ការបង្ហាញទិន្នន័យគឺជារឿងមួយសំខាន់បំផុតបំផុតសម្រាប់អ្នកវិទ្យាសាស្ត្រទិន្នន័យ។ រូបភាពមានតំលៃស្មើនឹងពាក្យ ១០០០ ពាក្យ ហើយការបង្ហាញអាចជួយអ្នកកំណត់ចំណុចគួរឲទាក់ទាញនានានៃទិន្នន័យរបស់អ្នកដូចជាឧបសគ្គ, ការប្រមាណខុស, ការបំបែកជាក្រុម, និន្ទានុប្បវត្តិ និងជាច្រើនទៀត ដែលអាចជួយអ្នកយល់ចាំបាច់ពីរឿងដែលទិន្នន័យរបស់អ្នកកំពុងព្យាយាមប្រាប់។
នៅក្នុងមេរៀន៥នេះ អ្នកនឹងត្រូវស្រាវជ្រាវទិន្នន័យដែលបានប្រមូលចំពោះធម្មជាតិ ហើយបង្កើតការបង្ហាញដែលគួរឲ្យចាប់អារម្មណ៍ និងស្អាត ប្រើបច្ចេកទេសជាច្រើនផ្សេងៗ។
| លេខប្រធានបទ | ប្រធានបទ | មេរៀនដែលភ្ជាប់ | អ្នកនិពន្ធ |
|---|---|---|---|
| 1. | ការបង្ហាញបរិមាណ | ||
| 2. | ការបង្ហាញចែកចាយ | ||
| 3. | ការបង្ហាញអត្រា | ||
| 4. | ការបង្ហាញទំនាក់ទំនង | ||
| 5. | ការបង្កើតការបង្ហាញដែលមានអត្ថន័យ |
មេរៀនបង្ហាញទិន្នន័យទាំងនេះត្រូវបានសរសេរជាមួយ🌸 ដោយ Jen Looper, Jasleen Sondhi និង Vidushi Gupta។
🍯 ទិន្នន័យសម្រាប់ការផលិតទឹកឃ្មុំនៅអាមេរិកត្រូវបានយកពីគម្រោងរបស់ Jessica Li នៅលើ Kaggle។ ទិន្នន័យ ត្រូវបានទទួលពី ការិយាល័យរដ្ឋអាមេរិកផ្នែកកសិកម្ម។
🍄 ទិន្នន័យសម្រាប់ផ្សិតក៏ត្រូវបានយកពី Kaggle ដែលបានកែប្រែដោយ Hatteras Dunton។ ទិន្នន័យនេះរួមមានការពិពណ៌នាអំពីគំរូកាល्पनिकទាក់ទងនឹងបំរែបំរួល ២៣ ប្រភេទផ្សិតដែលមានរាងក្រចកនៅក្នុងក្រុម Agaricus និង Lepiota។ ផ្សិតគារពីពហុមុខមាត់ Audubon Society ច្រើនបានចងក្រងនៅឆ្នាំ ១៩៨១។ ទិន្នន័យនេះបានអំណោយទៅ UCI ML 27 ឆ្នាំ ១៩៨៧។
🦆 ទិន្នន័យសម្រាប់បក្សី Minnesota មកពី Kaggle ដែលបានយកពី Wikipedia ដោយ Hannah Collins។
ទិន្នន័យទាំងអស់នេះមានអាជ្ញាបណ្ណជា CC0: Creative Commons.
ការបដិសេធ៖
ឯកសារនេះត្រូវបានបកប្រែដោយប្រើសេវាកម្មបបូរសមាសភាដោយ AI Co-op Translator។ ខណៈពេលយើងខ្ញុំខិតខំដើម្បីបានភាពត្រឹមត្រូវ សូមបញ្ចាក់ថាការបកប្រែដោយស្វ័យប្រវត្តិអាចមានកំហុស ឬមិនត្រឹមត្រូវ។ ឯកសារដើមក្នុងភាសាតំបន់គួរត្រូវបានគេយកមកជាថ្នាក់ដើម។ សម្រាប់ព័ត៌មានសំខាន់ៗ ការបកប្រែដោយមនុស្សជំនាញត្រូវបានណែនាំ។ យើងមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសពីការប្រើប្រាស់ការបកប្រែនេះទេ។