYdoYDFisElazJ1159gBbOtLrIg8cq) apresento diferentes casos de uso e como criar e interpretar mapas usando CARTO. [link](https://slides.com/sandravizmad/carto) ### Visual Data Storytelling Dados, dados, dados e ainda mais dados. Como podemos lidar com todos esses dados, é claro analisando-os, mas nenhum programa, software etc. pode nos contar a história, que está oculta nos dados. A história é criada por uma interação humana com os dados. Nesse processo, a visualização de dados é nossa amiga, pois nos ajuda a descobrir padrões, outliers e tudo o que precisamos para criar a história dos dados. Ao mesmo tempo, a visualização de dados é uma linguagem que todos entendemos e gostamos de usar, portanto, é a ponte lógica entre os dados e a história. - Por que e o que é exatamente narrativa visual? Introdução à ideia por trás da narrativa visual, os diferentes objetivos e cenários em relação ao público. - Como criar uma boa história visual? Apresentação das melhores práticas em relação à criação de histórias visuais e as técnicas comuns de linguagem visual. - Quais são os diferentes conceitos de narrativa visual? Introdução à abordagem de foco autor versus espectador dos conceitos de narrativa visual. Apresentação de uma coleção de exemplos para os três modelos diferentes dentro dessas duas abordagens. [link](https://slides.com/sandraviz/viz-story) 34:T59a,style2 = html``35:[{"id":"b0189d0422b680162535fbaf892c896607950243e7fc905d0a615573c1d74fe394fa1c58180027e93f1061cd8a8624640da95f0bfad7e3dc3c7e58164f69964e","href":"https://static.observableusercontent.com/files/b0189d0422b680162535fbaf892c896607950243e7fc905d0a615573c1d74fe394fa1c58180027e93f1061cd8a8624640da95f0bfad7e3dc3c7e58164f69964e","name":"9@1.png","type":"image/png","lastModified":1645611904414.163,"size":4314},{"id":"df7aa7d8f5aa11db0e32085dd506f98c096fc4471a85f7f376fd56484f1da5f5085272dd408576ded06460f11d6fa2bc585158e3426998ccf0422d0527e5e90b","href":"https://static.observableusercontent.com/files/df7aa7d8f5aa11db0e32085dd506f98c096fc4471a85f7f376fd56484f1da5f5085272dd408576ded06460f11d6fa2bc585158e3426998ccf0422d0527e5e90b","name":"plot.jpeg","type":"image/jpeg","lastModified":1645611904414.163,"size":86857},{"id":"8fb7ca47c028878bc3f422cf83970d77aeb83660995d86fd3cfe1eb19b3ed33e8e3eccc52190ed6dacae5994686cf4a1a871f6fe477bdc8a93f14dc1ef13d174","href":"https://static.observableusercontent.com/files/8fb7ca47c028878bc3f422cf83970d77aeb83660995d86fd3cfe1eb19b3ed33e8e3eccc52190ed6dacae5994686cf4a1a871f6fe477bdc8a93f14dc1ef13d174","name":"6.png","type":"image/png","lastModified":1645611904414.163,"size":13662},{"id":"933cb3c569c8f776d0fd56127d6a2fed82b940e053d1646d75250fe221556dc88ae2ba5fc83fb32a371e474a090566569fea924a83a5ef03e9ce9aff83aa8ac9","href":"https://static.observableusercontent.com/files/933cb3c569c8f776d0fd56127d6a2fed82b940e053d1646d75250fe221556dc88ae2ba5fc83fb32a371e474a090566569fea924a83a5ef03e9ce9aff83aa8ac9","name":"mapbox.png","type":"image/png","lastModified":1646311534424.872,"size":55454},{"id":"33836767f814cf983e1e88bde270e45a777b2dbf7c42af6f6e7a40953cecab4e51f3606368287d161ad87d0a86a6c5bb2432893e81cd51eae413f0bbc8eddd55","href":"https://static.observableusercontent.com/files/33836767f814cf983e1e88bde270e45a777b2dbf7c42af6f6e7a40953cecab4e51f3606368287d161ad87d0a86a6c5bb2432893e81cd51eae413f0bbc8eddd55","name":"kepler.jpeg","type":"image/jpeg","lastModified":1646241565881.037,"size":23078},{"id":"aba0510de3acbd78e4e858e5de6ea734033c83c1f2c9ef109bf727ad86fde92aa5985476b2d0fc6f418ad00d2a3a4636aef0cd38139621ddf2ead5480ba117f3","href":"https://static.observableusercontent.com/files/aba0510de3acbd78e4e858e5de6ea734033c83c1f2c9ef109bf727ad86fde92aa5985476b2d0fc6f418ad00d2a3a4636aef0cd38139621ddf2ead5480ba117f3","name":"datawrapper.jpeg","type":"image/jpeg","lastModified":1646243052248.911,"size":24146},{"id":"d01fd87a4e87ca2d20799774b49d87aef07c5a3cea45661bd3c7832fe4c912d4cd64d86e7239017c49dcc1a41eaa2111acb838c88cf38ce2c98ef31e9924e1b8","href":"https://static.observableusercontent.com/files/d01fd87a4e87ca2d20799774b49d87aef07c5a3cea45661bd3c7832fe4c912d4cd64d86e7239017c49dcc1a41eaa2111acb838c88cf38ce2c98ef31e9924e1b8","name":"cartoo.png","type":"image/png","lastModified":1645620754570.5,"size":66585},{"id":"2326bd52f32ac5c35c33ed4a7a81e8e84b343fed7bcb53155c29431f5811b222c56bc5cf5e35800d6893e8159ddfb07fe9fd4ead35e903a52efa47f3924c9bf4","href":"https://static.observableusercontent.com/files/2326bd52f32ac5c35c33ed4a7a81e8e84b343fed7bcb53155c29431f5811b222c56bc5cf5e35800d6893e8159ddfb07fe9fd4ead35e903a52efa47f3924c9bf4","name":"d3.png","type":"image/png","lastModified":1645812062863.349,"size":21388},{"id":"4578ebc8e71fe5c25b9e7ade18159e9681b6fa49b629af5986e783380bd0ce931fc2d0b7eebe7cbfe62cb421b897107d54b975b549be1affc8b1c320567f15b1","href":"https://static.observableusercontent.com/files/4578ebc8e71fe5c25b9e7ade18159e9681b6fa49b629af5986e783380bd0ce931fc2d0b7eebe7cbfe62cb421b897107d54b975b549be1affc8b1c320567f15b1","name":"deck.jpeg","type":"image/jpeg","lastModified":1646241413545.207,"size":5188},{"id":"a1afd566b207a7df7ba3ea1b23ad2671e30befe41a071e04fb1634721bfe39322ff723d08f84dfa4072b2204fede69edb11ec15dc14d5e586419a7b8e6607cfe","href":"https://static.observableusercontent.com/files/a1afd566b207a7df7ba3ea1b23ad2671e30befe41a071e04fb1634721bfe39322ff723d08f84dfa4072b2204fede69edb11ec15dc14d5e586419a7b8e6607cfe","name":"nova@1.png","type":"image/png","lastModified":1645806061332.326,"size":1410},{"id":"2db30a1553e8db5530fc85e3fce1f3ff07b40269c65cc25bccb7123182e5a0e697482515fd89a84175d27e53ea1346b879c0979a96f6ff3da0c744ee17aba088","href":"https://static.observableusercontent.com/files/2db30a1553e8db5530fc85e3fce1f3ff07b40269c65cc25bccb7123182e5a0e697482515fd89a84175d27e53ea1346b879c0979a96f6ff3da0c744ee17aba088","name":"Tableau.png","type":"image/png","lastModified":1645806648365.953,"size":23017},{"id":"fea24ec04a906081d0e7fa4c98415777e7ac1e4653d7d589eeaa12a948e9ea5457e15c3472b7e24032b5f0de0cab0ef8f03bf25e5e1caea9b8bbffec86be447d","href":"https://static.observableusercontent.com/files/fea24ec04a906081d0e7fa4c98415777e7ac1e4653d7d589eeaa12a948e9ea5457e15c3472b7e24032b5f0de0cab0ef8f03bf25e5e1caea9b8bbffec86be447d","name":"r.png","type":"image/png","lastModified":1645809660471.574,"size":247869},{"id":"453a0958d955d7edb4b10bfce6e8a00f4066fb10fcc52c5164d29fcc3771082af97083387ca29a21d99160a523913bb65fd0d12945a7cebb4329c560b369cfd7","href":"https://static.observableusercontent.com/files/453a0958d955d7edb4b10bfce6e8a00f4066fb10fcc52c5164d29fcc3771082af97083387ca29a21d99160a523913bb65fd0d12945a7cebb4329c560b369cfd7","name":"python.png","type":"image/png","lastModified":1645809660311.485,"size":81814},{"id":"65dd00840712bcfddf655ffa3f9dfd321fa140b8a6864e1142936d5e0ca727f5244cc8300054ff2d9d31bbed20360f5f770c99bbe6aabf871bb08b7023b21bc5","href":"https://static.observableusercontent.com/files/65dd00840712bcfddf655ffa3f9dfd321fa140b8a6864e1142936d5e0ca727f5244cc8300054ff2d9d31bbed20360f5f770c99bbe6aabf871bb08b7023b21bc5","name":"powerbi.jpeg","type":"image/jpeg","lastModified":1645812611319.214,"size":21826}] 2f:{"title":"Introdução a ferramentas para visualização da informação","cells":[{"id":0,"value":"Decision_Support = md`# Introdução a ferramentas para visualização da informação\n\n- Faculdade de Ciências Sociais e Humanas da Universidade NOVA (Lisboa)\n- Sandra Becker \n- [sandrabeckerviz@gmail.com](mailto:sandrabeckerviz@gmail.com)\n- 2º Semestre 2022\n- Segunda-feira 18:00 - 20:00 \n- [Links](https://www.fcsh.unl.pt/cursos/analise-de-dados-e-visualizacao-da-informacao/)\n \n[

](https://www.arcada.fi/en)\n`","pinned":false,"hidden":false,"mode":"ojs"},{"id":181,"value":"Index = toc(\"h2, h3, h4, h5\")","pinned":false,"hidden":false,"mode":"ojs"},{"id":336,"value":"$31","pinned":false,"hidden":false,"mode":"ojs"},{"id":1177,"value":"$32","pinned":false,"hidden":false,"mode":"md"},{"id":2199,"value":"$33","pinned":false,"hidden":false,"mode":"md"},{"id":1942,"value":"## Data Viz blogs & podcasts \n\nVeja abaixo algumas páginas e podcasts úteis.\n\n- [Data Visualization Society's Nightengale](https://medium.com/nightingale)\n- [Pudding](https://pudding.cool)\n- [Flowing Data](https://flowingdata.com)\n- [Information is Beautiful](https://informationisbeautiful.net)\n- [Design Coding](http://www.designcoding.net)\n- [Rawgraphs blog](https://rawgraphs.io/blog)\n- [Datawrapper blog](https://blog.datawrapper.de/)\n- [Flourish blog](https://flourish.studio/blog/)\n- [Podcast serie: Datastori.es](https://datastori.es)","pinned":false,"hidden":false,"mode":"md"},{"id":1637,"value":"$34","pinned":false,"hidden":false,"mode":"ojs"},{"id":179,"value":"import {toc} from \"@nebrius/indented-toc\"","pinned":false,"hidden":false,"mode":"ojs"}],"files":"$W35","stdlib":"1","titling":"auto"}