Bez danych jeste

Osoby które kupowały "Dziennikarstwo danych i data storytelling", wybierały także:

• Data Science w Pythonie. Kurs video. Algorytmy uczenia maszynowego 199,00 zł, (59,70 zł -70%)
• Power BI Desktop. Kurs video. Wykorzystanie narzędzia w analizie i wizualizacji danych 349,00 zł, (104,70 zł -70%)
• Statystyka. Kurs video. Przewodnik dla student 128,71 zł, (39,90 zł -69%)
• Microsoft Excel. Kurs video. Wykresy i wizualizacja danych 199,00 zł, (69,65 zł -65%)
• Analiza danych w Tableau. Kurs video. Podstawy pracy analityka 249,00 zł, (87,15 zł -65%)

Spis treści

Dziennikarstwo danych i data storytelling eBook -- spis treści

Wstęp

Rozdział 1. Dane i dziennikarstwo - wprowadzenie

• 1.1. Czym jest dziennikarstwo danych
• 1.2. Dziennikarstwo danych jako metoda
• 1.3. Dane
• 1.4. Dziennikarstwo a świat cyfrowy
• 1.5. Otwarte dane
• 1.6. Warsztat dziennikarza pracującego z danymi
• 1.7. Dokąd zmierza dziennikarstwo cyfrowe?

Rozdział 2. Dziennikarstwo danych - przykłady

• 2.1. Odkrywamy
• 2.2. Pokazujemy
• 2.3. Angażujemy

Rozdział 3. Internet, czyli dziennikarstwo online

• 3.1. Internet
• 3.2. Jak działają strony internetowe
• 3.3. Język HTML i CSS

Rozdział 4. Dane - formaty, źródła, zdobywanie

• 4.1. Przetwarzanie danych
• 4.2. Źródła informacji
• 4.3. Dane na wniosek
  • 4.3.1. Bądź przygotowany na opóźnienie
  • 4.3.2. Kiedy informacja jest publiczna?
  • 4.3.3. Kto ma obowiązek udzielenia informacji?
  • 4.3.4. Wnioskuj o dane przetwarzalne
  • 4.3.5. Precyzja i cierpliwość
  • 4.3.6. Pytaj w różnych miejscach i testuj
  • 4.3.7. Odmowa i co dalej?
• 4.4. A może zautomatyzować?
  • 4.4.1. Wykorzystanie Google Sheets
  • 4.4.2. Gdzie przechowywać dane?
  • 4.4.3. Jakość i źródła ogólnodostępne

Rozdział 5. Czyszczenie i agregacja danych

• 5.1. Pozbądź się śmieci
  • 5.1.1. Sortowanie
  • 5.1.2. Wyszukiwanie fasetowe
  • 5.1.3. Wykrywanie duplikatów
  • 5.1.4. Zastosowanie filtru tekstowego
  • 5.1.5. Transformacje komórek
  • 5.1.6. Usuwanie niewłaściwych danych
  • 5.1.7. Grupowanie danych, czyli klastrowanie
• 5.2. Szukanie wzorców, czyli analiza
  • 5.2.1. Odrobina statystyki
  • 5.2.2. Powiązania i korelacje
• 5.3. Metody analizy w praktyce
  • 5.3.1. Przygotowanie tabeli w Google Sheets
  • 5.3.2. Analizy bazodanowe

Rozdział 6. Jak tworzyć zrozumiałe i przyciągające uwagę wizualizacje

• 6.1. Po co i jak wizualizować?
• 6.2. Jak wygląda dobra wizualizacja?
  • 6.2.1. Bądź uczciwy
  • 6.2.2. Dobierz odpowiedni wykres
  • 6.2.3. Wykorzystaj właściwe skale
  • 6.2.4. Zastosuj odpowiednie kolory
  • 6.2.5. Spraw, aby wizualizacja była czytelna
• 6.3. Najczęstsze błędy
  • 6.3.1. Wykres 3D
  • 6.3.2. Brak odwzorowania danych
  • 6.3.3. Zbyt duże opisy i legenda
  • 6.3.4. Brak różnic
  • 6.3.5. Zmiana skali
• 6.4. Rodzaje wizualizacji
  • 6.4.1. Wizualizacja proporcji
  • 6.4.2. Porównanie kilku wartości
  • 6.4.3. Śledzenie zmian w czasie
  • 6.4.4. Obserwacja zależności między danymi
  • 6.4.5. Zależności przestrzenne
  • 6.4.6. Rozkład cechy statystycznej

Rozdział 7. Data storytelling

• 7.1. Składowe
• 7.2. Wzorce, czyli szkielet data story
  • 7.2.1. Wzorce argumentacji
  • 7.2.2. Wzorce przepływu
  • 7.2.3. Wzorce kadrowania narracji
  • 7.2.4. Wzorce empatii i emocji
  • 7.2.5. Wzorce zaangażowania
• 7.3. Elementy GUI
• 7.4. Data storytelling w praktyce

Rozdział 8. Jak stworzyć wizualizacje

• 8.1. Na początek coś prostego - Datawrapper
• 8.2. Flourish
• 8.3. Sieci społecznościowe
• 8.4. Coś bardziej zaawansowanego, czyli Tableau
• 8.5. Ekosystem, czyli Google Charts i Google Maps
• 8.6. Infogram
• 8.7. Łączenie wizualizacji

Rozdział 9. Wstęp do programowania

• 9.1. Zmienne
• 9.2. Obiekty
• 9.3. Tablice
• 9.4. Tablice i obiekty
• 9.5. Funkcje
• 9.6. Instrukcje warunkowe

Rozdział 10. Wizualizacja zaprogramowana

• 10.1. Chart.js
• 10.2. Highcharts i AmCharts
• 10.3. p5.js
• 10.4. ECharts
• 10.5. Vega-Lite

Rozdział 11. Data story w sieci

Dodatek A. Wywiad z Dominikiem Uhligiem, redaktorem naczelnym serwisu BIQdata "Gazety Wyborczej"

Zakończenie

Bibliografia