หลังจากเรียนคอร์สเหล่านี้ รู้สึกมั่นใจในการสร้างการแสดงผลข้อมูลและแดชบอร์ดระดับมืออาชีพ
Shoebur RahmanProcurement Specialist, Giz Bangladesh
รายละเอียดคอร์ส
หลังจากฝึกทักษะการแสดงภาพข้อมูลด้วย ggplot2 แล้ว ถึงเวลาเผชิญกับชุดข้อมูลขนาดใหญ่ขึ้น ในคอร์สนี้จะได้เรียนรู้เทคนิคหลายอย่างสำหรับการแสดงภาพ Big Data โดยเน้นที่เทคนิค faceting ซึ่งรองรับการขยายขนาดได้ดี รวมถึงการนำเทคนิคนี้ไปใช้จริงผ่านแนวทาง Trelliscope ที่ติดตั้งมาใน R package ชื่อ trelliscopejs Trelliscope ผสานเข้ากับ workflow มาตรฐานของ R ได้อย่างลงตัว และสร้างการแสดงผลแบบโต้ตอบที่ช่วยให้สำรวจข้อมูลได้อย่างละเอียด เมื่อจบคอร์สนี้แล้ว จะสามารถสร้างการแสดงผลเชิงสำรวจแบบโต้ตอบสำหรับชุดข้อมูลขนาดใหญ่ได้อย่างง่ายดาย ซึ่งจะช่วยให้คุณและเพื่อนร่วมงานได้ข้อมูลเชิงลึกใหม่จากข้อมูลของตัวเอง
ข้อกำหนดเบื้องต้น
หลักสูตร
โครงร่างคอร์ส
1
กลยุทธ์ทั่วไปสำหรับการแสดงภาพ Big Data
เรียนรู้กลยุทธ์ต่าง ๆ สำหรับการพล็อตข้อมูลขนาดใหญ่ด้วย ggplot2 ครอบคลุมทั้งการคำนวณและพล็อตสถิติสรุป เทคนิคหลากหลายสำหรับจัดการกับปัญหา overplotting และหลักการของ small multiples ด้วย faceting ซึ่งนำไปสู่ Trelliscope
- การแสดงผลสรุปข้อมูล50 XP
- จำนวนการเดินทางรายวัน100 XP
- การกระจายของค่าโดยสารแท็กซี่100 XP
- การกระจายของประเภทการชำระเงิน100 XP
- เพิ่มรายละเอียดให้กับบทสรุป50 XP
- ความสัมพันธ์ระหว่างระยะเวลาการเดินทางและค่าโดยสารรวม100 XP
- การแบ่งกลุ่มการเดินทางรายวัน100 XP
- การกระจายของยอดทิปแยกตามประเภทการชำระเงิน100 XP
- การแสดงภาพข้อมูลย่อย50 XP
- เปรียบเทียบการกระจายของค่าโดยสารตามประเภทการชำระเงิน100 XP
- การแสดงภาพข้อมูลทุกกลุ่มย่อย50 XP
2
ggplot2 + TrelliscopeJS
ในบทที่แล้ว ได้เห็นแล้วว่า faceting เป็นเทคนิคที่มีประสิทธิภาพสำหรับแสดงภาพข้อมูลจำนวนมากที่แบ่งกลุ่มได้อย่างมีความหมาย คราวนี้จะได้เรียนรู้การใช้ package trelliscopejs ร่วมกับ ggplot2 เพื่อสร้างการแสดงผลแบบ faceted เมื่อจำนวนกลุ่มข้อมูลมากเกินกว่าจะดูได้อย่างมีประสิทธิภาพในหน้าจอเดียว
3
Trelliscope ใน Tidyverse
อินเทอร์เฟซ ggplot2 + trelliscopejs ใช้งานง่าย แต่ trelliscopejs ยังมีกลไกการพล็อตแบบ faceted ที่ให้ความยืดหยุ่นมากกว่าทั้งในแง่ของระบบการพล็อตที่ใช้และการกำหนด cognostics ในบทนี้จะได้เรียนรู้เรื่องนี้ทั้งหมด
4
กรณีศึกษา: สำรวจข้อมูลจักรยาน BIXI ในมอนทรีออล
เครือข่ายจักรยาน BIXI ในมอนทรีออล เปิดเผยข้อมูลการเดินทางด้วยจักรยานทุกครั้ง ครอบคลุมวันที่ เวลา ระยะเวลา และสถานีต้นทางและปลายทาง ในบทนี้จะวิเคราะห์ข้อมูลการเดินทางกว่า 4 ล้านครั้งในปี 2017 ระหว่าง 546 สถานี มีคำถามเชิงสำรวจที่น่าสนใจมากมายจากข้อมูลชุดนี้ และจะได้สร้างการแสดงผลเชิงสำรวจตั้งแต่สถิติสรุปไปจนถึงการแสดงผลแบบ Trelliscope โดยละเอียด เพื่อให้ได้ข้อมูลเชิงลึกที่น่าสนใจจากข้อมูลนี้
R
การแสดงภาพข้อมูลขนาดใหญ่ด้วย Trelliscope ใน R
เรียนคอร์สจบแล้ว
