À propos de ce cours
4.5
2,138 notes
389 avis
Spécialisation
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 17 heures pour terminer

Recommandé : 5 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Coréen

Ce que vous allez apprendre

  • Check

    Create a visualization using matplotlb

  • Check

    Describe what makes a good or bad visualization

  • Check

    Identify the functions that are best for particular problems

  • Check

    Understand best practices for creating basic charts

Compétences que vous acquerrez

Python ProgrammingData VirtualizationData Visualization (DataViz)Matplotlib
Spécialisation
100 % en ligne

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.
Dates limites flexibles

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.
Niveau intermédiaire

Niveau intermédiaire

Heures pour terminer

Approx. 17 heures pour terminer

Recommandé : 5 hours/week...
Langues disponibles

Anglais

Sous-titres : Anglais, Coréen

Programme du cours : ce que vous apprendrez dans ce cours

Semaine
1
Heures pour terminer
5 heures pour terminer

Module 1: Principles of Information Visualization

In this module, you will get an introduction to principles of information visualization. We will be introduced to tools for thinking about design and graphical heuristics for thinking about creating effective visualizations. All of the course information on grading, prerequisites, and expectations are on the course syllabus, which is included in this module. ...
Reading
7 vidéos (Total 37 min), 6 lectures, 2 quiz
Video7 vidéos
About the Professor: Christopher Brooks1 min
Tools for Thinking about Design (Alberto Cairo)8 min
Graphical heuristics: Data-ink ratio (Edward Tufte)4 min
Graphical heuristics: Chart junk (Edward Tufte)5 min
Graphical heuristics: Lie Factor and Spark Lines (Edward Tufte)3 min
The Truthful Art (Alberto Cairo)8 min
Reading6 lectures
Syllabus10 min
Help us learn more about you!10 min
Notice for Coursera Learners: Assignment Submission10 min
Dark Horse Analytics (Optional)10 min
Useful Junk?: The Effects of Visual Embellishment on Comprehension and Memorability of Charts30 min
Graphics Lies, Misleading Visuals10 min
Semaine
2
Heures pour terminer
7 heures pour terminer

Module 2: Basic Charting

In this module, you will delve into basic charting. For this week’s assignment, you will work with real world CSV weather data. You will manipulate the data to display the minimum and maximum temperature for a range of dates and demonstrate that you know how to create a line graph using matplotlib. Additionally, you will demonstrate the procedure of composite charts, by overlaying a scatter plot of record breaking data for a given year....
Reading
7 vidéos (Total 42 min), 2 lectures, 1 quiz
Video7 vidéos
Matplotlib Architecture6 min
Basic Plotting with Matplotlib7 min
Scatterplots8 min
Line Plots8 min
Bar Charts4 min
Dejunkifying a Plot3 min
Reading2 lectures
Matplotlib30 min
Ten Simple Rules for Better Figures30 min
Semaine
3
Heures pour terminer
8 heures pour terminer

Module 3: Charting Fundamentals

In this module you will explore charting fundamentals. For this week’s assignment you will work to implement a new visualization technique based on academic research. This assignment is flexible and you can address it using a variety of difficulties - from an easy static image to an interactive chart where users can set ranges of values to be used....
Reading
6 vidéos (Total 39 min), 2 lectures, 2 quiz
Video6 vidéos
Histograms9 min
Box Plots7 min
Heatmaps3 min
Animation5 min
Interactivity5 min
Reading2 lectures
Selecting the Number of Bins in a Histogram: A Decision Theoretic Approach (Optional)10 min
Assignment Reading10 min
Semaine
4
Heures pour terminer
5 heures pour terminer

Module 4: Applied Visualizations

In this module, then everything starts to come together. Your final assignment is entitled “Becoming a Data Scientist.” This assignment requires that you identify at least two publicly accessible datasets from the same region that are consistent across a meaningful dimension. You will state a research question that can be answered using these data sets and then create a visual using matplotlib that addresses your stated research question. You will then be asked to justify how your visual addresses your research question....
Reading
3 vidéos (Total 18 min), 2 lectures, 1 quiz
Video3 vidéos
Seaborn8 min
Becoming an Independent Data Scientist1 min
Reading2 lectures
Spurious Correlations10 min
Post-course Survey10 min
4.5
389 avisChevron Right
Orientation de carrière

44%

a commencé une nouvelle carrière après avoir terminé ces cours
Avantage de carrière

40%

a bénéficié d'un avantage concret dans sa carrière grâce à ce cours

Meilleurs avis

par SBNov 3rd 2017

Loved the course! This course teaches you details about matplotlib and enables you to produce beautiful and accurate graphs.. Assignments are challanging, and helps to build a solid foundation.

par MLJun 28th 2017

Good course to learned matplotlib and other Graphs libraries, but the course goes further than Python and also encourages the studies to create more meaningful and beautiful Graphic views.

À propos de University of Michigan

The mission of the University of Michigan is to serve the people of Michigan and the world through preeminence in creating, communicating, preserving and applying knowledge, art, and academic values, and in developing leaders and citizens who will challenge the present and enrich the future....

À propos de la Spécialisation Applied Data Science with Python

The 5 courses in this University of Michigan specialization introduce learners to data science through the python programming language. This skills-based specialization is intended for learners who have a basic python or programming background, and want to apply statistical, machine learning, information visualization, text analysis, and social network analysis techniques through popular python toolkits such as pandas, matplotlib, scikit-learn, nltk, and networkx to gain insight into their data. Introduction to Data Science in Python (course 1), Applied Plotting, Charting & Data Representation in Python (course 2), and Applied Machine Learning in Python (course 3) should be taken in order and prior to any other course in the specialization. After completing those, courses 4 and 5 can be taken in any order. All 5 are required to earn a certificate....
Applied Data Science with Python

Foire Aux Questions

  • Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.

  • Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.

D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.