تجزیه و تحلیل داده ها با استفاده از تجسم های پایتون [ویدئو]

Data Analytics Using Python Visualizations [Video]

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: اگر روی پروژه‌های یادگیری ماشین کار می‌کنید و می‌خواهید الگوها و بینش‌هایی را از داده‌های خود در مسیر ساخت مدل‌ها پیدا کنید، این دوره برای شما مناسب است. این دوره یک رویکرد جامع برای آموزش تکنیک های تجسم دارد. ما از سناریوهای واقعی کسب و کار و داده های خام استفاده می کنیم تا از طریق تکنیک های تجزیه و تحلیل داده های اکتشافی (EDA) دقیق بگذریم تا داده های خام را متناسب با نیازهای تجسم مناسب آماده کنیم. شما در مورد تجزیه و تحلیل داده ها و تکنیک های تجزیه و تحلیل داده های اکتشافی با استفاده از چندین ساختار داده مختلف با کتابخانه های NumPy و Pandas خواهید آموخت. همچنین انواع نمودار/گراف، سفارشی سازی/پیکربندی و تکنیک های برداری را خواهید آموخت. ما به تجسم‌های پیشرفته با استفاده از برنامه‌های تجاری مانند نمودارهای تکی و چندگانه، نمودارهای دایره‌ای و نمودارهای حبابی با بردار شدن ویژگی‌ها نگاه خواهیم کرد. ما بیشتر به بررسی Seaborn Boxplot، Violin plot، Categorical Scatterplot و نحوه ایجاد نقشه های حرارتی خواهیم پرداخت. در پایان دوره، تکنیک های اساسی تجزیه و تحلیل داده ها و سفارشی سازی عمیق تر در تجسم ها را خواهید آموخت. شما می توانید با اطمینان از کتابخانه های تجسم پایتون مانند Matplotlib، Seaborn و Bokeh در پروژه های آینده خود استفاده کنید. همه منابع و فایل های کد در اینجا قرار می گیرند: https://github.com/PacktPublishing/Data-Analytics-using-Python-Visualizations با مفاهیم مختلف تجسم آشنا شوید آموزش ایجاد نمودارهای ساده با استفاده از Matplotlib درباره هیستوگرام های حاشیه ای و جعبه های حاشیه ای بیاموزید مدیریت تصاویر با استفاده از متریک پیکسل را یاد بگیرید در مورد متغیرهای طبقه بندی شده و هیستوگرام ها (با EDA) بیاموزید تکنیک های مختلف تولید داده را بیاموزید این دوره برای توسعه دهندگان پایتون و یادگیری ماشین، دانشمندان داده، تحلیلگران داده و تحلیلگران کسب و کار است. این دوره همچنین برای رهبران، مدیران و هر کسی که کارشان ارائه داده‌ها در قالب تصاویر بصری است، مفید خواهد بود، که شامل توسعه‌دهندگان، معماران و تحلیلگران سیستم می‌شود. درک اولیه پایتون مفید خواهد بود، اما اجباری نیست. هنر ارائه داده‌ها در قالب تجسم‌های قدرتمند، نوآورانه و شهودی * پوشش عمیق کتابخانه‌های تجسم Matplotlib، Seaborn و Bokeh * استفاده از تکنیک‌های تجزیه و تحلیل داده‌ها/تحلیل داده‌های اکتشافی (EDA) با استفاده از چندین تولید داده و روش‌های دستکاری

سرفصل ها و درس ها

Matplotlib و Seaborn – کتابخانه ها و تکنیک ها Matplotlib and Seaborn – Libraries and Techniques

  • ویدیو تبلیغاتی Promotional Video

  • معرفی نویسنده Author Introduction

  • آنچه شما یاد خواهید گرفت What You Will Learn

  • مفاهیم تجسم Visualization Concepts

  • مقدمه ای بر Matplotlib Introduction to Matplotlib

  • ایجاد نمودارهای ساده با استفاده از Matplotlib Creating Simple Plots Using Matplotlib

  • ایجاد نمودارهای پراکندگی Creating Scatter Plots

  • ایجاد محدودیت های محور Creating Axis Limits

  • پارامترسازی پلات ها Parameterizing Plots

  • ایجاد نوارهای خطا Creating Error Bars

  • رسم هیستوگرام ها و نمودارهای جعبه ای Plotting Histograms and Box Plots

  • ترسیم هیستوگرام های دو بعدی Plotting 2D Histograms

  • هیستوگرام های حاشیه ای و جعبه های حاشیه ای Marginal Histograms and Marginal Boxplots

  • کار با Subplots Working with Subplots

  • روند سهام/مجموعه زمانی طرح و حاشیه نویسی Stock Trend / Time Series Plot and Annotations

  • رسم تصاویر و خوشه بندی Plotting Images and Clustering

  • ایجاد نمودارهای کانتور دو بعدی برای داده های سه بعدی Creating 2D Contour plots for 3D Data

  • ایجاد نمودارهای سه بعدی از جمله خطوط سه بعدی Creating 3D Plots Including 3D Contours

  • Stylesheets، rcParam، و Stylesheets سفارشی Stylesheets, rcParam, and Custom Stylesheets

تجسم های پیشرفته با استفاده از برنامه های کاربردی تجاری Advanced Visualizations Using Business Applications

  • نمودارهای تک و چند میله ای Single and Multiple Bar Charts

  • نمودارهای مساحت و مساحت انباشته Area and Stacked-Area Charts

  • رسم نمودارهای پای Drawing Pie Charts

  • نمودارهای حبابی با برداری از ویژگی ها Bubble Charts with Vectorization of Properties

  • ترسیم خطوط رگرسیون با OLS (ML) Plotting Regression Lines with OLS (ML)

  • متغیرهای طبقه بندی شده و هیستوگرام (با EDA) Categorical Variables and Histograms (with EDA)

  • باکس پلات Seaborn، طرح ویولن، طرح پراکنده طبقه بندی شده Seaborn Boxplot, Violin plot, Categorical Scatterplot

  • Slopeplots Seaborn برای مقایسه توزیع ها Seaborn Slopeplots for Comparing Distributions

  • طرح دمبل برای جنبش ارزش دسته بندی Dumbbell Plot for Category-Wise Value Movement

  • ایجاد نقشه های حرارتی Creating Heatmaps

  • کار با Pairplots Working with Pairplots

  • نمودارهای روند فصلی Seasonal Trendcharts

  • Yearplot و Calendarplot برای روندهای مقیاس رنگ Yearplot and Calendarplot for Color-Scaled Trends

  • Radarplot برای مقایسه نمرات چند پارامتر Radarplot to Compare Scores of Multiple Parameters

کار با کتابخانه زیبا و قدرتمند بوکه Working with the Beautiful and Powerful Bokeh Library

  • آشنایی با بوکه Introduction to Bokeh

  • ایجاد نمودارهای ساده و چند خطی Creating Simple and Multiple Line Plots

  • سفارشی کردن نقشه های خود Customizing Your Plots

  • ایجاد نمودارهای حباب - بردار کردن نقشه شما Creating Bubble Plots – Vectorizing Your Plot

  • کار با Layouts – Row/Column/Grid Working with Layouts – Row / Column / Grid

  • با استفاده از آبجکت ColumnDataSource Using the ColumnDataSource Object

  • اعمال فیلترها – IndexFilter، BooleanFilter، GroupFilter Applying Filters – IndexFilter, BooleanFilter, GroupFilter

  • ویجت ها – کنترل های طرح دینامیک Widgets – Dynamic Plot Controls

  • ترسیم نقشه گوگل با استفاده از Google Map API Plotting on a Google Map Using Google Map API

  • یادداشت های پایانی Closing Notes

نمایش نظرات

تجزیه و تحلیل داده ها با استفاده از تجسم های پایتون [ویدئو]
جزییات دوره
6 h 26 m
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

Manas Dasgupta Manas Dasgupta

بنیانگذار استارتاپ، کارشناس علوم داده