msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'main'
${ noResults }
Data-Science-For-Beginners/translations/fr/3-Data-Visualization
History
leestott 1315f4d10d
🌐 Update translations via Co-op Translator 		2 weeks ago
..
09-visualization-quantities 🌐 Update translations via Co-op Translator 2 weeks ago
10-visualization-distributions 🌐 Update translations via Co-op Translator 2 weeks ago
11-visualization-proportions 🌐 Update translations via Co-op Translator 2 weeks ago
12-visualization-relationships 🌐 Update translations via Co-op Translator 2 weeks ago
13-meaningful-visualizations 🌐 Update translations via Co-op Translator 2 weeks ago
R 🌐 Update translations via Co-op Translator 4 weeks ago
README.md 🌐 Update translations via Co-op Translator 4 weeks ago

README.md

Visualisations

une abeille sur une fleur de lavande

Photo par Jenna Lee sur Unsplash

Visualiser des données est l'une des tâches les plus importantes pour un data scientist. Les images valent mille mots, et une visualisation peut vous aider à identifier toutes sortes d'éléments intéressants dans vos données, tels que des pics, des valeurs aberrantes, des regroupements, des tendances, et bien plus encore, qui peuvent vous aider à comprendre l'histoire que vos données cherchent à raconter.

Dans ces cinq leçons, vous explorerez des données provenant de la nature et créerez des visualisations intéressantes et esthétiques en utilisant diverses techniques.

Numéro du sujet Sujet Leçon liée Auteur
1. Visualiser des quantités
2. Visualiser des distributions
3. Visualiser des proportions
4. Visualiser des relations
5. Créer des visualisations significatives

Crédits

Ces leçons sur les visualisations ont été écrites avec 🌸 par Jen Looper, Jasleen Sondhi et Vidushi Gupta.

🍯 Les données sur la production de miel aux États-Unis proviennent du projet de Jessica Li sur Kaggle. Les données sont issues du Département de l'Agriculture des États-Unis.

🍄 Les données sur les champignons proviennent également de Kaggle, révisées par Hatteras Dunton. Ce jeu de données inclut des descriptions d'échantillons hypothétiques correspondant à 23 espèces de champignons à lamelles de la famille Agaricus et Lepiota. Les champignons sont tirés du guide "The Audubon Society Field Guide to North American Mushrooms" (1981). Ce jeu de données a été donné à UCI ML 27 en 1987.

🦆 Les données sur les oiseaux du Minnesota proviennent de Kaggle, extraites de Wikipedia par Hannah Collins.

Tous ces jeux de données sont sous licence CC0: Creative Commons.

Avertissement :
Ce document a été traduit à l'aide du service de traduction automatique Co-op Translator. Bien que nous nous efforcions d'assurer l'exactitude, veuillez noter que les traductions automatisées peuvent contenir des erreurs ou des inexactitudes. Le document original dans sa langue d'origine doit être considéré comme la source faisant autorité. Pour des informations critiques, il est recommandé de faire appel à une traduction professionnelle humaine. Nous déclinons toute responsabilité en cas de malentendus ou d'interprétations erronées résultant de l'utilisation de cette traduction.