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
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