آموزش تجسم داده ها با استفاده از Matplotlib و Plotly (کتابخانه پایتون)

Data Visualization using Matplotlib & Plotly(Python Library)

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: طراحی و ایجاد تجسم داده‌های جذاب برای تصمیم‌گیری با استفاده از کتابخانه محبوب پایتون Matplotlib و تجسم داده‌های Plotly با استفاده از تجسم داده‌های Matplotlib با استفاده از هیستوگرام Plotly Plotting، Bargraph، Scatter Plot، Boxplot، Pie Chart، Box plot، Violin Plot و بسیاری دیگر GraphstD. استفاده از رسم نمودارها و نمودارها با وارد کردن داده ها پیش نیازها: دانش پایه پایتون

در حال حاضر، تجسم داده ها ابزار بسیار مهمی است که با نمایش گرافیکی داده ها سروکار دارد. این یک راه ارتباطی بسیار موثر در تصمیم گیری، تبلیغات، تجزیه و تحلیل داده ها، یادگیری ماشین و علم داده است. و برخی از کتابخانه های پایتون مانند matplotlib و plotly برای تجسم داده ها بسیار محبوب هستند. همچنین، بسیار مهم است که بدانیم از چه نوع نمودارها یا نمودارهایی برای نمایش داده ها استفاده می کنیم. پس از اتمام این دوره، می توانید انواع نمودارها و نمودارها را به راحتی طراحی کنید.

ویژگی مهم این دوره به شرح زیر است:

  1. در اینجا ما نمودارها و نمودارهای دو بعدی و سه بعدی را پوشش می دهیم.

  2. این دوره می تواند توسط افراد بازرگانی و مدیریت نیز انجام شود

  3. هر موضوع به طور عملی پوشش داده شده است.

  4. به زبان بسیار آسان توضیح داده شده است.

  5. پس زمینه غیر برنامه نویسی نیز به راحتی قابل درک است.

  6. هر نمودار و نمودار به روشی ساده نشان داده شده است تا بتوانید با تماشای ویدیوها همین کار را انجام دهید.

موضوعات تحت پوشش Matplotlib:

1. اهمیت تجسم داده

2. نوع تجسم داده

3. مفاهیم کتابخانه matplotlib

4. ترسیم خط

5. هیستوگرام

6. طرح نوار

7. طرح پراکندگی

8. نمودار دایره ای

9. طرح جعبه

10. نمودار منطقه

11. نمودار Violene

موضوعات تحت پوشش Plotly:

  1. محیط را برای plotly تنظیم کنید

  2. ترسیم خط (دو بعدی و سه بعدی)

  3. هیستوگرام

  4. نمونه نوار

  5. نقشه پراکندگی

  6. نمودار دایره ای

  7. نقشه جعبه

  8. نمودار مساحت

  9. نمودار ویولن




سرفصل ها و درس ها

تنظیم محیط برای تجسم داده ها Environment setup for Data Visualization

  • Anaconda را برای Jupyter Notebook دانلود و نصب کنید Download and Install Anaconda for Jupyter Notebook

  • کار با Google Colab Working with Google Colab

مقدمه ای بر Matplotlib و Plotly Introduction to Matplotlib and Plotly

  • مقدمه ای بر Matplotlib Introduction to Matplotlib

  • مقدمه ای بر Plotly Introduction to Plotly

  • اهمیت تجسم داده ها Importance of Data Visualization

  • نوع بصری سازی داده ها Type of Data Visualization

  • زمان آزمون Quiz Time

تجسم داده ها با استفاده از Matplotlib Data Visualization Using Matplotlib

  • مفاهیم کتابخانه matplotlib Concepts of matplotlib Library

  • خط کشی Line Plotting

  • هیستوگرام Histogram

  • نقشه کشی Bar Plotting

  • طرح پراکنده Scatter Plot

  • نمودار دایره ای Pie Chart

  • طرح جعبه Box Plot

  • نمودار مساحتی Area Chart

  • طرح ساقه Stem Plot

  • پلات پله Step Plot

  • نمودار نوار خطا Errorbar plot

  • زمان آزمون Quiz Time

تجسم داده ها با استفاده از Plotly (گرپاها یا نمودارهای دو بعدی) Data Visualization Using Plotly (2D Grpahs or Charts)

  • نمودار خطی Line Chart

  • هیستوگرام Histogram

  • نمودار میله ای Bar Chart

  • طرح پراکنده Scatter Plot

  • نمودار دایره ای Pie Chart

نمایش نظرات

آموزش تجسم داده ها با استفاده از Matplotlib و Plotly (کتابخانه پایتون)
جزییات دوره
2.5 hours
22
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
6,003
4.5 از 5
ندارد
ندارد
ندارد
Rakesh Roshan
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Rakesh Roshan Rakesh Roshan

برنامه نویس | معلم | مربی

سلام، من راکش هستم. 17 سال سابقه تدریس به دانشجویان علوم کامپیوتر و فناوری اطلاعات دارم. من تجربه ای غنی برای به اشتراک گذاشتن دانش فناوری های مختلف مانند C، C++، Java، Android، Python، HTML، JavaScript، Go، IoT، Arduino، Raspberry Pie و غیره دارم. بیش از 15 مقاله تحقیقاتی در مجلات و کنفرانس های ملی/بین المللی منتشر شده است. . من قبلاً بیش از 100 کارگاه آموزشی را در مورد فناوری های مختلف در مناطق مختلف هند برگزار کردم. من قبلاً بیش از 1500 ویدیو را در پلتفرم های مختلف آپلود کرده ام. ویدیوی من توسط بیش از 3 میلیون نفر تماشا شده است.