Altair ile bildirimsel veri görselleştirmeye başlayın
Altair ile bildirimsel görselleştirme: Chart-mark-encode yapısı, veri tipleri, toplulaştırma ve transform, katmanlama, facet, seçim tabanlı etkileşim ve HTML/PNG dışa aktarma uygulamalı işlenir.
Altair'in bildirimsel görselleştirme mantığı
Python Altair kütüphanesine giriş yapar. Bildirimsel görselleştirme mantığı, Vega-Lite grameri, Chart nesnesi, mark türleri (point, line, bar, area, rect), encoding kanalları (x, y, color, size, shape, tooltip), veri tipleri (quantitative, nominal, ordinal, temporal), toplulaştırma, filtre ve hesaplanmış alan dönüşümleri, katmanlama ve birleştirme, temel seçim ve etkileşim, tema ve dışa aktarma uygulamalı işlenir.
3 Gün. Her gün dört modül; 1. gün Altair Temelleri, 2. gün Dönüşümler ve Birleştirme, 3. gün Etkileşim ve Paylaşım konularına ayrılmıştır.
Başlangıç Seviye — Altair ile bildirimsel görselleştirme: marks, encodings, veri tipleri ve etkileşim temelleri
Her kavram Jupyter'de pandas DataFrame üzerinde kısa örneklerle anlatılır; katılımcılar aynı grafiği farklı encoding'lerle yeniden kurarak farkı gözlemler.
Grafiği mark ve encoding bileşenlerinin birleşimi olarak düşünürsünüz.
Birkaç satırda anlamlı ve etkileşimli grafikler üretirsiniz.
Q, N, O, T tiplerini doğru kullanarak yanlış grafiği önlersiniz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Python ve temel pandas işlemleri bilinmelidir.
Jupyter Notebook veya JupyterLab ya da Colab hazır olmalıdır.
pip install altair vega_datasets ile kurulum yapılacaktır.
Sürekli ve kategorik veri ayrımına genel aşinalık faydalıdır.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
Grafiği mark ve encoding kombinasyonu olarak kurgulayabilirsiniz.
Q, N, O, T tiplerini doğru seçebilirsiniz.
Nokta, çizgi, çubuk ve alan grafiklerini oluşturabilirsiniz.
Altair içinde mean, count ve bin ile özet çıkarabilirsiniz.
Filtre ve hesaplanmış alanlarla veriyi dönüştürebilirsiniz.
Katman ve alt grafiklerle zengin görseller kurabilirsiniz.
Seçim ve tooltip ile temel etkileşim ekleyebilirsiniz.
Grafiği HTML, PNG veya SVG olarak dışa aktarabilirsiniz.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Python ağaç ve çizge algoritmaları eğitimi: ikili ağaç, BST, AVL, heap, trie, BFS, DFS, Dijkstra, topolojik sıralama ve gerçek yol bulma problemleri.
Detayları Gör →
Django'ya giriş eğitimi: MVT mimarisi, proje kurulumu, URL ve view, modeller, ORM, şablonlar, admin paneli, formlar ve kullanıcı giriş-çıkış uygulaması.
Detayları Gör →
Edge ve hafif ajanlar eğitimi: Python ile aygıt üzerinde aracılı yükleme, MQTT, yerel tampon, retry, mTLS, imzalı OTA güncelleme ve systemd/Docker ile dağıtım.
Detayları Gör →
Python performans optimizasyonu eğitimi: cProfile, line_profiler, tracemalloc, lru_cache, NumPy, Numba, threading, multiprocessing ve asyncio ile hızlandırma.
Detayları Gör →
Kurumsal Python eğitimi: proje mimarisi, tip güvenliği, tasarım kalıpları, SQLAlchemy, Celery, Kafka, FastAPI, OpenTelemetry, Docker, CI/CD ve Kubernetes dağıtı
Detayları Gör →