دوره ساخت نمودارهای توزیع (Distribution Plots) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت نمودارهای توزیع (Distribution Plots)

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی بصری‌سازی داده
• 2. اهمیت بصری‌سازی داده در تحلیل
• 3. انواع داده‌ها و کاربرد آن‌ها در بصری‌سازی
• 4. آشنایی با مفهوم نمودار توزیع
• 5. تعریف توزیع داده و انواع آن
• 6. مفهوم فراوانی و احتمال در توزیع‌ها
• 7. مروری بر آمار توصیفی (میانگین، میانه، انحراف معیار)
• 8. انواع نمودارهای توزیع: هیستوگرام
• 9. ساخت هیستوگرام با کتابخانه‌های مختلف (Matplotlib, Seaborn, Plotly)
• 10. تنظیم پارامترهای هیستوگرام (تعداد bins، رنگ، برچسب)
• 11. تفسیر هیستوگرام و شناسایی الگوها
• 12. انواع نمودارهای توزیع: نمودار چگالی (Density Plot)
• 13. ساخت نمودار چگالی با کتابخانه‌های مختلف
• 14. تفسیر نمودار چگالی و مقایسه آن با هیستوگرام
• 15. هموارسازی (Smoothing) در نمودارهای چگالی
• 16. انتخاب پهنای باند مناسب برای نمودار چگالی
• 17. انواع نمودارهای توزیع: نمودار جعبه‌ای (Box Plot)
• 18. ساخت نمودار جعبه‌ای با کتابخانه‌های مختلف
• 19. تفسیر نمودار جعبه‌ای و شناسایی نقاط دورافتاده (Outliers)
• 20. شناسایی چارک‌ها (Quartiles) و دامنه بین چارکی (IQR)
• 21. انواع نمودارهای توزیع: نمودار ویولن (Violin Plot)
• 22. ساخت نمودار ویولن با کتابخانه‌های مختلف
• 23. تفسیر نمودار ویولن و مقایسه آن با نمودار جعبه‌ای
• 24. ترکیب نمودارهای جعبه‌ای و ویولن
• 25. مقایسه و انتخاب بین نمودارهای جعبه‌ای، ویولن و هیستوگرام
• 26. آشنایی با کتابخانه Matplotlib
• 27. ساخت نمودارهای توزیع سفارشی در Matplotlib
• 28. تنظیمات پیشرفته Matplotlib برای بهبود ظاهر نمودارها
• 29. آشنایی با کتابخانه Seaborn
• 30. ساخت نمودارهای توزیع آماری با Seaborn
• 31. استفاده از رنگ‌ها و پالت‌های رنگی در Seaborn
• 32. استفاده از استایل‌های مختلف Seaborn
• 33. آشنایی با کتابخانه Plotly
• 34. ساخت نمودارهای توزیع تعاملی با Plotly
• 35. اضافه کردن tooltipها و قابلیت زوم به نمودارها
• 36. ذخیره نمودارهای Plotly به صورت HTML
• 37. توزیع نرمال (Normal Distribution) و خواص آن
• 38. توزیع یکنواخت (Uniform Distribution) و کاربردهای آن
• 39. توزیع نمایی (Exponential Distribution) و مثال‌ها
• 40. توزیع پواسون (Poisson Distribution) و کاربردهای آن
• 41. توزیع گاما (Gamma Distribution)
• 42. توزیع بتا (Beta Distribution)
• 43. آزمون نرمال بودن داده‌ها (Shapiro-Wilk, Kolmogorov-Smirnov)
• 44. تبدیل داده‌ها برای نزدیک شدن به توزیع نرمال (Box-Cox, Yeo-Johnson)
• 45. بررسی skewness و kurtosis داده‌ها
• 46. شناسایی توزیع‌های چندوجهی (Multimodal Distributions)
• 47. نمودارهای توزیع شرطی (Conditional Distribution Plots)
• 48. استفاده از hue و col در Seaborn برای نمایش توزیع شرطی
• 49. نمودارهای توزیع حاشیه‌ای (Marginal Distribution Plots)
• 50. ترکیب نمودار توزیع با نمودار پراکندگی (Scatter Plot)
• 51. استفاده از Jointplot در Seaborn
• 52. نمایش توزیع داده‌های سری زمانی
• 53. نمودار هیستوگرام سری زمانی
• 54. نمودار چگالی سری زمانی
• 55. استفاده از KDE برای هموارسازی سری زمانی
• 56. مقایسه توزیع‌های سری زمانی مختلف
• 57. نمودارهای توزیع سه بعدی
• 58. ساخت هیستوگرام سه بعدی
• 59. نمایش چگالی سه بعدی
• 60. استفاده از رنگ و کانتور برای نمایش توزیع سه بعدی
• 61. بصری‌سازی توزیع داده‌های جغرافیایی
• 62. استفاده از نقشه حرارتی (Heatmap) برای نمایش توزیع
• 63. استفاده از Choropleth Map برای نمایش توزیع
• 64. نمایش توزیع داده‌های متنی
• 65. نمودار فراوانی کلمات (Word Frequency)
• 66. نمایش توزیع طول جملات
• 67. نمایش توزیع احساسات (Sentiment) در متن
• 68. بصری‌سازی توزیع داده‌های شبکه‌ای
• 69. نمایش توزیع درجه (Degree Distribution) در شبکه‌ها
• 70. نمایش توزیع بینابینی (Betweenness Centrality)
• 71. نمایش توزیع نزدیکی (Closeness Centrality)
• 72. مقایسه توزیع داده‌ها در گروه‌های مختلف
• 73. استفاده از t-test برای مقایسه میانگین‌ها
• 74. استفاده از ANOVA برای مقایسه میانگین‌ها در چند گروه
• 75. استفاده از آزمون‌های ناپارامتری (Mann-Whitney, Kruskal-Wallis)
• 76. شناسایی outliers و تاثیر آنها بر نمودارهای توزیع
• 77. روش‌های حذف outliers
• 78. روش‌های جایگزینی outliers
• 79. بررسی تاثیر outliers بر تفسیر نمودارها
• 80. ایجاد گزارش‌های تعاملی بصری‌سازی داده
• 81. استفاده از Jupyter Notebook و Markdown
• 82. استفاده از ابزارهای گزارش‌گیری (Tableau, Power BI)
• 83. اشتراک‌گذاری نمودارها و گزارش‌ها
• 84. بهینه‌سازی نمودارها برای ارائه
• 85. انتخاب رنگ‌های مناسب و قابل فهم
• 86. استفاده از فونت‌های خوانا
• 87. افزودن عنوان و برچسب مناسب
• 88. جلوگیری از شلوغی نمودارها
• 89. بصری‌سازی داده‌های بزرگ (Big Data)
• 90. نمونه‌گیری (Sampling) از داده‌ها
• 91. استفاده از نمودارهای توزیع انباشته (Cumulative Distribution Plots)
• 92. استفاده از نمودارهای Hexbin
• 93. ساخت نمودارهای توزیع با استفاده از Python Pandas
• 94. گروه‌بندی داده‌ها با استفاده از groupby
• 95. محاسبه آمارهای توصیفی با استفاده از Pandas
• 96. رسم نمودارهای توزیع با استفاده از Pandas
• 97. سفارشی‌سازی نمودارهای Pandas
• 98. بهینه‌سازی عملکرد نمودارها در Pandas
• 99. استفاده از کتابخانه‌های موازی‌سازی (Dask, Spark) برای بصری‌سازی داده‌های بزرگ
• 100. تکنیک‌های پیشرفته بصری‌سازی داده