Modul #1 Einführung in die Datenvisualisierung Überblick über Datenvisualisierung, Bedeutung und Verwendung
Modul #2 Python-Grundlagen für die Datenvisualisierung Überprüfung der Python-Grundlagen, einschließlich Datentypen, Bibliotheken und Syntax
Modul #3 Einführung in Matplotlib Überblick über Matplotlib, Installation und grundlegende Diagrammtypen
Modul #4 Liniendiagramme und Streudiagramme Erstellen von Liniendiagrammen und Streudiagrammen mit Matplotlib
Modul #5 Balkendiagramme und Histogramme Erstellen von Balkendiagrammen und Histogrammen mit Matplotlib
Modul #6 Anpassen von Diagrammen mit Matplotlib Anpassen des Erscheinungsbilds, der Beschriftungen und Legenden von Diagrammen mit Matplotlib
Modul #7 Einführung in Seaborn Überblick über Seaborn, Installation und grundlegende Visualisierungstypen
Modul #8 Visualisieren von Verteilungen mit Seaborn Visualisieren von Verteilungen mit Seaborns distplot und jointplot
Modul #9 Visualisierung kategorialer Daten mit Seaborn Visualisierung kategorialer Daten mit Seaborns countplot und kategorialen Plots
Modul #10 Visualisierung von Regressionsanalysen mit Seaborn Visualisierung von Regressionsanalysen mit Seaborns lmplot und regplot
Modul #11 Einführung in Plotly Übersicht über Plotly, Installation und grundlegende Visualisierungstypen
Modul #12 Interaktive Visualisierungen mit Plotly Erstellen interaktiver Visualisierungen mit Plotly
Modul #13 3D-Visualisierungen mit Plotly Erstellen von 3D-Visualisierungen mit Plotly
Modul #14 Datenvorbereitung für die Visualisierung Vorbereiten von Daten für die Visualisierung, einschließlich Bereinigen, Transformieren und Aggregieren
Modul #15 Datenquelle und Integration Verbinden mit Datenquellen, einschließlich CSV, Excel und Datenbanken
Modul #16 Erweiterte Visualisierungsthemen Erweiterte Visualisierungsthemen, einschließlich georäumliche Visualisierung und Animation
Modul #17 Best Practices für Datenvisualisierung Best Practices für Datenvisualisierung, einschließlich Designprinzipien und Storytelling
Modul #18 Fallstudien zur Datenvisualisierung Reale Fallstudien zur Datenvisualisierung, einschließlich Beispiele und Anwendungen
Modul #19 Arbeiten mit Big Data und Streaming-Daten Visualisierung von Big Data und Streaming-Daten, einschließlich Tools und Techniken
Modul #20 Bereitstellen von Datenvisualisierungen Bereitstellen von Datenvisualisierungen, einschließlich Optionen für Web, Mobilgeräte und Druck
Modul #21 Erweiterte Datenvisualisierungstools Einführung in erweiterte Datenvisualisierungstools, einschließlich Bokeh und Altair
Modul #22 Visualisierung für maschinelles Lernen Visualisierung von Modellen für maschinelles Lernen, einschließlich Modellbewertung und Merkmalsrelevanz
Modul #23 Visualisierung für die Verarbeitung natürlicher Sprache Visualisierung von Daten aus der Verarbeitung natürlicher Sprache, einschließlich Text- und Themenmodellierung
Modul #24 Visualisierung für Zeitreihendaten Visualisierung von Zeitreihendaten, einschließlich Prognosen und Anomalieerkennung
Modul #25 Visualisierung für geografische Daten Visualisierung geografischer Daten, einschließlich Kartierung und räumlicher Analyse
Modul #26 Interaktive Dashboards Erstellen interaktiver Dashboards mit Python und Datenvisualisierungsbibliotheken
Modul #27 Datenvisualisierung in der realen Welt Reale Anwendungen der Datenvisualisierung, einschließlich Wirtschaft, Gesundheitswesen und Finanzen
Modul #28 Abschlussprojekt Abschlussprojekt, bei dem die Studierenden ihre Fähigkeiten zur Datenvisualisierung auf ein reales Problem anwenden
Modul #29 Anhang: Fehlerbehebung und Ressourcen Fehlerbehebung häufiger Probleme und zusätzliche Ressourcen für weiteres Lernen
Modul #30 Kursabschluss und Schlussfolgerung Planen Sie die nächsten Schritte in der Datenvisualisierung mit Python-Karriere
