آموزش مقدمه ای بر تجسم داده با پایتون

سرفصل ها و درس ها

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

معرفی دوره Course Introduction

• ساختار این دوره چگونه است How This Course Is Structured

• چرا تجسم داده ها؟ Why Data Visualization?

• چرا پایتون؟ Why Python?

• این دوره برای چه کسی است؟ Who Is This Course For?

مقدمه ای بر Jupyter ، Pandas و Matplotlib Introduction to Jupyter, Pandas, and Matplotlib

• نصب کتابخانه ها از طریق Anaconda Installing Libraries Through Anaconda

• استفاده از Jupyter برای اولین بار Using Jupyter for the First Time

• استفاده از Matplotlib برای اولین بار Using Matplotlib for the First Time

• استفاده از پانداها برای اولین بار Using Pandas for the First Time

• وارد کردن داده ها با Pandas Importing Data with Pandas

یافتن توزیع داده ها با هیستوگرام ها Finding Distribution of Data with Histograms

• چه موقع از هیستوگرام استفاده کنید When to Use Histograms

• ایجاد هیستوگرام با Matplotlib Creating Histograms with Matplotlib

• تمرین مسئله 1 - هیستوگرام Practice Problem 1 - Histograms

ایجاد سری های زمانی با نمودارهای خطی Creating Time Series with Line Charts

• زمان استفاده از نمودارهای خطی/سری زمانی When to Use Line Charts / Time Series

• ایجاد نمودارهای خطی با Matplotlib Creating Line Charts with Matplotlib

• تمرین مسئله 2 - نمودارهای خطی/سری زمانی Practice Problem 2 - Line Charts / Time Series

بررسی روابط در داده ها با نمودارهای پراکندگی Examining Relationships in Data with Scatter Plots

• چه موقع از نمودارهای پراکنده استفاده کنید When to Use Scatter Plots

• ایجاد نمودارهای پراکنده با Matplotlib Creating Scatter Plots with Matplotlib

• مسئله 3 را تمرین کنید - نمودارهای پراکنده Practice Problem 3 - Scatter Plots

مقایسه داده ها با نمودارهای میله ای Comparing Data with Bar Graphs

• چه موقع از نمودارهای میله ای استفاده کنید When to Use Bar Graphs

• ایجاد نمودارهای میله ای با Matplotlib Creating Bar Graphs with Matplotlib

• تمرین مسئله 4 - نمودارهای میله ای Practice Problem 4 - Bar Graphs

وقتی داده های شما خیلی بزرگ است چه کاری باید انجام دهید What to Do When Your Data Is Too Big

• مقدمه ای بر جمع آوری داده ها و نمونه گیری Introduction to Data Aggregation and Sampling

• یک مثال جمع آوری داده ها با پایتون A Data Aggregation Example with Python

• یک نمونه نمونه گیری تصادفی با پایتون A Random Sampling Example with Python

حل مشکلات دنیای واقعی با تجسم Solving Real-world Problems with Visualization

• ثروتمندترین کشور جهان چیست؟ What’s the Richest Country in the World?

• مشکلات خود را حل کنید Solve Your Own Problems

• نتیجه گیری و سفر از اینجا Conclusion and the Journey from Here