آموزش تجسم داده های آماری با استفاده از Seaborn

Visualizing Statistical Data Using Seaborn

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: تحلیلگران و دانشمندان وظیفه دارند اطلاعات و بینش هایی را از مجموعه داده های عظیم استخراج کنند. این دوره کتابخانه Seaborn Python را به مهندسان کمک می کند تا با استفاده از ابزار تجسم سطح بالا و قدرتمند خود ، در برقراری ارتباط اطلاعات کمک کنند. همه را بزرگ کنید بررسی اجمالی دوره 2 متر 6 ثانیه تجسم روابط و توزیع ها در Seaborn 54 متر 33s ساخت نقشه های Trellis در Seaborn 29m 43s کنترل زیبایی و سبک طرح در Seaborn 17m 35s علائم تجاری و نام تجاری اشخاص ثالث ذکر شده در این دوره متعلق به صاحبان مربوطه می باشند و Pluralsight وابسته یا تأیید شده توسط این احزاب نیست.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

تجسم روابط و توزیع ها در Seaborn Visualizing Relationships and Distributions in Seaborn

  • بررسی اجمالی ماژول Module Overview

  • پیش نیازها و بررسی اجمالی دوره Prerequisites and Course Overview

  • نصب Seaborn و کشف مجموعه شراب Installing Seaborn and Exploring the Wine Dataset

  • Matplotlib و Seaborn Matplotlib and Seaborn

  • تخمین تراکم هسته (KDE) The Kernel Density Estimation (KDE)

  • تجسم توزیع های یک متغیره: هیستوگرام ها ، نمودارهای KDE ، Rugplots Visualizing Univariate Distributions: Histograms, KDE Plots, Rugplots

  • تجسم توزیع های دو متغیره: قطعات مشترک ، نمودارهای Hexbin ، نمودارهای KDE Visualizing Bivariate Distributions: Jointplots, Hexbin Plots, KDE Plots

  • روابط جفتی با استفاده از Pairplot و همبستگی ها با استفاده از Heatmap Pairwise Relationships Using Pairplot and Correlations Using Heatmap

  • نمودارهای Regression با استفاده از Lmplot Regression Plots Using Lmplot

  • نمودارهای Regression با استفاده از Regplot Regression Plots Using Regplot

  • Stripplots و Swarmplots برای داده های دسته بندی Stripplots and Swarmplots for Categorical Data

  • Boxplot و Violinplot The Boxplot and the Violinplot

  • برآورد آماری و فاکتورها Statistical Estimation and Factorplots

ساخت نقشه های Trellis در Seaborn Building Trellis Plots in Seaborn

  • بررسی اجمالی ماژول Module Overview

  • کار با Facetgrids Working with Facetgrids

  • شبکه های Facetgl با Regplots Facetgrids with Regplots

  • شبکه های وجهی با Barplots Facetgrids with Barplots

  • سفارشی کردن Facetgrid ها Customizing Facetgrids

  • کار با Pairgrids Working with Pairgrids

  • بررسی مجموعه اجاره دوچرخه Exploring the Bike Rental Dataset

کنترل زیبایی و سبک طرح در Seaborn Controlling Plot Aesthetics and Style in Seaborn

  • بررسی اجمالی ماژول Module Overview

  • تم ها و سبک های شکل Themes and Figure Styles

  • پالت های رنگی کیفی Qualitative Color Palettes

  • پالت های دنباله ای و مکعبی Sequential and Cubehelix Palettes

  • متنوع پالت های رنگی Diverging Color Palettes

  • زیبایی شناسی شکل Figure Aesthetics

  • خلاصه و مطالعه بیشتر Summary and Further Study

نمایش نظرات

آموزش تجسم داده های آماری با استفاده از Seaborn
جزییات دوره
1h 43m
28
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
19
4.7 از 5
دارد
دارد
دارد
Janani Ravi
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Janani Ravi Janani Ravi

معمار و مهندس داده خبره Google Cloud

Janani Ravi یک معمار و مهندس داده خبره Google cloud است.

جنانی مدرک کارشناسی ارشد خود را در رشته مهندسی برق از دانشگاه استنفورد دریافت کرد و برای مایکروسافت، گوگل و فلیپ کارت کار کرده است. او یکی از بنیانگذاران Loonycorn است، یک استودیوی محتوا که بر ارائه محتوای با کیفیت بالا برای توسعه مهارت های فنی متمرکز است، جایی که او عشق خود را به فناوری با اشتیاق خود به تدریس ترکیب می کند.