Formation Développer des Applications de DataVisualisation

Programme de notre formation Développer des Applications de DataVisualisation

L’importance du contexte

• Comment le contexte influence notre visualisation ?
• Adapter ses visuels au contexte
• Exploratory vs Explanatory analysis
• Types de données
  • Données numériques
  • Données catégorielles
  • Séries temporelles
• Les questions à répondre avant de se lancer
• Storyboarding

Les principes design

• Le minimalisme
• La simplicité
• Les couleurs et le contraste
• La typographie et le style
• La hiérarchie
• La variété et l’unité

Comment et quand appliquer les différentes modèles de représentation ?

• Le texte
• Les tables
• Les graphs
• Les points
• Les lignes
• Les bars
• Les graphiques en 3D
• Les autres types de graphiques

Data Storytelling

• Les éléments qui rendent une visualisation persuasive
• Avoir une Big Idea
• Construire une structure narrative
• Simplifier son discours
• Le pouvoir de la répétition

Le cadre juridique concernant le stockage et l’analyse de données

• Les notions fondamentales du RGPD
• La règlementation pour les serveurs
• Les obligations
• Tenir un registre de traitement de données et le mettre à jour
• Désigner un DPO
• Assurer la conformité de ses sous-traitants
• La règlementation relative au couplage des données
• Les risques en cas de non-respect

Présentation des outils de DataViz

• Les frameworks JavaScript
• Les frameworks Java
• Les libraries Python (Matplotlib, Pandas, Scikit-learn…)
• Tableau et PowerBI
• Utiliser les APIs pour la visualisation de données

Récupération des données

• Intégrer des données avec Python
• Récupérer des données offline avec Python

Visualisation de données avec Matplotlib

• Pyplot
• Commencer une session interactive
• Tracé interactif avec l’état global de Pyplot
• Configuration de Matplotlib
• Définition de la taille de la figure
• Les étiquettes et les légendes
• Les titres et étiquettes d’axes
• Axes et sous-tracés
• Les types de tracés
• Les graphiques à barres
• Les nuages de points
• Seaborn : facet_grid et PairGrid

Explorer ses données avec Pandas

• Visualiser ses données avec Pandas
• Effectuer des comparaisons
• TP : Trouver des insights à partir de ses visualisations

Réussir son analyse de données

• L’importance de la collecte et de la préparation des données
• Les différentes phases de l’analyse de données
• Réaliser une analyse descriptive
• Appliquer les bons algorithmes et modèles prédictifs
• Automatiser son processus d’analyse de données