دانلود ها ی دارای تگ: "مصورسازی داده ها"

7 مورد برای عبارت مورد نظر پیدا شد.

دانلود Lynda Learning Data Visualization - آموزش مصورسازی داده ها

دانلود Lynda Learning Data Visualization - آموزش مصورسازی داده ها

تصویرسازی داده‌ها (Data Visualization) به معنی ایجاد و مطالعه نمایش بصری داده، یعنی «اطلاعات چکیده‌شده به یک شکل شماتیک، شامل خواص یا متغیرهای مربوط به واحدهای اطلاعاتی» است.
به گفته فریدمن (۲۰۰۸) «هدف اصلی تصویرسازی داده‌ها ارتباط واضح و کارآمد اطلاعات از طریق ابزارهای گرافیکی است. البته به این معنی نیست که تصویرسازی داده‌ها برای کارآمدی باید خسته‌کننده به نظر بیاید یا برای زیبا بودن باید پیچیده باشد. برای انتقال کارآمد ایده‌ها، هر دو شکل زیبا و کارآمدی باید دوشادوش پیش رفته باشند و دانش مربوط به مجموعه‌ای پیچیده و پراکنده از اطلاعات را با نمایش نوآورانه جنبه‌های کلیدی آن، انتقال دهند. با این وجود طراحان معمولا نمی‌توانند توازن میان شکل و کارآمدی را رعایت کنند و تجسم زیبایی از داده‌ها ایجاد می‌کنند که در اصلی‌ترین ماموریت خود - انتقال اطلاعات - باز می‌مانند». فرناندا ویگاس و مارتین واتنبرگ معتقدند تصویرسازی داده‌ها نه‌تنها باید ارتباطی واضح ایجاد کند بلکه باید توجه و درگیری بیننده را نیز موجب شود. تصویرسازی داده‌ها ارتباطی نزدیک با گرافیک اطلاعات، تجسم اطلاعات، تجسم علمی و گرافیک آماری دارد. در هزاره جدید، تصویرسازی داده‌ها حوزه‌ای فعال برای تحقیق، آموزش و توسعه شده است. امروزه بسیاری معتقدند تصویرسازی داده‌ها توانسته تجسم علمی و اطلاعاتی را با هم متحد کند. برایان ویلیسون ثابت کرده است تصویرسازی داده‌ها با فراگیری توسعه سریع نرم‌افزار و درگیری مشتریان نیز ارتباط دارد.
در دوره آموزشی Lynda Learning Data Visualization با مصورسازی داده ها آشنا می شوید.

دانلود Packt Learning R for Data Visualization - آموزش زبان آر برای مصورسازی داده ها

دانلود Packt Learning R for Data Visualization - آموزش زبان آر برای مصورسازی داده ها

تصویرسازی داده‌ها (Data Visualization) به معنی ایجاد و مطالعه نمایش بصری داده، یعنی «اطلاعات چکیده‌شده به یک شکل شماتیک، شامل خواص یا متغیرهای مربوط به واحدهای اطلاعاتی» است.
به گفته فریدمن (۲۰۰۸) «هدف اصلی تصویرسازی داده‌ها ارتباط واضح و کارآمد اطلاعات از طریق ابزارهای گرافیکی است. البته به این معنی نیست که تصویرسازی داده‌ها برای کارآمدی باید خسته‌کننده به نظر بیاید یا برای زیبا بودن باید پیچیده باشد. برای انتقال کارآمد ایده‌ها، هر دو شکل زیبا و کارآمدی باید دوشادوش پیش رفته باشند و دانش مربوط به مجموعه‌ای پیچیده و پراکنده از اطلاعات را با نمایش نوآورانه جنبه‌های کلیدی آن، انتقال دهند. با این وجود طراحان معمولا نمی‌توانند توازن میان شکل و کارآمدی را رعایت کنند و تجسم زیبایی از داده‌ها ایجاد می‌کنند که در اصلی‌ترین ماموریت خود - انتقال اطلاعات - باز می‌مانند». فرناندا ویگاس و مارتین واتنبرگ معتقدند تصویرسازی داده‌ها نه‌تنها باید ارتباطی واضح ایجاد کند بلکه باید توجه و درگیری بیننده را نیز موجب شود. تصویرسازی داده‌ها ارتباطی نزدیک با گرافیک اطلاعات، تجسم اطلاعات، تجسم علمی و گرافیک آماری دارد. در هزاره جدید، تصویرسازی داده‌ها حوزه‌ای فعال برای تحقیق، آموزش و توسعه شده است. امروزه بسیاری معتقدند تصویرسازی داده‌ها توانسته تجسم علمی و اطلاعاتی را با هم متحد کند. برایان ویلیسون ثابت کرده است تصویرسازی داده‌ها با فراگیری توسعه سریع نرم‌افزار و درگیری مشتریان نیز ارتباط دارد.
در دوره آموزشی Packt Learning R for Data Visualization با مصورسازی داده ها و زبان آر آشنا می شوید. 

دانلود Packt Data Visualization Solutions for Beginners - آموزش مقدماتی مصورسازی داده ها

دانلود Packt Data Visualization Solutions for Beginners - آموزش مقدماتی مصورسازی داده ها

تصویرسازی داده‌ها (Data Visualization) به معنی ایجاد و مطالعه نمایش بصری داده، یعنی «اطلاعات چکیده‌شده به یک شکل شماتیک، شامل خواص یا متغیرهای مربوط به واحدهای اطلاعاتی» است.
به گفته فریدمن (۲۰۰۸) «هدف اصلی تصویرسازی داده‌ها ارتباط واضح و کارآمد اطلاعات از طریق ابزارهای گرافیکی است. البته به این معنی نیست که تصویرسازی داده‌ها برای کارآمدی باید خسته‌کننده به نظر بیاید یا برای زیبا بودن باید پیچیده باشد. برای انتقال کارآمد ایده‌ها، هر دو شکل زیبا و کارآمدی باید دوشادوش پیش رفته باشند و دانش مربوط به مجموعه‌ای پیچیده و پراکنده از اطلاعات را با نمایش نوآورانه جنبه‌های کلیدی آن، انتقال دهند. با این وجود طراحان معمولا نمی‌توانند توازن میان شکل و کارآمدی را رعایت کنند و تجسم زیبایی از داده‌ها ایجاد می‌کنند که در اصلی‌ترین ماموریت خود - انتقال اطلاعات - باز می‌مانند». فرناندا ویگاس و مارتین واتنبرگ معتقدند تصویرسازی داده‌ها نه‌تنها باید ارتباطی واضح ایجاد کند بلکه باید توجه و درگیری بیننده را نیز موجب شود. تصویرسازی داده‌ها ارتباطی نزدیک با گرافیک اطلاعات، تجسم اطلاعات، تجسم علمی و گرافیک آماری دارد. در هزاره جدید، تصویرسازی داده‌ها حوزه‌ای فعال برای تحقیق، آموزش و توسعه شده است. امروزه بسیاری معتقدند تصویرسازی داده‌ها توانسته تجسم علمی و اطلاعاتی را با هم متحد کند. برایان ویلیسون ثابت کرده است تصویرسازی داده‌ها با فراگیری توسعه سریع نرم‌افزار و درگیری مشتریان نیز ارتباط دارد.
در دوره آموزشی Packt Data Visualization Solutions for Beginners با مصورسازی داده ها آشنا می شوید.

دانلود Packt Learning Path: Doing Data Visualization - آموزش مصورسازی داده ها

دانلود Packt Learning Path: Doing Data Visualization - آموزش مصورسازی داده ها

مصورسازی داده ها (Data Visualization) یکی از شاخه های آمار توصیفی برای نمایش و طبقه بندی داده ها است که امکانی را برای ساده سازی مثال های پیچیده و راحت تر انتقال دادن پیام داده ها فراهم می کند. مصورسازی یکی از بهترین روش‌ ها برای بیان و ارائه نتایج و تحلیل های داده کاوی می باشد. با استفاده از روش‌ های مصورسازی داده ها علاوه بر اینکه می توان نتایج بدست آمده را ارائه داد، همچنین می توان به کشف دانش از نمودارها و دیاگرام ها پرداخت.
در دوره ی آموزشی Packt Learning Path: Doing Data Visualization شما با مفاهیم مرتبط با مصورسازی داده ها آشنا می شوید.

دانلود Packt Learning Data Visualization - آموزش مصورسازی داده ها

دانلود Packt Learning Data Visualization - آموزش مصورسازی داده ها

تصویرسازی داده‌ها (Data Visualization) به معنی ایجاد و مطالعه نمایش بصری داده، یعنی «اطلاعات چکیده‌شده به یک شکل شماتیک، شامل خواص یا متغیرهای مربوط به واحدهای اطلاعاتی» است.
به گفته فریدمن (۲۰۰۸) «هدف اصلی تصویرسازی داده‌ها ارتباط واضح و کارآمد اطلاعات از طریق ابزارهای گرافیکی است. البته به این معنی نیست که تصویرسازی داده‌ها برای کارآمدی باید خسته‌کننده به نظر بیاید یا برای زیبا بودن باید پیچیده باشد. برای انتقال کارآمد ایده‌ها، هر دو شکل زیبا و کارآمدی باید دوشادوش پیش رفته باشند و دانش مربوط به مجموعه‌ای پیچیده و پراکنده از اطلاعات را با نمایش نوآورانه جنبه‌های کلیدی آن، انتقال دهند. با این وجود طراحان معمولا نمی‌توانند توازن میان شکل و کارآمدی را رعایت کنند و تجسم زیبایی از داده‌ها ایجاد می‌کنند که در اصلی‌ترین ماموریت خود - انتقال اطلاعات - باز می‌مانند». فرناندا ویگاس و مارتین واتنبرگ معتقدند تصویرسازی داده‌ها نه‌تنها باید ارتباطی واضح ایجاد کند بلکه باید توجه و درگیری بیننده را نیز موجب شود. تصویرسازی داده‌ها ارتباطی نزدیک با گرافیک اطلاعات، تجسم اطلاعات، تجسم علمی و گرافیک آماری دارد. در هزاره جدید، تصویرسازی داده‌ها حوزه‌ای فعال برای تحقیق، آموزش و توسعه شده است. امروزه بسیاری معتقدند تصویرسازی داده‌ها توانسته تجسم علمی و اطلاعاتی را با هم متحد کند. برایان ویلیسون ثابت کرده است تصویرسازی داده‌ها با فراگیری توسعه سریع نرم‌افزار و درگیری مشتریان نیز ارتباط دارد.
در دوره آموزشی Packt Learning Data Visualization با مصورسازی داده های حجیم آشنا می شوید.

دانلود Pluralsight Data Visualization for Developers - آموزش مصورسازی داده ها برای توسعه دهندگان

دانلود Pluralsight Data Visualization for Developers - آموزش مصورسازی داده ها برای توسعه دهندگان

مصورسازی داده شاخه‌ای از آمار توصیفی است که به مطالعهٔ چگونگی نمایش داده و انتقال اطلاعات به بیننده می‌پردازد. یک هدف اصلی مصورسازی داده، انتقال بهینهٔ اطلاعات به بیننده توسط داده‌نمایی است. مصورسازی بهینه، کاربر را قادر به تحلیل داده و استدلال در مورد آن می‌کند. مصورسازی داده هم علم است و هم هنر. مصورسازی اطلاعات به استفاده‌کنندگان امکان می‌دهد تا بتوانند حجم بالایی از اطلاعات را تحلیل و بررسی کنند. کاربرد آن، کاربران را قادر می‌سازد تا حجم زیادی از اطلاعات را تفسیر کنند.
در دوره آموزشی Pluralsight Data Visualization for Developers با مصورسازی داده ها آشنا می شوید.

دانلود Udemy Learn Basic Data Visualization with R - آموزش پایه ای مصورسازی داده ها با زبان برنامه نویسی R

دانلود Udemy Learn Basic Data Visualization with R - آموزش پایه ای مصورسازی داده ها با زبان برنامه نویسی R

R یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و تحلیل داده است، که بر اساس زبان‌های اس و اسکیم پیاده‌سازی شده است. این نرم‌افزار متن باز، تحت اجازه‌نامه عمومی همگانی GNU عرضه شده و به رایگان قابل دسترس است. R حاوی محدودهٔ گسترده‌ای از تکنیک‌های آماری (از جمله: مدل‌سازی خطی و غیرخطی، آزمون‌های کلاسیک آماری، تحلیل سری‌های زمانی، رده‌بندی، خوشه‌بندی و غیره) و قابلیت‌های گرافیکی است. در محیط R، کدهای سی، ++C و فورترن قابلیت اتصال و فراخوانی هنگام اجرای برنامه را دارند و کاربران خبره می‌توانند توسط کدهای سی، مستقیماً اشیا R را تغییر دهند.
گرچه نرم‌افزار R اغلب به منظور انجام محاسبات آماری به کار می‌رود، این نرم‌افزار قابل به کارگیری در محاسبات ماتریسی است و در این زمینه، همپای نرم‌افزارهایی چون اُکتاو و نسخهٔ تجاری آن متلب (MATLAB) است. R، همچنین نرم‌افزار قدرتمندی برای ایجاد اشکال گرافیکی و نمودارهاست.
در این آموزش شما با اصول و مبانی مصورسازی داده ها و استفاده از زبان R برای نمایش آنها آشنا می شوید.