دوره Data Visualization with Spark همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Data Visualization with Spark

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Apache Spark

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مصورسازی داده با اسپارک
• 2. مفاهیم کلیدی مصورسازی داده
• 3. اهمیت مصورسازی داده در تحلیل کلان داده
• 4. مبانی کار با اسپارک
• 5. معماری اسپارک و اجزای آن
• 6. نصب و راه اندازی محیط اسپارک
• 7. کار با اسپارک شل (Spark Shell)
• 8. معرفی Spark SQL
• 9. ساختار داده ای در اسپارک: RDD ها
• 10. عملیات پایه بر روی RDD ها
• 11. تبدیل ها (Transformations) در RDD ها
• 12. عملیات (Actions) در RDD ها
• 13. مفاهیم پارتیشن بندی در اسپارک
• 14. بهینه سازی عملکرد RDD ها
• 15. معرفی Spark DataFrame
• 16. ساختار DataFrame و Schema
• 17. عملیات پایه بر روی DataFrame ها
• 18. انتخاب ستون ها و فیلتر کردن داده ها
• 19. گروه بندی و تجمیع داده ها
• 20. عملیات Join در DataFrame ها
• 21. توابع پنجره ای (Window Functions)
• 22. ذخیره سازی و بارگذاری DataFrame ها
• 23. کار با فایل های مختلف (CSV, JSON, Parquet)
• 24. مقدمه ای بر Spark Streaming
• 25. مفاهیم کلیدی پردازش جریانی
• 26. معماری Spark Streaming
• 27. دریافت داده از منابع جریانی
• 28. تبدیل ها و عملیات بر روی DStream ها
• 29. پردازش داده های جریانی در زمان واقعی
• 30. مدیریت وضعیت در Spark Streaming
• 31. ذخیره سازی نتایج جریانی
• 32. مقدمه ای بر مصورسازی داده با کتابخانه ها
• 33. انتخاب ابزار مناسب مصورسازی
• 34. مبانی مصورسازی با Matplotlib
• 35. ایجاد نمودارهای خطی و پراکندگی
• 36. رسم نمودارهای میله ای و هیستوگرام
• 37. کار با نمودارهای دایره ای و حلقه ای
• 38. تنظیمات پیشرفته در Matplotlib
• 39. مقدمه ای بر Seaborn
• 40. مصورسازی توزیع داده ها با Seaborn
• 41. نمودارهای آماری با Seaborn
• 42. نمودارهای رابطه ای با Seaborn
• 43. مصورسازی داده های جدولی با Seaborn
• 44. مقدمه ای بر Plotly
• 45. ایجاد نمودارهای تعاملی
• 46. نمودارهای خطی و میله ای تعاملی
• 47. نمودارهای پراکندگی و سه بعدی تعاملی
• 48. کار با داشبوردهای Plotly
• 49. مقدمه ای بر Apache Superset
• 50. نصب و راه اندازی Superset
• 51. اتصال Superset به منابع داده
• 52. ایجاد جداول و نمودارها در Superset
• 53. طراحی داشبوردهای مدیریتی
• 54. تنظیمات امنیتی و دسترسی در Superset
• 55. مقدمه ای بر Tableau (فقط در چارچوب کلی مفاهیم)
• 56. مفاهیم پایه Tableau
• 57. ایجاد جداول و نمودارها در Tableau
• 58. ساخت داشبوردهای تحلیلی
• 59. مصورسازی داده های کلان با Tableau
• 60. مقدمه ای بر Power BI (فقط در چارچوب کلی مفاهیم)
• 61. مفاهیم پایه Power BI
• 62. ایجاد گزارش ها و داشبوردهای تعاملی
• 63. کار با مدل داده در Power BI
• 64. مصورسازی داده های سازمانی با Power BI
• 65. مصورسازی داده های مکانی (Spatial Data Visualization)
• 66. کار با داده های جغرافیایی در اسپارک
• 67. نمودارهای نقشه ای با کتابخانه ها
• 68. مصورسازی داده های سری زمانی
• 69. نمودارهای روند و تغییرات
• 70. مصورسازی داده های شبکه ای
• 71. نمودارهای گراف و ارتباطات
• 72. مصورسازی داده های متن (Text Data Visualization)
• 73. ابزارها و تکنیک های مصورسازی متن
• 74. مصورسازی داده های نامتعارف
• 75. کار با داده های با ابعاد بالا
• 76. تکنیک های کاهش ابعاد برای مصورسازی
• 77. مصورسازی داده های حجیم با اسپارک
• 78. بهینه سازی فرآیند مصورسازی
• 79. مصورسازی در زمان واقعی با Spark Streaming
• 80. داشبوردهای زنده و پویا
• 81. کاربردهای صنعتی مصورسازی داده با اسپارک
• 82. مصورسازی در حوزه مالی
• 83. مصورسازی در حوزه بازاریابی
• 84. مصورسازی در حوزه سلامت
• 85. مصورسازی در حوزه تولید
• 86. مصورسازی در حوزه حمل و نقل
• 87. مصورسازی در حوزه دولتی
• 88. ارزیابی و انتخاب نمودارهای مناسب
• 89. بهترین شیوه ها در مصورسازی داده
• 90. خطاهای رایج در مصورسازی داده
• 91. اصول طراحی مصورسازی موثر
• 92. استانداردهای دسترسی پذیری در مصورسازی
• 93. اخلاق در مصورسازی داده
• 94. تمرین عملی: پروژه مصورسازی داده
• 95. جمع آوری و آماده سازی داده ها
• 96. انتخاب ابزار و روش مصورسازی
• 97. پیاده سازی مصورسازی با اسپارک
• 98. ارزیابی نتایج و بهبود
• 99. ارائه نتایج مصورسازی
• 100. مباحث پیشرفته در مصورسازی با اسپارک