آموزش تجسم داده‌ها با Matplotlib و Seaborn - آخرین آپدیت

دانلود Data Visualization with Matplotlib and Seaborn

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

این یک دوره عملی و پروژه-محور است که برای کمک به شما در یادگیری دو مورد از محبوب‌ترین کتابخانه‌های پایتون برای تجسم داده‌ها، یعنی Matplotlib و Seaborn، طراحی شده است.

در این دوره، آشنایی سریعی با چارچوب‌های تجسم داده‌ها و بهترین روش‌های اجرا خواهید داشت و مفاهیم بصری ضروری، خطاهای رایج و نکاتی برای ارتباط موثر و روایتگری با داده‌ها (Storytelling) را مرور می‌کنید.

مبانی Matplotlib و نحوه ساخت و شخصی‌سازی نمودارهای خطی، نمودارهای ستونی، نمودارهای دایره‌ای و دوناتی، نمودارهای پراکندگی، هیستوگرام‌ها و موارد دیگر را بررسی کنید. اجزای یک شکل در Matplotlib را تحلیل کرده، تکنیک‌های رایج قالب‌بندی نمودار را به کار ببرید و از گزینه‌های پیشرفته‌تری مانند subplots، GridSpec، استایل‌شیت‌ها و پارامترها استفاده کنید. در نهایت، اصول ساخت نمودارها و استفاده از ابزارهای بصری در کتابخانه Seaborn را بیاموزید.

در طول این دوره، شما در نقش یک مشاور در گروه مشاوره Maven خواهید بود و مهارت‌های خود را در طی مجموعه‌ای از پروژه‌های واقعی و مطالعات موردی تمرین می‌کنید.

توجه: این دوره توسط Chris Bruehl و Maven Analytics تهیه شده است و ما مفتخریم که این آموزش را در کتابخانه خود میزبانی می‌کنیم.


سرفصل ها و درس ها

مقدمه Introduction

  • تعیین انتظارات Setting expectations

  • معرفی پروژه دوره Introducing the course project

  • نصب و اجرای Jupyter Jupyter installation and launch

  • ساختار و سرفصل‌های دوره Course structure and outline

1. آشنایی با تجسم داده‌ها 1. Intro to Data Visualization

  • اشتباهات رایج در تجسم داده‌ها Common visualization mistakes

  • سه پرسش کلیدی Three key questions

  • بصری‌سازی‌های ضروری Essential visuals

  • چرا داده‌ها را تجسم کنیم؟ Why visualize data?

  • قالب‌بندی نمودار و روایتگری Chart formatting and storytelling

  • نکات کلیدی Key takeaways

2. مبانی Matplotlib 2. Matplotlib Fundamentals

  • چالش: نمودارهای خطی با محور دوگانه Challenge: Dual axis line charts

  • هیستوگرام‌ها Histograms

  • پاسخ: نمودارهای دایره‌ای و دوناتی Solution: Pie and donut charts

  • چالش: نمودارهای ستونی پیشرفته Challenge: Advanced bar charts

  • کالبدشکافی یک شکل در Matplotlib Anatomy of a Matplotlib figure

  • نکات کلیدی Key takeaways

  • چالش: قالب‌بندی نمودارها Challenge: Formatting charts

  • پاسخ: رسم DataFrameها Solution: Plotting DataFrames

  • نمودارهای دایره‌ای و دوناتی Pie and donut charts

  • متدهای رسم (Plotting) Plotting methods

  • نمودارهای خطی انباشته Stacked line charts

  • محدودیت‌های محور Axis limits

  • آشنایی با Matplotlib Intro to Matplotlib

  • اندازه شکل‌ها Figure sizes

  • تیک‌های سفارشی محور Custom axis ticks

  • پاسخ: نمودارهای ستونی پیشرفته Solution: Advanced bar charts

  • نمودارهای ستونی انباشته Stacked bar charts

  • نمودارهای محور دوگانه Dual axis charts

  • نکته حرفه‌ای: حاشیه‌نویسی متنی Pro tip: Text annotations

  • نمودارهای پراکندگی و حباب Scatterplots and bubble charts

  • چالش: رسم DataFrameها Challenge: Plotting DataFrames

  • خطوط عمودی Vertical lines

  • راهنمای نمودار (Legend) Chart legends

  • رسم DataFrameها Plotting DataFrames

  • پاسخ: نمودارهای پراکندگی و هیستوگرام Solution: Scatterplots and histograms

  • عناوین نمودار و اندازه فونت Chart titles and font sizes

  • چالش: نمودارهای دایره‌ای و دوناتی Challenge: Pie and donut charts

  • نمودارهای خطی Line charts

  • چالش: نمودارهای پراکندگی و هیستوگرام Challenge: Scatterplots and histograms

  • نمودارهای ستونی گروهی Grouped bar charts

  • پاسخ: قالب‌بندی نمودارها Solution: Formatting charts

  • افزودن متن Adding text

  • پاسخ: نمودارهای ستونی Solution: Bar charts

  • استایل‌های خطی Line styles

  • چالش: نمودارهای ستونی Challenge: Bar charts

  • نمودارهای ترکیبی Combo charts

  • نمودارهای ستونی Bar charts

  • حذف حاشیه‌ها Removing borders

  • پاسخ: نمودارهای خطی با محور دوگانه Solution: Dual axis line charts

3. پروژه 1: تجسم داده‌ها 3. Project 1: Visualizing Data

  • معرفی پروژه Project introduction

  • بررسی گام‌به‌گام پاسخ Solution walkthrough

4. شخصی‌سازی پیشرفته 4. Advanced Customization

  • نمودارهای فرعی (Subplots) Subplots

  • تنظیمات rcParams rcParams

  • ذخیره شکل‌ها و تصاویر Saving figures and images

  • نکات کلیدی Key takeaways

  • پاسخ: استایل‌شیت‌ها Solution: Style Sheets

  • پاسخ: رنگ‌ها Solution: Colors

  • چالش: استایل‌شیت‌ها Challenge: Style sheets

  • چالش: GridSpec Challenge: GridSpec

  • پاسخ: GridSpec Solution: GridSpec

  • استایل‌شیت‌ها Style sheets

  • GridSpec GridSpec

  • آشنایی با شخصی‌سازی پیشرفته Intro to advanced customization

  • گزینه‌های رنگی Color options

  • چالش: رنگ‌ها Challenge: Colors

  • پالت‌های رنگی Color palettes

  • چالش: نمودارهای فرعی Challenge: Subplots

  • پاسخ: نمودارهای فرعی Solution: Subplots

5. پروژه 2: تجسم تولید جهانی قهوه 5. Project 2: Visualizing Global Coffee Production

  • بررسی گام‌به‌گام پاسخ Solution walkthrough

  • معرفی پروژه Project introduction

6. تجسم داده‌ها با Seaborn 6. Visualization with Seaborn

  • نمودارهای ستونی و هیستوگرام‌ها Bar charts and histograms

  • پاسخ: نمودارهای رابطه خطی Solution: Linear relationship charts

  • پاسخ: نمودارهای جعبه‌ای (Box) و ویولنی (Violin) Solution: Box and violin plots

  • FacetGrid FacetGrid

  • نمودارهای جعبه‌ای و ویولنی Box and violin plots

  • گزینه‌های قالب‌بندی پایه Basic formatting options

  • Jointplots Jointplots

  • پاسخ: نمودارهای ستونی و هیستوگرام‌ها Solution: Bar charts and histograms

  • آشنایی با Seaborn Intro to seaborn

  • چالش: نقشه‌های حرارتی (Heatmaps) Challenge: Heatmaps

  • پاسخ: نقشه‌های حرارتی Solution: Heatmaps

  • Pairplots Pairplots

  • چالش: نمودارهای جعبه‌ای و ویولنی Challenge: Box and violin plots

  • نقشه‌های حرارتی Heatmaps

  • چالش: نمودارهای ستونی و هیستوگرام‌ها Challenge: Bar charts and histograms

  • یکپارچه‌سازی با Matplotlib Matplotlib integration

  • چالش: نمودارهای رابطه خطی Challenge: Linear relationship charts

  • نمودارهای رابطه خطی Linear relationship charts

  • نکات کلیدی Key takeaways

7. پروژه 3: تحلیل فروش خودروهای کارکرده 7. Project 3: Analyzing Used Car Sales

  • بررسی گام‌به‌گام پاسخ Solution walkthrough

  • معرفی پروژه Project introduction

نمایش نظرات

آموزش تجسم داده‌ها با Matplotlib و Seaborn
جزییات دوره
7h 26m
91
(آخرین آپدیت)
3,999
- 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

Maven Analytics Maven Analytics

برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری

Chris Bruehl Chris Bruehl

مربی اصلی پایتون در Maven Analytics