کتاب بصری‌سازی داده‌های انرژی و پایداری با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بصری‌سازی داده‌های انرژی و پایداری

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی بصری‌سازی داده
• 2. مقدمه‌ای بر بصری‌سازی داده‌های انرژی و پایداری
• 3. اهمیت بصری‌سازی داده در حوزه انرژی و پایداری
• 4. انواع داده‌های مرتبط با انرژی و پایداری
• 5. ابزارهای بصری‌سازی داده (مروری کلی)
• 6. انتخاب ابزار مناسب برای پروژه‌های انرژی و پایداری
• 7. مبانی طراحی بصری
• 8. اصول گشتالت در بصری‌سازی
• 9. تئوری رنگ و کاربرد آن در بصری‌سازی داده
• 10. فونت و تایپوگرافی در بصری‌سازی
• 11. گراف‌ها و نمودارهای پایه
• 12. نمودارهای میله‌ای (Bar Charts): اصول و کاربردها
• 13. نمودارهای خطی (Line Charts): اصول و کاربردها
• 14. نمودارهای دایره‌ای (Pie Charts): اصول و کاربردها (و محدودیت‌ها)
• 15. نمودارهای پراکندگی (Scatter Plots): اصول و کاربردها
• 16. هیستوگرام (Histograms): اصول و کاربردها
• 17. Box Plots (نمودارهای جعبه‌ای): اصول و کاربردها
• 18. نقشه‌ها و داده‌های مکانی
• 19. مبانی کار با داده‌های مکانی
• 20. انواع نقشه‌ها: Choropleth، Heatmap، Marker Maps
• 21. بصری‌سازی داده‌های انرژی در نقشه‌ها
• 22. بصری‌سازی داده‌های پایداری در نقشه‌ها
• 23. نرم‌افزارهای بصری‌سازی داده (مقدماتی)
• 24. آشنایی با اکسل برای بصری‌سازی داده‌های ساده
• 25. مقدمه‌ای بر Google Sheets
• 26. مقدمه‌ای بر Tableau
• 27. مقدمه‌ای بر Power BI
• 28. مقدمه‌ای بر Python برای بصری‌سازی داده
• 29. کتابخانه‌های Python برای بصری‌سازی داده
• 30. Matplotlib: نصب و راه‌اندازی
• 31. Matplotlib: ایجاد نمودارهای پایه
• 32. Seaborn: نصب و راه‌اندازی
• 33. Seaborn: نمودارهای آماری پیشرفته
• 34. Plotly: ایجاد نمودارهای تعاملی
• 35. Pandas: آماده‌سازی داده برای بصری‌سازی
• 36. پاکسازی داده (Data Cleaning)
• 37. تبدیل داده (Data Transformation)
• 38. تجمیع داده (Data Aggregation)
• 39. پیوند داده (Data Joining)
• 40. ایجاد داشبورد
• 41. اصول طراحی داشبورد
• 42. انتخاب متریک‌های کلیدی (KPIs)
• 43. بهترین شیوه‌های طراحی داشبورد برای انرژی و پایداری
• 44. ابزارهای ساخت داشبورد (مروری)
• 45. داشبورد در Tableau
• 46. داشبورد در Power BI
• 47. داشبورد با Python (Dash)
• 48. داشبوردهای مبتنی بر وب
• 49. بصری‌سازی داده‌های زمان‌بندی شده
• 50. نمودارهای گانت (Gantt Charts)
• 51. سری‌های زمانی (Time Series) و تحلیل روند
• 52. بصری‌سازی داده‌های جریانی (Streaming Data)
• 53. بصری‌سازی داده‌های بزرگ (Big Data)
• 54. مقدمه‌ای بر داده‌های بزرگ در حوزه انرژی و پایداری
• 55. ابزارهای بصری‌سازی داده‌های بزرگ (مروری)
• 56. استفاده از Hadoop و Spark برای پیش‌پردازش داده
• 57. بصری‌سازی داده‌های انرژی تجدیدپذیر
• 58. بصری‌سازی داده‌های مصرف انرژی
• 59. بصری‌سازی داده‌های انتشار گازهای گلخانه‌ای
• 60. بصری‌سازی داده‌های حمل و نقل پایدار
• 61. بصری‌سازی داده‌های مدیریت پسماند
• 62. بصری‌سازی داده‌های آب
• 63. بصری‌سازی داده‌های کشاورزی پایدار
• 64. بصری‌سازی داده‌های ساختمان‌های سبز
• 65. تجزیه و تحلیل بصری
• 66. تجزیه و تحلیل اکتشافی داده (Exploratory Data Analysis - EDA)
• 67. تشخیص الگوها و روندها
• 68. شناسایی نقاط پرت (Outliers)
• 69. پیش‌بینی با استفاده از بصری‌سازی
• 70. داستان‌سرایی با داده (Data Storytelling)
• 71. ایجاد یک روایت جذاب با استفاده از داده
• 72. انتخاب بهترین نوع بصری‌سازی برای پیام
• 73. ارائه نتایج به مخاطبان مختلف
• 74. ارزیابی و بهبود بصری‌سازی‌ها
• 75. آزمون کاربردی بصری‌سازی‌ها
• 76. دریافت بازخورد از کاربران
• 77. بهینه‌سازی بصری‌سازی‌ها
• 78. بصری‌سازی‌های تعاملی پیشرفته
• 79. استفاده از JavaScript برای تعامل بیشتر
• 80. کتابخانه‌های JavaScript برای بصری‌سازی (D3.js)
• 81. ایجاد فیلترها و گزینه‌ها
• 82. ایجاد نمودارهای قابل دریل‌دان (Drill-down)
• 83. تکنیک‌های پیشرفته بصری‌سازی
• 84. نمودارهای سانکی (Sankey Diagrams)
• 85. نمودارهای رادار (Radar Charts)
• 86. نمودارهای درختی (Tree Maps)
• 87. نمودارهای Violin
• 88. بصری‌سازی داده‌های چند متغیره
• 89. استفاده از ابعاد رنگ، شکل و اندازه
• 90. نمودارهای مختصات موازی (Parallel Coordinates)
• 91. بصری‌سازی داده‌های ناهمگن
• 92. ترکیب انواع مختلف داده
• 93. نمایش داده‌های کمی و کیفی
• 94. رابط کاربری (UI) و تجربه کاربری (UX) در بصری‌سازی
• 95. بهینه‌سازی UI برای تعامل آسان
• 96. طراحی UX کاربر محور
• 97. در دسترس‌پذیری (Accessibility) در بصری‌سازی
• 98. رعایت استانداردهای دسترس‌پذیری وب (WCAG)
• 99. ایجاد بصری‌سازی‌های قابل استفاده برای همه
• 100. اخلاق در بصری‌سازی داده