کتاب آشنایی با انواع نمودارها و کاربرد آنها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

تصمیمات قدرتمند با قدرت بصری‌سازی داده: از داده‌های خام تا داستان‌های روشن! در دنیای امروز که هر ثانیه سیل عظیمی از داده‌ها تولید می‌شود، توانایی درک، تحلیل و ارائه موثر این اطلاعات دیگر یک مزیت نیست،...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با انواع نمودارها و کاربرد آنها

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

  • 1. آشنایی با مفاهیم اولیه داده و اطلاعات
  • 2. اهمیت بصری‌سازی داده در دنیای امروز
  • 3. معرفی انواع مختلف نمودار و کاربرد آن‌ها
  • 4. انتخاب مناسب‌ترین نمودار برای نوع داده
  • 5. آشنایی با ابزارهای بصری‌سازی داده
  • 6. نصب و راه‌اندازی ابزارهای مورد نیاز
  • 7. مروری بر انواع داده‌ها (کمی، کیفی، دسته‌ای)
  • 8. آماده‌سازی داده‌ها برای بصری‌سازی
  • 9. پاک‌سازی و پیش‌پردازش داده‌ها
  • 10. شناخت انواع مقیاس‌ها (اسمی، ترتیبی، فاصله‌ای، نسبی)
  • 11. آشنایی با نمودارهای میله‌ای (Bar Charts)
  • 12. کاربردهای نمودارهای میله‌ای
  • 13. تنظیمات نمودارهای میله‌ای (رنگ، برچسب‌ها، محورها)
  • 14. نمودارهای میله‌ای عمودی و افقی
  • 15. نمودارهای میله‌ای تجمعی (Stacked Bar Charts)
  • 16. نمودارهای میله‌ای گروهی (Grouped Bar Charts)
  • 17. نمودارهای میله‌ای در مقایسه با نمودارهای دایره‌ای
  • 18. آشنایی با نمودارهای دایره‌ای (Pie Charts)
  • 19. کاربردهای نمودارهای دایره‌ای
  • 20. محدودیت‌ها و معایب نمودارهای دایره‌ای
  • 21. بهبود ظاهر نمودارهای دایره‌ای
  • 22. نمودارهای دوناتی (Doughnut Charts)
  • 23. نمودارهای درختی (Tree Maps)
  • 24. آشنایی با نمودارهای خطی (Line Charts)
  • 25. کاربردهای نمودارهای خطی
  • 26. نمودارهای چند خطی
  • 27. نمودارهای ناحیه‌ای (Area Charts)
  • 28. نمودارهای ناحیه‌ای تجمعی
  • 29. آشنایی با نمودارهای پراکندگی (Scatter Plots)
  • 30. کاربردهای نمودارهای پراکندگی
  • 31. نمودارهای حباب (Bubble Charts)
  • 32. نمودارهای پراکندگی با دسته‌های رنگی
  • 33. شناخت نمودارهای جعبه‌ای (Box Plots)
  • 34. کاربردهای نمودارهای جعبه‌ای
  • 35. تحلیل داده‌های پرت (Outliers) با نمودارهای جعبه‌ای
  • 36. مقایسه نمودارهای جعبه‌ای با نمودارهای هیستوگرام
  • 37. آشنایی با هیستوگرام (Histogram)
  • 38. کاربردهای هیستوگرام
  • 39. تنظیمات هیستوگرام (تعداد دسته‌ها)
  • 40. منحنی چگالی (Density Curve)
  • 41. مقایسه هیستوگرام و منحنی چگالی
  • 42. آشنایی با نقشه‌ها (Maps) برای بصری‌سازی
  • 43. انواع نقشه‌ها (نقاط، ناحیه‌ای، کرپلوت)
  • 44. نمایش داده‌های جغرافیایی
  • 45. نمودارهای ترکیبی (Combo Charts)
  • 46. ترکیب نمودارهای مختلف برای نمایش داده‌ها
  • 47. بصری‌سازی داده‌های سری زمانی
  • 48. بصری‌سازی داده‌های مالی
  • 49. بصری‌سازی داده‌های آماری
  • 50. بصری‌سازی داده‌های اجتماعی
  • 51. بصری‌سازی داده‌های علمی
  • 52. معرفی کتابخانه‌های پرکاربرد بصری‌سازی (مثل Matplotlib, Seaborn)
  • 53. کار با Matplotlib: رسم نمودارهای پایه
  • 54. تنظیمات پیشرفته در Matplotlib
  • 55. کار با Seaborn: نمودارهای آماری پیشرفته
  • 56. استفاده از Seaborn برای داده‌های دسته‌ای
  • 57. استفاده از Seaborn برای داده‌های کمی
  • 58. مفاهیم آمار توصیفی (میانگین، میانه، انحراف معیار)
  • 59. محاسبه و نمایش شاخص‌های آماری در نمودارها
  • 60. آشنایی با مفاهیم همبستگی (Correlation)
  • 61. نمایش همبستگی با نمودارهای پراکندگی و ماتریس همبستگی
  • 62. مقدمه‌ای بر ابزارهای تعاملی (مثل Plotly, Bokeh)
  • 63. ایجاد نمودارهای تعاملی
  • 64. افزودن قابلیت‌های تعاملی به نمودارها
  • 65. به اشتراک‌گذاری نمودارهای تعاملی
  • 66. مقدمه‌ای بر داشبورد (Dashboard)
  • 67. طراحی داشبورد
  • 68. انتخاب بهترین نمودارها برای داشبورد
  • 69. استفاده از فیلترها و کنترل‌ها در داشبورد
  • 70. ارتباط بین نمودارها در داشبورد
  • 71. معرفی ابزارهای ساخت داشبورد (مثل Tableau, Power BI)
  • 72. کار با Tableau: ایجاد نمودارهای ساده
  • 73. کار با Power BI: اتصال به داده‌ها و ایجاد نمودارها
  • 74. استفاده از رنگ در بصری‌سازی داده‌ها
  • 75. انتخاب پالت رنگی مناسب
  • 76. اهمیت فونت در بصری‌سازی داده‌ها
  • 77. اصول طراحی نمودار (Grid, Alignment, Contrast)
  • 78. پرهیز از گمراه‌کنندگی در نمودارها
  • 79. نکات مهم در مورد مقیاس محورها
  • 80. تفسیر نمودارها: خواندن و درک اطلاعات
  • 81. اشتباهات رایج در بصری‌سازی داده‌ها
  • 82. ارائه داستان با داده‌ها (Data Storytelling)
  • 83. ایجاد روایت جذاب با استفاده از نمودارها
  • 84. استفاده از نمودارها در گزارش‌ها و ارائه‌ها
  • 85. بهبود ظاهر نمودارها برای ارائه
  • 86. بهینه‌سازی نمودارها برای دستگاه‌های مختلف
  • 87. اصول طراحی بصری (Visual Design)
  • 88. اهمیت دسترس‌پذیری در بصری‌سازی داده‌ها
  • 89. بصری‌سازی داده‌های بزرگ (Big Data)
  • 90. استفاده از تکنیک‌های بصری‌سازی برای داده‌های حجیم
  • 91. معرفی نمودارهای پیشرفته (مثل Chord Diagrams, Sankey Diagrams)
  • 92. کاربردهای نمودارهای پیشرفته
  • 93. بصری‌سازی شبکه‌های اجتماعی
  • 94. بصری‌سازی داده‌های متنی
  • 95. اصول طراحی تعاملی (Interactive Design)
  • 96. اهمیت تست و ارزیابی در بصری‌سازی داده‌ها
  • 97. آینده بصری‌سازی داده‌ها
  • 98. نقش هوش مصنوعی در بصری‌سازی داده‌ها
  • 99. بهبود مهارت‌های بصری‌سازی داده‌ها
  • 100. منابع و ابزارهای یادگیری بیشتر
تگ‌ها: Charts Data Analysis Data Visualization Python انواع نمودار برنامه نویسی بصری‌سازی داده پایتون تجسم داده تحلیل داده داشبورد رسم نمودار نمودار خطی نمودار میله‌ای

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.