After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Khóa học này sẽ giúp bạn vượt qua những kiến thức cơ bản về trực quan hóa dữ liệu và mài giũa chúng thành một công cụ mạnh mẽ trong bộ kỹ năng khoa học dữ liệu của bạn. Xuyên suốt các bài học, chúng ta sẽ dùng hai bộ dữ liệu mở thú vị để bao quát các loại dữ liệu khác nhau (tỷ lệ thành phần, dữ liệu điểm, phân phối đơn và nhiều phân phối) và thảo luận ưu nhược điểm của các dạng biểu đồ phổ biến nhất. Bên cạnh đó, chúng ta cũng sẽ đề cập đến một số lựa chọn trực quan hóa ít phổ biến hơn cho các loại dữ liệu này và cách tinh chỉnh các thiết lập mặc định của ggplot để truyền tải thông điệp hiệu quả và rõ ràng nhất.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Tỷ lệ trong một tổng thể
Trong chương này, chúng ta tập trung vào việc trực quan hóa tỷ lệ trong một tổng thể; bạn sẽ thấy biểu đồ tròn thực ra không tệ như tiếng đồn, đồng thời tìm hiểu biểu đồ waffle và cột xếp chồng để so sánh nhiều tỷ lệ.
- Giới thiệu về Grammar of Graphics50 XP
- Làm quen với dữ liệu bệnh tật100 XP
- Khởi động với thao tác dữ liệu100 XP
- Biểu đồ tròn và những người bạn của nó50 XP
- Biểu đồ P-I-E tai tiếng100 XP
- Dọn dẹp biểu đồ tròn100 XP
- Thử dùng waffle chart?100 XP
- Khi nào nên dùng biểu đồ cột50 XP
- Các cột xếp chồng cơ bản100 XP
- Sắp xếp chồng để dễ đọc hơn100 XP
- Trục x dạng phân loại100 XP
2
Dữ liệu điểm
Giờ chúng ta chuyển trọng tâm sang dữ liệu quan sát đơn lẻ hay dữ liệu điểm và xem khi nào biểu đồ cột phù hợp, khi nào thì không, nên dùng gì khi không phù hợp, cùng các cải thiện dựa trên cảm nhận trực quan cho biểu đồ của bạn.
3
Phân phối đơn
Tiếp theo, chúng ta chuyển sang trực quan hóa dữ liệu phân phối, chỉ ra sự mong manh của biểu đồ histogram, thảo luận khi nào nên chuyển sang biểu đồ mật độ kernel, và cách làm cho cả hai loại biểu đồ phát huy hiệu quả tốt nhất với dữ liệu của bạn.
4
So sánh các phân phối
Kết thúc khóa học, chúng ta xem xét cách so sánh nhiều phân phối với nhau. Bạn sẽ thấy vì sao biểu đồ hộp truyền thống có thể rất rủi ro và cách cải thiện chúng dễ dàng, cùng với việc tìm hiểu khi nào nên dùng các lựa chọn nâng cao hơn như biểu đồ beeswarm và violin.
R
Thực hành tốt nhất về trực quan hóa trong R
Hoàn
thành khóa học
