Inflearn brand logo image
Inflearn brand logo image
Inflearn brand logo image
Data Science

/

Data Analysis

[PL 0303] Python cho Trực quan hóa Dữ liệu - Lớp học Master Matplotlib

Đây là một bài giảng về trực quan hóa dữ liệu bằng thư viện Matplotlib.

47 học viên đang tham gia khóa học này

  • asdfghjkl13551941
matplotlib
2025년
파이썬
데이터시각화
마스터과정
Matplotlib
Python
AI

Dịch cái này sang tiếng Việt

  • Trăn

  • Matplotlib

  • Trực quan hóa dữ liệu

ĐỂ Ý

Bài giảng này là một phần của học kỳ trước (học kỳ chuẩn bị trước học kỳ này) của chương trình giảng dạy chuyên ngành trí tuệ nhân tạo Tất cả về AI.

Thư viện xử lý dữ liệu: NumPy, Matplotlib, Pandas
Bài giảng này trình bày về Matplotlib, cốt lõi của trực quan hóa dữ liệu .

Liên kết Miro: https://miro.com/app/board/uXjVNJ8PZSs=/?share_link_id=801072444784

Để biết phần giới thiệu về All About AI, vui lòng tham khảo bài giảng định hướng.

Matplotlib, cốt lõi của công cụ trực quan hóa dữ liệu sử dụng Python!

Trong thế giới Python, Matplotlib là thư viện chuẩn thực tế cho việc trực quan hóa dữ liệu.

Giống như NumPy, một khi bạn đã học đúng cách, đây là một thư viện sẽ giúp ích rất nhiều trong bất kỳ lĩnh vực nào bạn học trong tương lai.

Trong khóa học này, bạn sẽ được học Matplotlib một cách toàn diện hơn bất kỳ tài liệu đào tạo nào khác .

Matplotlib theo góc nhìn có hệ thống và hướng đối tượng!

Khóa học này bao gồm 4 phần và 18 chương.

Phần I Xem trước Matplotlib

Chương 1 Xem trước trực quan với giao diện PyPlot

Chương 2 Xem trước trực quan với giao diện OOP

Phần II Giải phẫu Matplotlib

Chap3 Matplotlib Anatomy Điều kiện tiên quyết

Chap4 Hình tượng vật thể

Chap5 Trục Đối Tượng

Chap6 Đối tượng văn bản

Chap7 Gai, Ve và Lưới

Chap8 Đối tượng trục và chú giải

Chương 9 Bản đồ màu và thanh màu

Chap10 rcParams và Styles

Chap11 Biến đổi

Phần III API vẽ đồ thị

Chương 12 Hình ảnh hóa dữ liệu theo cặp

Chương 13 Phân phối thống kê Hình ảnh hóa

Chương 14 Hình ảnh hóa dữ liệu dạng lưới

Chương 15 Hình ảnh hóa dữ liệu 3D

Phần IV Thực hành trực quan

Chương 16 EDA về loài Iris

Chương 17 Phân loại MNIST

Chương 18 EDA về việc chia sẻ xe đạp ở London


Các phần sau đây được giới thiệu theo thứ tự thời gian ngược lại để giải thích những gì bạn cần học để đạt được mục tiêu của mình.

Phần IV Thực hành trực quan

Cuối cùng, thông qua khóa học này, chúng ta sẽ học được khả năng trực quan hóa dữ liệu theo cách chúng ta muốn.

Để đạt được mục đích này, trong Phần VI cuối cùng, chúng ta sẽ thực hành xử lý và trực quan hóa dữ liệu được sử dụng phổ biến nhất trong học máy.

Sau đây là ví dụ về hình ảnh trực quan mà chúng ta sẽ cùng nhau tạo ra trong Phần VI.

Phần III API vẽ đồ thị

Để vẽ đồ thị như Phần VI, bạn cần học cách sử dụng nhiều API vẽ đồ thị khác nhau do Matplotlib cung cấp.

Matplotlib cung cấp các loại biểu đồ sau:

Trong bài giảng này, chúng ta sẽ học cách sử dụng tất cả các API vẽ đồ thị, ngoại trừ các đồ thị ít được sử dụng trong các hình trên.

Phần II Giải phẫu Matplotlib

Trước khi đi sâu vào Phần III, ở Phần II chúng ta sẽ tìm hiểu cách sử dụng các phần tử chung cho mọi biểu đồ .

Như bạn có thể thấy trong hình ảnh này, các thành phần như Hình, Trục, Văn bản, Xương sống, XAXis, YAxis, Tick, Ticklabel và Lưới áp dụng cho tất cả biểu đồ.

Vì vậy, trong Phần II, trước khi bắt đầu vẽ biểu đồ một cách nghiêm túc, chúng ta sẽ học cách xử lý các yếu tố phổ biến này theo ý muốn.

Điều này sẽ cho phép bạn tìm hiểu các yếu tố chung áp dụng cho thế giới Matplotlib cùng một lúc và tìm hiểu cách Matplotlib hoạt động một cách có hệ thống.

Phần I Xem trước Matplotlib

Trong Phần II, chúng ta sẽ tìm hiểu từng thành phần của đồ thị Matplotlib.

Tuy nhiên, nếu bạn học nội dung này ngay lập tức, bạn có thể cảm thấy nó thật bất ngờ.

Vì vậy, trong phần đầu tiên, Phần I , chúng ta sẽ tìm hiểu tổng quan về quá trình vẽ đồ thị bằng Matplotlib.

Tìm hiểu tóm tắt về hai giao diện được sử dụng trong Matplotlib và lý do tại sao Giao diện OOP mạnh hơn Giao diện PyPlot.

Điều này sẽ giúp bạn hiểu được những điều bạn học tiếp theo sẽ được áp dụng ở đâu và như thế nào.

Bài giảng như một ghi chú tham khảo!

Khi sử dụng Matplotlib của Python trong thực tế, có rất nhiều nội dung nên rất khó để ghi nhớ và sử dụng mọi thứ.

Ghi chú bài giảng cho khóa học này sẽ đóng vai trò là ghi chú tham khảo giúp bạn làm việc nhanh chóng bằng cách xem ghi chú bài giảng thay vì phải tìm kiếm tài liệu trên Internet một cách kém hiệu quả.

Khuyến nghị cho
những người này

Khóa học này dành cho ai?

  • Những người xử lý dữ liệu bằng Python

  • Những người học Machine Learning, Deep Learning

Cần biết trước khi bắt đầu?

  • Cơ bản về Numpy

  • Cơ bản về cú pháp Python

Xin chào
Đây là

2,860

Học viên

115

Đánh giá

79

Trả lời

5.0

Xếp hạng

13

Các khóa học

강의 이력

  • [멋쟁이 사자처럼] 인공지능중고급과정

  • [국립기상과학원] 2022년, 2023년, 2025년 기상 AI 부스트캠프

  • [삼성전기] 신입SW과정 전문반

  • [국가과학기술인력개발원] R&D 수행 역량 강화 장기 멘토링

  • [국가과학기술인력개발원] R&D 전문과정 이러닝 컨텐츠 제작

  • [국가과학기술인력개발원] 박사후연구원 연구 데이터 시각화 과정

  • [원광대학교] 원광대학교 AI 집체교육 및 AI 장단기과정

  • [한국지능정보사회진흥원] SW여성인재 교육

  • [SK m&service] 데이터 기반 의사결정

  • [한국IT비즈니스진흥협회] ICT COG Academy

  • [서울시 교육청] 신기술분야 연수

     

  • [KT] KT AI 역량향상 과정

  • [K-ICT] 데이터 안심구역 분석캠프

  • [경기도경제과학진흥원] 처음으로 배우는 비전 AI

  • [경기도경제과학진흥원] 파이썬 데이터 분석 입문

  • [서울과학기술원] AI 활용 심화교육

  • [서울대학교] AI 활용 역량강화 교육

  • [HD한국조선해양] AIC AI 연구직 역량 평가 개발

  • [멀티캠퍼스] 원리부터 구현까지, 머신러닝 핵심 알고리즘 마스터

     

     

     

 

  • [패스트캠퍼스] 수학적으로 접근하는 딥러닝

  • [패스트캠퍼스] 한 번에 끝내는 머신러닝과 데이터분석 A-Z

  • [패스트캠퍼스] 바이트 디그리 Lv.2 Deep Learning Essentials

  • [패스트캠퍼스] 딥러닝인공지능 초격차

  • [패스트캠퍼스] 컴퓨터 공학 초격차 VER.2

     

Chương trình giảng dạy

Tất cả

103 bài giảng ∙ (19giờ 55phút)

Tài liệu khóa học:

Tài liệu bài giảng
Ngày đăng: 
Cập nhật lần cuối: 

Đánh giá

Chưa có đủ đánh giá.
Hãy trở thành tác giả của một đánh giá giúp mọi người!

716.373 ₫

Khóa học khác của asdfghjkl13551941

Hãy khám phá các khóa học khác của giảng viên!

Khóa học tương tự

Khám phá các khóa học khác trong cùng lĩnh vực!