آموزش تجسم داده پایتون: Matplotlib و Seaborn Masterclass

Python Data Visualization: Matplotlib & Seaborn Masterclass

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: داده‌های خود را به LIFE بیاورید و بر محبوب‌ترین کتابخانه‌های تجزیه و تحلیل داده و تجسم Python مسلط شوید: Matplotlib و Seaborn به ملزومات Matplotlib و Seaborn، دو تا از قوی‌ترین بسته‌های تجسم داده پایتون تسلط پیدا کنید. طراحی و قالب‌بندی 20 نوع نمودار با استفاده از Matplotlib و Seaborn، از جمله نمودارهای خطی ، نمودارهای میله ای، نمودارهای پراکنده، هیستوگرام ها، نمودارهای ویولن، نقشه های حرارتی و موارد دیگر گزینه های سفارشی سازی پیشرفته مانند طرح های فرعی، مشخصات شبکه، شیوه نامه ها و پارامترها را بیاموزید بهترین شیوه ها را برای تجسم داده ها، داستان سرایی، قالب بندی و طراحی بصری ایجاد کنید مهارت های قدرتمند و کاربردی برای تجزیه و تحلیل مدرن و هوش تجاری پیش نیازها: از نوت بوک های Anaconda و Jupyter (یک محیط برنامه نویسی رایگان و کاربرپسند) استفاده خواهیم کرد.

این یک دوره آموزشی عملی و مبتنی بر پروژه است که به شما کمک می‌کند تا دو مورد از محبوب‌ترین بسته‌های پایتون را برای تجسم داده‌ها یاد بگیرید: Matplotlib Seaborn.


ما با معرفی سریع چارچوب‌های تجسم داده‌ها و بهترین شیوه‌ها شروع می‌کنیم و تصاویر ضروری، خطاهای رایج، و نکاتی برای ارتباط مؤثر و داستان‌گویی را مرور می‌کنیم.


از آنجا به اصول Matplotlib می پردازیم و ساختن و سفارشی سازی نمودارهای خطی، نمودارهای میله ای، دونات های پای، نمودارهای پراکنده، هیستوگرام ها و موارد دیگر را تمرین می کنیم. ما اجزای یک شکل Matplotlib را تجزیه می‌کنیم و تکنیک‌های رایج قالب‌بندی نمودار را معرفی می‌کنیم، سپس گزینه‌های سفارشی‌سازی پیشرفته مانند نمودارهای فرعی، GridSpec، شیوه نامه‌ها و پارامترها را بررسی می‌کنیم.


در نهایت کتابخانه Seaborn پایتون را معرفی خواهیم کرد. ما با ساختن چند نمودار ابتدایی شروع می کنیم، سپس به جلوه های بصری پیشرفته تری مانند طرح های ویولن جعبه، PairPlots، نقشه های حرارتی، FacetGrids و موارد دیگر می پردازیم.


در طول دوره شما نقش مشاور را در Maven Consulting Group بازی خواهید کرد، شرکتی که مشاوره استراتژیک را به شرکت‌های سراسر جهان ارائه می‌کند. شما مهارت های خود را در طیف وسیعی از پروژه ها و مطالعات موردی در دنیای واقعی، از جمعیت شناسی مشتریان هتل گرفته تا رتبه بندی الماس، قیمت قهوه و فروش خودرو، تمرین خواهید کرد.


خلاصه دوره:


  • مقدمه ای برای تجسم داده

    • چارچوب‌های تجسم داده‌ها و بهترین شیوه‌ها را برای انتخاب نمودارهای مناسب، اعمال قالب‌بندی مؤثر، و برقراری ارتباط با داستان‌ها و بینش‌های واضح و مبتنی بر داده‌ها بیاموزید


  • اصول Matplotlib

    • کتابخانه Matplotlib Python را کاوش کنید و از آن برای ساخت و سفارشی کردن چندین نوع نمودار ضروری، از جمله نمودارهای خطی، نمودارهای میله ای، نمودارهای پای/دونات، نمودارهای پراکنده و هیستوگرام استفاده کنید


  • پروژه شماره 1: تجزیه و تحلیل بازار جهانی قهوه

    • داده‌ها را از فایل‌های CSV ارائه‌شده توسط یک تاجر بزرگ جهانی قهوه در پایتون بخوانید و از Matplotlib برای تجسم داده‌های حجم و قیمت بر اساس کشور استفاده کنید


  • سفارشی سازی پیشرفته

    • تکنیک‌های سفارشی‌سازی پیشرفته را در Matplotlib اعمال کنید، از جمله شکل‌های چند نمودار، طرح‌بندی و رنگ‌های سفارشی، شیت‌های سبک، مشخصات شبکه، پارامترها و موارد دیگر


  • پروژه شماره 2: تجسم تولید جهانی قهوه

    • تجزیه و تحلیل خود را از بازار جهانی قهوه ادامه دهید و از تکنیک های تجسم و قالب بندی داده های پیشرفته برای ایجاد یک گزارش جامع برای ارتباط بینش های کلیدی استفاده کنید


  • تجسم داده با Seaborn

    • داده‌ها را با کتابخانه Seaborn Python تجسم کنید و با استفاده از انواع نمودارهای اضافی مانند نمودارهای جعبه، نمودارهای ویولن، نمودارهای مشترک، نمودارهای زوجی، نقشه‌های حرارتی و موارد دیگر، تصاویر سفارشی بسازید


  • پروژه شماره 3: تجزیه و تحلیل فروش خودروهای دست دوم

    • از Seaborn و Matplotlib برای کاوش، تجزیه و تحلیل و تجسم داده‌های حراج خودرو استفاده کنید تا به مشتری خود کمک کنید تا بهترین معاملات را در مورد وسایل نقلیه خدمات دست دوم برای کسب و کار شناسایی کند


امروز بپیوندید و به موارد زیر دسترسی فوری و مادام العمر داشته باشید:


  • 7.5 ساعت ویدئو با کیفیت بالا

  • کتاب الکترونیکی Matplotlib Seaborn PDF (بیش از 150 صفحه)

  • راه حل فایل های پروژه قابل دانلود

  • پشتیبانی تخصصی و انجمن پرسش و پاسخ

  • 30 روز ضمانت رضایت Udemy


اگر دانشمند داده، تحلیلگر BI یا مهندس داده هستید که به دنبال افزودن Matplotlib Seaborn به مجموعه مهارت های پایتون خود هستید، این دوره برای شما مناسب است!


یادگیری مبارک!

-Chris Bruehl (متخصص پایتون، مربی پایتون، Maven Analytics)

__________

به دنبال پشته کامل هوش تجاری ما هستید؟ برای مرور کتابخانه کامل دوره ما، از جمله دوره های Excel، Power BI، MySQL، Tableau و Machine Learning، «Maven Analytics» را جستجو کنید!


ببینید چرا دوره‌های ما جزو برترین‌ها در Udemy هستند:


"برخی از بهترین دوره هایی که تا به حال گذرانده ام. چندین زبان برنامه نویسی، Excel، VBA و توسعه دهنده وب را مطالعه کرده ام، و Maven یکی از بهترین دوره هایی است که دیده ام!" Russ C.


"این چهارمین دوره من از Maven Analytics و چهارمین بررسی 5 ستاره من است، بنابراین چیزهایی برای گفتن تمام شده است. ای کاش Maven زودتر در زندگی من بود!" تاتسیانا ام.


"Maven Analytics باید استاندارد جدیدی برای تمام دوره های آموزش داده شده در Udemy شود!" جونا ام.


سرفصل ها و درس ها

شروع شدن Getting Started

  • ساختار و طرح کلی دوره Course Structure & Outline

  • مرا بخوانید: نکات مهم برای دانشجویان جدیدالورود READ ME: Important Notes for New Students

  • دانلود: منابع دوره DOWNLOAD: Course Resources

  • معرفی پروژه دوره Introducing the Course Project

  • تعیین انتظارات Setting Expectations

  • نصب و راه اندازی Jupyter Jupyter Installation & Launch

مقدمه ای بر تجسم داده ها Intro to Data Visualization

  • چرا داده ها را تجسم کنیم؟ Why Visualize Data?

  • 3 سوال کلیدی 3 Key Questions

  • تصاویر ضروری Essential Visuals

  • قالب بندی نمودار و داستان سرایی Chart Formatting & Storytelling

  • اشتباهات رایج در تجسم Common Visualization Mistakes

  • خوراکی های کلیدی Key Takeaways

  • آزمون: مقدمه ای برای تجسم داده ها QUIZ: Intro to Data Visualization

مبانی Matplotlib Matplotlib Fundamentals

  • معرفی Matplotlib Intro to Matplotlib

  • روش های رسم Plotting Methods

  • ترسیم DataFrames Plotting DataFrames

  • تکلیف: ترسیم قاب های داده ASSIGNMENT: Plotting DataFrames

  • راه حل: ترسیم DataFrames SOLUTION: Plotting DataFrames

  • آناتومی یک شکل Matplotlib Anatomy of a Matplotlib Figure

  • عناوین نمودار و اندازه قلم Chart Titles & Font Sizes

  • افسانه های نمودار Chart Legends

  • سبک های خط Line Styles

  • محدودیت های محور Axis Limits

  • اندازه های شکل Figure Sizes

  • تیک های محور سفارشی Custom Axis Ticks

  • خطوط عمودی Vertical Lines

  • اضافه کردن متن Adding Text

  • نکته حرفه ای: حاشیه نویسی متن PRO TIP: Text Annotations

  • حذف مرزها Removing Borders

  • تکلیف: قالب بندی نمودارها ASSIGNMENT: Formatting Charts

  • راه حل: قالب بندی نمودارها SOLUTION: Formatting Charts

  • نمودارهای خطی Line Charts

  • نمودارهای خطی انباشته Stacked Line Charts

  • نمودارهای دو محوره Dual Axis Charts

  • تکلیف: نمودارهای خطی دو محوره ASSIGNMENT: Dual Axis Line Charts

  • راه حل: نمودارهای خطی دو محوره SOLUTION: Dual Axis Line Charts

  • نمودار میله Bar Charts

  • تکلیف: نمودارهای میله ای ASSIGNMENT: Bar Charts

  • راه حل: نمودار میله ای SOLUTION: Bar Charts

  • نمودارهای میله ای انباشته Stacked Bar Charts

  • نمودارهای نواری گروه بندی شده Grouped Bar Charts

  • نمودارهای ترکیبی Combo Charts

  • تکلیف: نمودارهای نواری پیشرفته ASSIGNMENT: Advanced Bar Charts

  • راه حل: نمودار نواری پیشرفته SOLUTION: Advanced Bar Charts

  • نمودارهای پای و دونات Pie & Donut Charts

  • تکلیف: نمودارهای پای و دونات ASSIGNMENT: Pie & Donut Charts

  • راه حل: نمودارهای پای و دونات SOLUTION: Pie & Donut Charts

  • نمودارهای پراکنده و حباب Scatterplots & Bubble Charts

  • هیستوگرام ها Histograms

  • تکلیف: نمودارهای پراکنده و هیستوگرام ASSIGNMENT: Scatterplots & Histograms

  • راه حل: نمودارهای پراکنده و هیستوگرام SOLUTION: Scatterplots & Histograms

  • خوراکی های کلیدی Key Takeaways

  • آزمون: اصول Matplotlib QUIZ: Matplotlib Fundamentals

پروژه شماره 1: تجزیه و تحلیل بازار جهانی قهوه PROJECT #1: Analyzing the Global Coffee Market

  • معرفی پروژه شماره 1 Project #1 Introduction

  • پروژه شماره 1 راه حل Project #1 Solution Walkthrough

سفارشی سازی پیشرفته Advanced Customization

  • مقدمه ای بر سفارشی سازی پیشرفته Intro to Advanced Customization

  • طرح های فرعی Subplots

  • تکلیف: طرح های فرعی ASSIGNMENT: Subplots

  • راه حل: طرح های فرعی SOLUTION: Subplots

  • GridSpec GridSpec

  • تکلیف: GridSpec ASSIGNMENT: GridSpec

  • راه حل: GridSpec SOLUTION: GridSpec

  • گزینه های رنگ Color Options

  • پالت های رنگی Color Palettes

  • تکلیف: رنگ ها ASSIGNMENT: Colors

  • راه حل: رنگ ها SOLUTION: Colors

  • شیوه نامه ها Style Sheets

  • تکلیف: برگه های سبک ASSIGNMENT: Style Sheets

  • راه حل: برگه های سبک SOLUTION: Style Sheets

  • rcParameters rcParameters

  • ذخیره تصاویر و تصاویر Saving Figures & Images

  • خوراکی های کلیدی Key Takeaways

  • QUIZ: سفارشی سازی پیشرفته QUIZ: Advanced Customization

پروژه شماره 2: تجسم تولید جهانی قهوه PROJECT #2: Visualizing Global Coffee Production

  • معرفی پروژه شماره 2 Project #2 Introduction

  • پروژه شماره 2 راه حل Project #2 Solution Walkthrough

تجسم با Seaborn Visualization with Seaborn

  • معرفی Seaborn Intro to Seaborn

  • گزینه های قالب بندی اولیه Basic Formatting Options

  • نمودار میله ای و هیستوگرام Bar Charts & Histograms

  • تکلیف: نمودار میله ای و هیستوگرام ASSIGNMENT: Bar Charts & Histograms

  • راه حل: نمودار میله ای و هیستوگرام SOLUTION: Bar Charts & Histograms

  • نقشه های جعبه و ویولن Box & Violin Plots

  • تکلیف: نقشه های جعبه و ویولن ASSIGNMENT: Box & Violin Plots

  • راه حل: طرح های جعبه و ویولن SOLUTION: Box & Violin Plots

  • نمودارهای رابطه خطی Linear Relationship Charts

  • قطعات مشترک Jointplots

  • PairPlots PairPlots

  • تکلیف: نمودارهای رابطه خطی ASSIGNMENT: Linear Relationship Charts

  • راه حل: نمودارهای رابطه خطی SOLUTION: Linear Relationship Charts

  • نقشه های حرارتی Heatmaps

  • تکلیف: نقشه های حرارتی ASSIGNMENT: Heatmaps

  • راه حل: نقشه های حرارتی SOLUTION: Heatmaps

  • FacetGrid FacetGrid

  • ادغام Matplotlib Matplotlib Integration

  • خوراکی های کلیدی Key Takeaways

  • آزمون: تجسم با Seaborn QUIZ: Visualization with Seaborn

پروژه شماره 3: تجزیه و تحلیل فروش خودروهای دست دوم PROJECT #3: Analyzing Used Car Sales

  • معرفی پروژه شماره 3 Project #3 Introduction

  • پروژه شماره 3 راه حل Project #3 Solution Walkthrough

درس جایزه BONUS LESSON

  • درس جایزه BONUS LESSON

نمایش نظرات

آموزش تجسم داده پایتون: Matplotlib و Seaborn Masterclass
جزییات دوره
7.5 hours
94
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,760
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Maven Analytics Maven Analytics

برنده جایزه تجزیه و تحلیل و آموزش هوش تجاری

Chris Bruehl Chris Bruehl

مربی اصلی پایتون در Maven Analytics