کتاب صوتی اصول بصری‌سازی داده برای نمایش الگوهای بصری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای نمایش الگوهای بصری

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 اطلاعات
• 4. انواع داده‌ها و ویژگی‌های آن‌ها
• 5. مفاهیم اولیه ادراک بصری
• 6. سیستم‌های مختصات و مقیاس‌ها
• 7. نقش بصری‌سازی در تحلیل داده
• 8. داده‌های خام در برابر داده‌های آماده
• 9. انتخاب ابزار مناسب برای بصری‌سازی
• 10. چرخه‌ی عمر داده در بصری‌سازی
• 11. آشنایی با زبان برنامه‌نویسی پایتون (برای بصری‌سازی)
• 12. نصب و راه‌اندازی محیط‌های توسعه
• 13. کتابخانه‌ی Matplotlib: مبانی
• 14. نمودارهای خطی با Matplotlib
• 15. نمودارهای میله‌ای با Matplotlib
• 16. نمودارهای پراکندگی با Matplotlib
• 17. آشنایی با کتابخانه‌ی Seaborn
• 18. نمودارهای توزیع با Seaborn (هیستوگرام و KDE)
• 19. نمودارهای رابطه‌ای با Seaborn (pairplot)
• 20. آماده‌سازی و پاکسازی داده‌ها (Data Cleaning)
• 21. یکپارچه‌سازی و تبدیل داده‌ها (Data Transformation)
• 22. منابع داده برای بصری‌سازی
• 23. آشنایی با فرمت‌های داده (CSV, JSON, XML)
• 24. فیلترینگ و مرتب‌سازی داده‌ها
• 25. جمع‌بندی داده‌ها (Aggregation)
• 26. اصول طراحی بصری‌سازی (بخش ۱)
• 27. اصول طراحی بصری‌سازی (بخش ۲)
• 28. نظریه گشتالت در بصری‌سازی
• 29. تئوری رنگ و کاربرد آن
• 30. پالت‌های رنگی و انتخاب آن‌ها
• 31. استفاده صحیح از متن و تایپوگرافی
• 32. چیدمان و ترکیب‌بندی بصری‌سازی‌ها
• 33. حداقل‌گرایی در طراحی (Data-Ink Ratio)
• 34. در دسترس‌پذیری در بصری‌سازی (Accessibility)
• 35. ملاحظات اخلاقی در بصری‌سازی داده
• 36. انواع نمودارهای میله‌ای و کاربرد آن‌ها
• 37. نمودارهای پشته‌ای و گروه‌بندی شده
• 38. نمودارهای خطی برای نمایش روندها
• 39. نمودارهای ناحیه‌ای و مقایسه آن‌ها
• 40. نمودارهای پراکندگی برای نمایش روابط
• 41. نمودارهای حبابی برای سه متغیر
• 42. نمودارهای پای و مشکلاتی که ایجاد می‌کنند
• 43. جایگزین‌های نمودارهای پای
• 44. هیستوگرام‌ها برای نمایش توزیع
• 45. نمودارهای جعبه‌ای (Box Plot) برای مقایسه توزیع‌ها
• 46. نمودارهای ویولن (Violin Plot)
• 47. نمودارهای حرارتی (Heatmap)
• 48. نمودارهای درختی (Treemap)
• 49. نمودارهای شعاعی و ستاره‌ای
• 50. نمودارهای آبشار (Waterfall Chart)
• 51. بصری‌سازی داده‌های جغرافیایی (Geospatial)
• 52. نقشه‌ها و انواع آن‌ها (Choropleth, Symbol Map)
• 53. بصری‌سازی داده‌های شبکه‌ای (Network Visualization)
• 54. گراف‌ها و نمایش روابط پیچیده
• 55. بصری‌سازی داده‌های متنی (Word Cloud, Text Network)
• 56. بصری‌سازی داده‌های جدولی و ماتریسی
• 57. نمودارهای موازی (Parallel Coordinates)
• 58. نمودارهای رادار (Radar Chart)
• 59. نمودارهای گیج و داشبوردها
• 60. طراحی داشبوردهای اطلاعاتی: مبانی
• 61. طراحی داشبوردهای اطلاعاتی: بهترین روش‌ها
• 62. بصری‌سازی‌های تعاملی: مفاهیم
• 63. افزودن تعامل‌پذیری با Matplotlib و Seaborn
• 64. مقدمه‌ای بر Plotly و Dash
• 65. نمودارهای تعاملی با Plotly
• 66. ساخت داشبوردهای تعاملی با Dash
• 67. مقدمه‌ای بر D3.js (برای وب)
• 68. عناصر پایه SVG در D3.js
• 69. اتصال داده‌ها به SVG در D3.js
• 70. انتقال و انیمیشن در D3.js
• 71. بصری‌سازی داده‌های بزرگ (Big Data Visualization)
• 72. راهکارهای مقیاس‌پذیری در بصری‌سازی
• 73. فشرده‌سازی و نمونه‌برداری داده
• 74. ابزارهای تجاری بصری‌سازی (Tableau, Power BI)
• 75. مزایا و معایب ابزارهای تجاری
• 76. کشف الگوهای روند در داده‌های سری زمانی
• 77. تحلیل چرخه‌ای و فصلی در سری زمانی
• 78. بصری‌سازی توزیع‌های احتمالی
• 79. شناسایی نقاط پرت (Outliers) با بصری‌سازی
• 80. بصری‌سازی همبستگی و علیت
• 81. ماتریس‌های همبستگی (Correlation Matrix)
• 82. رگرسیون و نمایش بصری روابط
• 83. بصری‌سازی خوشه‌بندی (Clustering Visualization)
• 84. نمایش نتایج تحلیل مولفه‌های اصلی (PCA)
• 85. نقشه‌های حرارتی برای داده‌های چندبعدی
• 86. بصری‌سازی الگوهای رفتاری کاربران
• 87. مقایسه الگوها در گروه‌های مختلف
• 88. شناسایی تغییرات الگو در طول زمان
• 89. بصری‌سازی برای تصمیم‌گیری
• 90. داستان‌سرایی با داده‌ها (Data Storytelling): مفاهیم
• 91. ساختار یک داستان داده‌ای
• 92. انتخاب دیدگاه و مخاطب
• 93. اصول روایت بصری
• 94. استفاده از برجسته‌سازی و راهنمایی بیننده
• 95. پیاده‌سازی داستان‌سرایی با ابزارها
• 96. ارزیابی اثربخشی بصری‌سازی
• 97. تست کاربری و بازخورد
• 98. طراحی بصری‌سازی برای گزارش‌دهی
• 99. روندهای آینده در بصری‌سازی داده
• 100. پروژه‌ی نهایی: ایجاد یک داستان داده‌ای جامع