Na het volgen van deze cursussen voel ik me zeker genoeg om professionele visualisaties en dashboards te maken
Shoebur RahmanInkoopspecialist, Giz Bangladesh
Cursusbeschrijving
Als je eenmaal tools voor datamanipulatie en -visualisatie zoals dplyr en ggplot2 kent, krijg je in deze cursus de kans om ze toe te passen op een echte gegevensset. Je onderzoekt het historische stemgedrag van de Algemene Vergadering van de Verenigde Naties, waaronder verschillen in stemgedrag tussen landen, door de tijd heen en per internationaal thema. Onderweg oefen je met de pakketten dplyr en ggplot2, leer je het broom-pakket gebruiken om modeluitvoer op te schonen, en ervaar je een start-tot-eind verkennende analyse zoals die vaak voorkomt in data science.
Vereisten
Lesprogramma
Cursusoverzicht
1
Data opschonen en samenvatten met dplyr
De beste manier om datavaardigheden voor wrangling te leren, is door ze toe te passen in een concrete casestudy. Hier leer je hoe je de VN-stemgegevens opschoont en filtert met het dplyr-pakket, en hoe je ze samenvat tot kleinere, interpreteerbare eenheden.
- De gegevensset met stemmingen van de Verenigde Naties50 XP
- Rijen filteren100 XP
- Een jaarkolom toevoegen100 XP
- Een landkolom toevoegen100 XP
- Groeperen en samenvatten50 XP
- De volledige gegevensset samenvatten100 XP
- Samenvatten per jaar100 XP
- Samenvatten per land100 XP
- Samengevatte data sorteren en filteren50 XP
- Sorteren op percentage "ja"-stemmen100 XP
- Samengevatte output filteren100 XP
2
Gegevens visualiseren met ggplot2
Als je gegevens eenmaal hebt opgeschoond en samengevat, wil je ze visualiseren om trends te begrijpen en inzichten te halen. Hier gebruik je het ggplot2-pakket om trends in VN-stemgedrag binnen elk land in de tijd te verkennen.
3
Tidy modelleren met broom
Visualisatie helpt je één land tegelijk te begrijpen, terwijl statistisch modelleren je in staat stelt trends over veel landen te kwantificeren en samen te interpreteren. Hier leer je de pakketten tidyr, purrr en broom gebruiken om voor elk land lineaire modellen te fitten, en hun uitkomsten te begrijpen en te vergelijken.
4
Samenvoegen en opruimen
In dit hoofdstuk leer je meerdere gerelateerde gegevenssets te combineren, bijvoorbeeld door informatie over het onderwerp van elke resolutie in je stemanalyse op te nemen. Je leert ook hoe je rommelige data omzet naar tidy data, en ziet hoe tidy data je verkenning van thema’s en landen door de tijd kan sturen.
R
Casestudy: Exploratory Data Analysis in R
Cursus
voltooid
