نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره:
سازمانها به طور فزاینده ای به کسی احتیاج دارند که بتواند از میان "کلان داده" هایی که تولید می کنند ، منطقی باشد. این دوره به شما می آموزد که چگونه سیگنالهای پنهان شده در مجموعه داده های خود را شناسایی کرده و تجسم هایی را انتخاب کنید که داستانهای جذاب و جالب را بیان می کند. طراح تجسم داده یکی از جدیدترین مشاغل جدید در زمینه فناوری است زیرا سازمان های سراسر جهان در همه "داده های بزرگ" غرق شده اند آنها در حال تولید هستند. آنها به افرادی با مهارت برای تبدیل واقعیت ها و ارقام خام به تجسماتی که داستانی را بازگو می کنند و تأثیر می گذارند ، نیاز دارند. در این دوره ، طراحی Data Visualizations ، شما یاد خواهید گرفت که چگونه از خلاقیت و شهود خود برای یافتن بینش در مجموعه داده ها و همچنین تکنیک های اساسی تجزیه و تحلیل داده ها ، برای ایجاد داده های "غنی شده" و انتخاب تصویر صحیح برای انتقال معنای واقعی استفاده کنید. . اول ، شما خواهید دید که چگونه "سیگنال" ها را در داده ها تشخیص دهید - به نظر می رسد که عقل سلیم و دانش انسان از زمینه نه تنها هنوز مهم است ، بلکه کاملاً مهم است. سپس ، ضمن جلوگیری از "چهار گناه کشنده تجسم داده" ، تکنیک هایی مانند جداول محوری ، قالب بندی مشروط و پیوستن و ادغام داده ها را برای ایجاد بینش روشن یاد خواهید گرفت. سرانجام ، شما خواهید فهمید که چه نوع تجسمی با آنچه داده به شما می گوید مطابقت دارد. بعد از اتمام این دوره ، خواهید فهمید که چگونه در داخل داده ها جستجو کنید ، آنچه را که مخاطبان شما بیشتر به آن نیاز دارند و بیشتر به آن علاقه دارند ، و از آن برای طراحی تجسم داده ها استفاده کنید.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
-
بررسی اجمالی دوره
Course Overview
روابط داده ای لکه بینی که می توانند تجسم شوند
Spotting Data Relationships That Can Be Visualized
-
مقدمه: یافتن معنی پنهان در همه اعداد
Intro: Finding the Hidden Meaning in All the Numbers
-
قبل از شروع به گفتن داستان خود ...
Before You Start Telling Your Story ...
-
اجتناب از 4 گناه مرگبار تجسم داده ها
Avoiding the 4 Deadly Sins of Data Visualization
-
انجام تجزیه و تحلیل داده های اکتشافی (EDA)
Performing an Exploratory Data Analysis (EDA)
-
فرضیه Maxim Null هایمن: چگونه می توانیم اطلاعات واقعی خود را بشناسیم؟
Hyman's Maxim & Null Hypothesis: How Do We Know Our Data Is Real?
-
انجام یک بررسی واقعیت فرضیه پوچ
Performing a Null Hypothesis Reality Check
انتخاب کدام روابط برای تجسم
Choosing Which Relationships to Visualize
-
تمرین عملی: مقدمه ای بر جداول محوری
Hands-on Exercise: Introduction to Pivot Tables
-
با استفاده از ابزار تجزیه و تحلیل داده ها در جداول محوری برای یافتن سیگنال ها
Using Data Analysis Tools in Pivot Tables to Find Signals
-
استفاده از قالب بندی مشروط برای کشف سیگنال های پنهان
Using Conditional Formatting to Reveal Hidden Signals
-
استفاده از مرتب سازی برای کشف سیگنالهای پنهان
Using Sorting to Reveal Hidden Signals
-
لیست سیگنال هایی که در داده های خود مشاهده کرده ایم
Listing the Signals We've Spotted in Our Data
درون یابی ، برون یابی و هزینه های دور
Interpolation, Extrapolation, and Outliers
-
درون یابی چیست و چه زمانی باید از آن استفاده کنم؟
What Is Interpolation and When Should I Use It?
-
خطرات مرتبط با درون یابی چیست؟
What Are the Risks Associated with Interpolation?
-
عملی: درون یابی اساسی در Excel: پر کردن جای خالی
Hands-on: Basic Interpolation in Excel: Filling In the Blanks
-
مقابله با خطرات درون یابی
Dealing with Interpolation Dangers
-
عملی: درون یابی سریع و کثیف در Excel
Hands-on: Quick and Dirty Interpolation in Excel
-
برون یابی چیست و چرا همه اینقدر دوست دارند؟
What Is Extrapolation and Why Does Everyone Like It So Much?
-
پیش بینی های نادرست: خطرات منطقی ذاتی برون یابی
Faulty Forecasts: Logical Risks Inherent in Extrapolation
-
Hands On: آزمایش با برون یابی در اکسل
Hands On: Experimenting with Extrapolation In Excel
-
دور از دسترس: خوب ، بد ، یا فقط عجیب و غریب؟
Outliers: Good, Bad, or Just Weird?
-
دستی: تشخیص موارد دور در مجموعه های داده بزرگ
Hands-on: Detecting Outliers in Large Datasets
تبدیل داده ها به تجسم های مناسب
Transforming Data into Appropriate Visualizations
-
مقدمه ای برای ایجاد مجموعه داده های غنی شده
Introduction to Creating Enriched Datasets
-
ترکیب چندین سری داده با استفاده از ادغام ها
Combining Multiple Data Series Using Merges
-
دستی: انجام ادغام داده ها
Hands-on: Performing a Data Merge
-
اطلاعات پیوستن چیست؟ داخلی ، چپ ، راست ، کاملاً بیرونی
What Are Data Joins? Inner, Left, Right, Full Outer
-
انتخاب نوع مناسب عضویت برای داده های ما
Choosing the Right Type of Join for Our Data
-
عملی: داده ها با استفاده از XLOOKUP به اکسل می پیوندند
Hands-on: Data Joins in Excel Using XLOOKUP
-
انتخاب تجسم مناسب برای متن
Choosing the Appropriate Visualization for the Context
-
دستی: ایجاد یک تجسم مناسب برای داده های غنی شده
Hands-on: Creating an Appropriate Visualization for Enriched Data
نمایش نظرات