آموزش پایتون برای تحلیل و بصری‌سازی داده‌ها - آخرین آپدیت

دانلود Python for Data Visualization and Analysis

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: دوره پایتون برای تحلیل و بصری‌سازی داده‌ها، یک مقدمه کاربردی برای یادگیری بصری‌سازی داده‌ها و تحلیل اکتشافی داده‌ها (EDA) با استفاده از زبان پایتون است. در این دوره، شما با کتابخانه‌های Matplotlib و Seaborn برای خلق بصری‌سازی‌های شفاف و موثر، و با Plotly برای ساخت نمودارهای تعاملی و داشبوردهای مدیریتی آشنا خواهید شد و تکنیک‌های پیشرفته گرافیکی را برای تحلیل داده‌های پیچیده به کار خواهید گرفت. یاد بگیرید چگونه داده‌ها را به صورت واضح ارائه دهید و از طریق تحلیل‌های بصری، بینش‌های ارزشمند استخراج کنید. در پایان این دوره، شما قادر خواهید بود: - اهمیت تکنیک‌های مختلف بصری‌سازی را درک کنید. - انواع نمودارهای مناسب را برای بصری‌سازی مجموعه‌داده‌های متنوع انتخاب کنید. - خروجی‌های بصری با کیفیت حرفه‌ای با Matplotlib، Seaborn و Plotly ایجاد کنید. - داشبوردهای تعاملی و المان‌های بصری را با Plotly و IPyWidgets توسعه دهید. - تحلیل اکتشافی داده‌ها (EDA) را روی مجموعه‌داده‌های پیچیده انجام داده و نتایج را با Streamlit مستقر کنید. این دوره برای افرادی که دانش پایه‌ای برنامه‌نویسی پایتون و درک اولیه‌ای از مدیریت داده‌ها دارند، ایده‌آل است. آشنایی با کتابخانه‌هایی مانند Pandas یا NumPy توصیه می‌شود. چه تحلیلگر داده باشید، چه متقاضی علوم داده و چه برنامه‌نویس پایتون که به دنبال ارتقای مهارت‌های بصری‌سازی خود است، این دوره ابزارهای لازم برای تبدیل داده‌های خام به داستان‌های معنادار را در اختیار شما قرار می‌دهد. مسیر تحلیل داده‌های خود را ارتقا دهید و همین امروز در دوره بصری‌سازی و تحلیل اکتشافی داده‌ها با پایتون ثبت‌نام کنید!

سرفصل ها و درس ها

بصری‌سازی با Matplotlib Visualization with Matplotlib

  • معرفی دوره Course Introduction

  • راه‌اندازی محیط برنامه‌نویسی Environment Set-Up

  • اهمیت بصری‌سازی داده‌ها Importance of Data Visualization

  • نمودار خطی Line Plot

  • نمودار ستونی Bar Chart

  • نمودار ستونی افقی Horizontal Bar Chart

  • نمودار ستونی انباشته Stacked Bar Chart

  • نمودار هیستوگرام Histogram

  • دمو: رسم نمودار خطی و ستونی Demonstration: Plotting Line and Bar Graph

  • دمو: رسم نمودار هیستوگرام Demonstration: Plotting Histogram

  • نمودار پراکندگی (Scatter Plot) Scatter Plot

  • نمودار دایره‌ای (Pie Chart) Pie Chart

  • نمودار جعبه‌ای (Box Plot) Box Plot

  • سفارشی‌سازی نمودارها Customizing Charts

  • دمو: نمودار دایره‌ای Demonstration: Pie Chart

  • دمو: نمودار پراکندگی و نمودار جعبه‌ای Demonstration: Scatter Plot and Box Plot

  • جمع‌بندی بصری‌سازی با Matplotlib Summary of Visualization with Matplotlib

بصری‌سازی داده‌ها با Seaborn Data Visualization with Seaborn

  • کتابخانه Seaborn چیست؟ What is Seaborn?

  • نصب و پیکربندی Seaborn Installing and Setting Up Seaborn

  • مقایسه Seaborn با Matplotlib Comparing Seaborn with Matplotlib

  • نمودار رابطه‌ای (Rel plot) Relational Plot (Rel plot)

  • نمودار توزیع (Dist Plot) Distribution Plot (Dist Plot)

  • نمودار دسته‌بندی شده (Cat Plot) Categorical Plot (Cat Plot)

  • دمو: بصری‌سازی نمودارها با Seaborn Demonstration: Visualizing Charts with Seaborn

  • دمو: بصری‌سازی نقشه حرارتی (HeatMap) Demonstration: Visualizing HeatMap

  • دمو: نمودارهای دسته‌بندی، رابطه‌ای و توزیع Demonstration: Category, Relational and Distribution Plots

  • دمو: شخصی‌سازی نمودارها و المان‌های بصری Demonstration: Personalizing Charts and Visuals

  • دمو: متناسب‌سازی گراف‌ها و بصری‌ها Demonstration: Tailoring Graphs and Visuals

  • جمع‌بندی بصری‌سازی داده‌ها با Seaborn Summary for Data Visualization with Seaborn

بصری‌سازی تعاملی داده‌ها Interactive Data Visualization

  • کتابخانه Plotly Plotly

  • سفارشی‌سازی نمودار پایه: پس‌زمینه و مارکرها Customizing Basic Plot - Background and Markers

  • سفارشی‌سازی نمودار پایه: خطوط، عناوین و برچسب‌ها Customizing Basic Plot - Lines, Titles and Labels

  • سفارشی‌سازی نمودار پایه: تعاملی کردن Customizing Basic Plot - Interactive

  • نمودارهای تعاملی Interactive Plots

  • دمو: نمودارهایی با قابلیت Hover Demonstration: Plots with Hover Feature

  • دمو: سفارشی‌سازی ویژگی‌های Hover و Tooltips Demonstration: Customizing Hover Features and Tooltips

  • فریم‌ورک Plotly Dash Plotly Dash

  • دمو: تعریف چیدمان و ساختار Demonstration: Defining Layout and Structure

  • دمو: ساخت اپلیکیشن‌های وب Demonstration: Building Web Apps

  • دمو: زنجیره‌سازی Callbackها Demonstration: Chaining Callbacks

  • دمو: ورودی‌ها و خروجی‌های متعدد با تعاملات Demonstration: Multiple Inputs and Outputs with Interactions

  • دمو: وارد کردن داده‌های Airbnb Demonstration: Importing Airbnb Data

  • دمو: ساخت اپلیکیشن وب برای داده‌های Airbnb Demonstration: Web App for Airbnb Data

  • کتابخانه IPyWidgets IPyWidgets

  • نمایش چیدمان ویجت‌ها و ویجت‌های کانتینر Displaying Widgets Layouts and Container Widgets

  • کنترل‌های تعاملی: ترکیب چندین ویجت برای تعامل Interactive Controls Combining Multiple Widgets for Interactivity

  • ویجت‌های سفارشی: ایجاد و ثبت ویجت‌های شخصی Custom Widgets Creating and Registering Custom Widgets

  • گسترش قابلیت‌های ویجت Extending Widget Functionality

  • کتابخانه Streamlit چیست؟ What is Streamlit?

  • دمو: جزئیات کدنویسی Demonstration: Code Details

  • دمو: اجرای اپلیکیشن Demonstration: Executing the App

  • دمو: بصری‌سازی داده‌ها در Streamlit Demonstration: Data Visualization on Streamlit

  • جمع‌بندی بصری‌سازی تعاملی داده‌ها Summary for Interactive Data Visualization

جمع‌بندی دوره و ارزیابی Course Wrap-Up and Assessment

  • خلاصه دوره پایتون برای تحلیل و بصری‌سازی داده‌ها Course Summary of Python for Data Visualization and Analysis

نمایش نظرات

آموزش پایتون برای تحلیل و بصری‌سازی داده‌ها
جزییات دوره
9h 35m
54
(آخرین آپدیت)
759
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده