آموزش Python for Data Visualization: Masterclass کامل

Python for Data Visualization: The Complete Masterclass

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: تبدیل داده‌ها به بینش: راهنمای جامع برای تجسم داده‌های مبتنی بر پایتون درک اهمیت تجسم داده‌ها، نقش آن در تجزیه و تحلیل داده‌ها و اصول طراحی تجسم مؤثر. کاوش در کتابخانه‌های محبوب پایتون مانند Matplotlib و Seaborn و یادگیری نحوه استفاده از قابلیت‌های آن‌ها برای ایجاد انواع تجسم. درک نحوه سفارشی سازی و افزایش تجسم ها با تنظیم رنگ ها، برچسب ها، عنوان ها، افسانه ها و سایر عناصر بصری. درک اصول داستان سرایی داده های موثر و بهترین شیوه ها برای طراحی تجسم داده های واضح، تاثیرگذار و آموزنده. پیش نیازها: توانایی انجام ریاضیات ساده بدون نیاز به تجربه برنامه نویسی بدون نیاز به دانش قبلی علم داده آمادگی، انعطاف پذیری و اشتیاق به یادگیری

از Python برای ایجاد تجسم داده های دیدنی و مجذوب کردن مخاطبان خود استفاده کنید. برای تسلط بر پایتون برای تجسم داده ها، به استاد کلاس تحول ساز ما بپیوندید.

داستان سرایی بصری در یک محیط داده محور بسیار مهم است. این دوره جامع پایتون به شما یاد می دهد که چگونه داده های خام را به تجسم های خیره کننده تبدیل کنید.

می‌آموزید که چگونه Matplotlib، Seaborn، و Plotly را از طریق فعالیت‌های عملی همهجانبه و نمونه‌های دنیای واقعی به حداکثر برسانید. پایتون جهانی از امکانات تجسم داده‌ها را در اختیار ما قرار می‌دهد، از نمودارهای ساده گرفته تا نقشه‌های حرارتی، تجسم سری‌های زمانی و نقشه‌برداری جغرافیایی.

از آنجایی که بر هر جزء از تجسم‌های خود تسلط دارید، می‌توانید آن‌ها را سفارشی کنید تا شاهکارهای خیره‌کننده‌ای ایجاد کنید که مخاطبان شما را مجذوب و درگیر کند. داشبوردهای تعاملی به افراد امکان می‌دهند داده‌ها را کاوش کرده و اطلاعات آماری پنهان را کشف کنند.

این استاد کلاس به تحلیلگران داده، رهبران شرکت ها، پژوهشگران و علاقه مندان به داده می آموزد که چگونه از محبوب ترین زبان برنامه نویسی تجسم داده استفاده کنند تا اثری ماندگار داشته باشند. پروژه های عملی، مطالعات موردی در دنیای واقعی، و کارشناسان صنعت به شما اعتماد به نفس و مهارت هایی را برای مقابله با هر گونه چالش تجسم داده پایتون می دهند.

از ارائه‌های خسته‌کننده‌ای که داستان داده‌های شما را بیان نمی‌کنند، خودداری کنید. با ما همراه باشید تا از پایتون برای تجسم داده‌های دشوار به روش‌های زیبا و متقاعدکننده استفاده کنیم. یک متخصص تجسم داده پایتون شوید و شغل خود را تقویت کنید. همین امروز ثبت نام کنید و خلاقیت خود را با پایتون آزاد کنید.


سرفصل ها و درس ها

راه اندازی و نصب Setup & Installation

  • نصب Anaconda Navigator Installing the Anaconda Navigator

  • نصب Matplotlib، seaborn و دکمه سرآستین Installing Matplotlib, seaborn & cufflinks

  • خواندن داده ها از یک فایل csv با پانداها Reading data from a csv file with pandas

  • توضیح کتابخانه های Matplotlib Explaining Matplotlib libraries

  • مواد درسی Course Materials

Plotting Line Plots با matplotlib Plotting Line Plots with matplotlib

  • تغییر ترازوهای محور Changing the axis scales

  • یک ظاهر طراحی برچسب Label Styling

  • اضافه کردن یک افسانه Adding a legend

  • تغییر رنگ، سبک خط، عرض خط و نشانگرها Changing colors, linestyles, linewidth and markers

  • اضافه کردن یک شبکه به نمودار Adding a grid to the chart

  • پر کردن فقط یک منطقه خاص Filling only a specific area

  • پر کردن منطقه در قطعه خط و پر کردن تنها منطقه خاص Filling area on line plots and filling only specific area

  • تغییر رنگ پر کردن نواحی مختلف (مثلاً منفی در مقابل مثبت) Changing fill color of different areas (negative vs positive for example)

رسم هیستوگرام ها و نمودارهای نواری با matplotlib Plotting Histograms & Bar Charts with matplotlib

  • تغییر رنگ لبه و افزودن سایه روی لبه Changing edge color and adding shadow on the edge

  • اضافه کردن افسانه ها، عناوین، مکان و نمودار دایره ای چرخشی Adding legends, titles, location and rotating pie chart

  • نمودار هیستوگرام در مقابل نمودار میله ای (قسمت 1) Histograms vs Bar charts (Part 1)

  • نمودار هیستوگرام در مقابل نمودار میله ای (قسمت 2) Histograms vs Bar charts (Part 2)

  • تغییر رنگ لبه هیستوگرام Changing edge color of the histogram

  • تغییر مقیاس محور به مقیاس ورود Changing the axis scale to log scale

  • افزودن میانه به هیستوگرام Adding median to histogram

  • هیستوگرام ها و پچ های پیشرفته (قسمت 1) Advanced Histograms and Patches (Part 1)

  • هیستوگرام ها و پچ های پیشرفته (قسمت 2) Advanced Histograms and Patches (Part 2)

  • همپوشانی نمودارهای نوار روی هم (قسمت 1) Overlaying bar plots on top of each other (Part 1)

  • همپوشانی نمودارهای نوار روی هم (قسمت 2) Overlaying bar plots on top of each other (Part 2)

  • ایجاد طرح های جعبه و ویسکر Creating Box and Whisker Plots

رسم پلات های پشته ای و قطعه های ساقه Plotting Stack Plots & Stem Plots

  • ترسیم یک طرح پشته پایه Plotting a basic stack plot

  • ترسیم طرح ساقه Plotting a stem plot

  • رسم نمودار پشته ای از داده ها با مجموع ثابت Plotting a stack plot od data with constant total

رسم پلات های پراکنده با matplotlib Plotting Scatter Plots with matplotlib

  • ترسیم یک طرح پراکندگی اساسی Plotting a basic scatter plot

  • تغییر اندازه نقاط Changing the size of the dots

  • تغییر رنگ نشانگرها Changing colors of markers

  • اضافه کردن لبه ها به نقاط Adding edges to dots

تجسم داده های سری زمانی با matplotlib Time Series Data Visualization with matplotlib

  • با استفاده از ماژول datetime Python Using the Python datetime module

  • اتصال نقاط داده توسط خط Connecting data points by line

  • تبدیل تاریخ رشته ها با استفاده از متد .to_datetime() pandas Converting string dates using the .to_datetime() pandas method

  • رسم داده های زنده با استفاده از FuncAnimation در matplotlib Plotting live data using FuncAnimation in matplotlib

ایجاد چندین طرح فرعی Creating multiple subplots

  • تنظیم تعداد سطر و ستون Setting up the number of rows and columns

  • ترسیم چند قطعه در یک شکل Plotting multiple plots in one figure

  • گرفتن ارقام جداگانه Getting separate figures

  • ذخیره ارقام در رایانه شما Saving figures to your computer

رسم نمودارها با استفاده از seaborn Plotting charts using seaborn

  • مقدمه ای بر دریازادگان Introduction to seaborn

  • کار بر روی رنگ، سبک و اندازه در دریا Working on hue, style and size in seaborn

  • طرح های فرعی با استفاده از seaborn Subplots using seaborn

  • نمودارهای خطی Line plots

  • نقشه های گربه Cat plots

  • طرح مشترک، طرح زوجی و نمودار رگرسیون Jointplot, pair plot and regression plot

  • کنترل زیبایی شناسی شکل ترسیم شده Controlling Plotted Figure Aesthetics

پلاتلی و دکمه سرآستین Plotly and Cufflinks

  • نصب و راه اندازی Installation and Setup

  • خط، پراکندگی، نوار، جعبه و طرح منطقه Line, Scatter, Bar, box and area plot

  • نمودارهای سه بعدی، طرح گسترده و نمودار تاریخ، طرح حباب، و نقشه حرارتی 3D plots, spread plot and hist plot, bubble plot, and heatmap

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش Python for Data Visualization: Masterclass کامل
جزییات دوره
3.5 hours
50
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,007
4.2 از 5
دارد
دارد
دارد
Meta Brains
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Meta Brains Meta Brains

بیایید با هم ابر جهان را کدنویسی و بسازیم! Meta Brains یک برند آموزشی حرفه ای است که توسط تیمی از توسعه دهندگان نرم افزار و متخصصان امور مالی که به امور مالی، کدنویسی و اکسل علاقه دارند، توسعه یافته است. ما تجارب حرفه‌ای و آموزشی را برای ایجاد برنامه‌های آموزشی در سطح جهانی که برای همه قابل دسترسی است، گرد هم می‌آوریم. در حال حاضر، ما بر انقلاب بزرگ بعدی در محاسبات متمرکز هستیم: متاورس. هدف نهایی ما این است که نسل بعدی استعدادها را آموزش دهیم تا بتوانیم با هم متاورز را کدنویسی و بسازیم!