آموزش دوره کامل تجسم داده، Matplotlib و Python

Complete Course on Data Visualization, Matplotlib and Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: استاد Matplotlib آناتومی و یادگیری Seaborn برای تجسم داده ها با نمودارهای سفارشی و زیبا، مناسب برای همه منظورها یادگیری Matplotlib آناتومی سفارشی کردن نمودارها با هر پیچیدگی با سهولت ایجاد انواع نمودار، نمودار میله ای، نمودار خطی، نمودار انباشته، نمودار دونات و پای، هیستوگرام نمودارهای KDE، Violinplots، Boxplots، نمودارهای همبستگی خودکار، Scatter Plots، Heatmaps با مدیریت هنرمندان مختلف Matplotlib مانند Legends، Annotlib، Texts، Patches، Lines، Collections، Containers، Axis راحت باشید. نمودارهای دو محوره پیش نیازها: دانش سطح مبتدی پایتون

دوره به طور خلاصه

  1. مختصر و دقیق، زیرا من از وقت شما قدردانی می‌کنم و این تجمل را ندارم که داستانم را به شما بگویم

  2. به راحتی قابل درک و مناسب برای مخاطبان گسترده است، زیرا فقط به دانش پایه پایتون و فقط نیاز دارد

آنچه دانش آموزان می گویند

" این یک دوره عالی است! دستورالعمل Bekzod بسیار واضح و مختصر است. من از دانش صفر در Matplotlib به ایجاد تجسم های بسیار سفارشی در عرض چند ساعت رسیدم. پیش نیازهای Python و Panda ها لزوماً مورد نیاز نیستند، اما درک اصول هر دو مورد نیاز است. تجربه خود را در این دوره به حداکثر برسانید. توصیه می کنم یک دفترچه یادداشت خالی باز کنید و همراه با Bekzod دنبال کنید، در طول مسیر اسناد کمکی را که به آنها ارجاع می دهد را مکث کنید و همچنین هر قطعه کدی را که ممکن است فوراً متوجه آن نشوید بخوانید. کمی بیشتر طول می کشد. برای پایان دادن به دوره، اما ارزش آن را دارد. من مشتاقانه منتظر دوره های اضافی ارائه شده توسط Bekzod هستم. " - Jeff Dowden

"تاکنون از این درس چیزهای زیادی یاد گرفتم. این درس درک من از OOP را بهبود می بخشد. استفاده از پایتون برای تجسم داده ها از دیدگاه OOP بسیار آسان، جالب و شگفت انگیز است." - Haitao Lyu

" این دوره کاملاً شگفت‌انگیز است. مستقیماً به نقطه اصلی بروید و از داده‌های واقعی استفاده کنید نه شبیه‌سازی با numpy، همانطور که معمولاً دیگران انجام می‌دهند. کار عالی Bekzod! - Hartanto

"' من چند سالی است که از Matplotlib و Seaborn استفاده کرده ام. داشتم این را مرور می کردم تا ببینم آیا مقدمه خوبی برای افرادی است که با آنها کار می کنم. پاسخ، بله. این یک مقدمه بسیار خوب است که برخی از موارد را پوشش می دهد. جزئیات حیاتی لازم برای پیمایش Matplotlib به منظور سفارشی کردن نمودارها. " - Stephen Basco

بیشتر به من بگو...

پس از تکمیل این دوره، در سطح شهودی به Matplotlib تسلط خواهید داشت و در تجسم و سفارشی کردن نمودارهای Matplotlib، Seaborn و  Pandas با هر پیچیدگی احساس راحتی می کنید. به طور خاص، اگر به موارد زیر علاقه دارید، این دوره یک منبع عالی است:

  1. چگونه Matplotlib کار می کند

  2. نحوه ایجاد نمودار از نمودارهای ساده به علمی با Matplotlib، Pandas و Seaborn

  3. نحوه سفارشی کردن نمودارها از هر پیچیدگی به راحتی

برای دستیابی به اهداف، این دوره را به بخش های زیر تقسیم کردم:

Matplotlib Anatomy

همانطور که از نام آن پیداست، در این بخش نحوه عملکرد Matplotlib و نحوه تولید انواع نمودارها را خواهید آموخت.

در مورد ایجاد و/یا سفارشی‌سازی نمودارهایی که قبلاً با آن‌ها سروکار نداشته‌اید، درک کاملی به شما می‌دهد و لحظات بسیار زیادی را به شما می‌دهد.

نمودارهای دو بعدی ایجاد کنید

در این بخش، نمودارهای فراوانی را با استفاده از Matplotlib OOP و Pandas ایجاد می‌کنید و آنها را با هم ترکیب می‌کنید تا به حداکثر کارایی و کنترل دانه‌ای بر روی نمودارها برسید.

نمودارهای آماری محورها

در اینجا نحوه ایجاد نمودارهای آماری مانند همبستگی خودکار، نمودارهای جعبه، نمودارهای ویولن و نمودارهای KDE را با Matplotlib OOP و پانداها می‌آموزیم.

دریازاد

Seaborn، یک رابط سطح بالا برای Matplotlib به ایجاد نمودارهای آماری با سهولت و جذابیت کمک می کند. این کتابخانه ای است که باید برای کاوش داده ها بدانید و یادگیری آن بسیار آسان است. و در این بخش، نمودارهای رگرسیون، نمودارهای شمارش، بارپلات، نمودارهای عاملی، نمودارهای مشترک،  قطعه‌های جعبه، نمودارهای ویولن و موارد دیگر را ایجاد خواهیم کرد.

خلاصه دوره و تمرینات

این بخش دارای اهداف دوگانه است.

برای مثال، خلاصه خوبی از دوره است و تمرین هایی را برای آزمایش دانش و سپس ارائه راه حل هایی برای مقایسه در اختیار شما قرار می دهد.

ثانیاً، اگر وقتتان کم است، می‌توانید از اینجا شروع کنید و اگر به دنبال پوشش دقیق‌تر موضوع هستید یا زمانی که زمان بیشتری دارید، می‌توانید از اینجا شروع کنید و سپس به بخش‌های دیگر بروید.

ابزارهای مورد استفاده

  1. نوت بوک Jupyter (IDE)

  2. Matplotlib 2.x

  3. Seaborn 0.8.1 یا بالاتر

  4. پانداهای 0.22 یا بالاتر


سرفصل ها و درس ها

معرفی INTRODUCTION

  • معرفی Introduction

  • پیام مربی Instructor's message

  • آناتومی Matplotlib Matplotlib Anatomy

  • آنچه شما نیاز خواهید داشت What you will need

آناتومی MATPLOTLIB MATPLOTLIB ANATOMY

  • Line2D: خطوط اضافه کنید Line2D: Add Lines

  • Line2D: خواص Line2D: Properties

  • مستطیل: پچ ها را اضافه کنید Rectangle: Add Patches

  • مستطیل: خواص Rectangle: Properties

  • FancyBboxPatch: خواص FancyBboxPatch: Properties

  • متن: اضافه کردن متن Text: Add Text

  • متن: خواص Text: Properties

  • آزمون تک سوالی SINGLE QUESTION QUIZ

  • حاشیه نویسی: اضافه کردن متن Annotations: Add Text

  • حاشیه نویسی: خواص Annotations: Properties

  • Legends: افسانه ها را اضافه کنید Legends: Add Legends

  • افسانه ها: خواص Legends: Properties

  • آزمون تک سوالی SINGLE QUESTION QUIZ

  • محور: برچسب ها و خارها Axis: Labels and Spines

  • زمان آزمون QUIZ TIME

  • محور: کنه Axis: Ticks

  • محور: تیک Formatters and Locators Axis: Tick Formatters and Locators

ایجاد نمودارهای دو بعدی CREATE 2D CHARTS

  • نمودارهای خطی Line charts

  • نمودار میله ای: مبانی Bar charts: Basics

  • نمودار میله ای: گروه بندی شده Bar charts: Grouped

  • نمودارهای میله ای: انباشته شده Bar charts: Stacked

  • توطئه های پراکنده Scatter plots

  • نمودارهای دایره ای Pie charts

  • نمودارهای دونات Donut charts

  • هیستوگرام ها Histograms

  • نمودارهای قطبی Polar charts

  • نمودارهای دو محوره Dual Axis charts

نمودارهای آماری محورها AXES STATISTICAL CHARTS

  • خودهمبستگی Autocorrelation

  • نمودارهای KDE KDE plots

  • نمودارهای جعبه Boxplots

  • طرح های ویولن Violinplots

  • Heatmap و Colorbar Heatmap and Colorbar

SEABORN SEABORN

  • Regplot Regplot

  • نمودار شماری Countplot

  • بارپلات Barplot

  • طرح جعبه Boxplot

  • ویولن پلات و ازدحام Violinplot and Swarmplot

  • پلات عامل Factorplot

  • Distplot Distplot

  • طرح مشترک Jointplot

  • Pairplot Pairplot

خلاصه دوره و تمرین COURSE SUMMARY & EXCERCISES

  • افسانه ها Legends

  • کنه ها Ticks

  • وصله ها Patches

  • خطوط Lines

  • حاشیه نویسی ها Annotations

  • PathCollections (نشانگرهای طرح پراکنده) PathCollections (Scatter Plot Markers)

  • خارهای تبر Axes Spines

نمایش نظرات

آموزش دوره کامل تجسم داده، Matplotlib و Python
جزییات دوره
3.5 hours
49
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
10,018
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar