前の2つの演習で追加したコグノスティクスにより、ディスプレイにさまざまな有意義な操作が加わりました。これらのコグノスティクスを使って作成したディスプレイをもとに、時価総額が100億以上（1e10）の銘柄を対象に確認してみましょう。テクノロジーセクターの中で、年間リターンが最も低かった銘柄はどれでしょうか？
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
ggplot2 を使ったビッグデータのプロット手法をさまざま学びます。要約統計量の計算・プロット、オーバープロット（描画の重なり）への対処法、そしてファセットによる小画面分割の原則など、Trelliscope につながる内容を扱います。
前の章では、意味のある形で分割できるデータを可視化する強力な手法としてファセットを学びました。今度は trelliscopejs パッケージと ggplot2 を組み合わせて、データの分割数が多すぎて1画面に収まらない場合でも効果的にファセット可視化を作成する方法を学びましょう。
ggplot2 と trelliscopejs の組み合わせは手軽に使えますが、trelliscopejs にはさらに柔軟なファセットプロット機能も備わっています。使用するプロットシステムの選択やコグノスティクス（認知的指標）の指定において、より自由度の高い方法を提供します。この章では、その機能について詳しく学びましょう。
現在の演習
<a href="https://www.bixi.com" target="_blank">モントリオールの BIXI 自転車ネットワーク</a>は、すべての自転車乗車記録をオープンデータとして公開しています。乗車日時、所要時間、出発・到着ステーションなどの情報が含まれています。この章では、2017年に546のステーション間で行われた400万件以上の乗車データを分析します。このデータからは多くの興味深い探索的な問いを立てることができます。要約統計量からTrelliscopeによる詳細な可視化まで、データへの洞察を深める探索的可視化を作成しましょう。
