After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Dopo aver iniziato a imparare strumenti per la manipolazione e la visualizzazione dei dati come dplyr e ggplot2, questo corso ti permette di metterli in pratica su un insieme di dati reale. Esplorerai le storiche votazioni dell'Assemblea Generale delle Nazioni Unite, analizzando le differenze di voto tra paesi, nel tempo e tra questioni internazionali. Nel frattempo farai più pratica con i pacchetti dplyr e ggplot2, conoscerai il pacchetto broom per “ripulire” l’output dei modelli e sperimenterai un’analisi esplorativa completa, dall’inizio alla fine, tipica della data science.
Prerequisiti
Curriculum
Programma del corso
1
Pulizia e sintesi dei dati con dplyr
Il modo migliore per imparare le tecniche di wrangling dei dati è applicarle a un caso di studio concreto. Qui imparerai a pulire e filtrare il dataset delle votazioni delle Nazioni Unite usando il pacchetto dplyr e a sintetizzarlo in unità più piccole e interpretabili.
- L'insieme di dati sui voti delle Nazioni Unite50 XP
- Filtrare le righe100 XP
- Aggiungere una colonna year100 XP
- Aggiungere una colonna con il paese100 XP
- Raggruppare e sintetizzare50 XP
- Riepilogare l'intero insieme di dati100 XP
- Riepilogare per anno100 XP
- Riepilogo per paese100 XP
- Ordinare e filtrare i dati riassunti50 XP
- Ordinare per percentuale di voti "yes"100 XP
- Filtrare un risultato riepilogato100 XP
2
Visualizzazione dei dati con ggplot2
Una volta che hai pulito e sintetizzato i dati, vorrai visualizzarli per capire le tendenze ed estrarre insight. Qui userai il pacchetto ggplot2 per esplorare le tendenze delle votazioni delle Nazioni Unite all’interno di ciascun paese nel tempo.
3
Modeling ordinato con broom
La visualizzazione aiuta a comprendere un paese per volta, mentre la modellazione statistica ti permette di quantificare le tendenze su molti paesi e interpretarle insieme. Qui imparerai a usare i pacchetti tidyr, purrr e broom per adattare modelli lineari a ciascun paese e per comprenderne e confrontarne gli output.
4
Join e messa in ordine
In questo capitolo imparerai a combinare più insiemi di dati correlati, ad esempio incorporando informazioni sull’argomento di ciascuna risoluzione nella tua analisi dei voti. Imparerai anche a trasformare dati disordinati in dati ordinati e vedrai come i dati ordinati possano guidare l’esplorazione di temi e paesi nel tempo.
R
Caso di studio: Analisi esplorativa dei dati in R
Corso
completato
