دوره آموزشی
The Great Courses
دوبله زبان فارسی

اصول مصورسازی داده در پایتون

اصول مصورسازی داده در پایتون

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • توسعه مصورسازی‌های تعاملی با استفاده از کتابخانه‌های پایتون
  • پیاده‌سازی تکنیک‌های مصورسازی داده و نمودارها با استفاده از کتابخانه‌های پایتون مانند Matplotlib و Seaborn برای بیان یک داستان جذاب
  • سفارشی‌سازی ویژگی‌ها و استایل‌های مصورسازی با تم‌ها، رنگ‌ها و عناصر نمودار برای ارتباط واضح
  • اعمال اصول ادراک انسانی برای افزایش اثربخشی و قابلیت تفسیر مصورسازی‌های شما

توضیحات دوره:

دوره "مبانی مصورسازی داده در پایتون" به شما قدرت می‌دهد تا داده‌ها را به روایت‌های بصری جذاب تبدیل کنید. درک عمیقی از اصول و بهترین شیوه های مصورسازی داده بدست آورید و هنر و علم را برای بیان داستان‌های تاثیرگذار از داده‌ها با استفاده از پایتون ترکیب کنید.

در طول این دوره، شما به ساخت مصورسازی‌های داده پایه و پیشرفته تسلط پیدا خواهید کرد و یاد خواهید گرفت که اطلاعات پیچیده را به صورت بصری و موثر انتقال دهید. شما کتابخانه‌های پایتون مانند Matplotlib و Seaborn را کاوش خواهید کرد و نحوه سفارشی‌سازی عناصر بصری برای ایجاد نمایش‌های داده واضح، روشنگر و از نظر بصری جذاب را درک خواهید کرد.

شما مهارت‌هایی را برای اعمال اصول بنیادی، گنجاندن جنبه‌های ادراک انسانی، سفارشی‌سازی نمودارها و ایجاد مصورسازی‌های تعاملی با تضمین تفسیر دقیق داده‌ها توسعه خواهید داد. این دوره شما را به تکنیک‌هایی برای تبدیل مجموعه داده‌های پیچیده به تصاویر منسجم مجهز می‌کند و توانایی شما را برای انتقال موثر بینش‌های مبتنی بر داده بهینه‌سازی می‌کند.

اصول مصورسازی داده در پایتون

  • به هنر مصورسازی داده خوش آمدید 2:55
  • مصورسازی داده: چه داستان‌هایی می‌توانیم بگوییم؟ 1:26
  • مصورسازی داده تالار مشاهیر 12:37
  • چرا مصورسازی داده مهم است؟ 6:02
  • هنر در مقابل علم مصورسازی داده 6:44
  • سرفصل‌های دوره None
  • راهنمای ناوبری None
  • پشتیبانی فنی None
  • خط زمانی مصورسازی داده None
  • مصورسازی خودمان None
  • مصورسازی داده بد None
  • جمع‌بندی ماژول 1 None
  • منابع ماژول 1 None
  • اصول ادراک 1:34
  • اصول مصورسازی 6:16
  • مصورسازی داده موثر 5:58
  • چه چیزی را مصورسازی کنیم؟ 6:50
  • چگونه مصورسازی کنیم؟ 4:39
  • خلاصه ماژول 1 None
  • منابع مصورسازی داده None
  • بیانگری در مصورسازی None
  • راهنمای نمودار داستان‌سرایی با داده None
  • منابع ماژول 2 None
  • محیط برنامه‌نویسی پایتون 12:10
  • اسکریپت‌های پایه، محاسبات و کامنت‌ها 8:20
  • شروع کار با Jupyter 19:53
  • استفاده از Jupyter Notebooks 11:07
  • مدیریت اجرا در Jupyter، معرفی انواع داده 9:19
  • رشته‌ها، مقادیر Boolean، ایندکسینگ و اسلایس کردن 14:41
  • لیست‌ها، ایندکسینگ و اسلایس کردن 6:23
  • حلقه‌های For 11:39
  • لیست‌های ناهمگن، اکسپورت گرفتن از Jupyter Notebooks 7:19
  • آرایه‌های یک‌بعدی NumPy 10:16
  • ویژگی‌ها و ایجاد آرایه NumPy 9:24
  • آرایه‌ها در مقابل لیست‌ها 12:30
  • دستکاری آرایه‌های یک‌بعدی: اسلایس کردن و ایندکسینگ 8:09
  • اسلایس کردن شرطی 8:50
  • ترکیب آرایه ها 7:43
  • مرتب‌سازی و خلاصه‌سازی آرایه‌ها 9:39
  • خلاصه‌سازی آرایه‌ه ا - ادامه 8:47
  • آرایه دوبعدی چیست؟ 6:31
  • ویژگی‌ها و ایجاد آرایه دوبعدی 5:34
  • ایجاد آرایه‌های دوبعدی از آرایه‌های یک‌بعدی 6:38
  • دستکاری آرایه‌های دوبعدی: اسلایس کردن و ایندکسینگ 7:19
  • Subsetting شرطی در آرایه‌های دوبعدی 10:06
  • اسلایس کردن، Subsetting و اثرات جانبی 8:49
  • خلاصه‌سازی آرایه‌های دوبعدی 4:44
  • مقدمه‌ای بر سری های پانداس: مبانی و کاربرد عملی 8:06
  • ایندکسینگ و اسلایس کردن در سری های پانداس: یک بررسی عمیق 7:04
  • سری های پانداس: تعریف ایندکس‌ها و مدیریت مقادیر غیرمنحصربه‌فرد 7:23
  • الحاق سری‌ها در Pandas 8:22
  • مقدمه‌ای بر Pandas DataFrames: تبدیل آرایه‌های NumPy و عملیات DataFrame 6:58
  • تمایز Pandas DataFrames از آرایه‌های دوبعدی NumPy 6:08
  • تبدیل دیکشنری به DataFrame در Pandas 8:21
  • ویژگی‌ها و متدهای DataFrame در Pandas: درک ()dtypes ،info و ()describe 6:33
  • آمار توصیفی و مرتب‌سازی در Pandas DataFrames 7:29
  • مرتب‌سازی و مدیریت DataFrame در Pandas 7:01
  • مبانی پایتون - یک مرور None
  • مطالعه ماژول 1 None
  • پایتون برای مصورسازی داده 1:19
  • مقدمه‌ای بر Matplotlib 4:22
  • ایجاد نمودارهای ساده 8:14
  • رسم پیشرفته با Matplotlib 13:07
  • خلاصه ماژول 2 None
  • مقدمه‌ای بر Matplotlib None
  • آموزش‌های Matplotlib None
  • تمرین نمودارهای ساده None
  • 1 مجموعه داده، 100 مصورسازی Matplotlib None
  • مصورسازی داده کمدی در پایتون با استفاده از Matplotlib None
  • تمرین نمودارهای پیشرفته None
  • راه‌حل آزمایشگاه تمرین Matplotlib None
  • منابع ماژول 4 None
  • آشنایی با کتابخانه Seaborn 7:31
  • توابع ترسیم نمودار در Seaborn 6:25
  • رسم نمودار پیشرفته با Seaborn 9:24
  • جمع‌بندی ماژول 4 None
  • Matplotlib در مقابل seaborn در مقابل Plotly در مقابل MATLAB در مقابل ggplot2 در مقابل pandas None
  • تولید Scatterplot با راهکار آزمایشگاه Seaborn None
  • آموزش‌های Seaborn None
  • تولید Histogram با راهکار آزمایشگاه Seaborn None
  • آموزش Seaborn [اختیاری] None
  • جمع‌بندی ماژول 5 None
  • راه‌حل آزمایشگاه تمرین Seaborn None
  • منابع ماژول 5 None

4,019,200 1,004,800 تومان

مشخصات آموزش

اصول مصورسازی داده در پایتون

  • تاریخ به روز رسانی: 1405/04/02
  • سطح دوره:متوسط
  • تعداد درس:84
  • مدت زمان :06:44:38
  • حجم :1003.0MB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,256,500 1,451,300 تومان
  • زمان: 09:44:25
  • تعداد درس: 67
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,634,500 726,900 تومان
  • زمان: 04:52:43
  • تعداد درس: 38
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید