Explore l'approche structurée de l'analyse exploratoire des données spatiales, en soulignant l'importance des cadres analytiques et du mantra de recherche visuelle.
Explore les techniques et les applications de la visualisation des données, en soulignant l'importance d'une communication efficace et d'exemples non conventionnels.
Introduit le cours d'analyse des données appliquées à l'EPFL, couvrant un large éventail de sujets d'analyse des données et mettant l'accent sur l'apprentissage continu en sciences des données.
Couvre l'essentiel de la science des données, y compris le traitement, la visualisation et l'analyse des données, en mettant l'accent sur les compétences pratiques et l'engagement actif.
Couvre l'analyse en composantes principales pour la réduction dimensionnelle des données biologiques, en se concentrant sur la visualisation et l'identification des modèles.
Explore les principes de visualisation des données, y compris la navigation des cartes, les histogrammes, les diagrammes de dispersion, les diagrammes de boîte et l'utilisation des couleurs.
Présente l'expérience de stage d'un étudiant en sciences humaines numériques, en se concentrant sur la visualisation de la recherche et la collaboration sur le site Web.
Couvre les principes et les techniques de visualisation des données, en mettant l'accent sur la narration, la détection d'anomalies et la communication efficace des résultats.
Introduit des outils collaboratifs de science des données comme Git et Docker, en mettant l'accent sur le travail d'équipe et les exercices pratiques pour un apprentissage efficace.
Couvre l'utilisation pratique de QGIS pour l'analyse et la visualisation des données spatiales, y compris le géoréférencement des cartes historiques et la manipulation des données vectorielles.
S'inscrit dans les fondamentaux du journalisme de données et met en valeur son impact à travers des exemples du monde réel de The Pudding et The Guardian.
Explore l'analyse des données de voiture en Python à l'aide de l'espace de travail ICC et couvre la lecture, le traitement et l'analyse des informations de voiture.
Couvre l'analyse des données sur la pollution atmosphérique, en se concentrant sur les bases de R, en visualisant des séries chronologiques et en créant des résumés des concentrations de polluants.