Teaching plan for the course unit



Catalą English Close imatge de maquetació




On 3 April 2020 and in agreement with the President of the Government of Catalonia, the Catalan Minister of Business and Knowledge and the rectors of the other Catalan universities, the Rector of the Universitat de Barcelona decided to suspend all second-semester face-to-face teaching activities until the end of the academic year. For this reason, our university's teaching staff may need to make certain changes to the course plans of the subjects they teach, so that they can teach subjects online. When and where such changes are made, they will be explained in a new appendix attached to the end of the original course plan.

General information


Course unit name: Laboratori de Processat de Dades i Visualització

Course unit code: 366223

Academic year: 2019-2020

Coordinator: Santiago Marco Colas

Department: Department of Electronic and Biomedical Engineering

Credits: 3

Single program: S



Estimated learning time

Total number of hours 75


Face-to-face and/or online activities



-  Lecture





-  Laboratory session





-  Student presentation and discussion




Supervised project


Independent learning






Students need some familiarity with one of the following programming languages (R, Python, MATLAB). Basic statistics is also required. 



Competences to be gained during study



To gain knowledge of basic and technological subjects required to learn new methods and technologies and ensure versatility and the ability to adapt to new situations (Personal).


To be able to work independently (Personal).


To use IT tools to search for reference resources or information related to medical technologies and bioengineering (Personal).


To be able to take further studies and to develop a positive attitude in order to keep knowledge up-to-date in a process of lifelong learning. To have sufficient depth of knowledge to start postgraduate studies in the field of advanced biomedical engineering.

Learning objectives


Referring to abilities, skills

Be able to use an Integrated Development Environment (IDE) for programming and debugging.


Be able to generate reports automatically using integrated code.


Be able to program in a high-level programming language including flow control and definition of functions.


Be able to produce attractive visualisation to communicate effectively the information contained in the data.



Teaching blocks


1. Data import

Read text files with a variety of data types, delimiters and headers; Combine heterogeneous data files

2. Data manipulation

Raw data processing: extraction, manipulation, aggregation and data imputation; Working with missing data; Working with categorical data

3. Data visualisation

Record and modify standard graphics to produce customised graphics; Determine the properties of the graphic objects and their values; Locate and manipulate graphic objects; Modify the properties of the graphic objects

4. Visualisation of multidimensional data

Interpolation in several dimensions; Methods to visualise highly dimensional and complex data



Teaching methods and general organization


The design of the methodology is strongly based on the paradigm "learning by doing". Along the course, students develop three small projects for about 3 sessions each. These small projects will be partially guided by the lecturer. Autonomous work is favoured when possible.

All the course activities are carried out in English.



Official assessment of learning outcomes


Assessment is based on oral presentations and demonstrations of the projects carried out during the course.


Examination-based assessment

Assessment is based on a questionnaire. 



Reading and study resources

Consulteu la disponibilitat a CERCABIB


Kyran Dale, Data Visualization with Python and JavaScript, O’reilly, 2016.

Jake VanderPlas, "Python Data Science Handbook: Tools and Techniques for Developpers’, O’reilly (2016)

Stormy Attaway, “MATLAB: A practical introduction to Programming and Problem Solving”,  3rd Edition, Amsterdam, Elsevier, 2013..

Andrew King, Paul Aljabar, “MATLAB programming for Biomdical Engineers and Scientist”, Academic Press, 2017.

Garret Grolemund, Hadley Wickham, “R for Data Science”, O’Reilly, 2016

Andy Kirk, ’Data Visualilzation: A Handbook for Data Driven Design’, SAGE Pub, (2016)





Afectació prevista en els continguts de l’assignatura


L’afectació prevista de la docència remota en l’assignatura de Laboratori de Processat de Dades i Visualització en els continguts coberts és limitada gràcies a l’adaptació dels materials docents i les activitat formatives alternatives proposades pels professors. L’assignatura consta de tres parts diferenciades on es treballa amb tres llenguatges de programació diferents: Python, R i Matlab. Els continguts amb Python es van cobrir completament abans del confinament. Els continguts amb R s’han cobert telemàticament amb una reducció mínima del contingut. Es preveu fer el mateix amb els continguts de la part de Matlab.


Metodologia i activitats formatives alternatives adoptades

Indicar breument les activitats i materials proposats per suplir les sessions no presencials:


Cursos de Data Camp: S’ha sol·licitat una llicència de docència de Data Camp per a que els alumnes puguin reforçar els continguts de l’assignatura. Data Camp és una plataforma d’aprenentatge online que ofereix cursos curts d’entre els quals s’han proposat als alumnes cursos en Python, R, i paquets específics per la manipulació de dades. Els professors reben un informe setmanal sobre la feina feta i millora dels estudiants en aquests cursos.

Projectes adaptats: Els projectes proposats per R i Matlab s’han adaptat per a poder completar-los a casa amb seguiment remot dels professors. S’han elaborat descripcions detallades dels objectius generals i específics en cada moment del projecte així com una descripció guiada de les tasques a desenvolupar.

Sessions remotes: S’han utilitzat els horaris de les sessions presencials per proposar sessions remotes on els alumnes reben el material dels projectes i poden plantejar dubtes que són resolts pels professors.

Supervisió síncrona i asíncrona dels alumnes: Es realitza una supervisió síncrona dels alumnes durant les hores de les sessions remotes mitjançant comunicació via Campus Virtual i emails. Durant la resta del temps els alumnes poden consultar als professors de manera asíncrona mitjançant l’email.


Alteracions en l’avaluació


L’avaluació s’ha adaptat a les activitats formatives proposades i seguint en la mesura del possible el pla d’estudis de l’assignatura. D’aquesta manera s’avaluarà l’assignatura a traves dels tres informes dels projectes i una presentació sobre un dels projectes que faran els alumnes a traves de l’aplicació de vídeo conferències Connect del Campus Virtual. Cadascun d’aquests 4 elements (3 informes més presentació) tindrà un pes del 25% en la nota.