本講義は、R言語とPython言語での可視化について解説させていただきます。
R言語とPython言語の割合は、7:3くらいです。

データ可視化の全体像を、コーディングせずに、動画だけ見てざっくりと、「どういうデータをどう可視化するか」、を知りたい人向けの講座です。

2021年8月現在、だんだん、Rのパッケージが使えなくなったり、Rの環境構築が難しくなってきています。そしてそれの変化に対して、対応することが最近できておりません。Pythonはまだ動くものが多いと思います。

今までは、Rをダウンロード・インストールして、コードを手で打ちながら学んでいただくことができていましたが、今では少し厳しいです。
本講座は、Rでの可視化部分の動画を見ていただくくらいしか、価値がなくなってしまいました。

一方で、データを集計・可視化して理解したいという初心者の方が、ExcelでもRでもPythonでも使える普遍的な知識を得るためにはまだ使えるかと思います。データを集計・可視化して理解したい方は、本講座のRかPythonの可視化の動画をご覧ください。その部分は未だに役に立つと思います。

いろいろ動画をアップはしましたが、
以下が2021年8月現在でもおすすめの動画です。
特におすすめの動画には☆をつけてあります。

～おすすめの可視化コンテンツ～

【R言語編】
ーRによる可視化基礎ー(基本的な可視化方法です)
☆質的変数の可視化
☆量的変数の可視化
☆散布図行列
☆stars関数による可視化
☆parcoord関数による可視化
rglパッケージによる三次元の可視化
tabplotパッケージによる可視化

ーRによる高度な可視化ー(よりきれいな可視化方法です)
☆ggplot2パッケージによる一次元の量的変数の可視化
☆ggplot2パッケージによる二次元の量的変数の可視化
☆ggplot2パッケージによる一次元の質的変数の可視化
☆ggplot2パッケージによる二次元の質的変数の可視化
☆ggplot2パッケージによる質的変数と量的変数の可視化
☆散布図行列の発展
☆平行座標プロットの発展版
階層構造があるデータの可視化

～おすすめのデータ変形コンテンツ～
ーデータ変換技術ー(後々この章の内容は重要になってきます)
filter関数による行の抽出←今後R言語をやらないなら見なくてよいです
select関数による列の抽出←今後R言語をやらないなら見なくてよいです
mutate関数による列の作成←今後R言語をやらないなら見なくてよいです
☆group_by関数とsummarize関数

ー探索的データ解析ー(データに対する探索的な解析アプローチです)
人事データの探索的データ解析

～おすすめの機械学習コンテンツ(機械学習に興味ある人向け)～
機械学習概説
☆単回帰・重回帰入門(単回帰編)
単回帰・重回帰入門(重回帰編)
重回帰演習
☆主成分分析(次元削減)
☆クラスター解析
判別分析
決定木による回帰1(前半)
決定木による回帰1(後半)
決定木による回帰2
Randomforestによる回帰
xgboostによる回帰
決定木による分類
Randomforestによる分類
xgboostによる分類

機械学習と探索的データ解析1
機械学習と探索的データ解析2
機械学習と探索的データ解析3
機械学習と探索的データ解析4
機械学習と探索的データ解析5
機械学習と探索的データ解析6

～おすすめのPythonでの可視化コンテンツ～
【Python言語編】

☆データ集計と可視化1
☆データ集計と可視化2

～おすすめのデータ変形～
☆グループごとの集計
☆質的変数からダミー変数を作成する方法

とりあえず、RやPythonでどんなことができるか、全体像をつかんでいただけたらと思います。

本講座では、学生に対しては、無料で学習アカウントを提供しています(2018年1月より)
希望の方は、machine.learning.r@gmail.com まで、大学のメールアドレスより件名を「Udemyアカウント希望」として、お名前・ご所属名を添えてご連絡ください。