Modul #1 Einführung in interaktive Datenvisualisierungen Überblick über interaktive Datenvisualisierungen, Bedeutung und Anwendungen
Modul #2 Einrichten der Umgebung Installieren von Python, Jupyter Notebook und wichtigen Bibliotheken zur Datenvisualisierung
Modul #3 Einführung in Python zur Datenvisualisierung Grundlegende Python-Konzepte, Datenstrukturen und Bibliotheken zur Datenvisualisierung
Modul #4 Datenvorverarbeitung zur Visualisierung Importieren, Bereinigen und Vorbereiten von Daten zur Visualisierung
Modul #5 Einführung in Matplotlib Grundlagen von Matplotlib, Erstellen einfacher Diagramme und Anpassen von Visualisierungen
Modul #6 Matplotlib: Fortgeschrittene Themen Erstellen komplexer Diagramme, Animationen und 3D-Visualisierungen mit Matplotlib
Modul #7 Einführung in Seaborn Grundlagen von Seaborn, Visualisieren statistischer Beziehungen und kategorialer Daten
Modul #8 Seaborn: Fortgeschrittene Themen Erstellen informativer und attraktiver statistischer Grafiken mit Seaborn
Modul #9 Interaktive Visualisierungen mit Bokeh Einführung in Bokeh, Erstellen interaktiver Diagramme und Dashboards
Modul #10 Bokeh:Fortgeschrittene Themen Erstellen benutzerdefinierter Widgets, verknüpftes Bürsten und erweiterte Interaktivität mit Bokeh
Modul #11 Einführung in Plotly Grundlagen von Plotly, Erstellen interaktiver 2D- und 3D-Diagramme und Dashboards
Modul #12 Plotly:Fortgeschrittene Themen Erstellen benutzerdefinierter Layouts, Animationen und interaktiver Visualisierungen mit Plotly
Modul #13 Datenexploration mit Pandas und NumPy Verwenden von Pandas und NumPy zur Datenmanipulation, Filterung und Gruppierung
Modul #14 Interaktive Visualisierungen mit Altair Einführung in Altair, Erstellen interaktiver Visualisierungen und statistischer Grafiken
Modul #15 Geospatial Visualisierungen Visualisieren von Geodaten mit Folium, Plotly und Bokeh
Modul #16 Visualisierung von Netzwerkdaten Visualisierung von Netzwerkdaten mit NetworkX, Matplotlib und Plotly
Modul #17 Best Practices für interaktive Datenvisualisierung Designprinzipien, Farbtheorie und Zugänglichkeit bei interaktiver Datenvisualisierung
Modul #18 Bereitstellung interaktiver Visualisierungen Bereitstellung interaktiver Visualisierungen im Web, auf GitHub Pages und im Jupyter Notebook Viewer
Modul #19 Fallstudie:Interaktive Datenvisualisierung in der Wirtschaft Praktische Anwendung interaktiver Datenvisualisierung in Wirtschaft und Finanzen
Modul #20 Fallstudie:Interaktive Datenvisualisierung in der Wissenschaft Praktische Anwendung interaktiver Datenvisualisierung in Wissenschaft und Forschung
Modul #21 Fortgeschrittene Themen der interaktiven Datenvisualisierung Fortgeschrittene Themen wie interaktive 3D-Visualisierungen und virtuelle Realität
Modul #22 Arbeiten mit Big Data für interaktive Visualisierungen Verwendung von Big Data-Technologien wie Apache Spark für interaktive Datenvisualisierung
Modul #23 Interaktive Datenvisualisierung mit Machine Lernen Verwendung von Algorithmen des maschinellen Lernens für interaktive Datenvisualisierung und Storytelling
Modul #24 Kursabschluss und Schlussfolgerung Planen Sie die nächsten Schritte in der interaktiven Datenvisualisierung mit Python-Karriere
