آموزش تجزیه و تحلیل مورد نیاز تجسم داده ها

Analyzing Data Visualization Requirements

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیویی برای نمایش وجود ندارد.
توضیحات دوره: توانایی ایجاد تجسم مهارت مهمی است که می توانید یاد بگیرید. این دوره به شما می آموزد که چگونه مجموعه داده ها و الزامات خود را تجزیه و تحلیل کنید ، و چگونه می توانید تجسم خود را تنظیم کنید تا تأثیرگذاری بیشتری را در تجسم ایجاد کنید. در هسته ایجاد تجسم داده های معنی دار ، دانش کامل درک اطلاعات و نیازهای تجسم شما است. در این دوره ، با تجزیه و تحلیل مورد نیاز تجسم داده ، شما می آموزید که چگونه برای ساخت تجسم داده آماده شوید. ابتدا یاد می گیرید که چگونه انواع مختلف داده ها را تشخیص دهید. در مرحله بعدی ، خواهید فهمید که چگونه می توانید از تجسم ها برای کاوش یک مجموعه داده یا توضیح یک نکته استفاده کنید. سرانجام ، شما نحوه انطباق تجسم را برای مخاطب و رسانه خاص بررسی خواهید کرد. وقتی این دوره را به پایان رساندید ، دانش بنیادی در مورد تجسم داده ها خواهید داشت که به شما کمک می کند تا با پیشرفت به سمت ایجاد تجسم برای مجموعه داده های خود اقدام کنید.

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

  • بررسی اجمالی دوره Course Overview

در حال تجسم مقادیر یا کیفیت ها Visualizing Quantities or Qualities

  • معرفی تجسم های کیفی و کمی Introducing Qualitative and Quantitative Visualizations

  • تعریف تجسم کیفی و کمی Defining Qualitative and Quantitative Visualizations

  • کاوش نمونه هایی از تجسم کمی Exploring Examples of Quantitative Visualizations

  • کاوش نمونه هایی از تجسم کیفی Exploring Examples of Qualitative Visualizations

  • ارزیابی نقاط قوت و ضعف تجسم کیفی و کمی Evaluating Strengths and Weaknesses of Qualitative and Quantitative Visualizations

  • ترکیب تجسم کمی و کیفی Combining Quantitative and Qualitative Visualizations

  • نسخه ی نمایشی: انتخاب تجسم کیفی یا کمی برای مجموعه داده Demo: Choosing a Qualitative or Quantitative Visualization for a Dataset

تجسم داده ها و دسته های عددی Visualizing Numerical Data and Categories

  • معرفی داده های عددی و دسته ای Introducing Numerical and Categorical Data

  • تعریف داده های عددی و دسته ای Defining Numerical and Categorical Data

  • تقسیم داده های عددی به گسسته و مداوم Splitting Numerical Data into Discrete and Continuous

  • تقسیم داده های دسته بندی به اسمی و عادی Splitting Categorical Data into Nominal and Ordinal

  • تعیین عددی یا دسته ای بودن داده ها Determining Whether Data is Numerical or Categorical

  • تبدیل بین داده های عددی و دسته ای Converting Between Numerical and Categorical Data

  • انتخاب تجسم برای داده های عددی Choosing Visualizations for Numerical Data

  • انتخاب تجسم برای داده های دسته بندی Choosing Visualizations for Categorical Data

  • نسخه ی نمایشی: تقسیم داده ها به صورت عددی و دسته ای Demo: Dividing Data Into Numerical and Categorical

تجسم برای توضیح یا کاوش Visualizing to Explain or Explore

  • مقدمه ای بر تجسم اکتشافی و نمایشگاهی Introduction to Exploratory and Expository Visualizations

  • تعریف تجسم های اکتشافی و نمایشگاهی Defining Exploratory and Expository Visualizations

  • C_03 C_03

  • نمونه هایی از تجسم های نمایشی Examples of Expository Visualizations

  • چگونه نمی توان با تجسم داده های نمایشی اغراق کرد How Not to Exaggerate with Expository Data Visualizations

  • نسخه ی نمایشی: تجسم اکتشافی و نمایشگاهی Demo: Exploratory and Expository Visualizations

انتخاب داده برای توضیح یا کاوش Selecting Data to Explain or Explore

  • مقدمه ای بر انتخاب داده Introduction to Data Selection

  • چرا انتخاب داده اهمیت دارد Why Data Selection Matters

  • مطالعه موردی: داشبورد در مقابل گزارش Case Study: Dashboard vs Report

  • عل vsت و همبستگی: با تجسم نمایشی مراقب باشید Causation vs Correlation: Be Careful with Expository Visualizations

  • چه موقع داده ها را دور بیندازید When to Throw Data Away

  • نسخه ی نمایشی: انتخاب داده ها برای تجسم Demo: Selecting Data for Visualizations

نمایش سطح مناسب جزئیات Displaying the Appropriate Level of Detail

  • مقدمه ای بر سطوح جزئیات داده ها Introduction to Data Detail Levels

  • چرا باید سطح جزئیات را انتخاب کرد Why Choosing a Level of Detail Matters

  • نمایش روندها و گزارش های دقیق Showing Trends vs. Detailed Reports

  • نمونه هایی از سطوح مختلف جزئیات در تجسم Examples of Different Detail Levels in Visualizations

  • با در نظر گرفتن تجسم متوسط Considering the Visualization Medium

  • تغییر مقیاس ها: چه موقع محور Y را تنظیم کنید Changing Scales: When to Adjust the Y-Axis

  • نسخه ی نمایشی: انتخاب سطح مناسب جزئیات Demo: Choosing an Appropriate Level of Detail

ارائه تجسم مناسب برای مخاطبان خود Providing an Appropriate Visualization for Your Audience

  • مقدمه ای بر تجسم های مناسب برای مخاطبان شما Introduction to Appropriate Visualizations for your Audience

  • درک زمینه بیننده برای تجسم Understanding Viewer Context for Visualizations

  • درک زمینه تجسم Understanding Visualization Context

  • موضوعات متوسط: وضوح ، رنگ و متن اطراف Medium Matters: Resolution, Color and Surrounding Text

  • نسخه ی نمایشی: تنظیم تجسم برای مخاطب Demo: Adjusting Visualizations for an Audience

استفاده از تجزیه و تحلیل مورد نیاز تجسم داده Applying Data Visualization Requirement Analysis

  • مقدمه ای برای استفاده از تجزیه و تحلیل مورد نیاز تجسم داده ها Introduction to Applying Data Visualization Requirement Analysis

  • طبقه بندی انواع داده ها Classifying Data Types

  • ایجاد تجسم داده اکتشافی Creating Exploratory Data Visualizations

  • انتخاب داده برای تجسم نمایشی Selecting Data for an Expository Visualization

  • ایجاد یک تجسم نمایشی Creating an Expository Visualization

  • تطبیق تجسم نمایشی برای مخاطبان مختلف Adapting an Expository Visualization for Different Audiences

  • مرور فرآیند تجسم داده Reviewing the Data Visualization Process

نمایش نظرات

آموزش تجزیه و تحلیل مورد نیاز تجسم داده ها
جزییات دوره
3h 1m
48
Pluralsight (پلورال سایت) Pluralsight (پلورال سایت)
(آخرین آپدیت)
-
از 5
دارد
دارد
دارد
Chris Achard
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Achard Chris Achard

Chris یک مشاور نرم افزاری مستقل است که در زمینه یادگیری وب ، موبایل و ماشین تمرکز دارد. او در درجه اول از React.js با Node.js یا Ruby on Rails برای برنامه های وب ، React Native برای برنامه های تلفن همراه و Python برای یادگیری ماشین و علم داده استفاده می کند. او یک کتاب الکترونیکی درباره React نوشته است و از آموزش توسعه نرم افزار به دیگران هیجان زده است. اخیراً ، او در حال آزمایش مدل های هوش مصنوعی مولد و سایر تکنیک های پیشرفته هوش مصنوعی است.