پایتون برای هوش مصنوعی و تحلیل داده
مصورسازی داده

مصورسازی داده

۱۱ بخش۱۱ درس۱۱ آزمون۱ ساعت و ۲۹ دقیقه
مقدماتی

دورهٔ هفتم پایتون در مدرسهٔ هوش مصنوعی مایان: با Matplotlib، Seaborn و Plotly نمودارهایی می‌کشی که با عددهای درست، حرف درست بزنن.

بخش ۱اصول مصورسازی مؤثر داده
۰/۱
  1. اصول مصورسازی مؤثر داده۸:۲۵ پیش‌نمایش رایگان
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۲شروع کار با Matplotlib
۰/۱
  1. شروع کار با Matplotlib۷:۴۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۳نمودار خطی و میله‌ای
۰/۱
  1. نمودار خطی و میله‌ای۷:۵۱
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۴هیستوگرام و نمودار جعبه‌ای
۰/۱
  1. هیستوگرام و نمودار جعبه‌ای۸:۰۱
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۵نمودار پراکندگی و همبستگی
۰/۱
  1. نمودار پراکندگی و همبستگی۷:۵۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۶سفارشی‌سازی ظاهر نمودارها
۰/۱
  1. سفارشی‌سازی ظاهر نمودارها۸:۱۲
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۷نمودارهای چندگانه
۰/۱
  1. نمودارهای چندگانه۸:۱۲
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۸مصورسازی آماری با Seaborn
۰/۱
  1. مصورسازی آماری با Seaborn۷:۵۷
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۹نمودارهای تعاملی با Plotly
۰/۱
  1. نمودارهای تعاملی با Plotly۸:۰۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۰انتخاب نمودار مناسب برای هر داده
۰/۱
  1. انتخاب نمودار مناسب برای هر داده۸:۱۷
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪
بخش ۱۱تمرین: داشبورد تصویری داده
۰/۱
  1. تمرین: داشبورد تصویری داده۸:۲۹
  2. آزمون پایان بخش۴ سؤال • حد قبولی ۷۰٪

این دوره در «مسیر متخصص فنی»، «پلن کامل» است.

دیدن پلن‌ها