کار با ابزارهای تجسم پایتون

Working with Python Visualization Tools

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

این دوره شما را از طریق تکنیک ها و روش های مورد استفاده برای تجسم داده ها با استفاده از کتابخانه های Matplotlib و Seaborn Python راهنمایی می کند. برای تقویت مهارت های تجسم داده های خود، همچنین یاد خواهید گرفت که چگونه بر کتابخانه بوکه پایتون مسلط شوید.

در اولین دوره، کتابخانه های MatPlotLib و Seaborn و روش های موجود را معرفی می کنیم. در دوره دوم، عملکردهای اصلی Matplotlib را بررسی خواهیم کرد: نحوه سفارشی سازی اشیاء Matplotlib، نحوه استفاده از تکنیک های مختلف ترسیم را بررسی خواهیم کرد، و در نهایت، بر نحوه ارتباط نتایج تمرکز خواهیم کرد.

سپس مهارت‌های خود را در یک سناریوی واقعی که در آن از Python برای ساخت و کاوش مجموعه داده‌های بازده مالی با استفاده از داده‌های مربوط به قیمت پایانی سه سهام ذکر شده در شاخص NASDAQ 100 استفاده می‌کنید، عملی می‌کنید.

دوره تجسم داده های تعاملی با پایتون با استفاده از بوکه مهارت های لازم را برای ساختن نمودارهای پویا به شما می دهد. سپس با ترجمه داده‌های مربوط به بازی ویدیویی معروف FIFA به یک بعد گرافیکی، آن مهارت‌ها را عملی خواهید کرد.

اگر بازخوردی در رابطه با این دوره دارید، با ما در تماس باشید.

اهداف آموزشی

  • اصول کتابخانه های Matplotlib، Seaborn و Bokeh پایتون را بیاموزید
  • انواع نمودارهای مختلف موجود را درک کنید
  • سفارشی کردن اشیا
  • چند نمودار ایجاد کنید
  • سفارشی کردن نمودارها (یادداشت ها، برچسب ها، سبک های خط، رنگ ها، و غیره)

مخاطب مورد نظر

  • دانشمندان داده
  • هر کسی که به دنبال ایجاد نمودار و تجسم داده ها با استفاده از پایتون است

پیش نیازها

برای استفاده بیشتر از این دوره، باید از قبل با استفاده از پایتون آشنا باشید، که برای آن می توانید دوره ما را بگذرانید. دانش کتابخانه پانداهای پایتون نیز مفید خواهد بود و ممکن است بخواهید قبل از شروع این دوره، دوره های کار با پانداها و دوره های ما را بگذرانید.

منابع

داده های استفاده شده در این دوره را می توان در این قسمت یافت.


سرفصل ها و درس ها

ابزارهای تجسم پایتون Python Visualization Tools

  • تجسم در پایتون Visualization In Python

  • معرفی Seaborn Introduction to Seaborn

  • کار با Seaborn Working with Seaborn

  • تمرین عملی Practical Exercise

  • Seaborn - نمودارهای رگرسیون، PairPlots و Heat Maps Seaborn - Regression Plots, PairPlots and Heat Maps

تجسم داده ها با پایتون با استفاده از Matplotlib Data Visualization with Python using Matplotlib

  • مقدمه درس Lesson Introduction

  • مقدمه ای بر Matplotlib Introduction to Matplotlib

  • سفارشی سازی در Matplotlib Customization in Matplotlib

  • چند قطعه در Matplotlib Multiple Plots in Matplotlib

  • حاشیه نویسی متن با Matplotlib Annotating Text with Matplotlib

  • سفارشی سازی پیشرفته در Matplotlib Advanced Customization in Matplotlib

  • انواع مختلف پلات در Matplotlib Different Plot Types in Matplotlib

  • نتیجه Conclusion

تجسم داده های تعاملی با پایتون با استفاده از بوکه Interactive Data Visualization with Python using Bokeh

  • معرفی Introduction

  • توطئه با گلیف Plotting with Glyphs

  • سفارشی سازی یک شی شکل بوکه Customization of a Bokeh Figure Object

  • استفاده از رابط بوکه با بازرسان Leveraging the Bokeh Interface with Inspectors

  • چند قطعه Multiple Plots

  • برخورد با متغیرهای طبقه بندی شده Dealing with Categorical Variables

  • نتیجه گیری Conclusions

نمایش نظرات

کار با ابزارهای تجسم پایتون
جزییات دوره
3h 43m
20
CloudAcademy CloudAcademy
(آخرین آپدیت)
897
5 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Andrea Giussani Andrea Giussani

Andrea یک دانشمند داده در Cloud Academy است. او مشتاق مدل‌سازی آماری و الگوریتم‌های یادگیری ماشین است، به‌ویژه برای حل وظایف تجاری.

او دارای مدرک دکترا در آمار است و در چندین مجله دانشگاهی با داوری همتایان منتشر کرده است. او همچنین نویسنده کتاب یادگیری ماشین کاربردی با پایتون است.

Andrea Giussani Andrea Giussani

Andrea یک دانشمند داده در Cloud Academy است. او مشتاق مدل‌سازی آماری و الگوریتم‌های یادگیری ماشین است، به‌ویژه برای حل وظایف تجاری.

او دارای مدرک دکترا در آمار است و در چندین مجله دانشگاهی با داوری همتایان منتشر کرده است. او همچنین نویسنده کتاب یادگیری ماشین کاربردی با پایتون است.