آموزش ایجاد داشبورد تحلیل داده تعاملی با پایتون - آخرین آپدیت

دانلود Build an Interactive Data Analytics Dashboard with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

آموزش ساخت داشبورد تحلیل داده با پایتون: پروژه پیش‌بینی کرونا

در این دوره جامع، تمام مهارت‌های لازم برای ساخت داشبوردهای تعاملی تحلیل داده با استفاده از پایتون را فرا خواهید گرفت. پروژه اصلی شما، داشبورد پیش‌بینی ویروس کرونا خواهد بود که اطلاعات تاریخی و پیش‌بینی‌های مربوط به مرگ و میر و ابتلا به کرونا را برای تمام کشورهای جهان و ایالت‌های آمریکا به نمایش می‌گذارد. نتیجه نهایی، یک داشبورد زنده و به روزرسانی شونده خودکار خواهد بود که روی یک سرور راه دور میزبانی می‌شود و برای همه در سراسر جهان قابل دسترسی است!

شما کل فرآیند ساخت این داشبورد را از ابتدا تا انتها فرا خواهید گرفت، از جمله:

  • دریافت، پاکسازی و تبدیل داده‌ها: نحوه جمع‌آوری داده‌ها، یافتن و پاکسازی داده‌های نامناسب و تبدیل آن‌ها به شکلی که برای ساخت مدل‌های پیش‌بینی مناسب باشند.

  • هموارسازی داده‌ها: یادگیری تکنیک‌های مختلف مانند LOWESS برای هموارسازی داده‌های ناهموار خام به منظور تشخیص بهتر روندها توسط مدل.

  • مدل‌های رشد و کاهش نمایی: مدل‌سازی موارد ابتلا به کرونا با استفاده از مدل‌های ساده‌ای که قادر به ثبت یک فاز رشد یا کاهش نمایی هستند.

  • مدل‌های رشد لجستیک: آشنایی با مدل‌های "منحنی S" که قادر به ثبت هر دو فاز رشد و کاهش نمایی در یک مدل واحد هستند.

  • مدل‌سازی موج‌های جدید: نحوه تغییر مدل برای تشخیص هر تعداد موج جدید در آینده.

  • کپسوله سازی در کلاس‌ها: سازماندهی کدها در کلاس‌های پایتون برای استفاده در کد نهایی.

  • تصویرسازی با Plotly: نحوه استفاده از کتابخانه Plotly برای ایجاد تصاویر تعاملی داده که برای وب هدف‌گذاری شده‌اند.

  • HTML و CSS: یادگیری اصول HTML و CSS برای سفارشی‌سازی عناصر داشبورد با کمک Dash.

  • ساخت داشبورد با Dash: نحوه ساخت اجزا و تعاملات داشبورد با استفاده از کتابخانه Dash پایتون.

  • استقرار (Deployment): استقرار داشبورد روی سرور خودتان برای دسترسی همگانی. یادگیری دو گزینه استقرار مختلف - یکی ساده و دیگری پیچیده‌تر با انعطاف‌پذیری بیشتر.

محتویات دوره آموزش ساخت داشبورد تحلیل داده با پایتون

این دوره شامل حجم عظیمی از مطالب است، از جمله:

  • 13 نوت‌بوک Jupyter
  • 26 تمرین با راه حل های دقیق
  • فایل PDF 200 صفحه‌ای از کل محتوای دوره
  • کد کامل داشبورد نهایی

فناوری‌های مورد استفاده در این دوره آموزش ساخت داشبورد تحلیل داده

  • تمام کدها برای توسعه داشبورد با استفاده از پایتون نوشته خواهند شد.
  • از کتابخانه Pandas برای تجزیه و تحلیل و تبدیل داده‌ها به طور گسترده استفاده خواهد شد.
  • از کتابخانه Statsmodels برای هموارسازی داده‌ها استفاده خواهد شد.
  • از کتابخانه Scipy برای ساخت مدل‌های پیش‌بینی کرونا و بهینه‌سازی پارامترها استفاده خواهد شد.
  • از کتابخانه Matplotlib در نوت‌بوک‌ها برای تصاویر استاتیک استفاده خواهد شد.
  • از کتابخانه Plotly برای تصاویر تعاملی داده که در داشبورد ظاهر می‌شوند، استفاده خواهد شد.
  • از کتابخانه Dash برای ساخت خود داشبورد استفاده خواهد شد.
  • از HTML/CSS به همراه Dash برای سفارشی‌سازی اجزای داشبورد استفاده خواهد شد.
  • نحوه راه‌اندازی سرور Ubuntu لینوکس خود را برای اجرای داشبوردتان یاد خواهید گرفت.

پیش نیازهای دوره آموزش ساخت داشبورد تحلیل داده با پایتون

دانشجویان باید با اصول پایتون آشنایی داشته باشند. داشتن دانش در مورد کتابخانه پانداز در پایتون مفید است.


سرفصل ها و درس ها

شروع کار Getting Started

  • مروری بر دوره Course Overview

  • دانلود مواد دوره Downloading the Course Material

  • کاوش مواد دوره Exploring the Course Material

  • نکته برای کاربران ویندوز Note for Windows Users

  • ایجاد محیط مجازی (سریع) Creating the Virtual Environment (fast)

  • ایجاد محیط مجازی Creating the Virtual Environment

  • فعال و غیرفعال کردن محیط مجازی Activating and Deactivating the Virtual Environment

  • اجرا و کاوش داشبورد Launching and Exploring the Dashboard

  • باز کردن نوت‌بوک‌های Jupyter Opening the Jupyter Notebooks

  • راهنمای تکمیل دوره A Guide To Completing the Course

دریافت داده‌ها Getting the Data

  • دانلود داده‌ها Downloading the Data

  • دانلود همه داده‌ها Downloading all of the Data

  • ذخیره محلی داده‌ها Saving the Data Locally

پاکسازی و تبدیل داده‌ها Data Cleaning and Transformation

  • انتخاب ستون‌های صحیح Selecting the Correct Columns

  • به‌روزرسانی تابع Run Updating the Run Function

  • به‌روزرسانی نام مناطق Updating Area Names

  • تجمیع مناطق تکراری Aggregate Repeating Areas

  • تبدیل داده‌ها به سری زمانی Transposing the Data to Time Series

  • یافتن و مدیریت داده‌های بد Finding and Handling Bad Data

  • کپسوله کردن همه مراحل در یک کلاس Encapsulate all Steps into a Class

هموارسازی داده‌ها Data Smoothing

  • هموارسازی میانگین متحرک Moving Average Smoothing

  • هموارسازی LOWESS LOWESS Smoothing

  • ایجاد تابع برای هموارسازی داده‌ها Build a Function to Smooth the Data

مدل‌های رشد و نزول نمایی Exponential Growth and Decline Models

  • رشد و نزول نمایی Exponential Growth and Decline

  • یافتن پارامترهای بهینه برای مدل‌سازی کل موارد با least_squares از scipy Finding Optimal Parameters to Model Total Cases with scipy's least_squares

  • پیش‌بینی داده‌های دیده‌نشده Predicting Unseen Data

  • خودکارسازی آموزش مدل Automate Model Training

  • خودکارسازی پیش‌بینی‌های روزانه Automate Daily Predictions

  • خودکارسازی پیش‌بینی‌های تجمعی Automate Cumulative Predictions

  • رسم داده‌های واقعی در مقابل پیش‌بینی Plotting Actual vs Prediction

  • خودکارسازی هموارسازی، آموزش، پیش‌بینی و رسم Automating Smoothing, Training, Predicting, and Plotting

  • مدل‌های رشد نمایی پیوسته Continuous Exponential Growth Models

  • مدل‌سازی نزول نمایی Modeling Exponential Decline

مدل‌های رشد لجستیک Logistic Growth Models

  • مجانب‌ها Assymptotes

  • منحنی‌های S S-Curves

  • آزمایش با پارامترهای تابع لجستیک Experimenting with Logistic Function Parameters

  • تخمین پارامترهای تابع لجستیک Estimating Logistic Function Parameters

  • تابع لجستیک تعمیم‌یافته Generalized Logistic Function

مدل‌سازی موج‌های جدید Modeling New Waves

  • محدود کردن داده‌ها Limit the Data

  • تغییر عمودی تابع لجستیک تعمیم‌یافته Vertically Shifting the Generalized Logistic Function

  • کران‌های بالایی L Upper Bounds of L

  • خودکارسازی کران‌های پارامتر Automating Parameter Bounds

  • یافتن موج‌های جدید Finding New Waves

  • مدل نهایی The Final Model

کپسوله کردن در کلاس‌ها Encapsulation into Classes

  • کلاس CasesModel The CasesModel Class

  • نمونه‌سازی و اجرای CasesModel Instantiating and Running CasesModel

  • پیش‌بینی مرگ و میر با استفاده از نسبت مرگ و میر ناشی از ابتلا Predict Deaths using Case Fatality Ratio

  • کلاس DeathsModel The DeathsModel Class

  • نمونه‌سازی و اجرای DeathsModel Instantiating and Running DeathsModel

  • ایجاد جداول نهایی برای داشبورد Creating Final Tables for the Dashboard

  • ایجاد جدول خلاصه از تاریخ فعلی Create Summary Table of Current Date

  • کد درون ماژول‌ها Code within the Modules

اجرای همه کد Running all of the Code

  • توضیح update.py Explaining update.py

  • اجرای update.py Executing update.py

تصویرسازی با Plotly Visualization with Plotly

  • مقدمه‌ای بر Plotly Intro to Plotly

  • کشف ویژگی‌های Trace Discovering Trace Properties

  • به‌روزرسانی Layout Updating the Layout

  • ایجاد یک شکل با چند Trace Creating a Figure with Multiple Traces

  • خودکارسازی رسم یک منطقه Automate Plotting of an Area

  • ایجاد Subplot Creating Subplots

  • افزودن Annotations Adding Annotations

  • نقشه‌های Choropleth Choropleth Maps

  • خلاصه Plotly Plotly Summary

مقدمه‌ای بر HTML و CSS Intro to HTML and CSS

  • عناصر HTML HTML Elements

  • نوشتن HTML در نوت‌بوک Writing HTML in the Notebook

  • عنصر Anchor The Anchor Element

  • عنصر Image The Image Element

  • لیست‌های نامرتب و مرتب و List Items Unordered and Ordered Lists and List Items

  • عنصر Table The Table Element

  • تقسیم منطقی عنصر محتوا Logical Division of Content Element

  • نحو HTML HTML Syntax

  • عناصر Block در مقابل Inline Block vs Inline Elements

  • استایل‌دهی با CSS Styling with CSS

  • واحدهای فاصله CSS CSS Distance Units

  • حاشیه‌های Element Element Margins

  • تغییر Display از Block به Inline Changing Display from Block to Inline

  • انتخاب عناصر بر اساس class و id Selecting Elements by class and id

  • اصطلاحات Container-Item Container-Item Terminology

  • چیدمان Flexbox The Flexbox Layout

  • چیدمان Grid The Grid Layout

ساخت داشبورد با Dash Building the Dashboard with Dash

  • بخش‌های یک برنامه Dash Parts of a Dash Application

  • یک داشبورد حداقلی A Minimal Dashboard

  • عناصر HTML در Dash HTML Elements in Dash

  • افزودن CSS Adding CSS

  • ایجاد یک جدول داده Creating a Data Table

  • ایجاد Tabs Creating Tabs

  • بازسازی تمام شکل‌های Plotly Recreating all Plotly Figures

  • افزودن شکل‌های Plotly به داشبورد Adding Plotly Figures to the Dashboard

  • افزودن نقشه‌ها به داشبورد Adding Maps to the Dashboard

  • افزودن دکمه‌های رادیویی بالای نقشه Adding Radio Buttons Above the Map

  • تعاملی بودن با استفاده از Callbacks Interactivity Using Callbacks

  • یک Callback تکی برای به‌روزرسانی داده‌های جهان و ایالات متحده Single Callback for Updating both World and USA Data

  • Callback برای تغییر نقشه Callback to Change the Map

  • تکمیل داشبورد Dashboard Complete

  • اجرای داشبورد در حین اجرای نوت‌بوک Launching the Dashboard while Notebook Running

  • باز کردن dashboard.py Opening dashboard.py

  • کامنت‌ها در dashboard.py Comments in dashboard.py

  • Imports و Instantiation Imports and Instantiation

  • متغیرهای سراسری و خواندن داده‌ها Global Variables and Reading in the Data

  • توابع برای ایجاد جداول و نمودارها Functions to Create Tables and Graphs

  • ایجاد نوار ناوبری Creating the Navigation Bar

  • ایجاد هدرهای داشبورد Creating the Dashboard Headers

  • ایجاد Tabs و جداول Creating the Tabs and Tables

  • ایجاد اجزای نمودار Creating the Graph Components

  • ایجاد نقشه و دکمه‌های رادیویی Creating the Map and Radio Buttons

  • ایجاد Cards Creating the Cards

  • ایجاد Containers Creating the Containers

  • افزودن Callbacks Adding the Callbacks

  • تکمیل داشبورد Dashboard Complete

  • باز کردن فایل CSS Opening the CSS File

  • متغیرهای CSS CSS Variables

  • اطلاعات بالا و CSS کانتینر Top Info and Container CSS

  • CSS کانتینر Grid Grid Container CSS

  • CSS ناحیه Grid Grid Area CSS

  • CSS دکمه رادیویی Radio Button CSS

  • CSS تب Tab CSS

  • CSS کارت جانبی Side Card CSS

  • CSS برای صفحه‌های نمایش کوچکتر CSS for Smaller Screens

  • خلاصه Dash Dash Summary

استقرار Deployment

  • وب سرور چیست What is a Web Server

  • شروع کار با Python Anywhere Getting Started with Python Anywhere

  • داشبورد Python Anywhere The Python Anywhere Dashboard

  • ایجاد Web App جدید Create New Web App

  • آپلود فایل‌ها Upload the Files

  • تغییر Working Directory Change the Working Directory

  • اصلاح فایل WSGI Modify WSGI File

  • باز کردن Console Open Console

  • نصب dash_bootstrap_components Install dash_bootstrap_components

  • نصب statsmodels Install statsmodels

  • تأیید اجرای داشبورد Verify Dashboard is Up and Running

  • ایجاد Daily Task برای اجرای update.py Create Daily Task to Run update.py

  • فایل‌های Log Log Files

  • تکمیل استقرار Python Anywhere Python Anywhere Deployment Complete

  • استقرار در Ubuntu با Vultr Deploying on Ubuntu with Vultr

  • اجرای سرور Ubuntu Launch Ubuntu Server

  • ارتقاء Instance برای استفاده از IPv4 Upgrade Instance to use IPv4

  • نصب PuTTY (Windows) Install PuTTY (Windows)

  • SSH به سرور (Windows) SSH into Server (Windows)

  • SSH به سرور (Mac و Linux) SSH into Server (Mac and Linux)

  • به‌روزرسانی و ارتقاء با apt Updating and Upgrading with apt

  • نصب ZSH Install ZSH

  • نصب pip و venv Install pip and venv

  • نصب NginX Install NginX

  • ایجاد دایرکتوری پروژه Create Project Directory

  • انتقال فایل‌های پروژه به سرور (Windows) Transfer project files to server (Windows)

  • انتقال فایل‌های پروژه به سرور (Mac و Linux) Transfer project files to server (Mac and Linux)

  • ایجاد Virtual Environment Create Virtual Environment

  • نصب Requirements Install Requirements

  • پیکربندی Gunicorn با systemd Configuring Gunicorn with systemd

  • پیکربندی NginX برای ارتباط با Gunicorn Configure NginX to Communicate with Gunicorn

  • دسترسی به فایل‌های Log با journalctl Accessing Log Files with journalctl

  • به‌روزرسانی‌های خودکار روزانه با Cron Job Automatic Daily Updates with a Cron Job

  • تکمیل استقرار Deployment Complete

نمایش نظرات

آموزش ایجاد داشبورد تحلیل داده تعاملی با پایتون
جزییات دوره
12 hours
153
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,934
4.3 از 5
دارد
دارد
دارد
Ted Petrou
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ted Petrou Ted Petrou

نویسنده کتاب آشپزی پانداها، بنیانگذار Dunder Data