دوره بصری‌سازی داده برای حرفه‌ای‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بصری‌سازی داده برای حرفه‌ای‌ها

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بصری‌سازی داده
• 2. اهمیت بصری‌سازی داده در دنیای امروز
• 3. انواع بصری‌سازی داده
• 4. اصول طراحی بصری‌سازی داده
• 5. شناخت مخاطب و هدف بصری‌سازی
• 6. انتخاب نمودار مناسب بر اساس نوع داده
• 7. انتخاب نمودار مناسب بر اساس سوال مورد نظر
• 8. محدودیت‌های بصری‌سازی داده
• 9. ابزارهای بصری‌سازی داده: مقدمه
• 10. مقدمه‌ای بر کتابخانه‌های پایتون برای بصری‌سازی
• 11. کتابخانه Matplotlib: مبانی
• 12. رسم نمودارهای خطی با Matplotlib
• 13. رسم نمودارهای پراکندگی (Scatter Plots) با Matplotlib
• 14. رسم نمودارهای میله‌ای (Bar Charts) با Matplotlib
• 15. رسم هیستوگرام (Histograms) با Matplotlib
• 16. رسم نمودارهای دایره‌ای (Pie Charts) با Matplotlib
• 17. سفارشی‌سازی نمودارها در Matplotlib (عنوان، برچسب‌ها، رنگ‌ها)
• 18. اضافه کردن اجزای نمودار (خطوط شبکه، متن)
• 19. نمودارهای چندگانه (Subplots) در Matplotlib
• 20. نمودارهای سه‌بعدی (3D Plots) در Matplotlib
• 21. مقدمه‌ای بر کتابخانه Seaborn
• 22. مبانی Seaborn و ارتباط آن با Matplotlib
• 23. نمودارهای توزیع (Distribution Plots) در Seaborn
• 24. نمودارهای دسته‌بندی (Categorical Plots) در Seaborn
• 25. نمودارهای رگرسیون (Regression Plots) در Seaborn
• 26. نمودارهای ماتریسی (Matrix Plots) در Seaborn
• 27. نقشه‌های حرارتی (Heatmaps) با Seaborn
• 28. نمودارهای رابطه‌ای (Relational Plots) در Seaborn
• 29. نمودارهای آماری ترکیبی با Seaborn
• 30. سفارشی‌سازی نمودارهای Seaborn
• 31. کار با مجموعه داده‌های بزرگ و پیچیده
• 32. مقدمه‌ای بر کتابخانه Plotly
• 33. قابلیت‌های Plotly برای بصری‌سازی تعاملی
• 34. رسم نمودارهای خطی تعاملی با Plotly
• 35. رسم نمودارهای پراکندگی تعاملی با Plotly
• 36. رسم نمودارهای میله‌ای تعاملی با Plotly
• 37. رسم نمودارهای آماری تعاملی با Plotly
• 38. رسم نمودارهای سه‌بعدی تعاملی با Plotly
• 39. استفاده از Dash برای ایجاد داشبوردهای تعاملی
• 40. مقدمه‌ای بر داشبوردهای بصری‌سازی داده
• 41. اصول طراحی داشبوردهای موثر
• 42. انتخاب ابزار مناسب برای ساخت داشبورد
• 43. کار با داده‌های جغرافیایی (Geospatial Data)
• 44. نمودارهای نقشه (Maps) با Plotly
• 45. نمودارهای نقشه پراکندگی (Scatter Maps)
• 46. نمودارهای نقشه مناطق (Choropleth Maps)
• 47. نشان دادن داده‌های مکانی با کتابخانه‌های GIS
• 48. بصری‌سازی داده‌های سری زمانی (Time Series Data)
• 49. تحلیل روند (Trend Analysis)
• 50. نشان دادن فصلی بودن (Seasonality)
• 51. شناسایی ناهنجاری‌ها (Outliers) در داده‌های سری زمانی
• 52. بصری‌سازی داده‌های متنی (Text Data)
• 53. ابر کلمات (Word Clouds)
• 54. نمودارهای توزیع کلمات
• 55. تحلیل احساسات (Sentiment Analysis) و بصری‌سازی نتایج
• 56. بصری‌سازی شبکه‌ها (Network Visualization)
• 57. مبانی نظری گراف‌ها و شبکه‌ها
• 58. نشان دادن ساختارهای شبکه‌ای
• 59. ابزارهای بصری‌سازی شبکه‌ها
• 60. بصری‌سازی داده‌های سلسله مراتبی (Hierarchical Data)
• 61. نمودارهای درختی (Tree Maps)
• 62. نمودارهای شعاعی (Sunburst Charts)
• 63. بصری‌سازی داده‌های چندبعدی (High-Dimensional Data)
• 64. روش‌های کاهش ابعاد (Dimensionality Reduction)
• 65. تجسم داده‌های با ابعاد بالا
• 66. اصول روانشناسی رنگ در بصری‌سازی
• 67. انتخاب پالت‌های رنگی مناسب
• 68. تأثیر رنگ بر درک داده‌ها
• 69. استفاده از رنگ برای تأکید و دسته‌بندی
• 70. اصول تایپوگرافی در بصری‌سازی
• 71. انتخاب فونت‌های مناسب
• 72. خوانایی متن در نمودارها
• 73. ساختار و چیدمان عناصر بصری
• 74. استفاده از فضا (Whitespace) در طراحی
• 75. اصول بصری‌سازی برای دسترسی‌پذیری (Accessibility)
• 76. بصری‌سازی برای افراد کم‌بینا
• 77. طراحی برای افراد با اختلالات بینایی رنگ
• 78. اصول داستان‌گویی با داده (Data Storytelling)
• 79. ساختار یک داستان داده محور
• 80. اتصال بصری‌سازی‌ها به یکدیگر
• 81. ایجاد جریان روایی
• 82. ارزیابی و آزمون بصری‌سازی‌ها
• 83. تکرار و بهبود طراحی
• 84. اصول طراحی بصری‌سازی‌های تعاملی
• 85. مفهوم و کاربرد فیلترها (Filters)
• 86. استفاده از زوم و جابجایی (Zoom and Pan)
• 87. اضافه کردن راهنما (Tooltips)
• 88. کاربردهای پیشرفته بصری‌سازی داده
• 89. بصری‌سازی داده‌های آنی (Real-time Data)
• 90. بصری‌سازی داده‌های حجیم (Big Data Visualization)
• 91. ملاحظات عملکردی در بصری‌سازی
• 92. تکنیک‌های بصری‌سازی داده‌های نامتعارف
• 93. بصری‌سازی برای تجزیه و تحلیل اکتشافی داده (EDA)
• 94. بصری‌سازی برای ارائه نتایج تحلیل
• 95. اخلاق در بصری‌سازی داده
• 96. جلوگیری از گمراه‌سازی با نمودارها
• 97. شفافیت در نمایش داده‌ها
• 98. ملاحظات قانونی و حریم خصوصی
• 99. کاربرد بصری‌سازی داده در صنایع مختلف (مالی، پزشکی، بازاریابی)
• 100. جمع‌بندی دوره و گام‌های بعدی