Po ukończeniu tych kursów czuję się pewnie w tworzeniu profesjonalnych wizualizacji i pulpitów nawigacyjnych
Shoebur RahmanSpecjalista ds. zakupów, Giz Bangladesh
Opis kursu
Kiedy już poznasz narzędzia do manipulacji danymi i wizualizacji, takie jak dplyr i ggplot2, ten kurs daje ci szansę, by zastosować je w praktyce na prawdziwym zbiorze danych. Przeanalizujesz historyczne głosowania Zgromadzenia Ogólnego ONZ – zbadasz różnice w głosowaniach między krajami, na przestrzeni czasu oraz w odniesieniu do różnych kwestii międzynarodowych. Przy okazji pogłębisz znajomość pakietów dplyr i ggplot2, poznasz pakiet broom do porządkowania wyników modeli i doświadczysz kompletnej analizy eksploracyjnej – od początku do końca – typowej dla pracy w data science.
Wymagania wstępne
Program nauczania
Plan kursu
1
Czyszczenie i podsumowywanie danych z dplyr
Najlepszy sposób na naukę przetwarzania danych to praca na konkretnym studium przypadku. Dowiesz się, jak czyścić i filtrować zbiór danych głosowań ONZ przy użyciu pakietu dplyr oraz jak agregować go do mniejszych, łatwiejszych do interpretacji jednostek.
- Zbiór danych głosowań ONZ50 XP
- Filtrowanie wierszy100 XP
- Dodawanie kolumny z rokiem100 XP
- Dodawanie kolumny z nazwami krajów100 XP
- Grupowanie i podsumowywanie50 XP
- Podsumowanie całego zbioru danych100 XP
- Podsumowanie według roku100 XP
- Podsumowanie według kraju100 XP
- Sortowanie i filtrowanie podsumowanych danych50 XP
- Sortowanie według odsetka głosów "tak"100 XP
- Filtrowanie podsumowanych danych100 XP
2
Wizualizacja danych z ggplot2
Po oczyszczeniu i podsumowaniu danych warto je zwizualizować, aby odkryć trendy i wyciągnąć wnioski. Skorzystasz z pakietu ggplot2, by zbadać trendy w głosowaniach ONZ dla poszczególnych krajów na przestrzeni czasu.
3
Porządkowanie modeli z broom
Wizualizacja pozwala analizować jeden kraj na raz, natomiast modelowanie statystyczne umożliwia ilościowe ujęcie trendów dla wielu krajów jednocześnie i ich wspólną interpretację. Nauczysz się korzystać z pakietów tidyr, purrr i broom, by dopasowywać modele liniowe do danych z każdego kraju oraz rozumieć i porównywać ich wyniki.
4
Łączenie i porządkowanie danych
W tym rozdziale nauczysz się łączyć wiele powiązanych zbiorów danych – na przykład wzbogacać analizę głosowań o informacje na temat tematyki poszczególnych rezolucji. Dowiesz się też, jak przekształcać dane nieuporządkowane w dane uporządkowane (tidy data), i zobaczysz, jak tidy data ułatwia eksplorację tematów i krajów na przestrzeni czasu.
R
Studium przypadku: eksploracyjna analiza danych w R
Kurs
ukończony
