پایتون برای تحلیل و مصورسازی دادهها
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ایجاد مصورسازیهای موثر با استفاده از Matplotlib و Seaborn برای نمایش مجموعه دادههای پیچیده به طور مؤثر
- ساخت نمودارها و داشبوردهای تعاملی و پویا با Plotly و IPyWidgets برای بهبود کاوش دادهها
- انتشار آسان اپلیکیشن های تعاملی مصورسازی داده با استفاده از Streamlit، برای اشتراکگذاری نتایج تحلیل
توضیحات دوره
این دوره یک مقدمه عملی از مصورسازی دادهها و تحلیل دادههای اکتشافی (EDA) با استفاده از محبوبترین کتابخانههای پایتون ارائه میدهد. در ادامه به بررسی عمیق ایجاد مصورسازیهای خیرهکننده با Matplotlib و Seaborn، ساخت نمودارها و داشبوردهای تعاملی با Plotly و انجام EDA بر روی مجموعه دادههای پیچیده از طریق روشهای گرافیکی پیشرفته می پردازید. نحوه نمایش مؤثر دادهها را بررسی کرده و از بازنماییهای بصری، اطلاعات عملی بهدست آورید.
تا پایان این دوره، شما قادر خواهید بود:
- اهمیت تکنیکهای مختلف مصورسازی داده را درک کنید.
- انواع نمودارهای مناسب برای مصورسازی مجموعه دادههای مختلف را انتخاب کنید.
- مصورسازیهای با کیفیت حرفهای با Matplotlib ،Seaborn و Plotly ایجاد کنید.
- داشبوردها و مصورسازیهای تعاملی را با Plotly و IPyWidgets توسعه دهید.
- EDA را بر روی مجموعه دادههای پیچیده انجام دهید و نتایج را با استفاده از Streamlit منتشر کنید.
این دوره برای فراگیرانی که دانش پایهای از برنامهنویسی پایتون و درک پایهای از دستکاری دادهها دارند، ایدهآل است. آشنایی با کتابخانههایی مانند پانداس یا NumPy توصیه میشود.
اگر شما یک تحلیلگر داده، دانشجوی علاقه مند به علم داده یا برنامهنویس پایتون باشید که به دنبال تقویت مهارتهای خود در زمینه مصورسازی داده هستید، این دوره به شما ابزارهای لازم برای تبدیل دادههای خام به داستانهای معنیدار را میدهد.
پایتون برای تحلیل و مصورسازی دادهها
-
معرفی دوره 2:54
-
تنظیم محیط 2:52
-
اهمیت مصورسازی دادهها 2:20
-
نمودار خطی 2:18
-
نمودار میلهای 1:59
-
نمودار میلهای افقی 1:42
-
نمودار میلهای انباشته 1:27
-
هیستوگرام 1:54
-
دمو: ترسیم نمودار خطی و میلهای 6:06
-
دمو: ترسیم هیستوگرام 4:44
-
نمودار پراکندگی 3:17
-
نمودار دایرهای 3:00
-
نمودار جعبهای 4:25
-
شخصیسازی نمودارها 2:17
-
دمو: نمودار دایرهای 2:51
-
دمو: نمودار پراکندگی و نمودار جعبهای 4:17
-
خلاصهای از مصورسازی با Matplotlib 3:28
-
به پایتون برای تحلیل و مصورسازی دادهها خوش آمدید None
-
از اعداد به روایتها None
-
انتخاب نمودار مناسب: نمودارهای میلهای، نمودارهای خطی و هیستوگرام None
-
انتخاب نوع نمودار مناسب None
-
انتخاب نمودار مناسب: نمودار پراکندگی، دایرهای و جعبهای None
-
Seaborn چیست؟ 2:25
-
نصب و راهاندازی Seaborn 1:38
-
مقایسه Seaborn با Matplotlib 2:26
-
نمودار رابطهای (Rel plot) 1:44
-
نمودار توزیع (Dist Plot) 1:56
-
نمودار دستهای (Cat Plot) 2:39
-
دمو: مصورسازی نمودارها با Seaborn 4:31
-
دمو: مصورسازی هیت مپ 2:09
-
دمو: نمودارهای دستهای، رابطهای و توزیع 5:37
-
دمو: شخصیسازی نمودارها و مصورسازیها 6:33
-
دمو: تنظیم نمودارها و مصورسازیها 6:20
-
خلاصهای برای مصورسازی دادهها با Seaborn 3:28
-
Seaborn با Matplotlib None
-
راهنمایی برای Seaborn None
-
Plotly 3:31
-
شخصیسازی نمودار پایه - پسزمینه و مارکرها 3:58
-
شخصیسازی نمودار پایه - خطوط، عناوین و برچسبها 3:21
-
شخصیسازی نمودار پایه - تعاملی 2:38
-
نمودارهای تعاملی 3:13
-
دمو: نمودارها با ویژگی Hover 3:04
-
دمو: شخصیسازی ویژگیهای Hover و Tooltips 4:26
-
Plotly Dash 5:44
-
دمو: تعریف چیدمان و ساختار 3:37
-
دمو: ساخت وب اپلیکیشن ها 4:24
-
دمو: زنجیرهای کردن Callbackها 4:07
-
دمو: ورودیها و خروجیهای متعدد با تعاملات 4:26
-
دمو: وارد کردن دادههای Airbnb 2:27
-
دمو: وب اپلیکیشن برای دادههای Airbnb 3:55
-
IPyWidgets 5:22
-
نمایش چیدمان ویجتها و ویجتهای کانتینر 3:30
-
کنترلهای تعاملی: ترکیب چندین ویجت برای تعامل 5:02
-
ایجاد و ثبت ویجتهای سفارشی 4:17
-
گسترش قابلیتهای ویجت 5:29
-
Streamlit چیست؟ 2:25
-
دمو: جزئیات کد 6:13
-
دمو: اجرای برنامه 4:28
-
دمو: مصورسازی دادهها در Streamlit 5:55
-
خلاصهای برای مصورسازی دادههای تعاملی 3:02
-
تبدیل نمودارهای ایستا به تعاملی None
-
Plotly dash: بهترین شیوهها None
-
ساخت با Streamlit None
-
خلاصه دوره پایتون برای تحلیل و مصورسازی دادهها 1:31
-
پروژه: تحلیل دادههای فروش و داشبورد مصورسازی None
مشخصات آموزش
پایتون برای تحلیل و مصورسازی دادهها
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:متوسط
- تعداد درس:65
- مدت زمان :03:13:22
- حجم :833.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy