آموزش تسلط بر تجسم داده ها: نظریه و مبانی

Mastering Data Visualization: Theory and Foundations

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش طراحی نمودارهای شگفت انگیز برای تجسم و ارتباطات برای علم [داده]، روزنامه نگاری و داستان نویسی یاد بگیرید طراحی ارتباطات موثر داده ای را بیاموزید طرح های خود را تا سطح حرفه ای بهبود بخشید یاد بگیرید که طرح مناسب را برای هدف خود انتخاب و طراحی کنید یاد بگیرید که نمودارهای متقاعد کننده ایجاد کنید. دروغ نگویید یاد بگیرید از تله هایی اجتناب کنید که داده های شما می توانند در آن بیفتند یاد بگیرید بین تجسم خوب، بد و اشتباه تمایز قائل شوید قوانین طلایی برتری گرافیکی، یکپارچگی و پیچیدگی را بیاموزید رایج ترین جنایات در طرح ریزی را بیاموزید تا بتوانید از آنها اجتناب کنید! پیش نیازها: در این دوره هیچ کدنویسی وجود ندارد. بدون نیاز به مهارت برنامه نویسی هیچ دانش قبلی در مورد تجسم داده ها مورد نیاز نیست. یک شروع عالی برای مبتدیان، یک برداشت جالب برای کسانی که تجربه در Data Viz دارند.

به تسلط بر تجسم داده ها خوش آمدید! در این دوره آموزشی، شما قصد دارید در مورد تئوری و مبانی تجسم داده ها بیاموزید تا بتوانید نمودارهای شگفت انگیزی ایجاد کنید که آموزنده، صادقانه به داده ها و از نظر ارتباطی موثر هستند.

آیا متوجه شده‌اید که نمودارهای بیشتری هر روز تولید می‌شوند؟ اگر تلویزیون را روشن کنید، نمودار میله‌ای وجود دارد که سیر تکامل کووید را به شما می‌گوید، اگر وارد توییتر شوید، رونق بگیرید! نمودارهای خطی زیادی که سیر تحول قیمت گاز را نشان می دهد. در روزنامه ها، تعداد زیادی اینفوگرافیک در مورد جدیدترین کشف به شما می گوید... دلیل آن این است که اکنون ما داده های زیادی داریم و طبیعی ترین راه برای برقراری ارتباط داده ها به صورت تصویری است: یعنی از طریق تجسم داده ها. . اما، آیا متوجه تمام اشتباهات در آن تجسم ها شده اید؟ باید به شما بگویم، بسیاری از نمودارهایی که من به طور مرتب می بینم این یا آن مشکل را دارند. شاید انتخاب رنگ آنها گیج کننده باشد، نوع نمودار اشتباهی را انتخاب کرده باشند، یا داده ها را به شکلی تحریف شده نمایش دهند.

در واقع، این اتفاق می‌افتد زیرا نقش‌های حرفه‌ای بیشتر و بیشتری نیاز به ارائه داده‌ها به صورت بصری دارند، اما آموزش‌های کمی در مورد نحوه انجام صحیح آن وجود دارد. هدف این دوره رفع این شکاف است. اگر یک چیزی باشد که می توانم به شما قول بدهم این است که پس از اتمام این دوره، نمودارها را به روشی کاملاً متفاوت مشاهده خواهید کرد. می‌توانید تجسم‌های خوب و بد را تشخیص دهید، و مهم‌تر از آن، می‌توانید تشخیص دهید که چه زمانی یک نمودار دروغ می‌گوید و چگونه آن را اصلاح کنید.

اگر شما نیاز به تجزیه و تحلیل، ارائه یا برقراری ارتباط حرفه ای داده ها در مقطعی دارید، این دوره ضروری است. در واقع، حتی اگر برای امرار معاش نیازی به ترسیم نقشه نداشته باشید، این دوره بسیار مفید است. از این گذشته، همه ما مصرف کننده تجسم داده ها هستیم و باید تشخیص دهیم که چه زمانی نمودارها به ما دروغ می گویند. (به عنوان مثال، مادرم در یکی از کلاس های من شرکت کرد و اکنون در بسیاری از رسانه هایی که هر روز می بیند اشتباهات را تشخیص می دهد!)

من واقعاً شما را تشویق می کنم که دانش خود را در مورد تجسم داده ها عمیق کنید. موضوع سختی نیست و از اصول اولیه شروع می کنیم. شما به هیچ دانش قبلی نیاز ندارید. من هر آنچه را که باید در طول مسیر بدانید به شما آموزش می دهم و مستقیماً به سر اصل مطلب می رویم. بدون سر و صدا من واقعا امیدوارم که شما را در کلاس ببینم!


سرفصل ها و درس ها

معرفی Introduction

  • معرفی Introduction

  • درباره این دوره: 5 Ws About this course: the 5 Ws

  • نمونه هایی از تجسم داده ها Examples of Data Visualization

  • مشکل بصری سازی داده ها The Problem with Data Visualization

درک گرافیکی Graphical Perception

  • یک وقفه خیلی سریع... A very quick interruption...

  • مقدمه ای بر این فصل Introduction to this Chapter

  • علم ادراک گرافیکی انسان The science of human graphical perception

  • تکالیف ادراکی ابتدایی (قسمت اول) The Elementary Perceptual Tasks (Part 1)

  • تکالیف ادراکی ابتدایی (قسمت دوم) The Elementary Perceptual Tasks (Part 2)

  • درک گرافیکی شما چقدر خوب است؟ How good is your Graphical Perception?

  • رتبه بندی وظایف ادراکی ابتدایی The Ranking of the Elementary Perceptual Tasks

  • وظایف ادراکی ابتدایی را شناسایی کنید Identify the Elementary Perceptual Tasks

  • بازطراحی نمودارها Redesigning charts

قوانین طلایی تجسم داده ها The Golden Rules of Data Visualization

  • مقدمه ای بر این فصل Introduction to this Chapter

  • برتری گرافیکی Graphical Excellence

  • اعوجاج گرافیکی Graphical Distortion

  • یکپارچگی گرافیکی: عامل دروغ Graphical Integrity: The Lie Factor

  • تمرین: محاسبه ضریب دروغ (به روز شده!) Exercise: Calculate the Lie Factor (updated!)

  • برچسب گذاری و حاشیه نویسی Labeling and Annotation

  • تنوع داده ها در مقابل تنوع طراحی Data Variation vs. Design Variation

  • مشکل ابعاد The problem with dimensions

  • چند توصیه در مورد ابعاد Some advice regarding dimensions

  • نسبت داده به جوهر The Data-Ink Ratio

  • چگالی داده ها Data Density

  • نسبت و مقیاس Proportion and Scale

تله های آماری: چگونه در آنها نیفتیم؟ Statistical Traps: How not to fall in them

  • همبستگی روزنامه نمی فروشد Correlation doesn't sell newspapers

  • سوگیری انتخاب و فرسایش داده ها Selection Bias and Data Attrition

  • اهمیت زمینه The Importance of Context

  • عادی سازی نادرست داده ها The Incorrect Normalization of the Data

  • پارادوکس سیمپسون The Simpson's Paradox

نمودارها: نمودار صحیح برای داده های خود را پیدا کنید Plots: Find the correct plot for your data

  • صبر کنید، آیا واقعاً به طرح نیاز دارید؟ Wait, do you really need a plot?

  • انواع قطعه ها Types of Plots

  • پلاتینگ توزیع ها Plotting Distributions

  • ترسیم روابط بین متغیرها Plotting Relationships between variables

  • ترسیم رتبه بندی Plotting Rankings

  • مقایسه جزء با کل Comparing Part to Whole

  • ترسیم داده های مکانی: نقشه ها Plotting spatial data: Maps

طرح جنایات Plot Crimes

  • مقدمه فصل Introduction to the chapter

  • چه زمانی قطع کردن محور Y مناسب است؟ When is it okay to cut the Y-axis?

  • سایه زدن به مساحت یک طرح خط Shading the Area of a Line Plot

  • نمودار اسپاگتی The Spaghetti Chart

  • نوارهای خطا و طرح دینامیت Error bars and the Dynamite Plot

  • چگونه رنگ های مناسب را انتخاب کنیم How to choose the right colors

  • اشتباهات رایج در مورد رنگ Common mistakes with color

بعدش چی؟ What Next?

  • تبریک می گویم! حالا چی؟ Congratulations! What now?

نمایش نظرات

آموزش تسلط بر تجسم داده ها: نظریه و مبانی
جزییات دوره
5 hours
43
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
3,496
4.7 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Clara Granell, PhD Clara Granell, PhD

محقق سیستم های پیچیده و کارشناس تجسم داده ها