Visualización de Datos

Objetivo
Familiarizarse con los principios de la percepción y codificación visual de información cuantitativa. Aprender a usar estos principios para evaluar una visualización efectiva. Explorar qué factores aportan a que una representación gráfica de datos sea exitosa. Dominar un espectro amplio de recursos para la representación visual de datos, modelos y algoritmos. Explorar las bibliotecas más usadas para la visualización de datos, tanto en el análisis exploratorio como en la comunicación efectiva de resultados.

Temas Centrales

Fundamentos de Visualización de Datos. Visualización de Series de Tiempo, Datos Geoespaciales, Grafos y Redes. Visualizaciones Web e Interactivas con Python. Visualización avanzada para machine learning y big data.

Requisitos

- Machine Learning

Profesor
PABLO ROCCATAGLIATA. Profesor adjunto en la Universidad Torcuato Di Tella, donde enseña materias cuantitativas en el MiM+Analytics, MBA, Maestría en Finanzas y Maestría en Políticas Públicas. Es también profesor del Programa de Trading Algorítmico de ROFEX. Actualmente dirige los programas de Data Science en Inteligencia Artificial en Digital House donde además lidera el equipo interno de ciencia de datos.  Con anterioridad, Pablo ha desarrollado su carrera en el ámbito de las consultoría económica organismos internacionales, la industria financiera  y la gestión pública.  Además ha sido profesor adjunto en la Universidad de Buenos Aires y profesor adjunto de grado y posgrado en el Departamento de Economía de la UTDT.