강의

멘토링

커뮤니티

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.

65 học viên đang tham gia khóa học này

Độ khó Nhập môn

Thời gian Không giới hạn

  • asdfghjkl13551941
Matplotlib
Matplotlib
Python
Python
AI
AI
Matplotlib
Matplotlib
Python
Python
AI
AI

Bạn sẽ nhận được điều này sau khi học.

  • 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

3,491

Học viên

160

Đánh giá

85

Trả lời

4.9

Xếp hạng

16

Các khóa học

Lịch sử giảng dạy

  • [LIKE LION] Khóa học Trí tuệ nhân tạo Trung - Cao cấp

  • [Viện Khoa học Khí tượng Quốc gia] Khóa học Weather AI Boostcamp năm 2022, 2023, 2025

  • [Samsung Electro-Mechanics] Khóa học SW chuyên sâu dành cho nhân viên mới

  • [Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Chương trình cố vấn dài hạn nâng cao năng lực thực hiện R&D

  • [Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Sản xuất nội dung E-learning cho khóa học chuyên sâu về R&D

  • [Viện Đào tạo Nhân lực Khoa học và Công nghệ Quốc gia] Khóa học trực quan hóa dữ liệu nghiên cứu dành cho nghiên cứu sinh sau tiến sĩ

  • [Đại học Wonkwang] Đào tạo AI tập trung và Khóa học AI ngắn hạn & dài hạn tại Đại học Wonkwang

  • [Cơ quan Thúc đẩy Xã hội Thông tin và Trí tuệ Nhân tạo Hàn Quốc] Đào tạo nhân tài nữ trong lĩnh vực SW

  • [SK m&service] Ra quyết định dựa trên dữ liệu

  • [Hiệp hội Thúc đẩy Kinh doanh IT Hàn Quốc] ICT COG Academy

  • [Sở Giáo dục Seoul] Đào tạo lĩnh vực công nghệ mới

    [KT] Khóa học nâng cao năng lực AI của KT [K-ICT] Trại phân tích khu vực dữ liệu an toàn [Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Học Vision AI lần đầu tiên [Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Phân tích dữ liệu bằng Python

  • [KT] Khóa học nâng cao năng lực AI của KT

  • [K-ICT] Trại phân tích khu vực an toàn dữ liệu

  • [Viện Thúc đẩy Kinh tế và Khoa học Gyeonggi] Nhập môn Vision AI cho người mới bắt đầu

  • [Gyeonggido Business & Science Accelerator] Nhập môn phân tích dữ liệu bằng Python

  • [Viện Khoa học và Công nghệ Seoul] Đào tạo chuyên sâu về ứng dụng AI

  • [Đại học Quốc gia Seoul] Đào tạo nâng cao năng lực ứng dụng AI

  • [HD Korea Shipbuilding & Offshore Engineering] Phát triển đánh giá năng lực vị trí nghiên cứu AI tại AIC

  • [Multicampus] Từ nguyên lý đến thực thi, làm chủ các thuật toán học máy cốt lõi

  • [패스트캠퍼스] Tiếp cận Deep Learning dưới góc độ toán học

  • [패스트캠퍼스] Trọn bộ từ A-Z về Machine Learning và Phân tích dữ liệu trong một lần học

  • [패스트캠퍼스] Byte Degree Lv.2 Deep Learning Essentials

  • [Fast Campus] Khoảng cách siêu biệt về Trí tuệ nhân tạo Deep Learning

  • [Fast Campus] Khoảng cách siêu việt Khoa học máy tính VER.2

    Phân tích A-Z [Fast Campus] Byte Degree Lv.2 Deep Learning Essentials [Fast Campus] Deep Learning AI Super Gap [Fast Campus] Khoa học Máy tính Super Gap 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!

704.599 ₫

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!