دوره آموزشی مبانی تحلیل مصورسازی داده
1 ساعت 26 دقیقهمبتدی2026-08-20
مدرسین

Madecraft
Full-Service Learning Content Company
جزئیات دوره
اگر میخواهید با قدرت تحلیل بصری دادهها آشنا شوید و یاد بگیرید چگونه اطلاعات پیچیده را به شکل نمودارها و تصاویر قابل فهم تبدیل کنید، این دوره نقطه شروع مناسبی برای شماست. در این دوره با مفاهیم پایه Data Visualization و Visual Analysis آشنا میشوید و یاد میگیرید چگونه بر اساس نوع داده و هدف تحلیل، مناسبترین روش نمایش اطلاعات را انتخاب کنید.
در ابتدا انواع داده، اجزای مختلف نمودارها و مفاهیم اصلی تحلیل تکمتغیره، دومتغیره و چندمتغیره را بررسی میکنید. سپس با طیف گستردهای از نمودارهای رایج برای تحلیل توزیع دادهها مانند Histogram، Density Plot، Strip Plot، Box Plot، Bar Chart، Dot Plot، Pie Chart و Radar Plot آشنا خواهید شد.
در ادامه، نحوه نمایش چند توزیع بهصورت همزمان و همچنین روش تحلیل روابط میان متغیرها را یاد میگیرید. ابزارهایی مانند Scatter Plot، Line Plot، Matrix Scatter، Trellis Plot، Bubble Plot و Contour Plot به شما کمک میکنند روابط ساده و چندبعدی میان دادهها را بهتر مشاهده و تفسیر کنید.
بخش دیگری از دوره به ابزارهای مختلف تحلیل و مصورسازی اختصاص دارد. با استفاده از Excel، R، STATA و SPSS با روشهای مختلف ایجاد Visualization آشنا میشوید و در Python نیز یاد میگیرید چگونه نمودارهای سفارشی و قدرتمند را از پایه ایجاد کنید.
در کنار جنبههای فنی، اصول طراحی بصری نیز مورد توجه قرار میگیرد. یاد میگیرید چگونه با استفاده از اصول تئوری رنگ و Gestalt Theory، نمودارهایی ایجاد کنید که علاوه بر نمایش صحیح دادهها، خوانا، واضح و از نظر بصری مؤثر باشند.
این دوره برای افرادی مناسب است که میخواهند پایهای قوی در تحلیل بصری دادهها ایجاد کنند؛ از تحلیلگران و متخصصان داده گرفته تا دانشجویان و افرادی که به دنبال یادگیری کاربردی Data Visualization با ابزارهای مختلف هستند.
اهداف یادگیری
از نرمافزارهای آماری مناسب برای ایجاد طیف گستردهای از Visualizationهای پایه تا پیشرفته استفاده کنید.
بر اساس نوع داده و هدف تحلیل، مناسبترین نمودار یا Plot را بدون آزمون و خطای غیرضروری انتخاب کنید.
با استفاده از Excel نمودارهای پایهای مانند Scatter Plot، Line Plot و Bar Chart ایجاد کنید.
از ابزارهای پیشرفته آماری مانند R، STATA و SPSS برای ایجاد Visualizationهای تخصصیتر استفاده کنید.
با استفاده از Python نمودارهای سفارشی و قدرتمند را از پایه طراحی و پیادهسازی کنید.
روابط میان سه متغیر را با استفاده از Contour Plot تحلیل و نمایش دهید.
با استفاده از اصول تئوری رنگ و Gestalt Theory، خوانایی و جذابیت بصری نمودارها را افزایش دهید.
روابط دومتغیره را با ترکیب Scatter Plot و خطوط Best Fit تحلیل و بر اساس ویژگیهای داده، روشهای پارامتریک یا ناپارامتریک مناسب را انتخاب کنید.
توزیع چند مجموعه داده را با استفاده از Density Plot در یک نمودار نمایش داده و میزان شلوغی و وضوح Visualization را ارزیابی کنید.
مفاهیم آماری مورد نیاز برای تحلیل دادههای بصری را درک کرده و خلاصههای آماری نمایشدادهشده در انواع نمودارها را تفسیر کنید.
در ابتدا انواع داده، اجزای مختلف نمودارها و مفاهیم اصلی تحلیل تکمتغیره، دومتغیره و چندمتغیره را بررسی میکنید. سپس با طیف گستردهای از نمودارهای رایج برای تحلیل توزیع دادهها مانند Histogram، Density Plot، Strip Plot، Box Plot، Bar Chart، Dot Plot، Pie Chart و Radar Plot آشنا خواهید شد.
در ادامه، نحوه نمایش چند توزیع بهصورت همزمان و همچنین روش تحلیل روابط میان متغیرها را یاد میگیرید. ابزارهایی مانند Scatter Plot، Line Plot، Matrix Scatter، Trellis Plot، Bubble Plot و Contour Plot به شما کمک میکنند روابط ساده و چندبعدی میان دادهها را بهتر مشاهده و تفسیر کنید.
بخش دیگری از دوره به ابزارهای مختلف تحلیل و مصورسازی اختصاص دارد. با استفاده از Excel، R، STATA و SPSS با روشهای مختلف ایجاد Visualization آشنا میشوید و در Python نیز یاد میگیرید چگونه نمودارهای سفارشی و قدرتمند را از پایه ایجاد کنید.
در کنار جنبههای فنی، اصول طراحی بصری نیز مورد توجه قرار میگیرد. یاد میگیرید چگونه با استفاده از اصول تئوری رنگ و Gestalt Theory، نمودارهایی ایجاد کنید که علاوه بر نمایش صحیح دادهها، خوانا، واضح و از نظر بصری مؤثر باشند.
این دوره برای افرادی مناسب است که میخواهند پایهای قوی در تحلیل بصری دادهها ایجاد کنند؛ از تحلیلگران و متخصصان داده گرفته تا دانشجویان و افرادی که به دنبال یادگیری کاربردی Data Visualization با ابزارهای مختلف هستند.
اهداف یادگیری
از نرمافزارهای آماری مناسب برای ایجاد طیف گستردهای از Visualizationهای پایه تا پیشرفته استفاده کنید.
بر اساس نوع داده و هدف تحلیل، مناسبترین نمودار یا Plot را بدون آزمون و خطای غیرضروری انتخاب کنید.
با استفاده از Excel نمودارهای پایهای مانند Scatter Plot، Line Plot و Bar Chart ایجاد کنید.
از ابزارهای پیشرفته آماری مانند R، STATA و SPSS برای ایجاد Visualizationهای تخصصیتر استفاده کنید.
با استفاده از Python نمودارهای سفارشی و قدرتمند را از پایه طراحی و پیادهسازی کنید.
روابط میان سه متغیر را با استفاده از Contour Plot تحلیل و نمایش دهید.
با استفاده از اصول تئوری رنگ و Gestalt Theory، خوانایی و جذابیت بصری نمودارها را افزایش دهید.
روابط دومتغیره را با ترکیب Scatter Plot و خطوط Best Fit تحلیل و بر اساس ویژگیهای داده، روشهای پارامتریک یا ناپارامتریک مناسب را انتخاب کنید.
توزیع چند مجموعه داده را با استفاده از Density Plot در یک نمودار نمایش داده و میزان شلوغی و وضوح Visualization را ارزیابی کنید.
مفاهیم آماری مورد نیاز برای تحلیل دادههای بصری را درک کرده و خلاصههای آماری نمایشدادهشده در انواع نمودارها را تفسیر کنید.
سرفصل ها
مقدمه
- ارزش تحلیل بصری
مبانی تحلیل
- انواع دادهها
- اجزای اصلی نمودار
- انواع تحلیل متغیرها
تحلیل توزیع با دادههای پیوسته
- نمودارهای هیستوگرام
- نمودارهای چگالی
- نمودارهای نواری (Strip Plot)
- نمودارهای جعبهای (Box Plot)
تحلیل توزیع با دادههای گسسته
- نمودارهای میلهای و نقطهای
- نمودارهای دایرهای
- نمودارهای راداری
نمایش چندین توزیع
- نمودارهای هیستوگرام و چگالی چندگانه
- نمودارهای جعبهای و ویولن چندگانه
- نمودارهای میلهای و نقطهای چندگانه
- نمودارهای دایرهای و راداری چندگانه
نمایش روابط بین دادهها
- نمودارهای پراکندگی
- خطوط بهترین برازش
- نمودارهای خطی
- نمودارهای جدولی
نمایش روابط چندبعدی
- نمودارهای پراکندگی ماتریسی و شبکهای (Trellis)
- نمودارهای حبابی
- نمودارهای کانتور
جمعبندی
- زمان آن است که دادهها را بصری کنید