آموزش تسلط بر بصری‌سازی داده‌ها - کتابخانه‌های پایتون و Power BI برای مبتدیان [ویدئویی] - آخرین آپدیت

دانلود Data Visualization Mastery - Python Libraries and Power BI for Beginners [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: با یادگیری کتابخانه‌های مبتنی بر پایتون شامل Matplotlib، Seaborn و Plotly، به دنیای بصری‌سازی داده‌ها وارد شوید. در این دوره خواهید آموخت که چگونه نمودارهای خطی، ستونی و پراکندگی جذاب بسازید و آن‌ها را برای روایتگری داده‌ها (Storytelling) شخصی‌سازی و ترکیب کنید. این مسیر با آماده‌سازی محیط توسعه و درک مفاهیم بنیادی آماده‌سازی داده‌ها پیش از خلق تصاویر بصری آغاز می‌شود. سپس دوره به بخش هوش تجاری (BI) با ابزار Power BI انتقال می‌یابد و شما را با Power Query برای وارد کردن، تبدیل و شکل‌دهی داده‌ها آشنا می‌کند. شما وظایف حیاتی مانند ادغام جداول (Merging)، تبدیل ستون‌ها (Unpivoting) و ایجاد منطق‌های سفارشی برای مدل‌سازی دقیق داده‌ها را بررسی خواهید کرد. یادگیری با مفاهیم مدل‌سازی داده، ایجاد روابط و تعریف فیلدهای محاسباتی با استفاده از توابع DAX مانند SUMX و CALCULATE ادامه می‌یابد. در ماژول‌های نهایی، داشبوردهای حرفه‌ای را با استفاده از نمودارها، فیلترها، جداول و KPIها طراحی کرده و سپس گزارش‌ها را در Power BI Service منتشر و ویرایش می‌کنید. هر بخش شامل تمرینات عملی برای تثبیت یادگیری است تا مطمئن شوید توانایی تبدیل داده‌های خام CSV به داشبوردهای ابری و حرفه‌ای را کسب کرده‌اید. - ایجاد نمودارها با استفاده از Matplotlib، Seaborn و Plotly در پایتون - بصری‌سازی متغیرهای متعدد با ابزارهای ترسیم تعاملی - وارد کردن و شکل‌دهی داده‌ها با استفاده از تبدیلات Power Query - ایجاد روابط داده‌ای و مدل‌سازی در Power BI Desktop - به‌کارگیری فرمول‌های DAX برای ایجاد معیارهای محاسباتی معنادار - طراحی و انتشار داشبوردها در Power BI Service این دوره برای مبتدیان تحلیل داده، متقاضیان علوم داده و متخصصان کسب‌وکاری که می‌خواهند مهارت‌های گزارش‌دهی و بصری‌سازی خود را ارتقا دهند، طراحی شده است. هیچ تجربه قبلی در پایتون یا Power BI مورد نیاز نیست، اما آشنایی اولیه با فرمت‌های داده مانند CSV و Excel مفید خواهد بود. همچنین برای تحلیل‌گرانی که به دنبال انتقال به نقش‌های فنی‌تر در زمینه روایتگری داده‌ها هستند، مناسب است. * مسیر کامل از داده‌های خام تا داشبورد با استفاده از کدنویسی و محیط‌های گرافیکی (GUI) * پوشش هر دو حوزه بصری‌سازی آماری و گزارش‌دهی هوش تجاری * شامل تمرینات هدایت شده، سناریوهای دنیای واقعی و گردش‌کارهای انتشار

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • آشنایی با محیط توسعه ما Introduction to Our Development Environment

کتابخانه Matplotlib Matplotlib

  • آماده‌سازی داده‌ها برای بصری‌سازی Preparing Our Data for Visualization

  • ایجاد نمودارهای خطی در Matplotlib Creating Line Charts in Matplotlib

  • شخصی‌سازی نمودارهای خطی در Matplotlib Customizing Line Chart in Matplotlib

  • نمودارهای خطی متعدد در Matplotlib Multiple Line Charts in Matplotlib

  • نمودارهای ستونی در Matplotlib Bar Charts in Matplotlib

  • نمودارهای پراکندگی در Matplotlib Scatter Plots in Matplotlib

  • مرور تمرینات Matplotlib Matplotlib Exercise Overview

  • پاسخ تمرینات Matplotlib Matplotlib Exercise Solution

کتابخانه Seaborn Seaborn

  • نمودارهای خطی در Seaborn Line Charts in Seaborn

  • نمودارهای ستونی در Seaborn Bar Charts in Seaborn

  • نمودارهای پراکندگی در Seaborn Scatter Plots in Seaborn

  • مرور تمرینات Seaborn Seaborn Exercise Overview

  • پاسخ تمرینات Seaborn Seaborn Exercise Solution

کتابخانه Plotly Plotly

  • نمودارهای خطی در Plotly Line Charts in Plotly

  • نمودارهای خطی متعدد در Plotly Multiple Line Charts in Plotly

  • نمودارهای ستونی در Plotly Bar Charts in Plotly

  • نمودارهای پراکندگی در Plotly Scatter Plots in Plotly

  • مرور تمرینات Plotly Plotly Exercise Overview

  • پاسخ تمرینات Plotly Plotly Exercise Solution

  • جمع‌بندی Conclusion

بخش دوم – مبانی Power Query Part 2 – Power Query Fundamentals

  • خوش‌آمدگویی به دوره Course Welcome

  • وارد کردن داده‌ها (Importing) Importing Data

  • حذف داده‌های تکراری Removing Duplicates

  • الحاق داده‌ها (Appending) Appending Data

  • ادغام جداول (Merging) Merging Tables

  • تبدیل ستون‌ها (Unpivot) Unpivot Columns

  • ایجاد ستون جدید از روی نمونه Create New Column from Example

  • ستون‌های شرطی و سفارشی Conditional and Custom Columns

مدل‌سازی داده‌ها Data Modeling

  • مرور کلی روابط و مدل‌سازی Relationship and Modeling Overview

  • ایجاد روابط Creating Relationships

توابع DAX و معیارها DAX and Measures

  • تابع SUMX SUMX

  • تابع CALCULATE CALCULATE Function

  • معیارهای سریع (Quick Measure) Quick Measure

بصری‌سازی داده‌ها Data Visualization

  • مقدمه‌ای بر بصری‌سازی داده‌ها Intro to Data Visualizations

  • بصری‌سازی Gauge (گیج) Gauge Visualization

  • بصری‌سازی ماتریسی و جدولی Matrix and Table Visualization

  • ستون‌ها و ستون‌های خوشه‌ای Columns and Clustered Columns

  • فیلترها Filters

انتشار Publishing

  • انتشار در Power BI Service Publishing to Power BI Service

  • ویرایش در Power BI Service Editing in Power BI Service

پایان دوره Course Close

  • پایان دوره Course Close

نمایش نظرات

آموزش تسلط بر بصری‌سازی داده‌ها - کتابخانه‌های پایتون و Power BI برای مبتدیان [ویدئویی]
جزییات دوره
2h 41m
43
Packtpub Packtpub
(آخرین آپدیت)
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

David Casuto David Casuto

Adobe Certified Instructor - 20 سال تجربه آموزشی من یک مربی دارای گواهینامه Adobe با دو مدرک کارشناسی ارشد هستم: فناوری آموزشی (M.Ed.) + روانشناسی سازمانی (MS). با بیش از 20 سال تجربه آموزشی، من برای صدها شرکت و سازمان از جمله: دانشگاه استنفورد، UC Berkeley، UC Santa Cruz، Walmart، Twitter، Adobe، Salesforce و ده ها مورد دیگر آموزش دیده ام. من نه تنها یک مربی هستم، بلکه تمرین کننده برنامه هایی هستم که تدریس می کنم، طراح و خالق هستم. من عاشق تدریس هستم و دانش را هدیه می دهم و امیدوارم به هر چه بیشتر دانش آموزان برسم!

Simon Sez IT Simon Sez IT

بیش از 680000 دانشجو، بیش از 220 دوره آموزشی، زبان آموزان در 180+ کشور

Kieren Keene Kieren Keene

کیران کین (Kieran Keene)، یک متخصص برجسته داده و رهبر فنی آینده‌نگر با تجربه‌ای گسترده در زمینه‌های داده، تحلیل، مهندسی، علوم و حاکمیت داده است. کیران در حال حاضر به عنوان مدیر داده، سرپرستی تیمی پویا از دانشمندان داده، مهندسان و تحلیل‌گران را بر عهده دارد. او در نقش چندمنظوره خود، توسعه فنی عملی را با مربی‌گری، مدیریت تیم، تعریف استراتژی و نظارت مالی ترکیب می‌کند. تخصص او در ارائه خطوط لوله داده (Data Pipelines)، مدل‌های پیش‌بینی‌کننده و بینش‌های کاربردی با استفاده از ابزارهایی نظیر Hadoop، SQL، Apache Spark، Python، Tableau و PowerBI می‌درخشد. فراتر از مسئولیت‌های شرکتی، کیران یک مدرس مشتاق است که دوره‌های تحسین‌شده متعددی ایجاد کرده است. این دوره‌ها که شامل پایتون، Pandas، Polars و Apache Spark هستند، جایگاه او را به عنوان یک مربی قابل اعتماد در جامعه علوم داده تثبیت کرده است.