دوره اصول بصری‌سازی داده برای درک طراحی و فرآیند تولید همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای درک طراحی و فرآیند تولید

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بصری‌سازی داده چیست؟
• 2. اهمیت بصری‌سازی داده در دنیای امروز
• 3. تاریخچه و تکامل بصری‌سازی داده
• 4. نقش بصری‌سازی در تصمیم‌گیری‌ها
• 5. مقدمه‌ای بر فرآیند علم داده
• 6. جایگاه بصری‌سازی داده در برنامه‌نویسی
• 7. اهداف و سرفصل‌های دوره آموزشی
• 8. مروری بر مفاهیم کلیدی بصری‌سازی
• 9. اهمیت طراحی در بصری‌سازی داده
• 10. آشنایی با چرخه حیات بصری‌سازی داده
• 11. داده چیست؟ انواع داده‌ها (کمی، کیفی)
• 12. داده‌های گسسته در برابر پیوسته
• 13. متغیرها و مقیاس‌های اندازه‌گیری (اسمی، ترتیبی، فاصله‌ای، نسبی)
• 14. روش‌های جمع‌آوری داده (مروری)
• 15. منابع داده (APIها، پایگاه داده‌ها، فایل‌ها)
• 16. مقدمه‌ای بر پاکسازی داده (Data Cleaning)
• 17. مدیریت مقادیر گمشده (Missing Values)
• 18. شناسایی و برخورد با داده‌های پرت (Outliers)
• 19. تکنیک‌های تبدیل داده (نرمال‌سازی، استانداردسازی)
• 20. تجمیع و خلاصه‌سازی داده‌ها
• 21. ساختار داده برای بصری‌سازی (Tidy Data)
• 22. مقدمه‌ای بر کاوش داده (EDA)
• 23. آمار توصیفی برای بصری‌سازی
• 24. درک توزیع‌های داده‌ای
• 25. دستکاری مقدماتی داده با ابزارهای برنامه‌نویسی
• 26. ادراک و شناخت انسان در بصری‌سازی
• 27. ویژگی‌های پیش‌توجهی (رنگ، شکل، موقعیت، حرکت)
• 28. اصول گشتالت در ادراک بصری (نزدیکی، تشابه، تکمیل، غیره)
• 29. نقش متغیرهای بصری (علامت‌ها و کانال‌ها)
• 30. اثربخشی کانال‌های بصری مختلف
• 31. تئوری رنگ در بصری‌سازی داده
• 32. انتخاب پالت‌های رنگی مناسب (ترتیبی، واگرا، دسته‌بندی)
• 33. ملاحظات دسترس‌پذیری و کوررنگی
• 34. تایپوگرافی در بصری‌سازی داده
• 35. سلسله مراتب بصری و تاکید
• 36. چیدمان و ترکیب‌بندی (Layout and Composition)
• 37. شبکه‌بندی و هم‌ترازی
• 38. کنتراست و تعادل بصری
• 39. خوانایی و وضوح (Readability and Legibility)
• 40. اصول داستان‌سرایی بصری
• 41. بار شناختی و سادگی در طراحی
• 42. بصری‌سازی‌های گمراه‌کننده (روش‌های اجتناب)
• 43. ملاحظات اخلاقی در طراحی داده
• 44. طراحی کاربرمحور برای بصری‌سازی‌ها
• 45. اصول زیبایی‌شناسی در بصری‌سازی داده
• 46. انتخاب نمودار مناسب برای داده‌های شما
• 47. نمودارهای میله‌ای (عمودی، افقی)
• 48. نمودارهای میله‌ای پشته‌ای و گروهی
• 49. نمودارهای خطی برای داده‌های سری زمانی
• 50. نمودارهای مساحتی (Area Charts)
• 51. نمودارهای دایره‌ای و دوناتی (چه زمانی استفاده کنیم، چه زمانی خیر)
• 52. نمودارهای پراکندگی (Scatter Plots) برای روابط
• 53. نمودارهای حبابی (Bubble Charts)
• 54. هیستوگرام‌ها برای نمایش توزیع
• 55. نمودارهای جعبه‌ای (Box Plots) برای مقایسه توزیع‌ها
• 56. نمودارهای ویولن (Violin Plots)
• 57. نقشه‌های حرارتی (Heatmaps) برای همبستگی و تراکم
• 58. نمودارهای درختی (Treemaps) و خورشیدی (Sunburst Charts)
• 59. نقشه‌های جغرافیایی (Choropleth، نقشه‌های نمادی)
• 60. نمودارهای شبکه‌ای (Network Graphs)
• 61. نمودارهای گانت (Gantt Charts)
• 62. نمودارهای آبشار (Waterfall Charts)
• 63. نمودارهای رادار (Radar Charts)
• 64. نمودارهای سانکی (Sankey Diagrams)
• 65. نمودارهای چندگانه کوچک (Small Multiples) و فستینگ (Faceting)
• 66. مروری بر ابزارهای بصری‌سازی داده (برنامه‌نویسی در مقابل GUI)
• 67. مقدمه‌ای بر کتابخانه‌های برنامه‌نویسی برای بصری‌سازی (مثال: Matplotlib)
• 68. راه‌اندازی محیط توسعه (مثال: پایتون و Jupyter)
• 69. ترسیم مقدماتی با Matplotlib (شکل، محورها، نمودارها)
• 70. سفارشی‌سازی نمودارهای Matplotlib (برچسب‌ها، عنوان‌ها، افسانه‌ها)
• 71. مقدمه‌ای بر Seaborn برای گرافیک‌های آماری
• 72. ایجاد نمودارهای ارتباطی با Seaborn
• 73. نمودارهای توزیع با Seaborn
• 74. نمودارهای دسته‌بندی با Seaborn
• 75. مقدمه‌ای بر کتابخانه‌های بصری‌سازی تعاملی (مثال: Plotly یا D3.js)
• 76. فرمت‌های خروجی داده (SVG، PNG، PDF، JSON)
• 77. فرآیند طراحی تکراری (Iterative Design) برای بصری‌سازی‌ها
• 78. نمونه‌سازی و طراحی اولیه با دست (Sketching)
• 79. بازخورد کاربر و تست A/B
• 80. کنترل نسخه برای پروژه‌های بصری‌سازی (مبانی Git)
• 81. اصول پژوهش‌های قابل بازتولید
• 82. مستندسازی کدهای بصری‌سازی
• 83. بهینه‌سازی عملکرد برای بصری‌سازی‌های تحت وب
• 84. استراتژی‌های استقرار (سرورهای وب، داشبوردها)
• 85. ایجاد بصری‌سازی‌های پویا و بلادرنگ (Real-time)
• 86. اصول طراحی داشبورد
• 87. بصری‌سازی شاخص‌های کلیدی عملکرد (KPIs)
• 88. فیلترهای تعاملی و قابلیت دریل‌داون (Drill-down)
• 89. انیمیشن در بصری‌سازی داده (استفاده موثر)
• 90. داستان‌سرایی با داده‌ها (ساختارهای روایی)
• 91. طراحی عنوان‌ها و توضیحات جذاب
• 92. استفاده موثر از متن و برچسب‌ها
• 93. برجسته‌سازی بینش‌های کلیدی
• 94. ایجاد جریان روایی بصری
• 95. اصول بصری‌سازی‌های توضیحی و تشریحی
• 96. کاوش داده‌های چندبعدی
• 97. طراحی برای مخاطبان مختلف
• 98. راهنمای دسترس‌پذیری در بصری‌سازی (WCAG)
• 99. روندهای آینده در بصری‌سازی داده (AI، VR/AR)
• 100. نگهداری و به‌روزرسانی بصری‌سازی‌ها