کتاب اصول بصری‌سازی داده برای نمایش الگوهای داده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای نمایش الگوهای داده

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه: چرا بصری‌سازی داده اهمیت دارد؟
• 2. تاریخچه مختصر بصری‌سازی داده
• 3. تفاوت داده، اطلاعات و دانش
• 4. اهداف بصری‌سازی: اکتشاف در مقابل توضیح
• 5. آشنایی با انواع داده‌ها: کمی و کیفی
• 6. مبانی ادراک بصری انسان
• 7. ویژگی‌های پیش‌توجهی (Pre-attentive Attributes)
• 8. اصول گشتالت در طراحی بصری
• 9. رمزگذاری بصری: تبدیل داده به عناصر بصری
• 10. متغیرهای بصری: موقعیت، اندازه، رنگ، شکل
• 11. انتخاب رمزگذاری بصری مناسب
• 12. خطاهای رایج در بصری‌سازی داده
• 13. نمودارهای گمراه‌کننده و نحوه شناسایی آن‌ها
• 14. اخلاق در بصری‌سازی داده: مسئولیت‌پذیری و شفافیت
• 15. چارچوب فرآیند بصری‌سازی: از سوال تا ارائه
• 16. نمودارهای میله‌ای (Bar Charts): مقایسه مقادیر
• 17. انواع نمودار میله‌ای: عمودی، افقی، گروهی و پشته‌ای
• 18. نمودارهای خطی (Line Charts): نمایش روند در طول زمان
• 19. بهترین شیوه‌ها در طراحی نمودار خطی
• 20. نمودارهای دایره‌ای (Pie Charts) و حلقه‌ای (Donut Charts): نمایش ترکیب
• 21. چه زمانی از نمودار دایره‌ای استفاده نکنیم؟
• 22. نمودارهای پراکندگی (Scatter Plots): نمایش رابطه بین دو متغیر
• 23. هیستوگرام‌ها (Histograms): درک توزیع داده‌ها
• 24. تفاوت هیستوگرام و نمودار میله‌ای
• 25. نمودارهای چگالی (Density Plots)
• 26. نمودارهای جعبه‌ای (Box Plots): نمایش خلاصه‌ی آماری
• 27. نمودارهای ویولن (Violin Plots): ترکیب نمودار جعبه‌ای و چگالی
• 28. نمودارهای مساحتی (Area Charts): نمایش حجم در طول زمان
• 29. نمودارهای حبابی (Bubble Charts): نمایش سه متغیر
• 30. نقشه‌های حرارتی (Heatmaps): نمایش الگو در ماتریس‌ها
• 31. نمودارهای درختی (Treemaps): نمایش داده‌های سلسله‌مراتبی
• 32. نمودارهای آبشاری (Waterfall Charts): نمایش تغییرات تجمعی
• 33. نمودارهای فانل (Funnel Charts): نمایش مراحل یک فرآیند
• 34. نمودارهای راداری (Radar Charts): مقایسه چند متغیر کیفی
• 35. نمودار گانت (Gantt Chart): بصری‌سازی زمان‌بندی پروژه
• 36. جدول‌ها: چه زمانی متن بهترین گزینه است؟
• 37. بهبود جداول با عناصر بصری
• 38. نمودارهای اسلات (Slopegraphs): مقایسه تغییرات بین دو نقطه
• 39. نمودارهای نقطه‌ای (Dot Plots)
• 40. انتخاب نمودار مناسب بر اساس هدف
• 41. اهمیت رنگ در بصری‌سازی داده
• 42. نظریه رنگ: چرخه رنگ و هارمونی
• 43. پالت‌های رنگی: متوالی، واگرا و کیفی
• 44. طراحی برای کوررنگی و دسترسی‌پذیری
• 45. استفاده استراتژیک از رنگ برای برجسته‌سازی
• 46. تایپوگرافی در بصری‌سازی: خوانایی و سلسله‌مراتب
• 47. انتخاب فونت مناسب برای نمودارها
• 48. اصول برچسب‌گذاری (Labeling) و حاشیه‌نویسی (Annotation)
• 49. نقش فضای سفید (White Space) در طراحی
• 50. چیدمان و ترکیب‌بندی (Layout and Composition)
• 51. اصل نسبت داده به جوهر (Data-Ink Ratio)
• 52. کاهش درهم‌ریختگی (Decluttering) در نمودارها
• 53. استفاده از خطوط شبکه (Gridlines) به صورت موثر
• 54. طراحی محورها (Axes) و مقیاس‌ها (Scales)
• 55. مقیاس لگاریتمی در مقابل مقیاس خطی
• 56. مرتب‌سازی (Sorting) منطقی داده‌ها در نمودار
• 57. ایجاد یک راهنمای بصری (Legend) واضح
• 58. حفظ ثبات و یکپارچگی در طراحی
• 59. طراحی برای رسانه‌های مختلف: وب، چاپ و موبایل
• 60. نقد و بررسی طراحی‌های بصری
• 61. بصری‌سازی داده‌های چندبعدی
• 62. نمودارهای مختصات موازی (Parallel Coordinates)
• 63. نمودارهای چندگانه کوچک (Small Multiples)
• 64. بصری‌سازی داده‌های جغرافیایی (Geospatial)
• 65. نقشه‌های کروپلت (Choropleth Maps)
• 66. نقشه‌های نقطه‌ای و حبابی جغرافیایی
• 67. بصری‌سازی داده‌های شبکه‌ای و گراف
• 68. نمودارهای گره-پیوند (Node-Link Diagrams)
• 69. ماتریس‌های مجاورت (Adjacency Matrices)
• 70. بصری‌سازی داده‌های متنی و ابری کلمات (Word Clouds)
• 71. بصری‌سازی داده‌های جریانی (Streaming Data)
• 72. نمودارهای سانکی (Sankey Diagrams): نمایش جریان
• 73. نمودارهای خورشیدی (Sunburst Charts)
• 74. بصری‌سازی عدم قطعیت (Uncertainty) در داده‌ها
• 75. مقدمه‌ای بر بصری‌سازی تعاملی (Interactive Visualization)
• 76. تکنیک‌های تعامل: فیلتر کردن، بزرگنمایی و جزئیات درخواستی
• 77. طراحی انیمیشن در بصری‌سازی داده
• 78. بصری‌سازی در واقعیت مجازی (VR) و واقعیت افزوده (AR)
• 79. بصری‌سازی داده‌های بزرگ (Big Data)
• 80. استفاده از الگوریتم‌های خوشه‌بندی برای بصری‌سازی الگوها
• 81. مروری بر اکوسیستم ابزارهای بصری‌سازی
• 82. ابزارهای کد-محور در مقابل ابزارهای بدون کد
• 83. مقدمه‌ای بر بصری‌سازی با Python: Matplotlib
• 84. بصری‌سازی آماری با Python: Seaborn
• 85. ساخت نمودارهای تعاملی با Python: Plotly و Bokeh
• 86. مقدمه‌ای بر D3.js: قدرت بصری‌سازی در وب
• 87. آشنایی با ابزارهای BI: Tableau
• 88. آشنایی با ابزارهای BI: Power BI
• 89. آماده‌سازی و پاکسازی داده‌ها برای بصری‌سازی
• 90. کار با فرمت‌های داده مختلف (CSV, JSON, Excel)
• 91. اصول طراحی داشبوردهای اطلاعاتی
• 92. بهترین شیوه‌ها در طراحی داشبورد
• 93. پیاده‌سازی تعامل (Interaction) در داشبوردها
• 94. بهینه‌سازی عملکرد داشبورد
• 95. انتشار و به اشتراک‌گذاری بصری‌سازی‌ها
• 96. داستان‌سرایی با داده (Data Storytelling)
• 97. ساختار یک روایت داده‌محور
• 98. ارائه موثر یافته‌های بصری به مخاطب
• 99. مطالعه موردی: تحلیل و بصری‌سازی یک مجموعه داده واقعی
• 100. جمع‌بندی دوره و مسیرهای یادگیری آینده