تبدیل شدن به یک متخصص ابزار تجسم داده ها - Become a Data Visualization Specialist: Tools

Tableau ابزاری قدرتمند و همه کاره برای تجزیه و تحلیل و تجسم داده است که بسیاری آن را برای کار علم داده ضروری می دانند. رابط کشیدن و رها کردن آن ، مرتب سازی ، مقایسه و تجزیه و تحلیل داده ها از چندین منبع از جمله اکسل ، SQL سرور و مخازن داده مبتنی بر ابر را آسان می کند. در این دوره ، یاد بگیرید چگونه با استفاده از Tableau 2021 داده ها را تجزیه و تحلیل و نمایش دهید - و تصمیمات بهتر و مبتنی بر داده برای شرکت خود بگیرید. مربی Curt Frye نحوه نصب Tableau ، اتصال به منابع داده و مرتب سازی و فیلتر کردن داده های شما را نشان می دهد. Curt از نمونه های دنیای واقعی برای نشان دادن نحوه ایجاد و دستکاری تجسم داده ها - از جمله جداول برجسته ، نمودارها ، نمودارهای پراکنده ، هیستوگرام ها ، نقشه ها و داشبورد - استفاده می کند و نحوه به اشتراک گذاری تجسم های شما را نشان می دهد.

Tableau برای علم داده طراحی شده است! از اصول اولیه فراتر رفته و در قدرت این نرم افزار تجسم داده ها عمیق تر عمل کنید. نحوه برخورد با داده های کثیف یا بد فرمت را بیاموزید، از Tableau برای پاسخ به سوالات کلیدی تجزیه و تحلیل داده ها استفاده کنید و نتایج خود را با نقشه ها و داشبوردها تجسم کنید. مت فرانسیس "Zen Master" دارای مجوز Tableau به شما نشان می دهد که چگونه از پارامترها برای افزایش تجسم، ایجاد فیلترهای منبع متقابل، استفاده از عصاره های داده برای بهینه سازی اتصالات کند و موارد دیگر استفاده کنید. آموزش با یکی از مهمترین ویژگیهای Tableau شروع می شود: تفاوت بین قرص های سبز و آبی (داده های گسسته و مداوم) و نحوه تأثیر این امر بر روی تک تک کارهایی که تابلو انجام می دهد. سپس نحوه افزودن نقشه های جدید و ایجاد داشبوردهای موثرتر که املاک صفحه نمایش را به حداکثر می رساند، بیابید. کشف کنید که چگونه اقدامات می توانند صفحات را به هم متصل کرده و سطوح بیشتری از تعامل و عملکرد را ارائه دهند، و چگونه قالب بندی می تواند یک داشبورد معمولی را مورد توجه قرار دهد. بعلاوه، نکاتی در مورد انجام محاسبات تاریخ و زمان در Tableau دریافت کنید. این دوره عمیقاً به مهارتهای کاربردی، کاربردی و اساسی که هر کسی که تجسم و تجزیه و تحلیل داده ها را در یک محیط حرفه ای انجام می دهد نیاز دارد. اهداف یادگیری قرص سبز در مقابل آبی استفاده از فیلترها، رنگها و تاریخها اتصال به داده ها استخراج داده ها تمیز کردن و آماده سازی داده ها چرخش داده ها ادغام و پیوستن داده ها برجسته سازی داده ها با استفاده از پنجره Analytics ایجاد نقشه های جدید ایجاد محاسبات بر اساس پارامترها طراحی داشبورد

با نحوه ایجاد داشبوردهای جذاب، آموزنده و چشم نواز با استفاده از Tableau، نرم افزار تجسم داده های تعاملی آشنا شوید. این دوره نحوه برداشتن داده های متصل را که تجزیه و تحلیل کرده اید و در داشبوردهای قابل ارائه به اشتراک می گذارد، پوشش می دهد. مت فرانسیس، متخصص تجزیه و تحلیل داده ها ابتدا شما را تشویق می کند که قبل از ایجاد هر داشبورد، چهار سوال اصلی را در نظر بگیرید: داشبورد شما برای چه کسانی است، آنها باید بدانند، داشبورد در کجا نمایش داده می شود و چرا اطلاعات مهم است. سپس او مراحل ساخت داشبورد، از جمله طراحی یک طرح بندی خوب، افزودن نمودارها، برچسب گذاری موارد، رنگ آمیزی عناصر، فیلتر کردن داده های نمایش داده شده و افزودن ویژگی های تعاملی را مرحله به مرحله به شما می رساند. در نهایت، مت درباره نحوه استفاده از قصه گویی و روایت برای جذابیت بیشتر داده ها بحث می کند. اهداف یادگیری اصول اصلی طراحی داشبورد را توضیح دهید. نحوه ساخت داشبورد با استفاده از عناصر ساختاری ساده را مشخص کنید. خلاصه نحوه گسترش عملکرد داشبورد با استفاده از اجزای پویا. نحوه افزایش جذابیت داشبورد با استفاده از عناصر بصری را به خاطر بیاورید. نحوه ادغام ویژگی های داشبورد تعاملی را مشخص کنید. نحوه ایجاد روایت داده با استفاده از داستانها را خلاصه کنید. نحوه ایجاد انواع مختلف داشبورد بر اساس اهداف خاص را به خاطر بسپارید.

ایجاد تصاویر و اینفوگرافیک های مبتنی بر داده که بر روی چندین دستگاه به صورت پاسخگو اجرا می شوند، یک چالش سخت است. کتابخانه D3.js با ساده‌تر کردن تجزیه داده‌های شما و افزودن تعامل معنادار، تجسم را متحول کرده است. شما می توانید با استفاده از D3، کمی HTML، CSS و جاوا اسکریپت و برخی گرافیک های SVG به داده های خود جان بخشید. در این دوره، Ray Villalobos، نویسنده ارشد کارکنان، چگونگی کارکرد کتابخانه D3 را بررسی می‌کند، و چگونه می‌توانید از آن برای تجزیه داده‌ها از منابع مختلف و ایجاد اینفوگرافیک‌ها و تصاویر بصری هیجان‌انگیز تعاملی استفاده کنید. او قبل از شروع کار با گرافیک SVG، یک انتخاب برتر برای گرافیک در تجسم های D3، اصول اولیه را بررسی می کند - کنترل HTML با انتخاب های jQuery-esque و اصلاح ویژگی ها از طریق CSS. او همچنین کار با روش‌های D3 مانند مقیاس‌بندی، رویدادها، انتقال‌ها و انیمیشن‌ها و همچنین نحوه کار با داده‌ها، از جمله اتصال به منابع داده خارجی را پوشش می‌دهد. اهداف یادگیری D3.js چیست؟ کنترل HTML در انتخاب ها اتصال داده به DOM طراحی گرافیک SVG با D3 استفاده از مقیاس های ترتیبی افزودن رویدادها و انتقال ها کار با داده ها

تجسم های خود را فراتر از نمودارهای خسته کننده ببرید. D3.js شما را قادر می‌سازد تا نقشه‌های فضایی، نمودارهای درختی، نمودارهای پشته‌ای و موارد دیگر را با یک مرورگر وب و چند خط کد ایجاد کنید. چیزی برای همه در علم داده وجود دارد: آماردانان، دانشمندان، ریاضیدانان و تحلیلگران. D3.js Essential Training for Data Scientists کلیدهای این رویکرد همه کاره را باز می کند. با مشاور داده اما ساندرز همراه باشید زیرا او نحوه ساخت تصاویر زیبا و تعاملی داده با D3 را نشان می دهد. با مروری بر HTML، CSS و جاوا اسکریپت شروع کنید—برخی از مهارت های کدنویسی اولیه که برای استفاده از کتابخانه D3 نیاز دارید. سپس یاد بگیرید که چگونه یک نمودار میله ای ساده بسازید و شکل ها و متن های اولیه را ایجاد کنید. Emma همچنین تابع مسیر و قدرت ژنراتورها را برای ترسیم اشکال پیچیده تر معرفی می کند. سپس دریابید که چگونه فایل‌های JSON، XML و CSV را برای ایجاد گرافیک‌های پیچیده‌تر مانند نمودارهای درختی و Voronoi وارد کنید و داده‌های خود را برای گرافیک‌های پیشرفته با استفاده از توابع نقشه، پشته و آشیانه دستکاری کنید. این دوره با نکاتی برای افزودن تعامل و انتخاب گرافیک مناسب برای داده های شما به پایان می رسد. اهداف یادگیری بررسی اصول اولیه HTML، CSS و جاوا اسکریپت ساخت نمودار میله ای ساده با D3 آشنایی با گرافیک SVG رسم اشکال اولیه اضافه کردن متن استفاده از ژنراتورها و عنصر مسیر ایجاد مقیاس و محور وارد کردن داده ها به D3 ایجاد درختان و درختان ورونوی آماده سازی داده های خود برای گرافیک های پیشرفته افزودن تعامل و انتقال انتخاب گرافیک مناسب پیدا کردن پلاگین های D3.js

نمودار بعدی (DC) به تجسم داده ها اجازه می دهد تا در ویجت های داشبورد به صورت نمودار میله ای، نمودار پراکنده، نقشه حرارتی و غیره نمایش داده شوند. DC.js یک کتابخانه جاوا اسکریپت منبع باز مبتنی بر Crossfilter و D3.js است. در این دوره آموزشی، نحوه ساخت داشبوردهای تعاملی مبتنی بر وب را بیاموزید. مربی اما ساندرز تمام 20 کلاس داخلی، مجموعه انواع نمودارهای گنجانده شده و گزینه های قالب بندی داخلی موجود در DC.js را پوشش می دهد. نحوه استفاده از jQuery و bootstrap، اعمال فیلترها، تغییر شکل داشبوردهای موجود، ایجاد نمودارهای سفارشی، جفت کردن داده ها با استفاده از DC و D3، نمودارهای پیوند و موارد دیگر را بیاموزید. اهداف یادگیری دانلود و راه اندازی DC.js ساخت داشبورد ساختن نمودارها: میله، مساحت، پای، حباب، نمودار جعبه و سری اعمال فیلترینگ گرافیکی کار با خرما طراحی مجدد داشبوردها استفاده از نمودارهای D3 در داشبورد DC پیوند نمودارها با هم

تجزیه و تحلیل کلان داده عالی است، اما اگر نتوانید نتایج خود را به اشتراک بگذارید، نه. در این دوره، مارتین هدلی نشان می‌دهد که چگونه می‌توان ارائه‌های تعاملی مجموعه‌های داده بزرگ را با R، RStudio، و Shiny، یک ابزار مبتنی بر R برای تولید تجسم داده‌های تعاملی و آماده وب ایجاد کرد. بیاموزید که چرا این ابزارها برای دانشمندان داده مهم هستند، چگونه آنها را پیکربندی و نصب کنند، و چگونه از آنها برای واضح تر و جذاب تر کردن یافته های خود استفاده کنید. انواع مختلفی از ارائه‌هایی را که می‌توانید با قالب‌های R Markdown درست کنید (که مستقیماً در RStudio ساخته شده است) و نحوه سفارشی‌سازی قالب‌ها با CSS را کشف کنید. بیاموزید که چگونه برای RPubs ثبت نام کنید تا ارائه های RStudio را برای اشتراک گذاری به اشتراک بگذارید، و سپس با Shiny فراتر از اصول اولیه بروید—افزایش تعامل و ایجاد داشبوردهای قابل جاسازی بدون نیاز به HTML یا جاوا اسکریپت. این یک دوره هیجان انگیز برای تحلیلگرانی است که می خواهند ارتباط و دیده شدن کار خود را افزایش دهند. اطمینان حاصل کنید که بررسی های دانش در پایان هر فصل را تماشا کنید تا مهارت های جدید خود را آزمایش کنید. اهداف یادگیری مزایای مرتبط با RStudio را توضیح دهید. گزینه های ایجاد ارائه های HTML R Markdown را فهرست کنید. از RPubs برای انتشار و اشتراک گذاری ارائه ها از طریق توییتر، +Google و فیس بوک استفاده کنید. یک برنامه تعاملی را با Shiny آماده و به اشتراک بگذارید. سه گزینه چیدمان مختلف موجود با برنامه Shiny را نام ببرید. حساب های مختلف Shinyapps.io را با هم مقایسه کنید تا مشخص کنید کدام یک با نیازهای شما مطابقت دارد.

شروع به برقراری ارتباط ایده ها و نمودارسازی داده ها به روشی تعاملی تر کنید. در این دوره، نویسنده بارتون پولسون نحوه خواندن، نقشه‌برداری و تصویرسازی داده‌ها را با پردازش، یک محیط طراحی و توسعه منبع باز نشان می‌دهد. این دوره علاوه بر مقدمه ای محکم برای خود پردازش، روش هایی را برای به دست آوردن و آماده سازی داده ها، طراحی برای تجسم داده ها، و ایجاد یک تجربه تعاملی از یک طراحی بررسی می کند. وقتی تجسم شما کامل شد، گزینه‌های اشتراک‌گذاری کار خود را بررسی کنید، چه آپلود آن در وب‌سایت‌های تخصصی، جاسازی تصاویر در صفحات وب خود، یا حتی ایجاد یک برنامه دسکتاپ یا اندروید برای کارتان. اهداف یادگیری بررسی نیاز به تجسم داده های خلاقانه ترسیم خطوط و اشکال اساسی معرفی متغیرها، رشته ها و آرایه ها اصلاح ویژگی های طراحی مانند رنگ ایجاد پویایی بیشتر نقاشی ها با حلقه های انیمیشن و مارپیچ ایجاد تعاملات مبتنی بر صفحه کلید و ماوس افزودن تصاویر، ویدئو و صدا خواندن در متن یا داده های XML ایجاد طرح ها و نمودارها انتشار و به اشتراک گذاری آثار شما