کتاب کاربرد بصری‌سازی داده در تحقیقات زیستی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربرد بصری‌سازی داده در تحقیقات زیستی

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی علوم زیستی برای بصری‌سازی داده
• 2. مقدمه‌ای بر تحقیقات زیستی
• 3. چرخه حیات داده در تحقیقات زیستی
• 4. انواع داده‌های زیستی (ساختاری، غیرساختاری)
• 5. منابع داده‌های زیستی
• 6. اصول اولیه بصری‌سازی داده
• 7. چرا بصری‌سازی داده در زیست‌شناسی مهم است؟
• 8. اهداف بصری‌سازی داده در تحقیقات زیستی
• 9. مخاطبان بصری‌سازی داده در زیست‌شناسی
• 10. چالش‌های بصری‌سازی داده‌های زیستی
• 11. اصول طراحی بصری‌سازی مؤثر
• 12. مبانی رنگ در بصری‌سازی
• 13. کاربرد طیف‌های رنگی در زیست‌شناسی
• 14. اصول شکل و اندازه در بصری‌سازی
• 15. خوانایی متن و برچسب‌ها
• 16. انواع نمودارها و کاربردهای آن‌ها
• 17. نمودارهای خطی و کاربرد در داده‌های زمانی زیستی
• 18. نمودارهای میله‌ای برای مقایسه داده‌های زیستی
• 19. نمودارهای پراکندگی (Scatter Plots) برای روابط بین متغیرها
• 20. نمودارهای هیستوگرام برای توزیع داده‌ها
• 21. نمودارهای دایره‌ای (Pie Charts) و محدودیت‌های آن‌ها
• 22. نمودارهای جعبه‌ای (Box Plots) برای توزیع و مقادیر پرت
• 23. نمودارهای وایولین (Violin Plots)
• 24. نمودارهای شعاعی (Radar Charts)
• 25. نمودارهای درختی (Tree Maps)
• 26. نمودارهای سانبرست (Sunburst Charts)
• 27. نمودارهای شبکه (Network Graphs)
• 28. نمودارهای حرارتی (Heatmaps)
• 29. نمودارهای توپوگرافی (Topographic Maps)
• 30. نمودارهای منحنی مشخصه (ROC Curves)
• 31. نمودارهای گانت (Gantt Charts)
• 32. نمودارهای سه‌بعدی (3D Charts) و ملاحظات آن‌ها
• 33. ابزارهای بصری‌سازی داده (مقدمه)
• 34. مرور ابزارهای رایج بصری‌سازی
• 35. انتخاب ابزار مناسب برای نیازهای زیستی
• 36. معرفی پایتون به عنوان ابزار بصری‌سازی
• 37. نصب پایتون و محیط توسعه (IDE)
• 38. آشنایی با کتابخانه NumPy برای کار با داده‌های عددی
• 39. آشنایی با کتابخانه Pandas برای مدیریت داده‌ها
• 40. مبانی کار با DataFrame در Pandas
• 41. خواندن و نوشتن داده‌های زیستی (CSV, Excel)
• 42. پاکسازی و پیش‌پردازش داده‌های زیستی
• 43. شناسایی و مدیریت مقادیر گمشده
• 44. شناسایی و مدیریت مقادیر پرت
• 45. تبدیل و نرمال‌سازی داده‌ها
• 46. کتابخانه Matplotlib برای بصری‌سازی پایه
• 47. ایجاد نمودارهای پایه با Matplotlib
• 48. تنظیمات نمودار (عنوان، برچسب‌ها، محدوده‌ها)
• 49. سفارشی‌سازی رنگ‌ها و سبک خطوط
• 50. ایجاد زیرنمودارها (Subplots)
• 51. اضافه کردن توضیحات و حاشیه‌نویسی به نمودارها
• 52. ذخیره نمودارها با فرمت‌های مختلف
• 53. کتابخانه Seaborn برای بصری‌سازی آماری پیشرفته
• 54. نمودارهای Seaborn بر پایه Matplotlib
• 55. ایجاد نمودارهای هیستوگرام و KDE با Seaborn
• 56. نمودارهای توزیع با Seaborn
• 57. نمودارهای دسته‌ای (Categorical Plots) با Seaborn
• 58. نمودارهای ماتریسی (Matrix Plots) با Seaborn
• 59. ایجاد Heatmaps با Seaborn
• 60. تنظیمات پیشرفته Seaborn
• 61. بصری‌سازی داده‌های ژنتیکی و ژنومیک
• 62. نمودار Family Tree برای شجره‌نامه ژنتیکی
• 63. بصری‌سازی داده‌های بیان ژن (Gene Expression)
• 64. بصری‌سازی داده‌های توالی‌یابی DNA/RNA
• 65. کاربرد Heatmaps در تحلیل بیان ژن
• 66. نمودارهای شبکه‌های تنظیم ژنی (Gene Regulatory Networks)
• 67. بصری‌سازی ساختارهای مولکولی (Protein Structures)
• 68. نمودارهای مولکولی سه‌بعدی
• 69. بصری‌سازی داده‌های سلولی و بافتی
• 70. بصری‌سازی میکروسکوپی
• 71. نمودارهای توزیع سلولی
• 72. بصری‌سازی داده‌های بالینی و اپیدمیولوژیکی
• 73. نمودارهای انتشار بیماری
• 74. بصری‌سازی داده‌های اثربخشی دارو
• 75. بصری‌سازی داده‌های پروتئینی و امیکس (Omics)
• 76. بصری‌سازی داده‌های متابولومیکس
• 77. بصری‌سازی داده‌های پروتئومیکس
• 78. بصری‌سازی داده‌های متاژنومیکس
• 79. کتابخانه Plotly برای بصری‌سازی تعاملی
• 80. مبانی Plotly Express
• 81. ایجاد نمودارهای تعاملی با Plotly
• 82. کاربرد Plotly در نمایش داده‌های سه‌بعدی
• 83. ساخت داشبوردهای تعاملی با Plotly Dash
• 84. مبانی Dash
• 85. ساخت کامپوننت‌های Dash
• 86. چیدمان داشبورد
• 87. ایجاد تعامل بین کامپوننت‌ها
• 88. بصری‌سازی داده‌های مکانی در زیست‌شناسی
• 89. کاربرد نقشه‌ها در تحقیقات زیستی
• 90. نمودارهای نقاط پراکنده روی نقشه
• 91. نمودارهای ناحیه‌ای روی نقشه
• 92. بصری‌سازی داده‌های زیست‌محیطی
• 93. مبانی بصری‌سازی داده‌های زیستی حجیم (Big Data)
• 94. استراتژی‌های بصری‌سازی داده‌های حجیم
• 95. ابزارهای مناسب برای داده‌های حجیم
• 96. اصول بصری‌سازی داده‌های پیچیده
• 97. نمودارهای شبکه‌ای پیشرفته
• 98. بصری‌سازی مسیرهای بیولوژیکی
• 99. بصری‌سازی داده‌های تک‌سلولی (Single-cell Data)
• 100. مقدمه‌ای بر بصری‌سازی داده‌های تک‌سلولی