برنامه نویسی ترم دهم

هفته اول:

جلسه ۱: مقدمات و رسم اولین نمودار

• هدف: درک ساختار کتابخانه و رسم نمودار خطی ساده.
• توابع مهم:
  • plt.plot()
  • plt.show()
  • plt.figure()
• تمرین: رسم تابع سینوسی ساده.

جلسه ۲: شخصی‌سازی نمودار (رنگ، سبک، مارکر)

• هدف: تغییر ظاهر نمودار برای خوانایی بهتر.
• توابع و پارامترهای مهم:
  • color
  • linestyle
  • marker
  • linewidth
• تمرین: رسم چندین نمودار با سبک‌های متفاوت در یک قاب.

جلسه ۳: برچسب‌گذاری و راهنما (Legend & Labels)

• هدف: افزودن جزئیات متنی به نمودار.
• توابع مهم:
  • plt.xlabel()
  • plt.ylabel()
  • plt.title()
  • plt.legend()
  • plt.grid()
• تمرین: برچسب‌گذاری کامل نمودار رشد قیمت ارز در هفته.

هفته دوم:

جلسه ۴: کار با چندین نمودار در یک صفحه (Subplots)

• هدف: مقایسه داده‌ها کنار هم.
• توابع مهم:
  • plt.subplots()
  • ax.plot()
  • plt.tight_layout()

جلسه ۵: نمودارهای میله‌ای (Bar Charts)

• هدف: نمایش داده‌های دسته‌ای.
• توابع مهم:
  • plt.bar()
  • plt.barh()
• تمرین: رسم نمودار توزیع فراوانی محصولات یک فروشگاه.

جلسه ۶: هیستوگرام و تحلیل توزیع

• هدف: بررسی توزیع آماری داده‌ها.
• توابع و پارامترهای مهم:
  • plt.hist()
  • bins
  • alpha
• تمرین: رسم توزیع نمرات یک کلاس.

هفته سوم:

جلسه ۷: نمودارهای پراکندگی (Scatter Plots)

• هدف: بررسی همبستگی بین دو متغیر.
• توابع و پارامترهای مهم:
  • plt.scatter()
  • c (برای رنگ)
  • s (برای اندازه)
• تمرین: رسم نمودار رابطه بین قد و وزن افراد.

جلسه ۸: نمودارهای دایره‌ای (Pie Charts)

• هدف: نمایش سهم از کل.
• توابع و پارامترهای مهم:
  • plt.pie()
  • autopct
  • explode
• تمرین: رسم سهم بازار برندهای مختلف موبایل.

جلسه ۹: کار با تاریخ و زمان در نمودارها و ذخیره سازی و خروجی گرفتن از نمودار

• هدف: مدیریت محور زمان و ذخیره نمودارها با کیفیت بالا برای گزارش
• توابع و پارامترهای مهم:
  • matplotlib.dates
  • plt.gcf()
  • plt.sarefig()
  • autofmt_xdate()

• تمرین: رسم نمودار نوسانات قیمت بورس طی یک سال.

هفته چهارم:

جلسه ۱۰: شخصی‌سازی محورها (Axes Customization)

• هدف: کنترل دقیق محدوده‌ها و تیک‌های محور.

• توابع مهم:
  • plt.xlim()
  • plt.ylim()
  • plt.xticks()
  • plt.yticks()
• تمرین: محدود کردن بازه نمایش داده‌ها و تغییر مقیاس محورها.

جلسه ۱۱: اضافه کردن متن و فلش (Annotations)

• هدف: برجسته کردن نقاط خاص در نمودار و کار با متن فارسی(نصب کتابخانه reshper-Arabic bidi)
• توابع مهم:
  • plt.annotate()
  • plt.text()
• تمرین: علامت‌گذاری نقطه اوج در یک نمودار سهام.

جلسه ۱۲: مفاهیم اولیه داده و داده کاوی

• داده(Data)
• بانک اطلاعات(Database)
• انبار داده(Datamart)
• Data warehouse

هفته پنجم:

جلسه ۱۳:

• Data mining
• مراحل داده کاوی
• شناخت سیستم
• شناخت داده (جمع آوری داده)

جلسه ۱۴:

• آماده سازی data
• یکپارچگی داده
• نرمالسازی داده
• تبدیل داده
• داده های گم شده
• داده های پرت
• مدل سازی
• ارزیابی مدل
• توسعه مدل

جلسه ۱۵: پروژه نهایی

• هدف: ترکیب تمام آموخته‌ها در یک داشبورد ساده.
• خروجی: رسم یک داشبورد شامل نمودار میله‌ای، خطی و پراکندگی برای تحلیل یک فایل داده واقعی (CSV).