لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی بصریسازی دادهها با پایتون
- آخرین آپدیت
دانلود Data Visualization Fundamentals in Python
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
دوره «مبانی بصریسازی دادهها با پایتون» شما را قادر میسازد تا دادههای خام را به روایتهای بصری جذاب تبدیل کنید. در این دوره با اصول و بهترین روشهای بصریسازی دادهها آشنا میشوید و با تلفیق هنر و علم، یاد میگیرید چگونه داستانهای تاثیرگذاری را با استفاده از زبان پایتون روایت کنید.
در طول این مسیر، شما در ایجاد نمودارهای پایه و پیشرفته تسلط یافته و یاد میگیرید که چگونه اطلاعات پیچیده را بهطور موثر و بصری منتقل کنید. کتابخانههای قدرتمند پایتون مانند Matplotlib و Seaborn را بررسی خواهید کرد و میآموزید که چگونه عناصر بصری را برای خلق نمایشهای شفاف، بینشبخش و جذاب شخصیسازی کنید.
همچنین مهارتهای لازم برای بهکارگیری اصول بنیادی، در نظر گرفتن جنبههای ادراک انسانی، سفارشیسازی نمودارها و ایجاد بصریسازیهای تعاملی را توسعه میدهید تا تفسیر دقیقی از دادهها ارائه شود. این دوره شما را با تکنیکهای تبدیل مجموعهدادههای پیچیده به تصاویر منسجم مجهز کرده و توانایی شما را در انتقال بینشهای دادهمحور بهطور موثر بهینه میکند.
سرفصل ها و درس ها
مقدمهای بر هنر بصریسازی دادهها
Introduction to The Art of Data Visualization
خوشآمدگویی به هنر بصریسازی دادهها
Welcome to the Art of Data Visualization
بصریسازی دادهها: چه داستانهایی میتوانیم روایت کنیم؟
Data Visualization: what stories can we tell?
تالار مشاهیر بصریسازی دادهها
Data Visualization Hall of Fame
چرا بصریسازی دادهها اهمیت دارد؟
Why is Data Visualization Important?
تقابل هنر و علم در بصریسازی دادهها
Art vs. Science of Data Visualization
اصول بصریسازی دادهها
Principles of Data Visualization
اصول ادراک بصری
Principles of Perception
اصول بصریسازی
Principles of Visualization
بصریسازی موثر دادهها
Effective Data Visualization
چه چیزی را بصریسازی کنیم؟
What to Visualize
چگونه بصریسازی کنیم؟
How to Visualize
مرور مبانی پایتون
Review of Python Basics
محیط برنامهنویسی پایتون
The Python Programming Environment
اسکریپتهای پایه، محاسبات ریاضی و کامنتها
Basic Scripts, Arithmetic, and Comments
شروع به کار با ژوپیتر (Jupyter)
Getting Started with Jupyter
استفاده از نوتبوکهای ژوپیتر
Using Jupyter Notebooks
مدیریت اجرا در ژوپیتر و معرفی انواع دادهها
Managing Execution in Jupyter, Introducing Data Types
رشتهها، مقادیر بولی، ایندکسگذاری و برش (Slicing)
Strings, Booleans, Indexing, and Slicing
لیستها، ایندکسگذاری و برش
Lists, Indexing, and Slicing
حلقههای For
For Loops
لیستهای ناهمگون و خروجی گرفتن از نوتبوک ژوپیتر
Heterogenous Lists, Exporting Jupyter Notebooks
آرایههای یکبعدی NumPy
1D NumPy Arrays
ویژگیها و نحوه ایجاد آرایههای NumPy
NumPy Array Attributes and Creation
مقایسه آرایهها و لیستها
Arrays vs. Lists
دستکاری آرایههای یکبعدی: برش و ایندکسگذاری
Manipulating 1D Arrays: Slicing and Indexing
برش شرطی
Conditional Slicing
ترکیب آرایهها
Combining Arrays
مرتبسازی و خلاصهسازی آرایهها
Sorting and Summarizing Arrays
ادامه خلاصهسازی آرایهها
Summarizing Arrays, Continued
آرایه دوبعدی چیست؟
What is a 2D Array?
ویژگیها و نحوه ایجاد آرایههای دوبعدی
2D Array Attributes and Creation
ساخت آرایههای دوبعدی از آرایههای یکبعدی
Creating 2D Arrays from 1D Arrays
دستکاری آرایههای دوبعدی: برش و ایندکسگذاری
Manipulating 2D Arrays: Slicing and Indexing
زیرمجموعهگیری شرطی در آرایههای دوبعدی
Conditional Subsetting 2D Arrays
برش، زیرمجموعهگیری و اثرات جانبی
Slicing, Subsetting, and Side Effects
خلاصهسازی آرایههای دوبعدی
Summarizing 2D Arrays
مقدمهای بر Pandas Series: مبانی و کاربردهای عملی
Introduction to Pandas Series: Basics and Practical Application
بررسی عمیق ایندکسگذاری و برش در Pandas Series
Pandas Series Indexing and Slicing: A Deep Dive
پانداس سریز: تعریف ایندکسها و مدیریت مقادیر غیریکتا
Pandas Series: Defining Indices and Handling Non-Unique Values
اتصال (Concatenation) سریها در پانداس
Series Concatenation in Pandas
مقدمهای بر Pandas DataFrames: تبدیل آرایههای NumPy و عملیات دیتافریم
Introduction to Pandas DataFrames: Converting NumPy Arrays and DataFrame Operations
تفاوت دیتافریمهای پانداس با آرایههای دوبعدی NumPy
Distinguishing Pandas DataFrames from NumPy 2D Arrays
تبدیل دیکشنری به دیتافریم در پانداس
Converting Dictionary to DataFrame in Pandas
ویژگیها و متدهای دیتافریم: درک dtypes، info() و describe()
DataFrame Attributes and Methods in Pandas: Understanding dtypes, info(), and describe()
آمار توصیفی و مرتبسازی در دیتافریمهای پانداس
Descriptive Statistics and Sorting in Pandas DataFrames
مرتبسازی و مدیریت دیتافریم در پانداس
DataFrame Sorting and Management in Pandas
رسم اشکال با پایتون: نمودارهای پایه
Making Figures with Python: Basic Charts
پایتون برای بصریسازی دادهها
Python for Data Visualization
مقدمهای بر Matplotlib
Introduction to Matplotlib
ایجاد نمودارهای ساده
Creating Simple Plots
رسم نمودارهای پیشرفته با Matplotlib
Advanced Plotting with Matplotlib
رسم اشکال با پایتون: نمودارهای پیشرفته
Making Figures with Python: Advanced Plotting
مقدمهای بر کتابخانه Seaborn
Introduction to Seaborn Library
توابع رسم نمودار در Seaborn
Seaborn Plotting Functions
رسم نمودارهای پیشرفته با Seaborn
Advanced Plotting with Seaborn
نمایش نظرات