اپلیکیشن اندرویدی فلش‌کارت آموزشی تحلیل و تجسم داده با پایتون و Matplotlib

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل و تجسم داده با پایتون و Matplotlib

موضوع کلی: برنامه‌نویسی کامپیوترهای کلاسیک

موضوع میانی: برنامه‌نویسی مبتنی بر شخصی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده با پایتون
• 2. نصب و راه‌اندازی محیط توسعه پایتون
• 3. آشنایی با کتابخانه‌های اصلی تحلیل داده
• 4. مفاهیم پایه آمار توصیفی
• 5. انواع داده‌ها و ساختارهای داده در پایتون
• 6. کار با داده‌های عددی در پایتون
• 7. کار با داده‌های رشته‌ای در پایتون
• 8. خواندن و نوشتن فایل‌های متنی
• 9. خواندن و نوشتن فایل‌های CSV
• 10. خواندن و نوشتن فایل‌های Excel
• 11. مروری بر کتابخانه Pandas
• 12. ساخت DataFrame در Pandas
• 13. انتخاب و فیلتر کردن داده‌ها در DataFrame
• 14. مرتب‌سازی داده‌ها در DataFrame
• 15. اضافه کردن و حذف ستون‌ها در DataFrame
• 16. عملیات ریاضی و آماری روی DataFrame
• 17. گروه‌بندی و تجمیع داده‌ها در Pandas
• 18. ادغام و اتصال DataFrame ها
• 19. پاکسازی و آماده‌سازی داده‌ها
• 20. مدیریت داده‌های گمشده
• 21. شناسایی و حذف داده‌های تکراری
• 22. مقدمه‌ای بر Matplotlib
• 23. رسم نمودارهای خطی با Matplotlib
• 24. رسم نمودارهای پراکندگی با Matplotlib
• 25. رسم نمودارهای میله‌ای با Matplotlib
• 26. رسم نمودارهای دایره‌ای با Matplotlib
• 27. رسم هیستوگرام با Matplotlib
• 28. سفارشی‌سازی نمودارها با Matplotlib
• 29. اضافه کردن عنوان و برچسب به نمودارها
• 30. تغییر رنگ و سبک نمودارها
• 31. رسم نمودارهای چندگانه با Matplotlib
• 32. استفاده از Subplots در Matplotlib
• 33. نمودارهای جعبه‌ای و ویولن
• 34. نمودارهای توزیع
• 35. تصویرسازی داده‌های سری زمانی
• 36. تحلیل داده‌های مکانی با Matplotlib
• 37. نمودارهای نقشه حرارتی
• 38. نمودارهای سه بعدی با Matplotlib
• 39. استفاده از Seaborn برای تصویرسازی داده‌ها
• 40. نمودارهای توزیع پیشرفته با Seaborn
• 41. نمودارهای رابطه‌ای با Seaborn
• 42. ایجاد داشبوردهای تعاملی با Matplotlib و Pandas
• 43. ذخیره نمودارها در فرمت‌های مختلف
• 44. بهینه‌سازی عملکرد نمودارها
• 45. مقدمه‌ای بر کتابخانه Plotly