کتاب صوتی بصری‌سازی داده‌های تعاملی با Plotly و Dash

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بصری‌سازی داده‌های تعاملی با Plotly و Dash

موضوع کلی: برنامه نویسی

موضوع میانی: بصری‌سازی داده (Data Visualization)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بصری‌سازی داده‌های تعاملی
• 2. آشنایی با کتابخانه‌های Plotly و Dash
• 3. نصب و راه‌اندازی Plotly و Dash
• 4. اصول اولیه بصری‌سازی داده
• 5. انتخاب نمودار مناسب برای انواع داده
• 6. مبانی نمودارهای خطی در Plotly
• 7. ایجاد نمودارهای میله‌ای با Plotly
• 8. نمودارهای پراکندگی و کاربردهای آن
• 9. نمودارهای دایره‌ای و محدودیت‌ها
• 10. نمودارهای هیستوگرام و توزیع داده
• 11. نمودارهای جعبه‌ای و نمایش آماره‌های کلیدی
• 12. نمودارهای نقشه حرارتی و همبستگی
• 13. نمودارهای سه‌بعدی در Plotly
• 14. مقدمه‌ای بر فریم‌ورک Dash
• 15. ساختار کلی یک اپلیکیشن Dash
• 16. کامپوننت‌های ورودی در Dash
• 17. کامپوننت‌های خروجی در Dash
• 18. Callbacks در Dash: ایجاد تعامل
• 19. ارتباط بین کامپوننت‌ها با Callbacks
• 20. مدیریت رویدادها در Dash
• 21. به‌روزرسانی نمودارها با Callbacks
• 22. فیلتر کردن داده‌ها با استفاده از Callbacks
• 23. مرتب‌سازی داده‌ها در جداول Dash
• 24. ایجاد داشبوردهای چند صفحه‌ای
• 25. طراحی رابط کاربری با HTML و CSS در Dash
• 26. تنظیمات ظاهری نمودارها در Plotly
• 27. سفارشی‌سازی محورها و برچسب‌ها
• 28. افزودنی‌های Plotly برای نمودارهای پیشرفته
• 29. نمودارهای سری زمانی با Plotly
• 30. بصری‌سازی داده‌های جغرافیایی با Plotly Geo
• 31. استفاده از نقشه‌ها در Dash
• 32. نمودارهای شبکه و گراف در Plotly
• 33. نمودارهای آماری پیچیده‌تر
• 34. کار با داده‌های حجیم در Dash
• 35. بهینه‌سازی عملکرد اپلیکیشن‌های Dash
• 36. مدیریت وضعیت (State) در Dash
• 37. استفاده از کامپوننت‌های سفارشی در Dash
• 38. انتشار اپلیکیشن‌های Dash
• 39. مقدمه‌ای بر امنیت در اپلیکیشن‌های وب
• 40. اصول طراحی تجربه کاربری (UX)
• 41. کاربرد بصری‌سازی در تحلیل کسب‌وکار
• 42. بصری‌سازی داده‌های مالی (بدون ربا)
• 43. تحلیل داده‌های فروش و بازاریابی
• 44. بصری‌سازی داده‌های منابع انسانی
• 45. کاربرد در علوم مهندسی
• 46. بصری‌سازی داده‌های پژوهشی
• 47. مقدمه‌ای بر هوش تجاری (BI)
• 48. مقایسه Plotly و Dash با ابزارهای دیگر
• 49. نکات پیشرفته در Callbacks
• 50. ارتباط با پایگاه داده در Dash
• 51. مدیریت خطاها در اپلیکیشن‌های Dash
• 52. تست و اشکال‌زدایی اپلیکیشن‌ها
• 53. اصول نگهداری کد در Dash
• 54. معرفی کامپوننت‌های Dash Bootstrap
• 55. طراحی واکنش‌گرا (Responsive Design)
• 56. استفاده از آیکون‌ها در Dash
• 57. مدیریت زمان در نمودارهای سری زمانی
• 58. بصری‌سازی داده‌های نظرسنجی
• 59. کاربرد در تحلیل شبکه‌های اجتماعی (بدون محتوای ضددینی)
• 60. مقدمه‌ای بر علم داده
• 61. مراحل پیش‌پردازش داده‌ها
• 62. پاک‌سازی داده‌های پرت
• 63. استانداردسازی و نرمال‌سازی داده‌ها
• 64. مهندسی ویژگی (Feature Engineering)
• 65. انتخاب ویژگی‌های مرتبط
• 66. مبانی مدل‌های یادگیری ماشین
• 67. بصری‌سازی نتایج مدل‌ها
• 68. ارزیابی عملکرد مدل‌ها
• 69. کاربرد در تشخیص الگو
• 70. مقدمه‌ای بر داده‌کاوی
• 71. تکنیک‌های خوشه‌بندی (Clustering)
• 72. بصری‌سازی خوشه‌ها
• 73. تکنیک‌های طبقه‌بندی (Classification)
• 74. بصری‌سازی ماتریس درهم‌ریختگی (Confusion Matrix)
• 75. مقدمه‌ای بر تحلیل رگرسیون
• 76. بصری‌سازی روابط رگرسیونی
• 77. کاربرد در پیش‌بینی
• 78. مبانی تحلیل آماری
• 79. آزمون فرض آماری
• 80. بصری‌سازی نتایج آزمون‌ها
• 81. تحلیل آماری داده‌های توزیع‌شده
• 82. مقدمه‌ای بر داده‌های ساختاریافته
• 83. مقدمه‌ای بر داده‌های نیمه‌ساختاریافته
• 84. مقدمه‌ای بر داده‌های بدون ساختار
• 85. کاربرد در مدیریت دانش
• 86. مبانی تحلیل داده‌های مکانی
• 87. بصری‌سازی داده‌های تراکنشی (با رعایت مقررات)
• 88. روش‌های استخراج اطلاعات از متن
• 89. بصری‌سازی نتایج تحلیل متن
• 90. مقدمه‌ای بر داده‌های سری زمانی چندمتغیره
• 91. بصری‌سازی روندها و الگوهای فصلی
• 92. کاربرد در تحلیل ریسک (با چارچوب رسمی)
• 93. مبانی تحلیل واریانس (ANOVA)
• 94. بصری‌سازی نتایج ANOVA
• 95. کاربرد در تحلیل داده‌های آزمایشی
• 96. اصول بصری‌سازی داده‌های حجیم
• 97. چالش‌های بصری‌سازی داده‌های پویا
• 98. مقدمه‌ای بر داشبوردهای سازمانی
• 99. بهترین شیوه‌ها در طراحی داشبورد
• 100. بررسی نمونه‌های موفق داشبورد