اپلیکیشن اندرویدی فلش‌کارت آموزشی کاربرد بصری‌سازی داده در تصمیم‌گیری سریع

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد بصری‌سازی داده در تصمیم‌گیری سریع

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه نویسی
• 2. مبانی بصری‌سازی داده
• 3. اهمیت بصری‌سازی در تصمیم‌گیری
• 4. انواع نمودارها و کاربردشان
• 5. مقدمه‌ای بر زبان پایتون برای بصری‌سازی
• 6. نصب پایتون و کتابخانه‌های مورد نیاز
• 7. آشنایی با محیط توسعه (IDE)
• 8. مبانی کار با داده‌ها در پایتون
• 9. مقدمه‌ای بر کتابخانه NumPy
• 10. عملیات پایه با آرایه‌های NumPy
• 11. مقدمه‌ای بر کتابخانه Pandas
• 12. خواندن و نوشتن داده با Pandas
• 13. کار با DataFrame ها
• 14. فیلتر کردن و مرتب‌سازی داده‌ها
• 15. دسته‌بندی و تجمیع داده‌ها
• 16. ادغام و پیوستن DataFrame ها
• 17. پیش‌پردازش داده‌ها
• 18. پاکسازی داده‌های گم شده
• 19. شناسایی و مدیریت داده‌های پرت (Outliers)
• 20. نرمال‌سازی و استانداردسازی داده‌ها
• 21. مقدمه‌ای بر کتابخانه Matplotlib
• 22. ساخت نمودارهای پایه با Matplotlib
• 23. نمودار خطی (Line Plot)
• 24. نمودار میله‌ای (Bar Plot)
• 25. نمودار پراکندگی (Scatter Plot)
• 26. نمودار هیستوگرام (Histogram)
• 27. نمودار دایره‌ای (Pie Chart)
• 28. سفارشی‌سازی ظاهر نمودارها
• 29. تنظیم عنوان، برچسب‌ها و فونت‌ها
• 30. کنترل محورها و مقیاس‌ها
• 31. افزودن حاشیه‌ها و متن به نمودارها
• 32. استفاده از Subplots
• 33. کار با چندین نمودار در یک پنجره
• 34. مدیریت Layout نمودارها
• 35. مقدمه‌ای بر کتابخانه Seaborn
• 36. مزایای Seaborn نسبت به Matplotlib
• 37. ساخت نمودارهای آماری با Seaborn
• 38. نمودار توزیع (Distribution Plot)
• 39. نمودار جعبه‌ای (Box Plot)
• 40. نمودار ویولن (Violin Plot)
• 41. نمودار Heatmap
• 42. نمودار Pair Plot
• 43. نمودار Swarm Plot
• 44. نمودار Violin Plot
• 45. نمودار Cat Plot
• 46. نمودار Joint Plot
• 47. نمودار Reg Plot
• 48. نمودار Factor Plot
• 49. نکات پیشرفته در Seaborn
• 50. کار با Palettes رنگی
• 51. استفاده از Themes
• 52. تنظیم Style نمودارها
• 53. استفاده از Data-driven Visualizations
• 54. بصری‌سازی داده‌های مکانی (Geospatial)
• 55. مقدمه‌ای بر کتابخانه Plotly
• 56. نمودارهای تعاملی (Interactive)
• 57. ساخت نمودار تعاملی با Plotly
• 58. نمودار خطی تعاملی
• 59. نمودار میله‌ای تعاملی
• 60. نمودار پراکندگی تعاملی
• 61. کار با Dash برای ساخت داشبوردهای وب
• 62. مقدمه‌ای بر Dash
• 63. ساخت کامپوننت‌های Dash
• 64. طراحی Layout داشبورد
• 65. پیاده‌سازی Callbacks در Dash
• 66. بصری‌سازی داده‌های زمان‌سنج (Time Series)
• 67. نمودارهای سری زمانی
• 68. تحلیل روند (Trend)
• 69. شناسایی الگوهای فصلی (Seasonality)
• 70. بصری‌سازی داده‌های دسته‌بندی شده (Categorical)
• 71. کاربرد نمودارهای درختی (Tree Maps)
• 72. بصری‌سازی شبکه‌ها (Network Visualization)
• 73. مقدمه‌ای بر Graphviz (اگرچه در پایتون نیست، اما مفهوم مهم است)
• 74. مقدمه‌ای بر کتابخانه‌های مرتبط با Graph (مثل NetworkX)
• 75. بصری‌سازی داده‌های پیچیده
• 76. انواع نمودارهای ترکیبی
• 77. نمودارهای Sankey
• 78. نمودار Waterfall
• 79. نمودار Gantt
• 80. بصری‌سازی داده‌های متنی (Text Visualization)
• 81. مقدمه‌ای بر Bag-of-Words
• 82. مقدمه‌ای بر TF-IDF
• 83. نمودار Word Cloud
• 84. تحلیل احساسات (Sentiment Analysis) با بصری‌سازی
• 85. بصری‌سازی داده‌های ابعادی بالا (High-Dimensional)
• 86. مقدمه‌ای بر PCA (Principal Component Analysis)
• 87. مقدمه‌ای بر t-SNE
• 88. کاربرد بصری‌سازی در A/B Testing
• 89. بصری‌سازی نتایج A/B Testing
• 90. بصری‌سازی داده‌ها برای بازاریابی
• 91. بصری‌سازی داده‌ها برای فروش
• 92. بصری‌سازی داده‌ها برای عملیات (Operations)
• 93. بصری‌سازی داده‌ها برای مالی
• 94. بصری‌سازی داده‌ها برای منابع انسانی
• 95. اصول طراحی بصری‌سازی موثر
• 96. انتخاب نوع نمودار مناسب
• 97. رنگ‌بندی در بصری‌سازی
• 98. چیدمان و ساختار بصری‌سازی
• 99. کاربرد بصری‌سازی در گزارش‌دهی
• 100. اصول گزارش‌دهی با داده‌های بصری