Kurzusleírás

Matplotlib előrehaladott ábrázolásai

Matplotlib alapvető ábrázolásai

Együttműködő vizualizációs projektek

Seaborn ábrázolások testreszabása

Első lépések Data Visualization-val

Valós világbeli adathalmazok kezelése és vizualizálása

Bevezetés Google Colab-ba a vizualizáláshoz

Bevezetés Seaborn-ba

Összegzés és következő lépések

Tippek és legjobb gyakorlatok

  • Esztétika és témák
  • Előrehaladott testreszabások
  • Seaborn összevonása Matplotlibgal
  • Egyszerű ábrák készítése
    • Vonalképek
    • Oszlopdiagramok
    • Szeletdiagramok
  • Ábrák testreszabása
    • Címek, jelölések és legendák
    • Színek, stílusok és témák
  • Hatékony adatvizualizálási technikák
  • Közismert vizualizálási csapdák kerülése
  • Látványosság és átláthatóság növelése
  • Az adatvizualizálás fontossága
  • Bevezetés Python vizualizálási könyvtárakba
  • Adathalmazok importálása
  • Adatok tisztítása és előkészítése
  • Bonyolult adatok vizualizálása
  • Google Colab áttekintése
  • Google Colab beállítása
  • Google Colab felületén való navigálás
  • Seaborn áttekintése
  • Statisztikai ábrák készítése
    • Eloszlásábrák
    • Regressziós ábrák
    • Kategóriás ábrák
  • Notebookok megosztása és együttműködésük
  • Valós idejű együttműködési funkciók
  • Együttműködő projektekhez tartozó legjobb gyakorlatok
  • Alábrák és többszörös ábrák
  • Megjegyzésekkel való munkavégzés
  • Ábrák mentése és exportálása

Követelmények

Célközönség

  • Alapvető ismeretek Python programozásban
  • Ismerőség az alapvető adatfogalmakkal
  • Adat tudósok
  • Adatprofesszionálisok
 14 Órák

Résztvevők száma


Ár résztvevőnként

Vélemények (4)

Közelgő kurzusok

Rokon kategóriák