Vizualizácia dát v Pythone: Grafy a Seaborn
- Level
- Kapitol
- 38
- Kategória
- Programovanie
- Hodnotenie
- 5,0 z 5
- Dĺžka
- 3h 26min
- Jazyk
- SK
Popis online kurzu Umenie dátovej vizualizácie v Pythone
Nauč sa vytvárať a správne interpretovať grafy v Pythone. Zistíš, ako vybrať vhodnú vizualizáciu, pracovať s farbami a rozpoznať skreslenia, ktoré môžu viesť k nesprávnym záverom.
Pomocou pandas, Seaborn a Matplotlib si vyskúšaš zobrazovanie numerických aj kategorických dát a vzťahov medzi nimi. Znalosti si precvičíš v 6 praktických cvičeniach v Jupyter notebookoch.
Čo sa v kurze naučíš?
Čaká ťa 38 kapitol a 3 hodiny 26 minút videa. Teóriu si precvičíš v 6 praktických cvičeniach v Jupyter notebookoch. Nižšie je uvedený zoznam oblastí, ktorým sa v kurze venujeme:
- Výber vhodného grafu: Zistíš, ako zvoliť vizualizáciu podľa typu dát a otázky, na ktorú hľadáš odpoveď.
- Grafy v pandas a Seaborn: Vytvoríš histogramy, stĺpcové a bodové grafy, heatmapy aj ďalšie vizualizácie.
- Vzťahy medzi premennými: Preskúmaš rozdelenie hodnôt aj súvislosti medzi dvoma či viacerými premennými.
- Úpravy v Matplotlib: Naučíš sa prispôsobovať jednotlivé prvky grafov.
- Farby a čitateľnosť: Spoznáš princípy používania farieb a farebných škál na zrozumiteľné zobrazenie dát.
- Interpretácia a skreslenia: Naučíš sa rozpoznávať zavádzajúce zobrazenia, pracovať s neistotou a opatrne vyvodzovať závery.
- Praktické skúmanie dát: Prepojíš analýzu s vizualizáciou a budeš hľadať odpovede na konkrétne otázky.
Nestačí graf iba vytvoriť. Naučíš sa vyberať vhodné zobrazenie podľa typu dát, posudzovať vzťahy medzi premennými a rozpoznávať vizuálne skreslenia. Pozornosť venuješ aj farbám a neistote vo výsledkoch.
Pre koho je kurz Umenie dátovej vizualizácie v Pythone vhodný?
Kurz je vhodný pre teba, ak už poznáš základy Pythonu a chceš sa naučiť zrozumiteľne vizualizovať a interpretovať dáta.
Pred začiatkom potrebuješ:
- Základy programovania v Pythone a skúsenosti s knižnicami NumPy a pandas.
- Základné znalosti štatistiky — priemer, minimum, maximum a smerodajnú odchýlku.
Potrebné základy môžete získať v kurzoch “Úvod do Pythonu pre Data Science” a “Spracovanie dát v Pythone”.
Čo budeš po kurze vedieť?
- Vytvárať grafy v pandas, Seaborn a Matplotlib — od jednoduchých zobrazení až po vizualizácie viacerých premenných.
- Vyberať vhodný typ grafu podľa dát a otázky, ktorú chceš preskúmať.
- Zrozumiteľne zobrazovať vzťahy a trendy pomocou vhodných farieb a grafických prvkov.
- Interpretovať výsledky a rozpoznávať skreslenia, ktoré môžu viesť k nesprávnym záverom.
Chceš pokračovať od práce s dátami až k machine learningu? Pozri si študijnú cestu Data Scientist.
Čo je potrebné pre absolvovanie kurzu Umenie dátovej vizualizácie v Pythone?
- Počítač s prístupom k materiálom a možnosťou spustiť cvičenia. Pri firemnom zariadení si over prípadné obmedzenia.
- Stabilné internetové pripojenie a aktuálny prehliadač Chrome, Edge alebo Firefox.
- Základnú znalosť angličtiny na čítanie dokumentácie. Videá sú v slovenčine.
- Google účet, ak chceš pracovať v Google Colab. V materiáloch nájdeš aj alternatívu na prácu s Jupyter notebookmi priamo v počítači.
Čo všetko s kurzom Umenie dátovej vizualizácie v Pythone získaš?
- 6 Jupyter notebookov, v ktorých si nielen prakticky vyskúšate jednotlivé koncepty, ale môžete ich používať ako osobnú referenciu vo vašom (budúcom) zamestnaní,
- videotutoriály o Vizualizácii dát v Pythone,
- moderované diskusné fórum, v ktorom na vaše otázky odpovedá autor kurzu Róbert Barcík,
- certifikát o absolvovaní online kurzu Umenie dátovej vizualizácie v Pythone,
- garancia vrátenia peňazí do 14 dní v prípade nespokojnosti s kurzom.
Odpovede na časté otázky
Aké knižnice sa v kurze používajú?
V kurze budeš pracovať s knižnicami pandas, Seaborn a Matplotlib. Vyskúšaš si grafy na zobrazenie rozdelenia dát aj vzťahov medzi premennými.
Venuje sa kurz aj interaktívnym grafom v Plotly?
Kurz sa sústreďuje na princípy vizualizácie a prácu s pandas, Seaborn a Matplotlib. Ak ťa zaujíma aj Plotly, pozri si kurz Vizualizácia dát v Pythone.
Kapitoly online kurzu
Vitajte v kurze! (3)
O tomto kurze
3:24
Nastavovanie prostredia a materiály na stiahnutie
17:55
Nové materiály kurzu
6:28
1. Úvod do vizualizácie dát (2)
Čo je vizualizácia dát?
13:40
Prečo objavujeme a vizualizujeme dáta?
3:50
2. Základy vizualizácie dát (4)
Rozdelenie nášho datasetu
4:43
Estetické prvky vizualizácie
7:12
Štandardné typy vizualizácií
12:07
Vizualizovanie textov a času
6:11
3. Notebook: Vizualizovanie dát pomocou knižnice pandas (1)
Predstavenie notebooku - Vizualizácie s pandas
4:02
4. Vizualizačné techniky (3)
il buono, il brutto, il cattivo
7:14
Boxplot
7:21
1, 2, 3
6:30
5. Notebook: Jedno-dimenzionálne vizualizácie pomocou knižnice Seaborn (1)
Predstavenie notebooku - Univariate vizualizácie so Seaborn
4:30
6. Pokročilé vizualizačné techniky (5)
Princípy dobrej vizualizácie
2:01
Prioritizujte estetické prvky
3:21
Vizualizovanie náhodnej vzorky
3:31
Vizuálne čistenie vizualizácií
5:07
Minimalizujte faktor klamstva
4:31
7. Notebook: Dvoj-dimenzionálne vizualizácie pomocou knižnice Seaborn (1)
Predstavenie notebooku - Bivariate vizualizácie so Seaborn
1:41
8. Prístupy, stratégie a úvahy (6)
Interpolácia a extrapolácia
5:09
Pasca prílišnej vizualizácie
5:19
Farby vo vizualizáciách
12:56
Špeciálne úvahy
4:22
Vizualizovanie pod prístupmi
4:25
Zoskupenie vizualizovaných dát
4:48
9. Neistota a vizualizácie ako modely (2)
Neistota vo vizualizáciách
4:36
Skvelé vizualizácie sú modelmi
7:48
10. Notebook: Tri-a-viac-dimenzionálne vizualizácie pomocou knižnice Seaborn (1)
Predstavenie notebooku - Multivariate vizualizácie so Seaborn
4:25
11. Vizualizácie pomocou knižnice Matplotlib (1)
Predstavenie notebooku - Vizualizácie s Matplotlib
3:33
12. Bonusový notebook: Prvý pohľad na dáta (1)
Bonus: Prvý pohľad na dáta
1:58
13. Vizuálne skreslenia (6)
O tejto kapitole
4:30
Vizuálne skreslenie - Časť 1
3:15
Vizuálne skreslenie - Časť 2
1:54
Vizuálne skreslenie - Časť 3
2:32
Vizuálne skreslenie - Časť 4
4:32
Vizuálne skreslenie - Časť 5
3:13
Diskusia a hodnotenie (1)
Diskusia a hodnotenie
1:29
Lektor online kurzu
5,0
Hodnotenie
12
Kurzov
Hodnotenia študentov
Hodnotenia od študentov zapísaných v kurze na Skillmea.
5,0 z 5
· 10 hodnotení
Marek P.
5
Veľmi oceňujem aj možnosť praktického pretrénovania v pripravených Jupyteroch, jediné, s čím som mal problém ( a možno bola chyba u mňa), nedokázal som pracovať s CSV bank_data, cez interné úložisko. To, čo sa naimportovalo malo čudný formát bez štandardne rozdelených stĺpcov.
Jana I.
5
Študent ohodnotil kurz bez slovného komentára.
Juraj M.
5
Študent ohodnotil kurz bez slovného komentára.
Natália T.
5
Študent ohodnotil kurz bez slovného komentára.
