تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی تصویربرداری داده‌ها با Matplotlib  و Seaborn

دوره آموزشی تصویربرداری داده‌ها با Matplotlib و Seaborn

7 ساعت 27 دقیقهمتوسط2024-09-26

مدرسین

Maven Analytics

Maven Analytics

Chris Bruehl

Chris Bruehl

جزئیات دوره

این یک دوره کاربردی و پروژه‌محور است که برای کمک به شما در یادگیری دو بسته محبوب پایتون برای مصورسازی داده‌ها طراحی شده است: Matplotlib و Seaborn.

ابتدا با یک معرفی سریع از چارچوب‌های مصورسازی داده و بهترین شیوه‌ها آشنا شوید، و نکات اساسی بصری، خطاهای رایج و نکات کلیدی برای ارتباط و داستان‌سرایی مؤثر را مرور کنید.

اصول پایه Matplotlib را کاوش کرده و نمودارهای خطی، نمودارهای میله‌ای، دایره‌ای و دوناتی، پراکندگی، هیستوگرام‌ها و بیشتر را بسازید و شخصی‌سازی کنید. اجزای یک شکل Matplotlib را تحلیل کنید، تکنیک‌های معمول قالب‌بندی نمودار را اعمال کرده و از گزینه‌های پیشرفته‌تر شخصی‌سازی مانند زیرنمودارها، GridSpec، ورق‌های سبک و پارامترها استفاده کنید. در نهایت، اصول ساخت نمودار و استفاده از بصری‌ها در کتابخانه Seaborn را یاد بگیرید.

در طول دوره، شما نقش مشاور در گروه مشاوره Maven را ایفا خواهید کرد و می‌توانید مهارت‌های خود را در پروژه‌ها و مطالعات موردی واقعی به کار ببرید.

اهداف آموزشی:
شناسایی بهترین شیوه‌های مصورسازی داده، شامل بصری‌های ضروری و موارد استفاده آنها، خطاهای رایج و نکات قالب‌بندی و داستان‌سرایی مؤثر.
تفسیر نحو پایتون برای ایجاد اشیاء نموداری با کتابخانه Matplotlib، شامل API PyPlot و رابط‌های شی‌گرای آن.
استفاده از اجزای یک شیء نموداری Matplotlib، شامل عناوین، افسانه‌ها، رنگ‌ها، سبک‌ها، توضیحات، تیک‌های محورها، زیرنمودارها و GridSpecs.
تحلیل توابع نموداری Matplotlib برای انواع مختلف نمودارها، شامل نمودارهای خطی، نمودارهای میله‌ای، نمودارهای دایره‌ای، هیستوگرام‌ها و پراکندگی‌ها.
تحلیل توابع نموداری Seaborn برای انواع مختلف نمودارها، شامل نمودارهای میله‌ای، هیستوگرام‌ها، نمودارهای جعبه‌ای، نمودارهای ویولن، نقشه‌های حرارتی و نمودارهای روابط خطی.

مهارت ها

Data VisualizationPythonData ScienceBusiness Analysis and StrategyBusiness Software and ToolsOpen SourceOne-Off

سرفصل ها

0. مقدمه

  • 01 - ساختار دوره و طرح کلی
  • 02 - معرفی پروژه دوره
  • 03 - تعیین انتظارات
  • 04 - نصب و راه‌اندازی Jupyter

1. مقدمه ای برای تجسم داده ها

  • 05 - چرا داده‌ها را تجسم کنید
  • 06 - سه سوال کلیدی
  • 07 - تصاویر ضروری
  • 08 - قالب‌بندی نمودار و داستان سرایی
  • 09 - اشتباهات رایج در تجسم
  • 10 - غذای کلیدی

2. مبانی Matplotlib

  • 11 - معرفی Matplotlib
  • 12 - روش‌های رسم
  • 13 - ترسیم DataFrames
  • 14 - چالش - ترسیم DataFrames
  • 15 - راه حل - ترسیم DataFrames
  • 16 - آناتومی یک فیگور Matplotlib
  • 17 - عنوان نمودار و اندازه فونت
  • 18 - افسانه‌های نمودار
  • 19 - سبک‌های خط
  • 20 - حدود محور
  • 21 - اندازه‌های شکل
  • 22 - تیک‌های محور سفارشی
  • 23 - خطوط عمودی
  • 24 - افزودن متن
  • 25 - نکته حرفه‌ای - حاشیه نویسی متن
  • 26 - حذف مرزها
  • 27 - چالش - قالب‌بندی نمودارها
  • 28 - راه حل - قالب‌بندی نمودارها
  • 29 - نمودارهای خطی
  • 30 - نمودارهای خطی انباشته
  • 31 - نمودارهای دو محوره
  • 32 - چالش - نمودارهای خط دو محوره
  • 33 - راه حل - نمودارهای خط دو محوره
  • 34 - نمودار میله ای
  • 35 - چالش - نمودار میله ای
  • 36 - حل - نمودار میله ای
  • 37 - نمودارهای میله ای پشته ای
  • 38 - نمودارهای میله ای گروه بندی شده
  • 39 - نمودارهای ترکیبی
  • 40 - چالش - نمودار میله ای پیشرفته
  • 41 - راه حل - نمودار میله ای پیشرفته
  • 42 - نمودار پای و دونات
  • 43 - چالش - نمودار پای و دونات
  • 44 - راه حل - نمودار پای و دونات
  • 45 - نمودارهای پراکنده و حبابی
  • 46 - هیستوگرام
  • 47 - چالش - نمودارهای پراکنده و هیستوگرام
  • 48 - حل - نمودار پراکندگی و هیستوگرام
  • 49 - غذای کلیدی

3. پروژه 1 - تجسم داده ها

  • 50 - معرفی پروژه
  • 51 - راه حل

4. سفارشی سازی پیشرفته

  • 52 - مقدمه ای برای سفارشی سازی پیشرفته
  • 53 - طرح‌های فرعی
  • 54 - چالش - طرح‌های فرعی
  • 55 - حل - طرح‌های فرعی
  • 56 - GridSpec
  • 57 - چالش - GridSpec
  • 58 - راه حل - GridSpec
  • 59 - گزینه‌های رنگ
  • 60 - پالت‌های رنگی
  • 61 - چالش - رنگ
  • 62 - راه حل - رنگها
  • 63 - شيوه نامه
  • 64 - چالش - برگه‌های سبک
  • 65 - راه حل - شیوه نامه
  • 66 - rcParams
  • 67 - ذخیره ارقام و تصاویر
  • 68 - غذای کلیدی

5. پروژه 2 - تجسم تولید جهانی قهوه

  • 69 - معرفی پروژه
  • 70 - راه حل

6. تجسم با Seaborn

  • 71 - مقدمه ای برای متولدین دریا
  • 72 - گزینه‌های قالب‌بندی اولیه
  • 73 - نمودار میله ای و هیستوگرام
  • 74 - چالش - نمودار میله ای و هیستوگرام
  • 75 - راه حل - نمودار میله ای و هیستوگرام
  • 76 - طرح‌های جعبه و ویولن
  • 77 - چالش - طرح‌های جعبه و ویولن
  • 78 - حل - طرح‌های جعبه و ویولن
  • 79 - نمودارهای روابط خطی
  • 80 - قطعات مشترک
  • 81 - Pairplots
  • 82 - چالش - نمودارهای روابط خطی
  • 83 - حل - نمودارهای رابطه خطی
  • 84 - نقشه‌های حرارتی
  • 85 - چالش - نقشه‌های حرارتی
  • 86 - راه حل - نقشه‌های حرارتی
  • 87 - FacetGrid
  • 88 - ادغام Matplotlib
  • 89 - غذای کلیدی

7. پروژه 3 - تجزیه‌و‌تحلیل فروش خودروهای دست دوم

  • 90 - معرفی پروژه
  • 91 - راه حل

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal