کتاب اصول بصری‌سازی داده برای ایجاد ابزارهای تحلیل پویا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای ایجاد ابزارهای تحلیل پویا

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی برنامه نویسی برای بصری سازی
• 2. مقدمه ای بر داده ها و انواع آن
• 3. اهمیت بصری سازی داده
• 4. هدف بصری سازی داده
• 5. تاریخچه بصری سازی داده
• 6. اصول طراحی بصری
• 7. روانشناسی رنگ در بصری سازی
• 8. استفاده از شکل و اندازه در بصری سازی
• 9. تایپوگرافی در بصری سازی
• 10. ارتباط بین داده ها و بصری سازی
• 11. انواع نمودارها و کاربرد آنها
• 12. نمودار میله ای و کاربرد آن
• 13. نمودار خطی و کاربرد آن
• 14. نمودار دایره ای و کاربرد آن
• 15. نمودار پراکندگی و کاربرد آن
• 16. نمودار هیستوگرام و کاربرد آن
• 17. نمودار جعبه ای و کاربرد آن
• 18. نمودار نقشه حرارتی و کاربرد آن
• 19. نمودار شمعی و کاربرد آن
• 20. نمودار تنفسی و کاربرد آن
• 21. نمودار درختی و کاربرد آن
• 22. نمودار شبکه ای و کاربرد آن
• 23. نمودار نقشه های جغرافیایی و کاربرد آن
• 24. انتخاب نمودار مناسب بر اساس نوع داده
• 25. انتخاب نمودار مناسب بر اساس هدف بصری سازی
• 26. مراحل ایجاد یک بصری سازی موثر
• 27. جمع آوری و آماده سازی داده ها
• 28. پاکسازی داده ها
• 29. تبدیل داده ها
• 30. ایجاد لایه های داده
• 31. انتخاب ابزار بصری سازی
• 32. معرفی ابزارهای بصری سازی
• 33. نرم افزار اکسل برای بصری سازی
• 34. نرم افزار پایتون برای بصری سازی
• 35. کتابخانه matplotlib در پایتون
• 36. کتابخانه seaborn در پایتون
• 37. کتابخانه plotly در پایتون
• 38. کتابخانه bokeh در پایتون
• 39. نرم افزار R برای بصری سازی
• 40. کتابخانه ggplot2 در R
• 41. کتابخانه plotly در R
• 42. نرم افزار Tableau برای بصری سازی
• 43. نرم افزار Power BI برای بصری سازی
• 44. مبانی برنامه نویسی پایتون برای بصری سازی
• 45. مقدمه ای بر زبان پایتون
• 46. متغیرها و انواع داده در پایتون
• 47. عملگرها در پایتون
• 48. دستورات شرطی در پایتون
• 49. حلقه ها در پایتون
• 50. توابع در پایتون
• 51. ساختارهای داده در پایتون (لیست، تاپل، دیکشنری)
• 52. کار با فایل ها در پایتون
• 53. مقدمه ای بر کتابخانه NumPy
• 54. آرایه ها در NumPy
• 55. عملیات بر روی آرایه ها در NumPy
• 56. مقدمه ای بر کتابخانه Pandas
• 57. ساختارهای داده در Pandas (Series, DataFrame)
• 58. خواندن و نوشتن داده ها با Pandas
• 59. پاکسازی و پیش پردازش داده ها با Pandas
• 60. عملیات بر روی DataFrame ها
• 61. تجزیه و تحلیل اکتشافی داده (EDA)
• 62. بصری سازی اولیه داده ها با Pandas
• 63. مقدمه ای بر کتابخانه Matplotlib
• 64. ساختار نمودار در Matplotlib
• 65. رسم نمودارهای پایه با Matplotlib
• 66. سفارشی سازی نمودارها با Matplotlib
• 67. اضافه کردن عنوان، برچسب و راهنما
• 68. تنظیم محورها و مقیاس ها
• 69. استفاده از زیرنمودارها
• 70. ذخیره نمودارها
• 71. مقدمه ای بر کتابخانه Seaborn
• 72. سبک های بصری سازی در Seaborn
• 73. نمودارهای توزیع در Seaborn
• 74. نمودارهای رابطه ای در Seaborn
• 75. نمودارهای دسته ای در Seaborn
• 76. نمودارهای ماتریسی در Seaborn
• 77. نکات پیشرفته در Seaborn
• 78. مقدمه ای بر کتابخانه Plotly
• 79. ایجاد نمودارهای تعاملی با Plotly
• 80. انواع نمودارها در Plotly
• 81. سفارشی سازی نمودارها در Plotly
• 82. به اشتراک گذاری نمودارهای Plotly
• 83. کار با Dashboard ها
• 84. مقدمه ای بر ایجاد ابزارهای تحلیل پویا
• 85. مفهوم داشبورد
• 86. اجزای یک داشبورد موثر
• 87. طراحی ساختار داشبورد
• 88. اتصال داده ها به داشبورد
• 89. ایجاد عناصر تعاملی در داشبورد
• 90. استفاده از فیلترها و اسلایدرها
• 91. ایجاد نمودارهای سفارشی برای داشبورد
• 92. بهینه سازی عملکرد داشبورد
• 93. تست و اعتبارسنجی داشبورد
• 94. اصول دسترسی پذیری در بصری سازی
• 95. اهمیت دسترسی پذیری
• 96. طراحی برای افراد با نیازهای ویژه
• 97. استفاده از کنتراست مناسب رنگ
• 98. طراحی برای صفحه نمایش های مختلف
• 99. بهینه سازی بصری سازی برای موبایل
• 100. اخلاق در بصری سازی داده