کتاب صوتی اصول بصری‌سازی داده برای ایجاد ابزارهای تحلیل پویا

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول بصری‌سازی داده برای ایجاد ابزارهای تحلیل پویا

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مبانی بصری‌سازی داده
• 2. اهمیت بصری‌سازی در تحلیل داده
• 3. انواع داده و سطوح سنجش
• 4. مقدمه‌ای بر نرم‌افزارهای بصری‌سازی داده
• 5. انتخاب ابزار مناسب بصری‌سازی (Tableau, Power BI, Python Libraries)
• 6. اصول طراحی گرافیکی برای بصری‌سازی
• 7. شناخت ادراک بصری و روانشناسی رنگ‌ها
• 8. مبانی تئوری رنگ و کاربرد آن در بصری‌سازی
• 9. انتخاب پالت رنگی مناسب برای داده‌ها
• 10. مبانی تایپوگرافی و خوانایی در بصری‌سازی
• 11. انواع نمودارها و کاربردهای آن‌ها
• 12. نمودارهای میله‌ای و ستونی (Bar and Column Charts)
• 13. نمودارهای خطی (Line Charts)
• 14. نمودارهای دایره‌ای و دوناتی (Pie and Doughnut Charts)
• 15. نمودارهای پراکندگی (Scatter Plots)
• 16. نمودارهای حبابی (Bubble Charts)
• 17. هیستوگرام‌ها (Histograms)
• 18. نمودارهای جعبه‌ای (Box Plots)
• 19. نمودارهای نقشه‌ای (Geospatial Charts)
• 20. نمودارهای درختی (Treemaps)
• 21. نمودارهای شبکه‌ای (Network Graphs)
• 22. نمودارهای راداری (Radar Charts)
• 23. انتخاب نمودار مناسب برای نوع داده
• 24. داستان‌گویی با داده‌ها (Data Storytelling)
• 25. ساختار یک روایت داده‌ای
• 26. شناخت مخاطب و هدف بصری‌سازی
• 27. استفاده از عناصر بصری برای انتقال پیام
• 28. مبانی تعامل در بصری‌سازی
• 29. ایجاد داشبوردهای تعاملی
• 30. فیلترها و اسلایسرها
• 31. drill-down و drill-through
• 32. tooltips و annotations
• 33. طراحی داشبوردهای موثر
• 34. چیدمان و سازماندهی عناصر بصری
• 35. استفاده از فضای سفید (white space)
• 36. اهمیت خوانایی و قابلیت فهم
• 37. بهینه‌سازی داشبورد برای دستگاه‌های مختلف
• 38. مبانی بصری‌سازی داده با Tableau
• 39. اتصال به منابع داده در Tableau
• 40. ایجاد worksheets و dashboards در Tableau
• 41. محاسبات و توابع در Tableau
• 42. استفاده از parameters و sets در Tableau
• 43. ایجاد hierarchies و groups در Tableau
• 44. مبانی بصری‌سازی داده با Power BI
• 45. اتصال به منابع داده در Power BI
• 46. ایجاد reports و dashboards در Power BI
• 47. DAX expressions در Power BI
• 48. Power Query Editor
• 49. استفاده از measures و calculated columns در Power BI
• 50. بصری‌سازی داده با Python (Matplotlib)
• 51. مبانی Matplotlib
• 52. ایجاد انواع نمودار با Matplotlib
• 53. سفارشی‌سازی نمودارها در Matplotlib
• 54. بصری‌سازی داده با Python (Seaborn)
• 55. مبانی Seaborn
• 56. انواع نمودارهای آماری در Seaborn
• 57. استفاده از themes و palettes در Seaborn
• 58. بصری‌سازی داده با Python (Plotly)
• 59. مبانی Plotly
• 60. ایجاد نمودارهای تعاملی با Plotly
• 61. استفاده از Plotly Express
• 62. بصری‌سازی داده با JavaScript (D3.js)
• 63. مبانی D3.js
• 64. ایجاد نمودارهای سفارشی با D3.js
• 65. تعامل در D3.js
• 66. مبانی JSON و فرمت داده
• 67. پاکسازی و آماده‌سازی داده‌ها برای بصری‌سازی
• 68. تبدیل داده‌ها و reshape کردن آنها
• 69. کار با داده‌های گم‌شده (missing data)
• 70. نرمال‌سازی و استانداردسازی داده‌ها
• 71. تکنیک‌های کاهش ابعاد داده (dimensionality reduction)
• 72. بصری‌سازی داده‌های سری زمانی (time series)
• 73. تحلیل روند (trend analysis)
• 74. تحلیل فصلی (seasonal analysis)
• 75. پیش‌بینی سری زمانی (time series forecasting)
• 76. بصری‌سازی داده‌های مکانی (spatial data)
• 77. نقشه‌کشی و ژئوکدینگ (geocoding)
• 78. نمایش داده‌ها روی نقشه
• 79. بصری‌سازی داده‌های متنی (text data)
• 80. ابر کلمات (word clouds)
• 81. تحلیل احساسات (sentiment analysis)
• 82. بصری‌سازی داده‌های شبکه‌ای (network data)
• 83. شناسایی گره‌های کلیدی (key nodes)
• 84. تحلیل اجتماع (community detection)
• 85. ملاحظات اخلاقی در بصری‌سازی داده
• 86. جلوگیری از گمراه‌کننده بودن بصری‌سازی
• 87. حفظ حریم خصوصی داده‌ها
• 88. بصری‌سازی داده‌های حجیم (big data)
• 89. استفاده از ابزارهای distributed processing
• 90. تکنیک‌های کاهش داده برای بصری‌سازی
• 91. بهینه‌سازی عملکرد بصری‌سازی
• 92. ارزیابی اثربخشی بصری‌سازی
• 93. معیارهای ارزیابی بصری‌سازی
• 94. جمع‌آوری بازخورد از کاربران
• 95. تکرار و بهبود بصری‌سازی
• 96. روندهای جدید در بصری‌سازی داده
• 97. واقعیت افزوده و واقعیت مجازی در بصری‌سازی
• 98. هوش مصنوعی و یادگیری ماشین در بصری‌سازی
• 99. بصری‌سازی داده‌های مالی
• 100. بصری‌سازی داده‌های بهداشتی