原文：
towardsdatascience.com/how-to-level-up-your-data-visualization-skills-in-2024-ace6c567ffb6?source=collection_archive---------3-----------------------#2024-01-18
https://towardsdatascience.medium.com/?source=post_page---byline--ace6c567ffb6--------------------------------https://towardsdatascience.com/?source=post_page---byline--ace6c567ffb6-------------------------------- TDS 编辑
·发表于 Towards Data Science ·订阅至 新闻通讯 ·阅读时长 3 分钟·2024 年 1 月 18 日
–
AI 流行词汇时兴时衰，新兴的机器学习趋势爆发又迅速消退，但有些东西始终保持一致——其中之一便是良好的数据可视化所具有的讲故事的力量。
通过视觉媒介呈现数据支持的见解依然是数据专业人士的核心技能，而我们也喜欢深入探讨那些让图表、图形和信息图表“奏效”的细节。我们认为，深入理解基本构建模块和跟上最新工具及新颖方法同样具有价值。本周，我们展示了一些出色的文章，涵盖了这两个极端之间的整个领域：如果你计划在 2024 年深化和拓展你的可视化技能，那么你来对地方了。让我们开始吧。
可视化 101：选择最佳的可视化类型当谈到创建有效的视觉效果时，坚实的设计战略基础至关重要。Mariya Mansurova的入门指南——涵盖了数据可视化的不同使用场景，以及如何根据最终目标调整方法——是你在这一领域迈出第一步时能找到的最扎实的资源之一。
声明式与命令式绘图从你脑海中美妙的构想到屏幕上最终产品的过程充满了许多中间步骤，其中许多（如果不是大多数的话）以代码的形式出现。Lee Vaughan关于如何在 Python 中进行绘图的解释是任何希望了解可视化工具内部运作原理并根据需要选择合适工具的人必读的文章。
https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/825672389810c7c843cf8fc15814ddfc.png
图片来源：Kelly Sikkema提供，来自Unsplash
可视化珠穆朗玛峰探险
如果你想获得大量关于可视化灵感的启发，不容错过Karla Hernandez的逐步教程，她将带领我们完成创建一个简洁、多层次且高效信息图的整个过程。虽然教程的主题是登山，但 Karla 概述的原则无论在哪个项目中都具有价值。
在互动地图上可视化路线：第一部分像 Google Maps 这样的应用已经无处不在，我们几乎把它们视为理所当然；Carlos J. Uribe的实践指南强调了创建地图背后的复杂性，但也展示了如果使用正确的工具，以简化的方式进行丰富的地理空间数据可视化是完全可行的。
我们的作者们以令人兴奋的活动开启了新的一年。选择总是很难，但这里有几篇我们不希望你错过的优秀文章。
跟上图形和几何机器学习领域的最新进展，并了解该领域在 2024 年可能的发展方向——Michael Galkin和Michael Bronstein为你准备了一个庞大的、分为两部分的“前沿摘要”，让你深入研究。第一部分聚焦于理论与架构，而第二部分则聚焦于实际应用。
对于批处理的全面指南，请参阅Xiaoxu Gao的最新文章，该文从技术和商业角度全面讲解了这一主题。
生成式 AI 将如何塑造软件工程团队的工作？Omer Ansari的深度分析解读了风险并提供了见解，帮助领导者为（不久的）未来做好准备。
在她的最新初学者友好型文章中，Gurjinder Kaur介绍了 AdaBoost 算法，并提供了关于其内部原理的清晰解释，以及完整的 Python 实现。
将理论与实践结合，Shuai Guo提供了一份关于常微分方程的详细指南，并探讨了如何利用它们来建模动态系统。
如果您一直在研究检索增强生成（RAG），并希望探索优化工作流程的新方法，不妨将Iulia Brezeanu的高级查询转换教程加入您的必读书单。
感谢您对我们作者工作的支持！如果您感到受到启发并希望加入他们的行列，为什么不写下您的第一篇文章？我们期待阅读。
直到下期 Variable，
TDS 团队
