Nach diesen Kursen fühle ich mich sicher, professionelle Visualisierungen und Dashboards zu erstellen.
Shoebur RahmanBeschaffungsspezialist, Giz Bangladesh
Kursbeschreibung
Jetzt, da du mit den Grundlagen der Netzwerkanalyse vertraut bist, ist es Zeit zu sehen, wie sich diese Konzepte auf große, reale Datensätze anwenden lassen. Du arbeitest dich durch drei verschiedene Fallstudien, die jeweils auf deinen bisherigen Erkenntnissen aufbauen. Diese Fallstudien verwenden Datentypen, die dir sowohl in der akademischen Welt als auch in der Industrie begegnen. Wir erkunden einige der rechnerischen und visuellen Herausforderungen, auf die du stoßen wirst, und wie du sie meisterst. Dein Wissen über igraph wächst weiter, und zusätzlich nutzen wir andere Visualisierungsbibliotheken, mit denen du deine Visualisierungen ins Web bringst.
Voraussetzungen
Lernprogramm
Kursübersicht
1
Graphen im Zeitverlauf erkunden
In diesem Kapitel untersuchst du einen Ausschnitt eines Amazon-Kaufgraphen. Du knüpfst an das Gelernte an, identifizierst wichtige Produkte und findest heraus, was Käufe antreibt. Außerdem siehst du dir an, wie sich Graphen im Laufe der Zeit verändern, indem du den Graphen in verschiedenen Zeiträumen betrachtest.
2
Wie sprechen Menschen auf Twitter über R?
In dieser Lektion analysierst du Twitter-Daten zu R, indem du dir Gespräche mit „#rstats“ ansiehst. Zuerst wirfst du einen Blick auf die Rohdaten und überlegst, wie du deinen Graphen aufbauen möchtest. Es gibt mehrere Möglichkeiten; wir behandeln zwei: Retweets und Erwähnungen. Du erstellst diese Graphen und vergleichst sie anschließend anhand mehrerer Kennzahlen.
3
Bike-Sharing in Chicago
In diesem Kapitel analysierst du Daten aus einem Bike-Sharing-Netzwerk in Chicago. Wir bauen auf den Konzepten aus dem Einführungskurs auf und ergänzen einige neue, um mit Graphen mit gewichteten Kanten umzugehen. Außerdem startest du mit Daten in einer etwas roheren Form und lernst, wie du deinen Graphen aus einer potenziellen Datenquelle aufbaust.
4
Weitere Möglichkeiten, Graphdaten zu visualisieren
Bisher haben wir alles mit den Plotfunktionen von igraph visualisiert. Das bietet viele leistungsfähige Möglichkeiten, deine Graphdaten darzustellen. Viele bevorzugen jedoch andere Plot-Frameworks wie ggplot2 oder sogar interaktive Frameworks wie d3.js. In dieser Lektion lernst du weitere Bibliotheken kennen, die auf dem ggplot2-Framework aufbauen. Außerdem schaust du dir andere, nicht „Hairball“-artige Methoden wie Hive Plots an und erstellst interaktive sowie animierte Plots.
R
Fallstudien: Netzwerkanalyse in R
Kurs
abgeschlossen
