ข้ามไปยังเนื้อหาหลัก

คอร์ส

การพัฒนาการแสดงผลข้อมูลใน Python

ขั้นกลาง4 ชม.

เรียนรู้การสร้างภาพข้อมูลที่น่าสนใจและดึงดูดสายตา เพื่อสื่อสารผลลัพธ์ได้อย่างมีประสิทธิภาพและรวดเร็ว

Python4 ชม.15 วิดีโอ54 แบบฝึกหัด4,650 XP19,431หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร

รายละเอียดคอร์ส

การแสดงผลข้อมูลที่ดีคือรากฐานสำคัญของ data science ที่มีประสิทธิภาพ การแสดงผลข้อมูลช่วยให้ค้นพบข้อมูลเชิงลึกจากข้อมูล และสื่อสารข้อค้นพบเหล่านั้นไปยังผู้ชมได้อย่างชัดเจน ทุกคนเริ่มต้นด้วยการสร้าง scatter plot หรือ bar chart พื้นฐานในเส้นทางการเป็น data scientist แต่ศักยภาพที่แท้จริงของการแสดงผลข้อมูลจะเกิดขึ้นได้เมื่อหยุดคิดให้ถี่ถ้วนว่ากำลังแสดงผลข้อมูลอะไร เพราะอะไร และอย่างไร ในคอร์สนี้จะได้เรียนรู้วิธีสร้างการแสดงผลข้อมูลที่น่าสนใจและมีประสิทธิภาพ เพื่อสื่อสารผลการวิเคราะห์ได้อย่างครบถ้วน หัวข้อที่ครอบคลุมได้แก่ การเปรียบเทียบข้อมูล การใช้สี การแสดงความไม่แน่นอน และการสร้างการแสดงผลที่เหมาะสมกับผู้ชมแต่ละกลุ่ม โดยใช้ชุดข้อมูลเกี่ยวกับมลพิษทางอากาศทั่วสหรัฐอเมริกาและตลาดเกษตรกร คอร์สจะปิดท้ายด้วยการสร้างรายงานภาพที่สมบูรณ์และมีผลกระทบสูงจากข้อมูลตลาดเกษตรกรแบบเปิด

ข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

การเน้นข้อมูลของคุณ

จะแสดงข้อมูลทั้งหมดได้อย่างไร โดยยังคงดึงความสนใจของผู้ชมไปยังประเด็นสำคัญ? บทนี้จะพูดถึงวิธีนำทางผู้ชมผ่านข้อมูลด้วยการเน้นสีและข้อความ พร้อมแนะนำชุดข้อมูลค่ามลพิษทั่วไปทั่วสหรัฐอเมริกา
เริ่มบท
2

การใช้สีในการแสดงผลข้อมูล

สีเป็นเครื่องมือที่ทรงพลังในการสื่อค่าข้อมูลในการแสดงผล แต่การใช้สีที่ไม่เหมาะสมอาจนำไปสู่ความเข้าใจผิดได้ ในบทนี้จะพูดถึงวิธีเลือก color palette ที่เหมาะสมกับการแสดงผล โดยพิจารณาจากประเภทของข้อมูลที่นำเสนอ
เริ่มบท
3

การแสดงความไม่แน่นอน

ความไม่แน่นอนเกิดขึ้นได้ทุกที่ใน data science แต่มักถูกละเลยในการแสดงผลข้อมูลทั้งที่ควรนำมาแสดงด้วย บทนี้จะทบทวนความหมายของ confidence interval และวิธีแสดงผลทั้งสำหรับค่าประมาณเดี่ยวและฟังก์ชันต่อเนื่อง นอกจากนี้ยังกล่าวถึงเทคนิค bootstrap resampling สำหรับการประเมินความไม่แน่นอน และวิธีแสดงผลที่ถูกต้อง
เริ่มบท
4

การแสดงผลข้อมูลในกระบวนการ Data Science

การแสดงผลข้อมูลมักถูกสอนแบบแยกส่วน และ best practices ก็มักถูกพูดถึงในเชิงกว้างๆ เท่านั้น ในความเป็นจริง บางครั้งต้องปรับกฎตามสถานการณ์ที่แตกต่างกัน ตั้งแต่การแสดงผลแบบสำรวจข้อมูลคร่าวๆ ไปจนถึงการปรับแต่งขนาดฟอนต์สำหรับผลลัพธ์สุดท้าย บทนี้จะเจาะลึกวิธีปรับปรุงการแสดงผลข้อมูลในแต่ละขั้นตอนของกระบวนการ data science
เริ่มบท

การพัฒนาการแสดงผลข้อมูลใน Python

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน