[PYTHON] Persönliche Memos und Links zum maschinellen Lernen BI (BI / Visualisierung)

Einführung

Es gibt eine Grenze für das, was Sie von Grund auf tun können. Es gibt auch den Ausdruck "auf den Schultern eines Riesen stehen", aber ich möchte Artikel verwenden, die als Referenz als Weisheit unserer Vorgänger verwendet werden können, um unser Niveau zu verbessern.

• Persönliche Notizen und Links zum maschinellen Lernen ① (Maschinelles Lernen)
• Persönliche Notizen und Links zum maschinellen Lernen (2) (Deep Learning)
• [Persönliche Notizen und Links zum maschinellen Lernen ③ (BI / Visualisierung)] (https://qiita.com/CraveOwl/items/7846abccbbaebed6ce63)

Python

Matplotlib wird häufig verwendet, wenn es um Python-Diagramme geht, aber die Artikel sind so organisiert, dass Diagramme etwas kühler werden müssen.

seaborn

• Wenn Sie Daten mit Python visualisieren möchten, verwenden Sie seaborn!

Yellowbrick

• [Python] -Bibliothek "Yellowbrick", die maschinelles Lernen sichtbarer macht

pandas-profiling

• Pandas-Profiling war unglaublich nützlich für die explorative Datenanalyse - Google Colab
• Tutorial

BI

Apropos BI, Tableau und Looker sind heutzutage berühmt, aber ich mag Google Data Portal aus verschiedenen Gründen.

DataPortal

• Datenportal

• Links, um zu sehen, wann Anfänger mit Data Portal (ehemals Data Studio) beginnen

• Datenportal ✕ Zusammenfassung der Community-Visualisierung

Tableau

• Data Science ab Tableau

Karte

Open Street Map

• https://qiita.com/nyampire/items/423344fa75707dc138af
• https://qiita.com/duonys/items/c941bc2818abe5cc1da7
• https://qiita.com/k-ten/items/f7373e5e2fa709a97524
• https://qiita.com/k-ten/items/38160f10aee9ee904afc
• https://qiita.com/k-ten/items/ef4ddda743f1b0ad03eb
• https://qiita.com/k-ten/items/0ff819e35697f59203cc

ArcMap

• http://sanvarie.hatenablog.com/entry/2016/01/21/120320

BigQuery GIS

• https://www.niandc.co.jp/sol/tech/date20190723_1788.php
• https://qiita.com/takahi/items/f141f3c596788d612fe8