Build your ultimate AI agent
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
โครงสร้างคอร์ส
1
การเน้นข้อมูลของคุณ
จะแสดงข้อมูลทั้งหมดได้อย่างไร โดยยังคงดึงความสนใจของผู้ชมไปยังประเด็นสำคัญ? บทนี้จะพูดถึงวิธีนำทางผู้ชมผ่านข้อมูลด้วยการเน้นสีและข้อความ พร้อมแนะนำชุดข้อมูลค่ามลพิษทั่วไปทั่วสหรัฐอเมริกา
- การไฮไลต์ข้อมูล50 XP
- การไฮไลต์แบบกำหนดค่าตายตัว100 XP
- การสร้าง Highlight ด้วยโค้ด100 XP
- การเปรียบเทียบกลุ่มข้อมูล50 XP
- เปรียบเทียบด้วย KDE สองกราฟ100 XP
- ปรับปรุงกราฟ KDE ของคุณ100 XP
- Beeswarm Plot100 XP
- การใส่คำอธิบายประกอบ50 XP
- การเพิ่มคำอธิบายข้อความแบบพื้นฐาน100 XP
- การใส่คำอธิบายแบบลูกศร100 XP
- ผสมผสานการใส่คำอธิบายและสี100 XP
2
การใช้สีในการแสดงผลข้อมูล
สีเป็นเครื่องมือที่ทรงพลังในการสื่อค่าข้อมูลในการแสดงผล แต่การใช้สีที่ไม่เหมาะสมอาจนำไปสู่ความเข้าใจผิดได้ ในบทนี้จะพูดถึงวิธีเลือก color palette ที่เหมาะสมกับการแสดงผล โดยพิจารณาจากประเภทของข้อมูลที่นำเสนอ
3
การแสดงความไม่แน่นอน
ความไม่แน่นอนเกิดขึ้นได้ทุกที่ใน data science แต่มักถูกละเลยในการแสดงผลข้อมูลทั้งที่ควรนำมาแสดงด้วย บทนี้จะทบทวนความหมายของ confidence interval และวิธีแสดงผลทั้งสำหรับค่าประมาณเดี่ยวและฟังก์ชันต่อเนื่อง นอกจากนี้ยังกล่าวถึงเทคนิค bootstrap resampling สำหรับการประเมินความไม่แน่นอน และวิธีแสดงผลที่ถูกต้อง
4
การแสดงผลข้อมูลในกระบวนการ Data Science
การแสดงผลข้อมูลมักถูกสอนแบบแยกส่วน และ best practices ก็มักถูกพูดถึงในเชิงกว้างๆ เท่านั้น ในความเป็นจริง บางครั้งต้องปรับกฎตามสถานการณ์ที่แตกต่างกัน ตั้งแต่การแสดงผลแบบสำรวจข้อมูลคร่าวๆ ไปจนถึงการปรับแต่งขนาดฟอนต์สำหรับผลลัพธ์สุดท้าย บทนี้จะเจาะลึกวิธีปรับปรุงการแสดงผลข้อมูลในแต่ละขั้นตอนของกระบวนการ data science
การพัฒนาการแสดงผลข้อมูลใน Python
เรียนจบแล้ว
