|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/r-data-visualization/
课程评论：没有评论
**Course Title: R语言与Python语言可视化入门** **Course Overview:** 本课程主要讲解如何在R语言和Python语言中进行数据可视化。课程内容以R语言为主（约70%），Python为辅（约30%）。课程面向希望快速了解数据可视化全貌，掌握“如何对何种数据进行可视化”的初学者，无需实际编码操作，仅需观看视频即可。 **Important Note (as of August 2021):** Upgraded R packages and R environment setup have become increasingly challenging. While Python visualization tools remain relatively stable, the practical coding aspect of learning R directly from this course may be difficult. However, the conceptual understanding of data aggregation and visualization gained from this course remains valuable for beginners regardless of their chosen tool (Excel, R, or Python). **Recommended Content:** **R Language Visualization:** * **R可视化基础 (Basics of R Visualization):** * 定性变量可视化 (Visualizing Qualitative Variables) * 定量变量可视化 (Visualizing Quantitative Variables) * 散点图矩阵 (Scatter Plot Matrix) * Stars 函数可视化 (Visualization with Stars Function) * Parcoord 函数可视化 (Visualization with Parcoord Function) * Rgl 包三维可视化 (3D Visualization with Rgl Package) * Tabplot 包可视化 (Visualization with Tabplot Package) * **R高级可视化 (Advanced R Visualization):** * ggplot2 包在不同变量组合下的可视化 (ggplot2 Visualization for Different Variable Combinations): * 一维定量变量 (One-dimensional Quantitative Variable) * 二维定量变量 (Two-dimensional Quantitative Variables) * 一维定性变量 (One-dimensional Qualitative Variable) * 二维定性变量 (Two-dimensional Qualitative Variables) * 定性与定量变量结合 (Combination of Qualitative and Quantitative Variables) * 散点图矩阵进阶 (Advanced Scatter Plot Matrix) * 平行坐标图进阶 (Advanced Parallel Coordinate Plot) * 分层数据可视化 (Visualizing Hierarchical Data) **Data Transformation:** * **数据转换技术 (Data Transformation Techniques):** * filter 函数提取行 (Extracting Rows with filter Function) - *Optional if not continuing with R* * select 函数提取列 (Extracting Columns with select Function) - *Optional if not continuing with R* * mutate 函数创建列 (Creating Columns with mutate Function) - *Optional if not continuing with R* * group_by 与 summarize 函数 (group\_by and summarize Functions) **Exploratory Data Analysis (EDA):** * **探索性数据分析 (Exploratory Data Analysis):** * 人事数据探索 (Exploratory Analysis of HR Data) **Machine Learning (For those interested):** * **机器学习概览 (Machine Learning Overview):** * **回归分析 (Regression Analysis):** * 单变量/多变量回归入门 (Introduction to Simple/Multiple Regression - Simple Regression) * 单变量/多变量回归入门 (Introduction to Simple/Multiple Regression - Multiple Regression) * 重回归练习 (Multiple Regression Practice) * **降维与聚类 (Dimensionality Reduction and Clustering):** * 主成分分析 (Principal Component Analysis - Dimensional Reduction) * 聚类分析 (Cluster Analysis) * **判别分析 (Discriminant Analysis):** * **决策树 (Decision Trees):** * 决策树回归 (Decision Tree Regression) - Part 1 (Front) * 决策树回归 (Decision Tree Regression) - Part 1 (Back) * 决策树回归 (Decision Tree Regression) - Part 2 * **集成方法 for Regression:** * Random Forest 回归 (Random Forest Regression) * XGBoost 回归 (XGBoost Regression) * **集成方法 for Classification:** * 决策树分类 (Decision Tree Classification) * Random Forest 分类 (Random Forest Classification) * XGBoost 分类 (XGBoost Classification) * **机器学习与EDA结合 (Machine Learning and EDA Integration):** * Steps 1-6 **Python Language Visualization:** * **Python数据整理与可视化 (Data Aggregation and Visualization in Python):** * 数据集計と可視化 1 (Data Aggregation and Visualization 1) * データ集計と可視化 2 (Data Aggregation and Visualization 2) **Python Data Transformation:** * **Python数据变形 (Data Transformation in Python):** * 按组集計 (Aggregation by Group) * 定性变量转为哑变量 (Creating Dummy Variables from Qualitative Variables) **Learning Account Offer:** From January 2018, free learning accounts are provided for students. To request an account, please email machine.learning.r@gmail.com with the subject "Udemyアカウント希望" and include your name and university affiliation.
本講義は、R言語とPython言語での可視化について解説させていただきます。R言語とPython言語の割合は、7:3くらいです。データ可視化の全体像を、コーディングせずに、動画だけ見てざっくりと、「どういうデータをどう可視化するか」、を知りたい人向けの講座です。2021年8月現在、だんだん、Rのパッケージが使えなくなったり、Rの環境構築が難しくなってきています。そしてそれの変化に対して、対応することが最近できておりません。Pythonはまだ動くものが多いと思います。今までは、Rをダウンロード・インストールして、コードを手で打ちながら学んでいただくことができていましたが、今では少し厳しいです。本講座は、Rでの可視化部分の動画を見ていただくくらいしか、価値がなくなってしまいました。一方で、データを集計・可視化して理解したいという初心者の方が、ExcelでもRでもPythonでも使える普遍的な知識を得るためにはまだ使えるかと思います。データを集計・可視化して理解したい方は、本講座のRかPythonの可視化の動画をご覧ください。その部分は未だに役に立つと思います。いろいろ動画をアップはしましたが、以下が2021年8月現在でもおすすめの動画です。特におすすめの動画には☆をつけてあります。～おすすめの可視化コンテンツ～【R言語編】ーRによる可視化基礎ー(基本的な可視化方法です)☆質的変数の可視化☆量的変数の可視化☆散布図行列☆stars関数による可視化☆parcoord関数による可視化rglパッケージによる三次元の可視化tabplotパッケージによる可視化ーRによる高度な可視化ー(よりきれいな可視化方法です)☆ggplot2パッケージによる一次元の量的変数の可視化☆ggplot2パッケージによる二次元の量的変数の可視化☆ggplot2パッケージによる一次元の質的変数の可視化☆ggplot2パッケージによる二次元の質的変数の可視化☆ggplot2パッケージによる質的変数と量的変数の可視化☆散布図行列の発展☆平行座標プロットの発展版階層構造があるデータの可視化～おすすめのデータ変形コンテンツ～ーデータ変換技術ー(後々この章の内容は重要になってきます)filter関数による行の抽出←今後R言語をやらないなら見なくてよいですselect関数による列の抽出←今後R言語をやらないなら見なくてよいですmutate関数による列の作成←今後R言語をやらないなら見なくてよいです☆group_by関数とsummarize関数ー探索的データ解析ー(データに対する探索的な解析アプローチです)人事データの探索的データ解析～おすすめの機械学習コンテンツ(機械学習に興味ある人向け)～機械学習概説☆単回帰・重回帰入門(単回帰編)単回帰・重回帰入門(重回帰編)重回帰演習☆主成分分析(次元削減)☆クラスター解析判別分析決定木による回帰1(前半)決定木による回帰1(後半)決定木による回帰2Randomforestによる回帰xgboostによる回帰決定木による分類Randomforestによる分類xgboostによる分類機械学習と探索的データ解析1機械学習と探索的データ解析2機械学習と探索的データ解析3機械学習と探索的データ解析4機械学習と探索的データ解析5機械学習と探索的データ解析6～おすすめのPythonでの可視化コンテンツ～【Python言語編】☆データ集計と可視化1☆データ集計と可視化2～おすすめのデータ変形～☆グループごとの集計☆質的変数からダミー変数を作成する方法とりあえず、RやPythonでどんなことができるか、全体像をつかんでいただけたらと思います。本講座では、学生に対しては、無料で学習アカウントを提供しています(2018年1月より)希望の方は、machine.learning.r@gmail.com まで、大学のメールアドレスより件名を「Udemyアカウント希望」として、お名前・ご所属名を添えてご連絡ください。
