کتاب ساخت نمودارهای آماری برای نمایش اطلاعات کلیدی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت نمودارهای آماری برای نمایش اطلاعات کلیدی

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه: چرا بصری‌سازی داده؟
• 2. اهمیت داستان‌سرایی با داده (Data Storytelling)
• 3. تاریخچه مختصر بصری‌سازی داده
• 4. انواع داده: کمی، کیفی، گسسته و پیوسته
• 5. آشنایی با متغیرهای طبقه‌بندی شده (Categorical) و عددی (Numerical)
• 6. مفاهیم آماری پایه: میانگین، میانه و مد
• 7. درک توزیع داده‌ها و اهمیت آن
• 8. مفهوم همبستگی (Correlation) در برابر علیت (Causation)
• 9. اصول اولیه طراحی بصری: رنگ، فضا و ترکیب‌بندی
• 10. گرامر گرافیک‌ها: اجزای یک نمودار (محورها، عنوان، راهنما)
• 11. انتخاب نمودار مناسب برای هر نوع داده و پیام
• 12. اشتباهات رایج در بصری‌سازی داده و نحوه اجتناب از آنها
• 13. معرفی ابزارها و کتابخانه‌های برنامه‌نویسی برای بصری‌سازی
• 14. آماده‌سازی و پاک‌سازی داده‌ها برای رسم نمودار
• 15. معرفی نمودار میله‌ای (Bar Chart)
• 16. کاربرد نمودار میله‌ای: مقایسه مقادیر در دسته‌های مختلف
• 17. نمودار میله‌ای عمودی در برابر افقی
• 18. ساخت نمودار میله‌ای ساده
• 19. نمودار میله‌ای تجمعی (Stacked Bar Chart)
• 20. نمودار میله‌ای گروه‌بندی شده (Grouped Bar Chart)
• 21. شخصی‌سازی نمودارهای میله‌ای: رنگ، برچسب و ترتیب
• 22. معرفی نمودار خطی (Line Chart)
• 23. کاربرد نمودار خطی: نمایش روند در طول زمان
• 24. ساخت نمودار خطی با یک سری داده
• 25. نمایش چندین سری داده روی یک نمودار خطی
• 26. نمودار سطح (Area Chart) به عنوان نوعی از نمودار خطی
• 27. شخصی‌سازی نمودارهای خطی: ضخامت، نوع خط و نشانگرها
• 28. معرفی نمودار دایره‌ای (Pie Chart) و نمودار دونات (Donut Chart)
• 29. چه زمانی از نمودار دایره‌ای استفاده (و چه زمانی استفاده نکنیم)؟
• 30. بهترین شیوه‌ها برای طراحی نمودارهای دایره‌ای مؤثر
• 31. معرفی نمودار پراکندگی (Scatter Plot)
• 32. کاربرد نمودار پراکندگی: بررسی رابطه بین دو متغیر عددی
• 33. تشخیص الگوها: همبستگی مثبت، منفی و عدم همبستگی
• 34. افزودن خط روند (Trend Line) به نمودار پراکندگی
• 35. نمودار حبابی (Bubble Chart) به عنوان نسخه پیشرفته نمودار پراکندگی
• 36. معرفی هیستوگرام (Histogram)
• 37. تفاوت هیستوگرام و نمودار میله‌ای
• 38. کاربرد هیستوگرام: درک توزیع یک متغیر عددی
• 39. مفهوم بازه‌ها (Bins) و تأثیر آن بر شکل هیستوگرام
• 40. نمودار چگالی (Density Plot) برای نمایش توزیع هموار
• 41. معرفی نمودار جعبه‌ای (Box Plot)
• 42. کاربرد نمودار جعبه‌ای: مقایسه توزیع داده‌ها بین گروه‌ها
• 43. تفسیر اجزای نمودار جعبه‌ای: میانه، چارک‌ها و داده‌های پرت (Outliers)
• 44. مقایسه نمودار جعبه‌ای با هیستوگرام
• 45. نمودار ویولن (Violin Plot): ترکیبی از نمودار جعبه‌ای و چگالی
• 46. نمودار نقطه‌ای (Dot Plot) برای نمایش داده‌های فردی
• 47. نمودار آبشاری (Waterfall Chart) برای نمایش تغییرات تجمعی
• 48. نمودار قیفی (Funnel Chart) برای بصری‌سازی مراحل یک فرآیند
• 49. نقشه درختی (Treemap) برای نمایش داده‌های سلسله مراتبی
• 50. نمودار خورشیدی (Sunburst Chart) به عنوان جایگزین نقشه درختی
• 51. نقشه حرارتی (Heatmap) برای نمایش ماتریس‌ها و همبستگی
• 52. کاربردهای نقشه حرارتی در تحلیل داده
• 53. نمودار میله‌ای بازه‌ای (Range Bar Chart)
• 54. نمودار شمعی (Candlestick Chart) برای داده‌های مالی
• 55. نمودار راداری یا عنکبوتی (Radar Chart) برای مقایسه چند متغیر
• 56. نمودار گانت (Gantt Chart) برای مدیریت پروژه
• 57. نمودار جریان (Sankey Diagram) برای نمایش جریان بین گره‌ها
• 58. ابر کلمات (Word Cloud) برای بصری‌سازی داده‌های متنی
• 59. نمودار جفت‌ها (Pair Plot) برای بررسی روابط بین همه متغیرها
• 60. مقدمه‌ای بر کتابخانه Matplotlib در پایتون
• 61. ساختار یک نمودار در Matplotlib: Figure و Axes
• 62. رسم اولین نمودار با Matplotlib
• 63. شخصی‌سازی عناوین، برچسب‌های محور و راهنمای نمودار
• 64. کنترل رنگ‌ها و استایل‌ها در Matplotlib
• 65. رسم چند نمودار در یک قاب (Subplots)
• 66. افزودن متن و حاشیه‌نویسی (Annotation) به نمودار
• 67. ذخیره نمودارها با فرمت‌ها و کیفیت‌های مختلف
• 68. مقدمه‌ای بر کتابخانه Seaborn در پایتون
• 69. چرا Seaborn؟ سهولت و زیبایی‌شناسی
• 70. رسم نمودارهای آماری پیچیده با یک خط کد در Seaborn
• 71. استفاده از پالت‌های رنگی جذاب در Seaborn
• 72. یکپارچگی Seaborn با دیتافریم‌های Pandas
• 73. مقدمه‌ای بر بصری‌سازی تعاملی (Interactive)
• 74. معرفی کتابخانه‌های Plotly و Bokeh
• 75. ایجاد نمودارهای تعاملی: بزرگنمایی، حرکت و نمایش اطلاعات با هاور
• 76. اصول طراحی برای بصری‌سازی مؤثر
• 77. روانشناسی ادراک بصری و کاربرد آن در طراحی نمودار
• 78. انتخاب پالت رنگی مناسب: متوالی، واگرا و کیفی
• 79. طراحی برای مخاطبان کوررنگ (Colorblind-Friendly Design)
• 80. اهمیت فضای خالی (White Space) در خوانایی نمودار
• 81. کاهش درهم‌ریختگی: اصل نسبت داده به جوهر (Data-Ink Ratio)
• 82. ایجاد سلسله مراتب بصری برای هدایت چشم مخاطب
• 83. استفاده هوشمندانه از متن و برچسب‌ها
• 84. چگونه با نمودارها دروغ بگوییم: شناخت تکنیک‌های فریبنده
• 85. بررسی و نقد نمودارهای بد و خوب
• 86. داستان‌سرایی: ساختار یک روایت مبتنی بر داده
• 87. شناخت مخاطب و هدف از بصری‌سازی
• 88. تعیین پیام کلیدی که نمودار باید منتقل کند
• 89. استفاده از حاشیه‌نویسی برای برجسته‌سازی نکات کلیدی
• 90. ترکیب چند نمودار برای ساخت یک داستان کامل
• 91. اصول طراحی داشبوردهای اطلاعاتی
• 92. تفاوت بین گزارش و داشبورد
• 93. انتخاب معیارهای کلیدی عملکرد (KPIs) برای داشبورد
• 94. طراحی چیدمان (Layout) یک داشبورد مؤثر
• 95. بصری‌سازی داده‌های جغرافیایی: مقدمه‌ای بر نقشه‌ها
• 96. نقشه کراپلت (Choropleth Map) برای نمایش داده بر اساس مناطق
• 97. نقشه نقطه‌ای (Scatter Map) برای نمایش موقعیت‌ها
• 98. بصری‌سازی شبکه‌ها و روابط (Network Visualization)
• 99. مقدمه‌ای بر نمودارهای گره-پیوند (Node-Link Diagrams)
• 100. جمع‌بندی نهایی: چک‌لیست یک بصری‌سازی عالی