مصورسازی داده‌ها با پایتون

دانش: آشنایی با اهمیت مصورسازی در تحلیل داده‌ها شناخت اهداف مختلف مصورسازی داده‌ها آشنایی با اصول طراحی مؤثر و صحیح نمودارها شناخت نقش نمودارها در درک الگوها، روندها و روابط موجود در داده‌ها

مهارت: تحلیل نوع داده و انتخاب نمودار مناسب تعیین هدف از مصورسازی و طراحی نمودار متناسب با مخاطب تفسیر اطلاعات و نتایج ارائه‌شده در نمودار استدلال و توضیح درباره علت انتخاب نوع نمودار برای یک مجموعه‌داده مشخص

معیار ارزشیابی: فراگیر باید بتواند نوع و ساختار داده را بررسی کرده، متناسب با هدف تحلیل و مخاطب، نمودار مناسب را انتخاب کند، اصول طراحی مؤثر را در تهیه نمودار رعایت نماید، نتایج و الگوهای قابل مشاهده را به‌درستی تفسیر کند و دلیل انتخاب نوع نمودار را برای داده موردنظر توضیح دهد.

دانش: آشنایی با نحوه کار با کتابخانه‌های گرافیکی در پایتون شناخت ساختار داده‌های قابل استفاده در مصورسازی آشنایی با نحوه فراخوانی کتابخانه‌ها و توابع ترسیم نمودار آشنایی با فرمت‌های رایج ذخیره خروجی‌های تصویری

مهارت: نصب و راه‌اندازی محیط مناسب برای مصورسازی داده‌ها وارد کردن و استفاده از داده‌های واقعی در محیط کدنویسی ایجاد نمودارهای اولیه با استفاده از کتابخانه‌های مصورسازی ذخیره نمودارها به‌صورت فایل تصویری آماده‌سازی و به‌اشتراک‌گذاری خروجی‌های مصورسازی

معیار ارزشیابی: فراگیر باید بتواند محیط موردنیاز برای مصورسازی داده با پایتون را راه‌اندازی کند، کتابخانه‌های لازم را فراخوانی نماید، داده‌های واقعی را وارد محیط کدنویسی کرده و از آن‌ها برای ایجاد یک نمودار اولیه استفاده کند؛ سپس خروجی نمودار را در قالب تصویر مناسب ذخیره و برای ارائه یا اشتراک‌گذاری آماده نماید

دانش: آشنایی با مفهوم نمودارهای Bar، Line، Scatter و Pie و کاربرد هر یک شناخت ساختار داده موردنیاز برای رسم هر نوع نمودار آشنایی با عناصر اصلی نمودار شامل محور‌ها (Axis)، عنوان (Title) و راهنمای نمودار (Legend) شناخت ارتباط بین نوع داده، هدف تحلیل و انتخاب نمودار مناسب

مهارت: استفاده از matplotlib.pyplot برای رسم نمودارهای میله‌ای، خطی، پراکندگی و دایره‌ای اعمال تغییرات ساده در ظاهر نمودار مانند عنوان، برچسب محورها و راهنما تفسیر رابطه بین متغیرها و الگوهای موجود در نمودار انتخاب مناسب‌ترین نمودار براساس نوع داده و هدف مصورسازی

معیار ارزشیابی: فراگیر باید بتواند با استفاده از matplotlib.pyplot چهار نمودار پایه Bar، Line، Scatter و Pie را بر اساس داده مناسب رسم کند، عناصر اصلی نمودار را تنظیم نماید، تغییرات ساده ظاهری را اعمال کند، نتایج حاصل از نمودار را تفسیر کرده و دلیل انتخاب نوع نمودار را متناسب با داده و هدف تحلیل توضیح دهد.

دانش: قابلیت‌های Seaborn و تفاوت آن با Matplotlib نمودارهای تحلیلی و آماری در Seaborn Groupingو Categorization داده‌ها در نمودار پالت‌های رنگی در Seaborn

مهارت: استفاده sns.barplot، sns.scatterplot رسم boxplot استفاده از themes و palettes گروه‌بندی داده‌ها ایجاد نمودارهای چندبعدی

معیار ارزشیابی: فراگیر باید بتواند با استفاده از Seaborn نمودارهای تحلیلی و آماری مناسب ایجاد کند، داده‌ها را بر اساس گروه‌ها و دسته‌های مختلف تفکیک نماید، نمودارهایی مانند Barplot، Scatterplot و Boxplot را رسم و تفسیر کند، ظاهر نمودار را با استفاده از Theme و Palette بهبود دهد و از نمودارهای چندبعدی برای مقایسه چند متغیر استفاده نماید.

دانش: آشنایی با تفاوت نمودار Histogram و روش KDE شناخت روش‌های مختلف نمایش توزیع داده‌های عددی آشنایی با مفهوم همبستگی بین متغیرها و نحوه نمایش آن آشنایی با کاربرد نمودارهای چندمتغیره در تحلیل داده‌ها

مهارت: استفاده از نمودارهای توزیع و jointplot برای بررسی داده‌های عددی ایجاد pairplot برای مقایسه هم‌زمان چند متغیر رسم heatmap برای نمایش ماتریس همبستگی تحلیل شکل و پراکندگی توزیع داده‌ها تفسیر جهت و شدت همبستگی بین متغیرها

معیار ارزشیابی: فراگیر باید بتواند توزیع داده‌های عددی را با استفاده از نمودارهای مناسب نمایش دهد، چند متغیر را با pairplot و jointplot مقایسه کند، ماتریس همبستگی را محاسبه و با heatmap مصورسازی نماید و از روی نمودارها، ویژگی‌های توزیع و روابط میان متغیرها را به‌درستی تفسیر کند.

دانش: مفهوم داشبورد و کاربرد آن در تحلیل و ارائه داده‌ها کتابخانه‌ها Streamlit و Dash مدیریت حالت (State Management) در Streamlit فرآیند ایجاد، اجرا و به‌روزرسانی Streamlit اصول تهیه گزارش از نمودارها و نتایج تحلیل

مهارت: ساخت یک اپلیکیشن ساده برای نمایش مجموعه‌داده ایجاد نمودارهای تعاملی در داشبورد ایجاد Slider برای انتخاب بازه زمانی افزودن منوی کشویی (Selectbox) برای انتخاب متغیر یا شاخص موردنظر مدیریت تعاملات و وضعیت اجزای داشبورد اجرای داشبورد Streamlit به‌صورت محلی تهیه و ذخیره گزارش PDF از نمودارها و نتایج تحلیل

معیار ارزشیابی: فراگیر باید بتواند یک داشبورد ساده و قابل اجرا با استفاده از Streamlit ایجاد کند، مجموعه‌داده را در آن نمایش دهد، ابزارهای تعاملی مانند Slider و منوی کشویی را برای کنترل محتوای نمودارها به‌کار گیرد، تغییرات نمودار را متناسب با انتخاب کاربر به‌صورت پویا اعمال کند، اپلیکیشن را به‌صورت محلی اجرا نماید و نتایج و نمودارهای تولیدشده را در قالب یک گزارش PDF آماده کند.

دانش: آشنایی با نحوه مدیریت چیدمان (Layout) و ظاهر نمودارها شناخت اصول طراحی نمودارهای خوانا، ساده و قابل فهم برای مخاطب آشنایی با تفاوت مفهومی بین Figure و Axes آشنایی با نحوه قرارگیری چند نمودار در یک صف

مهارت: استفاده از plt.subplotsو کار با اشیای fig و ax تنظیمات پیشرفته نمودار شامل رنگ، اندازه، فونت، عنوان و برچسب‌ها تنظیم فاصله و چیدمان مناسب بین چند نمودار ایجاد داشبوردهای ساده شامل چند نمودار در یک صفحه شخصی‌سازی نمودارها متناسب با نوع داده و هدف ارائه

معیار ارزشیابی: فراگیر باید بتواند با استفاده از plt.subplots چند نمودار را در یک Figure ایجاد و مدیریت کند، ظاهر نمودارها را از نظر رنگ، اندازه، فونت، عنوان و برچسب‌ها شخصی‌سازی نماید، چیدمان مناسب برای نمایش هم‌زمان چند نمودار طراحی کند و یک داشبورد ساده و خوانا برای ارائه نتایج ایجاد نماید.

دانش: آشنایی با داده‌های تاریخی و زمانی روش‌های نمایش روندها در طول زمان نمایش داده‌های مکانی و جغرافیایی آشنایی با مفهوم مصورسازی داده‌های مکانی تفاوت داده‌های زمانی و مکانی

مهارت: استفاده از pd.to_datetime مرتب‌سازی و پردازش داده‌ها بر اساس تاریخ و زمان نمودارهای زمانی برای نمایش روندها نمایش داده‌های جغرافیایی تفسیر روندهای زمانی و الگوهای مکانی

معیار ارزشیابی: فراگیر باید بتواند داده‌های تاریخی و زمانی را با استفاده از pd.to_datetime آماده و مدیریت کند، روندها و تغییرات زمانی را در قالب نمودار مناسب نمایش دهد، داده‌های مکانی ساده را مصورسازی کند و نتایج حاصل از نمودارهای زمانی و مکانی را به‌درستی تفسیر و تحلیل نماید.