فلش‌کارت‌های آموزشی مبانی بصری‌سازی داده‌ها با پایتون: از داده تا نمودار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی بصری‌سازی داده‌ها با پایتون: از داده تا نمودار

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: تحلیل داده و بصری‌سازی اطلاعات

📋 سرفصل‌های دوره

• 1. مقدمه ای بر علوم داده و بصری سازی
• 2. شناخت انواع داده ها و ساختارهای آن
• 3. مفاهیم پایه ای بصری سازی داده ها
• 4. چرا بصری سازی داده ها مهم است؟
• 5. انواع نمودارها و کاربردهایشان
• 6. انتخاب نمودار مناسب برای هر نوع داده
• 7. مقدمه ای بر زبان برنامه نویسی پایتون
• 8. نصب و پیکربندی محیط پایتون
• 9. کار با ساختارهای داده پایه در پایتون
• 10. لیست ها، تاپل ها و دیکشنری ها در پایتون
• 11. مقدمه ای بر کتابخانه NumPy
• 12. عملیات برداری در NumPy
• 13. کار با آرایه های چند بعدی در NumPy
• 14. مقدمه ای بر کتابخانه Pandas
• 15. ساختارهای داده ای DataFrame و Series
• 16. بارگذاری و ذخیره سازی داده ها با Pandas
• 17. پاکسازی و پیش پردازش داده ها
• 18. مدیریت مقادیر گمشده در داده ها
• 19. تبدیل و تغییر شکل داده ها
• 20. فیلتر کردن و انتخاب داده ها
• 21. گروه بندی و تجمیع داده ها
• 22. ترکیب و ادغام DataFrames
• 23. مقدمه ای بر بصری سازی داده ها در پایتون
• 24. کتابخانه Matplotlib: اصول اولیه
• 25. رسم نمودارهای خطی در Matplotlib
• 26. رسم نمودارهای پراکندگی در Matplotlib
• 27. رسم نمودارهای میله ای در Matplotlib
• 28. رسم نمودارهای دایره ای در Matplotlib
• 29. تنظیمات پیشرفته نمودارها در Matplotlib
• 30. کار با زیرنمودارها (Subplots)
• 31. اضافه کردن متن و حاشیه نویسی به نمودارها
• 32. ذخیره سازی نمودارها با فرمت های مختلف
• 33. کتابخانه Seaborn: بصری سازی آماری
• 34. نمودارهای آماری پیچیده با Seaborn
• 35. نمودارهای توزیع در Seaborn
• 36. نمودارهای رابطه‌ ای در Seaborn
• 37. نمودارهای دسته‌ بندی در Seaborn
• 38. نمودارهای حرارتی (Heatmaps)
• 39. نمودارهای جعبه ای (Boxplots)
• 40. نمودارهای ویولن (Violinplots)
• 41. تنظیمات ظاهری نمودارها در Seaborn
• 42. مقدمه ای بر بصری سازی تعاملی
• 43. کتابخانه Plotly: اصول اولیه
• 44. رسم نمودارهای تعاملی با Plotly
• 45. نمودارهای خطی تعاملی
• 46. نمودارهای پراکندگی تعاملی
• 47. نمودارهای میله ای تعاملی
• 48. نمودارهای دایره ای تعاملی
• 49. نمودارهای سه بعدی در Plotly
• 50. داشبوردهای تعاملی با Plotly Dash
• 51. مقدمه ای بر طراحی بصری سازی موثر
• 52. اصول رنگ شناسی در بصری سازی
• 53. انتخاب پالت رنگی مناسب
• 54. استفاده از فضا و چیدمان
• 55. خوانایی و وضوح نمودارها
• 56. اجتناب از شلوغی و درهم ریختگی
• 57. بصری سازی داده های زمانی (Time Series)
• 58. بصری سازی داده های جغرافیایی (Geospatial)
• 59. مقدمه ای بر GIS و ابزارهای آن
• 60. کار با داده های مکانی در پایتون
• 61. رسم نقشه های پایه با GeoPandas
• 62. نمودارهای توزیع مکانی
• 63. بصری سازی داده های شبکه ای (Network)
• 64. مقدمه ای بر تحلیل گراف
• 65. بصری سازی گراف ها در پایتون
• 66. کاربرد بصری سازی در تحلیل کسب و کار
• 67. بصری سازی داده های مالی
• 68. بصری سازی داده های بازاریابی
• 69. بصری سازی داده های عملیاتی
• 70. بصری سازی داده های منابع انسانی
• 71. بصری سازی داده های علمی
• 72. بصری سازی داده های پزشکی
• 73. بصری سازی داده های آموزشی
• 74. ارزیابی و نقد بصری سازی های موجود
• 75. بهترین شیوه ها در بصری سازی داده ها
• 76. تکنیک های پیشرفته بصری سازی
• 77. بصری سازی داده های حجیم (Big Data)
• 78. مقدمه ای بر ابزارهای تحلیل داده کلان
• 79. کار با کتابخانه Dask
• 80. بصری سازی داده ها با ابزارهای BI (معرفی)
• 81. اصول گزارش دهی موثر
• 82. طراحی داشبوردهای مدیریتی
• 83. اخلاق در بصری سازی داده ها
• 84. حریم خصوصی و امنیت داده ها
• 85. آینده بصری سازی داده ها
• 86. کاربرد هوش مصنوعی در بصری سازی
• 87. خلاصه مباحث و جمع بندی نهایی
• 88. پروژه عملی: تحلیل و بصری سازی یک مجموعه داده واقعی
• 89. جمع آوری و پاکسازی داده ها برای پروژه
• 90. انتخاب و ساخت نمودارهای مناسب
• 91. تفسیر نتایج بصری سازی
• 92. ارائه نهایی پروژه
• 93. مباحث تکمیلی و منابع بیشتر