精選 | 超全可視化課程合集，助你C位出道
本文作者
部分文章內容取材於：An overview of every Data Visualization course on the internet，原作者：David Venturi。
周末快到了，在休息娛樂之餘，你是否也想趁難得的空閒時間給自己充充電呢？ 亦或是你對數據可視化感興趣已久，卻不知從何學起？
小編 Kay 早就為大家準備好了一份整理自開源社區 Class Central 的數千條評分和評論的《在線數據可視化課程推薦清單》，趕緊收藏起來吧~
由於原清單整理於2017 年三月，可能有一些新的課程沒有被納入，小編在該清單的基礎上，精心篩选和補充了一部分課程，以滿足不同的學習需求 — — 無論你是否會編程，無論你是可視化小白還是老司機，無論你的應用場景是商業還是數據科學，這份超全清單都不容錯過。
我們如何篩選課程
每個入選課程都滿足以下三個條件：
- 該課程的大部分內容應側重於解釋性數據可視化（explanatory data visualization）。比方說，數據預處理相關的內容是可以有且必須有的，因為它是數據可視化的重要環節。而其它主題，例如統計建模等，則沒那麼相關，可以排除。後面我們會更詳細地介紹什麼是解釋性數據可視化。
- 課程應是可隨時加入的，或至少定期（每幾個月）開放的。
- 課程應是可互動的在線課程，所以本清單不會包括書籍或只讀教程。雖然學習方法可以有多種，但本清單關注的主要是在線課程。
我們相信我們涵蓋了符合上述標準的每一個值得考慮的課程。由於 Udemy 有近百個課程，我們僅挑選了評價和評分最高的課程。儘管如此，我們還是可能有所遺漏，所以如果有你覺得很棒的課程不在本清單中，請務必在評論留言告訴我們~
我們如何評估課程
我們整合了來自 Class Central 和其他點評網站上的評分，併計算出每門課程的加權平均分。同時，我們還閱讀了不同課程的評論信息，作為評分之外的參考。
至於主觀上我們是怎麼評估一個可視化課程的呢？主要是根據以下兩個方面，並且我們認為第一個方面比第二個更為重要：
- 數據可視化理論的涵蓋範圍。 例如，有沒有介紹如何選擇合適的可視化設計？還是僅僅介紹了可視化工具的使用？更多相關內容將在下一節中講解。
- 所選數據可視化工具的覆蓋範圍。 該課程是否有效地教授了常見的可視化工具（Tableau，ggplot2，Seaborn等）？學生是否有機會上手練習這些技能？ （注：在可視化工具的選擇上我們沒有任何偏好）
為什麼偏重可視化理論
（敲黑板！劃重點！小伙伴們請看這裡~~~）
首先，如果缺乏可視化的基礎理論知識，不了解什麼樣的可視化才是有效的，再怎麼精通一門可視化工具也是徒勞，甚至可以說是浪費。
再者，工具是不斷變化且可以根據需要靈活選擇的，但萬變不離其宗，作為各種工具的重要基礎的可視化理論知識，是相對穩定的。
實際上，做好數據可視化比絕大多數人想像的要復雜得多。 從選題、分析、設計到執行，各個階段都有許多事情需要我們仔細地考慮 — — 正確的圖表類型的選擇，總覽概括與細節展示的平衡，pre-attentive 視覺屬性（小編註： pre-attentive visual properties 是可視化理論常常涉及的一個重要概念，目前沒有很好的中文翻譯，主要指顏色、形狀等人類能通過潛意識以極快地速度處理的視覺元素）的利用等等。數據可視化是一種科學與藝術的結合。它不僅很容易出錯，而且有的錯誤可能會很糟 （見下圖）。
什麼是探索性與解釋性可視化
根據數據可視化的應用場景與目的，通常可以將它們分為解釋性數據可視化與探索性可視化。如同印第安納大學教授Yong-Yeol Ahn所描述的，解釋性數據可視化（explanatory data visualization ）用於傳達見解和信息，而探索性可視化（exploratory visualization）則是用於探尋數據中隱藏的模式、有用信息。
本文將重點介紹解釋性數據可視化課程。 探索性數據可視化這個話題並非不重要，只是沒有足夠的相關課程來單獨支撐一篇文章，因此我們只會對其進行簡要的介紹。因此，Udacity 的R 語言數據分析（偏重探索性數據可視化）等課程將不會被本文選用。
精選課程清單
小編整理髮現，許多數據可視化在線課程都以英文為教學語言，要求一定的編程基礎，並且需要付費，因此本文提及的課程如無特別說明，默認英文、付費、要求編程；不同於這三種情況的課程都會單獨標明，並在保證質量的基礎上優先考慮加入精選清單。實際上，沒有“最好的可視化課程”，只有“最合適的”的，所以請根據自身需要選擇~
下列課程是各類別課程中評價及評分較高的，排名不分先後：
1. 中文最佳：「數據可視化與 D3.js」
在相關中文課程奇缺的情況下，Udacity 的這門課程雖然是英文授課，但其視頻均有中文字幕已經是十分非常相當良心了。本課程涵蓋如何將設計原則、人類感知、色彩理論和有效的故事講述運用於數據可視化。通過這門課程，你還將學習到如何使用 Web 技術（HTML、CSS、D3.js）開發數據可視化圖表，創作自己的在線作品集。
此課程的重點是如何對數據進行視覺編碼，並將數據呈現給受眾，即解釋性數據可視化，而探索性數據可視化的內容較少。 不得不提的是課程中提到的學習資料質量大多相當不錯，值得進一步學習。
關於編程：由於課程項目涉及編程，最好有編程背景，如果沒有也可以學習第1a 和2a 課的數據可視化與設計原則，並建議先通過Udacity 的另一門課 Python 編程基礎進行編程的入門學習。此外，由於 D3.js 是一個 JavaScript 圖表庫，且學習曲線較陡，可能會導致這門課的部分內容理解較為困難，如果有相關基礎配合食用更佳。
👉 一句話總結： 視頻（有中文字幕）+ 閱讀材料+ 交互式習題，免費，Udacity 課程平台易於使用，學習時間約七週，理論與實操的有機結合，實例豐富，內容生動有趣，適合有編程基礎的初學者。
2. 非編程類最佳： 「信息圖表和數據可視化入門」
這是一門由國際知名信息可視化專家 Alberto Cairo 設計和授課，由 Google 資助的在線課程。該課程由德克薩斯州大學奧斯汀分校奈特美洲新聞中心（Knight Center for Journalism in the Americas）開設，自2012年年底上線後，已吸引來自150多個國家一萬四千人報讀。課程涵蓋了以下四個模塊：
- 可視化的基本介紹
- 如何用可視化探索數據
- 如何用可視化傳達信息
- 實踐項目
課程主辦方Knight Center 和讚助方Google News Initiative 均主要關注新聞及傳媒行業，因此這門課程也更偏向這方面的應用，尤其是介紹瞭如何利用可視化增強故事敘述和數據分析等效果，且展示瞭如何使用不同的工具進行從數據預處理，到完成整個可視化甚至文章內容的全流程。 視頻託管在 Youtube 上，全英文暫無字幕。
香港大學新聞及傳媒研究中心（JMSC）曾於15年與Knight Center 合作推出慕課，內容一樣，本文對該課程名的中文翻譯也選自這門慕課，戳這裡看課程的中文介紹。
👉 一句話總結：新課程，名教授，視頻 + 閱讀材料，完全免費，涵蓋了_探索性_和_解釋性_可視化，學習時間約四周，適合初學者。
3. 綜合最佳：加州大學戴維斯分校 「使用 Tableau 進行數據可視化」專項課程
包括以下五門課：
- Tableau 可視化的基礎知識
- Tableau 的基本設計原則
- 使用 Tableau 進行可視化分析
- 使用 Tableau 創建儀表板和講故事
- 使用 Tableau 項目進行數據可視化
根據本清單的評估標準，這門課的課程結構最佳，可視化理論知識和應用工具都有足夠的涵蓋，其中對理論知識的介紹比許多其他課程都要深入。他們不僅告訴你如何進行可視化設計，還告訴你為什麼（原理、設計原則）。通過隨堂練習和課程項目，你將有許多機會來上手練習使用 Tableau，儘管精通 Tableau 並不是課程的主要目標。
該課程的實例側重於商業數據的分析與可視化。
👉 一句話總結：視頻（英語字幕） + 閱讀材料，Coursera 課程平台易於使用，每個子課程可免費旁聽，專項課程預計總耗時 22 週（每週 3–8 小時）。
4. 編程類/數據科學類最佳：「使用 ggplot2 進行數據可視化」系列課程
這門課程獲得了來自 RStudio 首席科學家及 ggplot2 創建者 Hadley Wickham 的“官方認可”：
我非常推薦 Rick Scavetta 的“使用 ggplot2 進行數據可視化” 課程。它為您提供了優秀的 ggplot2 介紹。在 DataCamp 的在線學習環境中，您將學習到 ggplot2 的基礎理論，並能夠實際地去練習使用它。
該系列課程共包含三部分： 第1部分， 第2部分 及第3部分。
如果你對學習R 語言，或具體而言ggplot2 有興趣，DataCamp 的「使用ggplot2 進行數據可視化」系列課程是個不錯的（如果不差錢，甚至可能是最佳的）選擇。比較難得的是，課程涵蓋了大量可視化理論知識，相信這跟 ggplot2 基於圖形語法 Grammar of Graphics 這一點不無關係。這門課對工具的講解和練習也設計得很棒 — — 當你完成這門課，你將會很熟悉 R 語言及其語法。
DataCamp 的採用了一種視頻結合瀏覽器內代碼編輯器的教學方式，並輔以文本步驟以及大量實例。課程的視頻，文本和代碼內容都很精美。
所有三門課程的預計學習共計16小時。收費方面，每門課程的第一章都是免費提供的，可以方便我們先試聽再決定課程是否合適/值得購買。課程的其餘內容則需要通過 DataCamp 訂閱進行訪問，目前每月29美元或每年300美元（不定期有打折）。
👉 一句話總結：視頻（英文，無字幕） + 集成代碼編輯器 ，首章節免費試聽+訂閱式收費，理論與實踐的絕佳結合，適合數據科學領域，適合進階學習。
5. BI 工具類最佳：「Tableau 10」系列課程
該系列課程由 Kirill Eremenko 授課，是 SuperDataScience 團隊在 Udemy 推出的，共包括以下兩門課程，建議按順序學習：
該系列課程主要側重於介紹工具（Tableau）的使用，而非數據可視化理論，內容詳實且循序漸進，採用真實商業案例，適合商業人士；且實用性比較強，是類似於通俗版使用說明書的存在。值得一提的是，Eremenko 是相關課程中最受歡迎的授課者之一，該系列課程的兩門課程在Udemy 上均擁有4.6 的高評分（滿分5分，評分次數分別為1.8萬餘次和4千餘次）。
這個系列的總學時為17小時；課程需要付費但常年有折扣（購買組合還有額外折扣），每門課折後可低至 10 美金。 （要知道 Tableau 的官方基礎課程 是 1,400 美金一門。。。）
👉 一句話總結：錄屏講解視頻（英文，有英文字幕），可通過Udemy 網站或移動端 app 觀看；付費課程，適合需要從零開始學習Tableau 的入門者，或有一定基礎但想要全面提升相應技能的人士。
更多課程推薦
可視化理論相關課程：
- 印第安納大學慕課：信息可視化：完全免費；在Class Central 平台的數據可視化課程中目前排名第一，涵蓋了容量可觀的理論知識及可視化工具的介紹，還有相當不錯的實際項目，並提供數據和工具給註冊學生使用。如果無法成功註冊，可以發郵件向課程管理員申請。
編程類工具相關課程：
- 使用D3.js 數據可視化簡明教程（Udemy）：4小時付費視頻課程，評分較高。
- 數據可視化學習路徑（O’Reilly）：詳細介紹了D3.js 用法和可視化理論知識，學時約15 小時，提供10 天免費試用。
- 使用Python 與Matplotlib 進行數據可視化（Udemy）：6小時付費視頻課程，介紹Python 的主流圖表庫Matplotlib 。
- 使用 Python 與 Bokeh 的交互式數據可視化（Udemy）：7小時付費視頻課程，除了數據可視化，還包含網頁應用開發相關內容。
BI 類工具相關課程：
- Tableau 入門（Udemy）：共四小時的付費視頻課程；有助於準備Tableau 資格認證考試（Tableau Desktop Qualified Associate Exam）；評分較高。
- 使用Tableau 進行數據可視化（Udacity）：免費課程，內容為可視化理論與工具介紹的結合，學習時間約三週。
- 使用Power BI 進行數據分析及可視化（edX）：Microsoft 為自家工具Power BI 打造的課程，是其數據科學專業認證的一部分。課時約六週（每週 2~4 小時）。課程本身免費，如需課程認證證書則要另外付費 $99 美金。同為該系列課程之一的還有使用Excel 進行數據分析及可視化（edX）。
後記
整理完這個清單，小編最大的感觸就是 — — 中文數據可視化資源實在不多，質量高的更加少之又少，有的很優質但是太學術，面向沒有相關背景知識的人群，或是能應用到實際學習工作中的資料很少。這更加堅定了我們努力的方向：致力於創作與分享優質可視化中文資訊~ 請多多關注我萌鴨~
附贈實用資料
- WTF Visualizations：小編記得自己上的可視化課程的第一份作業就是尋找和點評一個“糟糕的可視化設計”，有了這個網站，再也不怕找不到作業的素材了hhh。
- 數據新聞教育哪家強?，及其完整原文：Where in the world can I study data journalism?。
- 怎麼樣考取Tableau的資格證（Tableau Qualified Associate Exam）？：這個知乎的答案裡面也提到了本清單中的推薦課程，對考證感興趣的小伙伴不妨了解下，僅供參考。
