آموزش تسلط بر تصویرسازی داده با پایتون: از مبتدی تا متخصص - آخرین آپدیت

سرفصل ها و درس ها

Introduction to Data Visualization

• اصول پایه مصورسازی موثر Basic Principles of Effective Visualization

• راه اندازی محیط پایتون Setting up the Python Environment

مبانی Matplotlib Matplotlib Basics

• ایجاد نمودارهای ساده (خطی، میله‌ای، پراکندگی) Creating Simple Plots (line, bar, scatter)

• سفارشی سازی نمودارها (رنگ‌ها، نشانگرها، برچسب‌ها) Customizing Plots (colors, markers, labels)

• نمودارهای فرعی و اندازه شکل Subplots and Figure Size

• ذخیره نمودارها Saving Plots

Seaborn برای مصورسازی داده های آماری Seaborn for Statistical Data Visualization

• مقدمه ای بر Seaborn Introduction to Seaborn

• Distplot و هیستوگرام Distplot and Histogram

• نمودار جعبه ای و نمودار ویولن Box plot and Violin Plot

• نمودار پراکندگی و نمودار Joint Scatter Plot and Joint Plot

• نمودار Pair Pair Plot

• Heatmap Heatmap

Plotly برای مصورسازی تعاملی Plotly for Interactive Visualizations

• مقدمه ای بر Plotly Introduction to Plotly

• نمودارهای خطی و نمودارهای پراکندگی Line Charts and Scatter Plots

• نمودارهای میله ای و هیستوگرام ها Bar Charts and Histograms

• نمودارهای دایره ای و نمودارهای دونات Pie Charts and Donut Charts

• نمودارهای سه بعدی 3D Plots

• داشبوردها و مصورسازی های تعاملی Dashboards and Interactive Visualizations

تکنیک های پیشرفته مصورسازی داده Advanced Data Visualization Techniques

• مصورسازی داده های مکانی Geospatial Data Visualization

• مصورسازی سری زمانی Time Series Visualization

• نمودارهای آماری (مانند نمودارهای QQ، نمودارهای احتمال) Statistical Charts (e.g., QQ plots, probability plots)

پروژه های مصورسازی داده در دنیای واقعی Real-World Data Visualization Projects

• تجزیه و تحلیل و مصورسازی یک مجموعه داده دنیای واقعی Analyzing and Visualizing a Real-World Dataset

• ایجاد یک Data Story با استفاده از مصورسازی‌ها Creating a Data Story Using Visualizations