Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Une excellente visualisation des données est la pierre angulaire d’une data science percutante. La visualisation vous aide à la fois à découvrir des informations dans vos données et à les partager avec votre public. Tout le monde apprend à créer un nuage de points ou un histogramme de base en devenant data scientist, mais le véritable potentiel de la visualisation se révèle lorsque vous prenez du recul et réfléchissez à quoi, pourquoi et comment vous visualisez vos données. Dans ce cours, vous apprendrez à construire des visualisations convaincantes et soignées qui vous aident à communiquer les résultats de vos analyses de manière efficace et claire. Nous aborderons la comparaison de données, les subtilités de la couleur, la représentation de l’incertitude, ainsi que la création de la bonne visualisation pour votre public cible, à partir de l’étude de jeux de données sur la pollution de l’air aux États‑Unis et les marchés de producteurs. Nous terminerons le cours en examinant des données en libre accès sur les marchés de producteurs afin de créer un rapport visuel soigné et percutant.
Prérequis
Programme de formation
Plan du cours
1
Mettre vos données en valeur
Comment montrer l’ensemble de vos données tout en veillant à ce que le public ne passe pas à côté d’un point essentiel ? Nous expliquons ici comment guider l’attention grâce à des mises en évidence basées sur la couleur et du texte. Nous présentons aussi un jeu de données sur les principaux polluants aux États‑Unis.
- Mettre en valeur les données50 XP
- Coder en dur une mise en avant100 XP
- Créer un surlignage par programmation100 XP
- Comparer des groupes50 XP
- Comparer avec deux KDE100 XP
- Améliorer vos KDE100 XP
- Beeswarms100 XP
- Annotations50 XP
- Une annotation textuelle simple100 XP
- Annotations avec flèches100 XP
- Combiner annotations et couleur100 XP
2
Utiliser la couleur dans vos visualisations
La couleur est un outil puissant pour encoder des valeurs en visualisation de données. Mais ce pouvoir s’accompagne de risques. Dans ce chapitre, nous expliquons comment choisir une palette de couleurs adaptée à votre visualisation en fonction du type de données représenté.
3
Représenter l’incertitude
L’incertitude est omniprésente en data science, mais elle est souvent absente des visualisations alors qu’elle devrait y figurer. Ici, nous revenons sur la notion d’intervalle de confiance et sur la façon de le représenter, à la fois pour des estimations ponctuelles et des fonctions continues. Nous abordons également la technique de rééchantillonnage bootstrap pour évaluer l’incertitude et comment la visualiser correctement.
4
La visualisation dans le flux de travail en data science
La visualisation est souvent enseignée isolément, avec des bonnes pratiques présentées de manière générale. En réalité, vous devrez parfois assouplir les règles selon les contextes. Des visualisations exploratoires parfois brouillonnes jusqu’au réglage fin des tailles de police de votre livrable final : dans ce chapitre, nous voyons comment optimiser vos visualisations à chaque étape d’un flux de travail en data science.
Améliorer vos visualisations de données en Python
Cours
terminé
