کتاب اصول بصری‌سازی داده برای درک فرآیند با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای درک فرآیند

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بصری‌سازی داده
• 2. چرا بصری‌سازی داده مهم است؟
• 3. تاریخچه بصری‌سازی داده
• 4. کاربرد بصری‌سازی داده در دنیای واقعی
• 5. اهداف بصری‌سازی داده
• 6. مخاطب بصری‌سازی داده
• 7. مراحل کلیدی در بصری‌سازی داده
• 8. جمع‌آوری داده
• 9. پاکسازی داده
• 10. تبدیل داده
• 11. کاوش داده
• 12. طراحی بصری
• 13. ارزیابی بصری‌سازی
• 14. مبانی علم داده
• 15. انواع داده (کمی، کیفی، گسسته، پیوسته)
• 16. مقیاس‌های اندازه‌گیری (اسمی، ترتیبی، فاصله‌ای، نسبتی)
• 17. مفاهیم آماری پایه برای بصری‌سازی
• 18. میانگین، میانه، مد
• 19. واریانس و انحراف معیار
• 20. توزیع فراوانی
• 21. نمودار هیستوگرام
• 22. نمودار جعبه‌ای (Box Plot)
• 23. نمودار نقطه‌ای (Scatter Plot)
• 24. نمودار خطی (Line Plot)
• 25. نمودار میله‌ای (Bar Chart)
• 26. نمودار دایره‌ای (Pie Chart)
• 27. نمودار ستونی (Column Chart)
• 28. نمودار area (Area Chart)
• 29. نمودار پراکندگی (Bubble Chart)
• 30. نمودار حرارتی (Heatmap)
• 31. نمودار نقشه درختی (Treemap)
• 32. نمودار نمودار جریان (Flowchart)
• 33. نمودار Gantt
• 34. نمودار شبکه (Network Graph)
• 35. نمودار منحنی (Curve Plot)
• 36. نمودار رادار (Radar Chart)
• 37. نمودار سهمی (Sankey Diagram)
• 38. نمودار توزیع (Distribution Plot)
• 39. نمودار زمان (Time Series Plot)
• 40. نمودار مقایسه‌ای (Comparison Plot)
• 41. نمودار رابطه‌ای (Relationship Plot)
• 42. نمودار سلسله مراتبی (Hierarchical Plot)
• 43. نمودار جغرافیایی (Geographical Plot)
• 44. اصول طراحی بصری برای بصری‌سازی
• 45. نظریه رنگ در بصری‌سازی
• 46. انتخاب پالت رنگ مناسب
• 47. تضاد و هماهنگی رنگ
• 48. اهمیت سلسله مراتب بصری
• 49. استفاده از فونت مناسب
• 50. خوانایی متن
• 51. اندازه و فاصله عناصر
• 52. توازن در طراحی
• 53. اصل سادگی (Simplicity)
• 54. اصل وضوح (Clarity)
• 55. اصل دقت (Accuracy)
• 56. اصل کارایی (Efficiency)
• 57. کاربرد اصول گشتالت در بصری‌سازی
• 58. قانون نزدیکی
• 59. قانون شباهت
• 60. قانون پیوستگی
• 61. قانون بسته بودن
• 62. قانون شکل-زمینه
• 63. چالش‌های رایج در بصری‌سازی داده
• 64. داده‌های حجیم (Big Data)
• 65. داده‌های ناقص و نویزدار
• 66. بصری‌سازی داده‌های چندبعدی
• 67. اجتناب از بصری‌سازی گمراه‌کننده
• 68. شناخت انواع بصری‌سازی نامناسب
• 69. انتخاب صحیح نمودار برای انواع داده
• 70. انتخاب صحیح نمودار برای اهداف مختلف
• 71. نمایش مقادیر در طول زمان
• 72. نمایش مقایسه بین مجموعه‌ها
• 73. نمایش توزیع داده‌ها
• 74. نمایش روابط بین متغیرها
• 75. نمایش ساختار یا سلسله مراتب
• 76. نمایش داده‌های جغرافیایی
• 77. ابزارها و فناوری‌های بصری‌سازی داده
• 78. معرفی ابزارهای دسکتاپ
• 79. معرفی ابزارهای تحت وب
• 80. معرفی کتابخانه‌های برنامه‌نویسی
• 81. مبانی کار با Python برای بصری‌سازی
• 82. کتابخانه Matplotlib
• 83. کتابخانه Seaborn
• 84. کتابخانه Plotly
• 85. کتابخانه Bokeh
• 86. مبانی کار با R برای بصری‌سازی
• 87. کتابخانه ggplot2
• 88. مبانی کار با JavaScript برای بصری‌سازی
• 89. کتابخانه D3.js
• 90. مبانی کار با ابزارهای BI
• 91. Tableau
• 92. Power BI
• 93. Qlik Sense
• 94. انتخاب ابزار مناسب بر اساس نیاز
• 95. ساخت داشبوردهای تعاملی
• 96. طراحی داشبوردهای موثر
• 97. ملاحظات تعاملی در بصری‌سازی
• 98. فیلتر کردن داده‌ها
• 99. هایلایت کردن داده‌ها
• 100. زوم و پان کردن (Zooming and Panning)