کتاب صوتی اصول بصری‌سازی داده برای نمایش الگوهای داده

🎓 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 مهم است؟
• 2. تاریخچه مختصر بصری‌سازی داده
• 3. اهداف بصری‌سازی: اکتشافی در مقابل توضیحی
• 4. مبانی ادراک بصری و روانشناسی گشتالت
• 5. ویژگی‌های پیش‌توجهی: چگونه مغز ما داده‌ها را می‌بیند
• 6. انواع داده‌ها: کمی، کیفی، ترتیبی و اسمی
• 7. ساختارهای داده: جدولی، سلسله مراتبی، شبکه‌ای
• 8. مفاهیم آماری ضروری برای بصری‌سازی
• 9. اهمیت آماده‌سازی و پاکسازی داده‌ها
• 10. تعریف سوال کلیدی قبل از شروع بصری‌سازی
• 11. شناخت مخاطب: چه کسی نمودار شما را می‌بیند؟
• 12. معرفی گرامر گرافیک: رویکردی ساختاریافته
• 13. اجزای گرامر گرافیک: داده، زیبایی‌شناسی، هندسه
• 14. رمزگذاری بصری: موقعیت و مقیاس
• 15. رمزگذاری بصری: طول، مساحت و حجم
• 16. رمزگذاری بصری: رنگ (فام، اشباع، روشنایی)
• 17. رمزگذاری بصری: شکل و نماد
• 18. رمزگذاری بصری: زاویه و شیب
• 19. چگونه نمودار مناسب را برای داده خود انتخاب کنیم؟
• 20. آشنایی با نمودارهای میله‌ای (Bar Chart) و انواع آن
• 21. کاربرد نمودارهای خطی (Line Chart) برای داده‌های زمانی
• 22. نمودار پراکندگی (Scatter Plot) برای نمایش روابط
• 23. نمودار دایره‌ای (Pie Chart): موارد استفاده و اشتباهات رایج
• 24. هیستوگرام (Histogram) برای نمایش توزیع داده‌ها
• 25. نمودار جعبه‌ای (Box Plot) برای مقایسه توزیع‌ها
• 26. نمودار حرارتی (Heatmap) برای نمایش ماتریس‌ها
• 27. نمودار درختی (Treemap) برای داده‌های سلسله مراتبی
• 28. نمودار حبابی (Bubble Chart) برای نمایش سه متغیر
• 29. نمودار ناحیه‌ای (Area Chart) و انواع آن
• 30. نمودار آبشاری (Waterfall Chart) برای نمایش تغییرات
• 31. نمودار قیفی (Funnel Chart) برای فرآیندهای مرحله‌ای
• 32. مبانی کار با نقشه‌ها: نمودارهای کراپلت (Choropleth)
• 33. نمودارهای شبکه‌ای (Network Graph) برای نمایش ارتباطات
• 34. اصول طراحی بصری: چیدمان و ترکیب‌بندی
• 35. اصول چهارگانه طراحی (کنتراست، تکرار، هم‌ترازی، نزدیکی)
• 36. تئوری رنگ در بصری‌سازی
• 37. ساخت پالت‌های رنگی مؤثر: متوالی، واگرا، کیفی
• 38. توجه به کوررنگی در انتخاب رنگ‌ها
• 39. تایپوگرافی در نمودارها: انتخاب فونت و خوانایی
• 40. کاهش عناصر اضافی (Chartjunk) و افزایش نسبت داده-جوهر
• 41. استفاده هوشمندانه از برچسب‌ها و حاشیه‌نویسی (Annotations)
• 42. طراحی محورها، مقیاس‌ها و خطوط شبکه (Axes, Scales, Gridlines)
• 43. شناسایی و اجتناب از بصری‌سازی‌های گمراه‌کننده
• 44. بررسی محور Y کوتاه شده (Truncated Y-Axis)
• 45. خطاهای مقیاس لگاریتمی و خطی
• 46. استفاده نادرست از نمودارهای سه‌بعدی
• 47. انتخاب نمونه مغرضانه و تاثیر آن بر بصری‌سازی
• 48. نمایش الگوی مقایسه: چه چیزی بزرگتر یا کوچکتر است؟
• 49. تکنیک‌های بصری برای مقایسه مقادیر مطلق و نسبی
• 50. نمایش الگوی تغییر در طول زمان
• 51. تکنیک‌های بصری برای داده‌های سری زمانی و کشف روندها
• 52. نمایش الگوی توزیع: داده‌ها چگونه پخش شده‌اند؟
• 53. تکنیک‌های بصری برای نمایش توزیع و پراکندگی
• 54. نمایش الگوی رابطه و همبستگی
• 55. تکنیک‌های بصری برای کشف روابط بین متغیرها
• 56. نمایش الگوی جزء به کل (ترکیب)
• 57. تکنیک‌های بصری برای نمایش ترکیب ایستا و پویا
• 58. نمایش الگوهای جغرافیایی و مکانی
• 59. تکنیک‌های پیشرفته در بصری‌سازی نقشه
• 60. نمایش الگوهای شبکه‌ای و جریان
• 61. تکنیک‌هایی مانند نمودارهای Sankey و Chord
• 62. نمایش انحراف (Deviation) از یک مقدار مرجع
• 63. مقدمه‌ای بر بصری‌سازی تعاملی (Interactive Visualization)
• 64. تکنیک‌های تعاملی: فیلتر کردن و مرتب‌سازی
• 65. تکنیک‌های تعاملی: بزرگنمایی و حرکت (Zooming & Panning)
• 66. تکنیک‌های تعاملی: نمایش جزئیات در صورت نیاز (Details on Demand)
• 67. تکنیک‌های تعاملی: انتخاب و اتصال (Brushing & Linking)
• 68. اصول طراحی داشبوردهای مدیریتی مؤثر
• 69. انتخاب معیارهای کلیدی عملکرد (KPIs) برای داشبورد
• 70. چیدمان و ساختار یک داشبورد کارآمد
• 71. اشتباهات رایج در طراحی داشبورد
• 72. مقدمه‌ای بر داستان‌سرایی با داده‌ها (Data Storytelling)
• 73. ساختار روایی برای یک داستان داده‌محور
• 74. ترکیب متن و بصری‌سازی برای روایت داستان
• 75. استفاده از حاشیه‌نویسی برای هدایت مخاطب
• 76. بصری‌سازی عدم قطعیت و خطا
• 77. نمایش بازه‌های اطمینان و خطاهای استاندارد
• 78. تکنیک‌های بصری‌سازی داده‌های چندبعدی
• 79. نمودارهای مختصات موازی (Parallel Coordinates)
• 80. نمودارهای راداری یا عنکبوتی (Radar Chart)
• 81. استفاده از انیمیشن برای نمایش تغییرات در طول زمان
• 82. مبانی بصری‌سازی متن و داده‌های غیرساخت‌یافته
• 83. ابر کلمات (Word Clouds): مزایا و معایب
• 84. اخلاق در بصری‌سازی داده‌ها: مسئولیت طراح
• 85. حفظ حریم خصوصی و اجتناب از تقویت سوگیری‌ها
• 86. مروری بر اکوسیستم ابزارهای بصری‌سازی
• 87. ابزارهای مبتنی بر کدنویسی در مقابل ابزارهای (Drag & Drop)
• 88. آشنایی با Matplotlib در پایتون
• 89. آشنایی با Seaborn برای نمودارهای آماری زیبا
• 90. ساخت نمودارهای تعاملی با Plotly در پایتون
• 91. آشنایی با ggplot2 در زبان R
• 92. معرفی ابزارهای اعلانی مانند Tableau
• 93. معرفی ابزارهای مشابه مانند Power BI
• 94. معرفی کتابخانه‌های دستوری مانند D3.js
• 95. چگونه ابزار مناسب را برای پروژه خود انتخاب کنیم؟
• 96. فرآیند کاری: از داده خام تا بصری‌سازی نهایی
• 97. نکات کلیدی برای ارائه یافته‌های بصری به مخاطبان
• 98. تکنیک‌های ارزیابی اثربخشی یک بصری‌سازی
• 99. نگاهی به آینده بصری‌سازی داده: واقعیت افزوده و مجازی
• 100. مطالعه موردی: بصری‌سازی داده‌های مالی