डेटा सायंटिस्टसाठी डेटा दृश्यचित्रण करणे ही एक महत्त्वाची जबाबदारी आहे. एक चित्र हजार शब्दांपेक्षा जास्त सांगते, आणि दृश्यचित्रण तुम्हाला तुमच्या डेटामधील अनेक मनोरंजक गोष्टी शोधण्यात मदत करू शकते, जसे की स्पाइक्स, आउटलाईयर्स, गट, प्रवृत्ती, आणि बरेच काही, ज्यामुळे तुम्हाला तुमचा डेटा काय सांगू इच्छित आहे हे समजण्यास मदत होते.
या पाच धड्यांमध्ये, तुम्ही निसर्गातून मिळालेल्या डेटाचा अभ्यास कराल आणि विविध तंत्रांचा वापर करून आकर्षक आणि सुंदर दृश्यचित्रण तयार कराल.
| विषय क्रमांक | विषय | संबंधित धडा | लेखक |
|---|---|---|---|
| 1. | प्रमाणांचे दृश्यचित्रण | ||
| 2. | वितरणाचे दृश्यचित्रण | ||
| 3. | प्रमाणांचे दृश्यचित्रण | ||
| 4. | नातेसंबंधांचे दृश्यचित्रण | ||
| 5. | अर्थपूर्ण दृश्यचित्रण तयार करणे |
हे दृश्यचित्रण धडे 🌸 जेन लूपर, जसलीन सोनधी आणि विदुषी गुप्ता यांनी लिहिले आहेत.
🍯 अमेरिकेतील मध उत्पादनाचा डेटा जेसिका लीच्या Kaggle प्रकल्पातून घेतला आहे. डेटा युनायटेड स्टेट्स डिपार्टमेंट ऑफ अॅग्रिकल्चर कडून घेतला आहे.
🍄 मशरूमसाठीचा डेटा Kaggle वरून हॅटरस डंटन यांनी सुधारित केला आहे. या डेटासेटमध्ये Agaricus आणि Lepiota कुटुंबातील 23 प्रजातींच्या गिल्ड मशरूमचे वर्णन आहे. हा डेटा The Audubon Society Field Guide to North American Mushrooms (1981) वरून घेतला आहे. हा डेटासेट 1987 मध्ये UCI ML 27 ला दान करण्यात आला.
🦆 मिनेसोटा पक्ष्यांसाठीचा डेटा Kaggle वरून हॅना कॉलिन्स यांनी Wikipedia वरून स्क्रॅप केला आहे.
सर्व हे डेटासेट CC0: क्रिएटिव्ह कॉमन्स अंतर्गत परवानाधारक आहेत.
अस्वीकरण:
हा दस्तऐवज AI भाषांतर सेवा Co-op Translator चा वापर करून भाषांतरित करण्यात आला आहे. आम्ही अचूकतेसाठी प्रयत्नशील असलो तरी कृपया लक्षात ठेवा की स्वयंचलित भाषांतरांमध्ये त्रुटी किंवा अचूकतेचा अभाव असू शकतो. मूळ भाषेतील दस्तऐवज हा अधिकृत स्रोत मानला जावा. महत्त्वाच्या माहितीसाठी व्यावसायिक मानवी भाषांतराची शिफारस केली जाते. या भाषांतराचा वापर करून निर्माण होणाऱ्या कोणत्याही गैरसमज किंवा चुकीच्या अर्थासाठी आम्ही जबाबदार राहणार नाही.