After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Якісна візуалізація даних — основа результативної дата науки. Вона допомагає і знаходити інсайти в даних, і чітко ділитися ними зі своєю аудиторією. На шляху до професії дата-сайентіста всі вчаться будувати базові точкові діаграми та стовпчикові графіки, але справжній потенціал візуалізації розкривається, коли ви робите крок назад і продумуєте, що, чому й як саме ви показуєте. У цьому курсі ви навчитеся створювати переконливі та привабливі візуалізації, які допомагають ефективно й результативно комунікувати результати аналізу. Ми розглянемо порівняння даних, тонкощі використання кольору, показ невизначеності та побудову доречної візуалізації під конкретну аудиторію на прикладі наборів даних про забруднення повітря у США та фермерські ринки. На завершення курсу проаналізуємо відкриті дані про фермерські ринки, щоб створити візуальний звіт, що виглядає професійно й має помітний вплив.
Попередні вимоги
Навчальний план
Зміст курсу
1
Виділення ключового в даних
Як показати всі дані й водночас не дати глядачам проґавити важливі моменти? Тут ми обговоримо, як спрямовувати увагу за допомогою колірних акцентів і тексту. Також представимо набір даних із поширеними показниками забрудників по всіх Сполучених Штатах.
2
Використання кольору у візуалізаціях
Колір — потужний інструмент кодування значень у візуалізації даних. Однак із цією потугою пов'язані й ризики. У цьому розділі ми поговоримо, як обрати відповідну колірну палітру для вашої візуалізації залежно від типу даних, які вона показує.
3
Показ невизначеності
Невизначеність присутня всюди в дата науці, але її часто не відображають у візуалізаціях, де вона має бути. Тут ми нагадаємо, що таке довірчий інтервал, і як його візуалізувати як для поодиноких оцінок, так і для неперервних функцій. Крім того, обговоримо метод бутстреп-перевибірки для оцінювання невизначеності та способи його коректної візуалізації.
4
Візуалізація в робочому процесі дата науки
Часто візуалізацію навчають окремо, а найкращі практики подають загально. Насправді ж правила доводиться гнучко застосовувати за різних сценаріїв. Від «чернеткових» дослідницьких графіків до добору кеглів шрифтів у фінальному продукті — у цьому розділі ми заглибимося в те, як оптимізувати візуалізації на кожному етапі робочого процесу дата науки.
Удосконалення візуалізацій даних у Python
Курс
завершено
