Applied Plotting, Charting & Data Representation in Python

Oleh

University of Michigan

Penilaian Saya

 (3/5)

Format

Kursus online (MOOC) dengan kuis interaktif dan tugas pemrograman di tiap akhir minggu.

Tingkat

Menengah

Biaya

Anda bisa pilih mau ikut yang gratis atau yang berbayar:

• Gratis:
  • bisa mengakses semua materi, tapi tidak diberi akses ke kuis dan tugas pemrograman yang dinilai
• $49/bulan:
  • dengan mengikuti Applied Data Science in Python Specialization (lihat ulasan saya)
  • bisa mengakses semua materi

Saya sarankan ikut yang berbayar agar bisa belajar secara penuh.

Durasi

• 4 minggu dengan asumsi rata-rata komitmen belajar 6-8 jam per minggu
• kalau Anda mengikuti secara full time maka kemungkinan bisa selesai dalam 1 minggu

Total Durasi Video

Materi video sangat minim. Total paling tidak sampai 2 jam.

Penilaian oleh Situs Lain

Coursera:  (rating 4.4 dari 5 oleh 644 murid)

Persyaratan

Karena ini adalah kursus kedua dalam Applied Data Science in Python Specialization, maka hendaknya mengikuti kursus Introduction to Data Science in Python terlebih dahulu (lihat ulasan saya).

Tapi kalau Anda ingin mengambil kursus ini secara mandiri (tanpa ikut program spesialisasinya), maka Anda sudah harus menguasai:

• Python: Pandas, Numpy
• Statistika deskriptif

Lingkup Materi

Lingkup materinya lumayan.

• Tidak seperti kursus lain, di kursus ini hal pertama yang diajarkan ternyata teoritis sekali, yaitu tentang bagaimana membuat grafik yang “baik dan benar”. Ada teori tentang data-ink ratio, junk ratio, dan tentang bagaimana agar kita jangan menipu atau tertipu oleh grafik. Kita diminta untuk membaca paper riset tentang hal ini. Menurut saya hal-hal ini cukup berguna untuk diketahui, tapi kalau sampai membaca paper rasanya terlalu jauh dan tidak perlu.
• Anda akan diajarkan arsitektur Matplotlib, bahwa ada layer backend, artist, scripting, dsb, sehingga kita tidak bingung memakai API Matplotlib.
• Lalu diajarkan fitur-fitur Matplotlib. Ada banyak sekali fitur Matplotlib, dan rasanya banyak juga yang disebutkan dalam kursus ini. Kebanyakan hanya disebutkan secara sekilas, tapi ada beberapa yang dijelaskan dengan mendalam. Tujuannya adalah agar kita menguasai cara membuat grafik dari awal sampai akhir, dan mudah-mudahan bisa mengaplikasikannya untuk tipe grafik yang lain.
• Fitur-fitur yang dijelaskan misalnya: scatterplot, line plot, bar chart, sub plots, histogram, box plot, heat map, animasi, membuat grafik interaktif, membuat grafik dari Panda, dan seaborn.

Rating untuk lingkup materi: 

Pengajaran

•  Seperti gaya pengajar di kursus lainnya, videonya sangat cepat dan boleh dibilang hanya membaca kode yang ditulis di layar. Jadi lebih ke memberi tahu topik-topik atau fitur-fitur apa yang perlu Anda ketahui, dan selebihnya Anda harus mencari sendiri petunjuk atau manual fitur tersebut ketika Anda ingin menggunakannya.
•  Bagusnya ada Jupyter Notebook. Semua kode dalam video bisa kita jalankan di notebook.
•  Tidak ada kuis (atau sedikit sekali, saya lupa)

Rating untuk pengajaran: 

Pemrograman

•  Tugas pemrogramannya menurut saya tidak bagus. Ada 3 kali tugas pemrograman, satu di setiap akhir minggu kecuali minggu pertama. Spesifikasi tugas pemrogramannya sangat fleksibel. Murid diberi pilihan sendiri, mau tugas yang mudah, lebih sulit, atau sulit. Di tugas terakhir, malah kita disuruh milih sendiri topik apa yang mau kita visualisasikan. Jadinya kalau saya malah bingung. Banyak waktu yang terbuang untuk memikirkan apa yang mau dikerjakan, daripada mengerjakannya sendiri.
•  Sistem penilaian dengan menggunakan peer grading. Masalahnya adalah jumlah murid yang selesai mengerjakan tugas yang sama jumlahnya sedikit, sehingga kadang dibutuhkan waktu yang lama untuk menunggu sampai tugas kita dinilai.

Rating untuk pemrograman: 

Dukungan

•  Ada forum untuk diskusi yang isinya lumayan membantu untuk mencari informasi tambahan kalau kita mentok di suatu tugas. Walaupun forumnya tidak terlalu ramai, tapi ada staff yang bertugas menjawab pertanyaan di situ. Respon pertanyaan kurang dari 24 jam.

Rating untuk dukungan: 

Ulasan

Lingkup materi yang diberikan kursus ini sebenarnya bagus dan lengkap. Cuman materi video pengantarnya singkat-singkat. Untuk suatu topik (misalnya scatterplot), video pengantarnya hanya 8 menit. Untuk barchart malah hanya 4 menit. Isinya hanya membaca kode yang ditulis untuk membuat chart itu. Dan membacanya juga sangat cepat.

Dengan metoda pengajaran seperti itu, rasanya susah untuk bisa menguasai topiknya dengan betul-betul. Sehingga akhirnya saya menganggap materinya hanya sebagai pengantar saja sih, untuk mengetahui apa-apa yang perlu dipelajari lebih lanjut dengan jalan membaca manual Matplotlibnya secara langsung.

Satu lagi dari segi materi, kita dikasi teori-teori tentang visualisasi yang rasanya terlalu akademis (misalnya tentang data-ink ratio, junk ratio). Walaupun teori ini bagus untuk diketahui, tapi sebenarnya kita cukup bisa memakai alasan logis saja sih (misalnya kalau grafiknya terlalu heboh maka justru akan membuat pembaca kurang fokus)

Tapi yang bagi saya paling kurang adalah bagian tugas pemrogramannya. Spesifikasi tugasnya rasanya kurang jelas. Misalnya untuk tugas 3, kita disuruh baca paper/makalah ilmiah tentang suatu visualisasi. Waktu kita habis untuk berusaha mengerti paper itu, dari pada mengerjakan tugasnya sendiri. Untuk tugas 4 lebih parah, kita disuruh mencari sendiri topik apa untuk divisualisasikan. Alhasil banyak waktu yang terbuang untuk memikirkan apa yang akan kita kerjakan, daripada mengerjakan tugasnya sendiri.

Secara umum kursus ini cocok untuk Anda yang pemula Matplotlib. Tapi kursus ini kurang efisien dari segi waktu, oleh karena itu mungkin ada baiknya Anda coba cari kursus yang lain kalau ada.

Silabus

Module 1: Principles of Information Visualization

• Video: Introduction
• Reading: Syllabus
• Reading: Help us learn more about you!
• Video: About the Professor: Christopher Brooks
• Video: Tools for Thinking about Design (Alberto Cairo)
• LTI Item: Hands-on Visualization Wheel
• Video: Graphical heuristics: Data-ink ratio (Edward Tufte)
• Reading: Dark Horse Analytics (Optional)
• Video: Graphical heuristics: Chart junk (Edward Tufte)
• Reading: Useful Junk?: The Effects of Visual Embellishment on Comprehension and
• Memorability of Charts
• Video: Graphical heuristics: Lie Factor and Spark Lines (Edward Tufte)
• Video: The Truthful Art (Alberto Cairo)
• Discussion Prompt: Must a visual be enlightening?
• Reading: Graphics Lies, Misleading Visuals
• Graded: Graphics Lies, Misleading Visuals

Module 2: Basic Charting

• Notebook: Module 2 Jupyter Notebook
• Video: Introduction
• Video: Matplotlib Architecture
• Reading: Matplotlib
• Reading: Ten Simple Rules for Better Figures
• Video: Basic Plotting with Matplotlib
• Video: Scatterplots
• Video: Line Plots
• Video: Bar Charts
• Video: Dejunkifying a Plot
• Notebook: Plotting Weather Patterns
• Graded: Plotting Weather Patterns

Module 3: Charting Fundamentals

• Video: Subplots
• Video: Histograms
• Reading: Selecting the Number of Bins in a Histogram: A Decision Theoretic
• Approach (Optional)
• Video: Box Plots
• Video: Heatmaps
• Video: Animation
• Video: Interactivity
• Notebook: Practice Assignment: Understanding Distributions Through Sampling
• Peer Review: Practice Assignment: Understanding Distributions Through Sampling
• Notebook: Building a Custom Visualization
• Reading: Assignment Reading
• Graded: Building a Custom Visualization

Module 4: Applied Visualizations

• Notebook: Module 4 Jupyter Notebook
• Video: Plotting with Pandas
• Video: Seaborn
• Reading: Spurious Correlations
• Video: Becoming an Independent Data Scientist
• Notebook: Project Description
• Reading: Post-course Survey
• Graded: Becoming an Independent Data Scientist

 

Cuplikan

Berikut adalah cuplikan video pengajaran. Seperti Anda bisa lihat, isi videonya terutama hanyalah membaca kode apa yang sedang ditulis di layar.