دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نویسی: زبان های برنامه نویسی ویرایش: 1 نویسندگان: Nathan Yau سری: ISBN (شابک) : 0470944889, 9780470944882 ناشر: John Wiley and Sons سال نشر: 2011 تعداد صفحات: 0 زبان: English فرمت فایل : EPUB (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 20 مگابایت
کلمات کلیدی مربوط به کتاب Visualize This: The Flowingdata Guide to Design, Visualization, and Statistics: کتابخانه، ادبیات کامپیوتر، ر
در صورت تبدیل فایل کتاب Visualize This: The Flowing Data Guide to Design, Visualization, and Statistics به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب Visualize This: The Flowingdata Guide to Design, Visualization, and Statistics نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
نکات کاربردی طراحی داده توسط یک متخصص تجسم داده در عصر مدرن، داده ها کاهش نمی یابد. سازماندهی آن به گونه ای که برای مخاطبان مورد نظرش منطقی باشد، روز به روز در حال افزایش است و می تواند طاقت فرسا باشد. آیا واقعاً میتوانستیم دادهها را به گونهای تجسم کنیم که بتوانیم پتانسیل آن را به حداکثر برسانیم و یک داستان را به شیوهای واضح و مختصر بیان کنیم، شگفتانگیز نیست؟ به لطف نبوغ خلاق ناتان یاو، ما می توانیم. با این کتاب تمام رنگی، استاد و نویسنده تجسم داده ها، ناتان یاو، از آموزش های گام به گام استفاده می کند تا به شما نشان دهد که چگونه با داده ها تجسم کنید و داستان بگویید. او نحوه جمعآوری، تجزیه و قالببندی دادهها و سپس طراحی گرافیکهای با کیفیت بالا را توضیح میدهد که به شما کمک میکند الگوها، نقاط دورافتاده و روابط را کشف و ارائه کنید. یک رویکرد منحصر به فرد برای تجسم و گفتن داستانها با دادهها، از متخصص تجسم دادهها و خالق ارائه میدهد. از flowingdata.com، Nathan Yau آموزش های گام به گام و نکات طراحی عملی را برای ایجاد گرافیک های آماری، نقشه های جغرافیایی و طراحی اطلاعات برای یافتن معنی در اعداد ارائه می دهد. بهعنوان ActionScript، کتابخانههای فلش، PHP و جاوا اسکریپت و ابزارهایی برای طراحی گرافیک برای چاپ، مانند R و Illustrator حاوی مثالها و توصیفهای متعددی از الگوها و موارد پرت است و نحوه نشان دادن آنها را توضیح میدهد Visualize. اطلاعات به گونه ای که به راحتی قابل درک و جذاب باشد. از نویسنده: داستان گفتن با نویسنده داده ناتان یاو یک اشتباه رایج در طراحی داده این است که قبل از نگاه کردن به داده های خود به یک پروژه با طرح بصری نزدیک شوید. این منجر به گرافیک هایی می شود که فاقد زمینه هستند و ارزش کمی ارائه می دهند. تجسم این به شما یک رویکرد داده اول را می آموزد. ابتدا آنچه را که دادههایتان برای گفتن دارند کاوش کنید، و میتوانید گرافیکهایی را طراحی کنید که معنی خاصی دارند. تجسم و طراحی داده ها همگی با تمرین آسان تر می شوند و می توانید مهارت های خود را با هر مجموعه داده و پروژه جدید ارتقا دهید. با این حال، برای شروع، به یک پایه و اساس مناسب نیاز دارید و بدانید که چه ابزارهایی در دسترس شما هستند (اما اجازه ندهید آنها شما را غرق کنند). من Visualize This را با این فکر نوشتم. شما در معرض انواع نرمافزارها و کدها قرار میگیرید و مستقیماً به مجموعه دادههای دنیای واقعی میروید تا بتوانید تجسم را با انجام کار یاد بگیرید و مهمتر از همه بتوانید آنچه را که یاد میگیرید در دادههای خود اعمال کنید. سه مرحله تجسم داده ها: 1) یک سوال بپرسید (برای دیدن نسخه بزرگتر روی گرافیک کلیک کنید) وقتی یک مجموعه داده دریافت می کنید، گاهی اوقات تشخیص اینکه از کجا باید شروع کرد، به خصوص زمانی که یک مجموعه داده بزرگ است، یک چالش است. با یک کنجکاوی ساده یا سوالی که میخواهید پاسخ داده شود به دادههای خود نزدیک شوید و از آنجا بروید. 2) داده های خود را کاوش کنید (برای مشاهده نسخه بزرگتر روی گرافیک کلیک کنید) یک کنجکاوی ساده اغلب به سؤالات بیشتری منجر می شود، که راهنمای خوبی برای بررسی داستان هایی است که باید در آنها جستجو کرد. چه متغیرهایی به یکدیگر مرتبط هستند؟ آیا می توانید تغییرات را در طول زمان ببینید؟ آیا ویژگی هایی در داده ها وجود دارد که برجسته باشد؟ هرچه می توانید در مورد داده های خود بیابید، زیرا هرچه بیشتر بدانید پشت اعداد چه چیزی وجود دارد، داستان بهتری می توانید بگویید. 3) داده های خود را تجسم کنید (برای مشاهده نسخه بزرگتر روی گرافیک کلیک کنید) هنگامی که بخش های مهم داده های خود را شناختید، می توانید گرافیک را به بهترین شکلی که مناسب می بینید طراحی کنید. از شکلها، رنگها و اندازههایی استفاده کنید که منطقی هستند و کمک میکنند داستان خود را به وضوح برای خوانندگان بگویید. در حالی که پایه نمودارها و نمودارهای شما دارای بسیاری از ویژگیهای یکسان است - میلهها، برشها، نقطهها و خطوط - عناصر طراحی نهایی بسته به مجموعه داده منحصربهفرد شما متفاوت خواهند بود و باید.
Practical data design tips from a data visualization expert of the modern ageData doesn?t decrease; it is ever-increasing and can be overwhelming to organize in a way that makes sense to its intended audience. Wouldn?t it be wonderful if we could actually visualize data in such a way that we could maximize its potential and tell a story in a clear, concise manner? Thanks to the creative genius of Nathan Yau, we can. With this full-color book, data visualization guru and author Nathan Yau uses step-by-step tutorials to show you how to visualize and tell stories with data. He explains how to gather, parse, and format data and then design high quality graphics that help you explore and present patterns, outliers, and relationships.Presents a unique approach to visualizing and telling stories with data, from a data visualization expert and the creator of flowingdata.com, Nathan YauOffers step-by-step tutorials and practical design tips for creating statistical graphics, geographical maps, and information design to find meaning in the numbersDetails tools that can be used to visualize data-native graphics for the Web, such as ActionScript, Flash libraries, PHP, and JavaScript and tools to design graphics for print, such as R and IllustratorContains numerous examples and descriptions of patterns and outliers and explains how to show themVisualize This demonstrates how to explain data visually so that you can present your information in a way that is easy to understand and appealing. From the Author: Telling Stories with Data Author Nathan Yau A common mistake in data design is to approach a project with a visual layout before looking at your data. This leads to graphics that lack context and provide little value. Visualize This teaches you a data-first approach. Explore what your data has to say first, and you can design graphics that mean something. Visualization and data design all come easier with practice, and you can advance your skills with every new dataset and project. To begin though, you need a proper foundation and know what tools are available to you (but not let them bog you down). I wrote Visualize This with that in mind. You'll be exposed to a variety of software and code and jump right into real-world datasets so that you can learn visualization by doing, and most importantly be able to apply what you learn to your own data. Three Data Visualization Steps: 1) Ask a Question (Click Graphic to See Larger Version) When you get a dataset, it sometimes is a challenge figuring out where to start, especially when it's a large dataset. Approach your data with a simple curiosity or a question that you want answered, and go from there. 2) Explore Your Data (Click Graphic to See Larger Version) A simple curiosity often leads to more questions, which are a good guide for what stories to dig into. What variables are related to each other? Can you see changes over time? Are there any features in the data that stand out? Find out all you can about your data, because the more you know what's behind the numbers, the better story you can tell. 3) Visualize Your Data (Click Graphic to See Larger Version) Once you know the important parts of your data, you can design graphics the best way you see fit. Use shapes, colors, and sizes that make sense and help tell your story clearly to readers. While the base of your charts and graphs will share many of the same properties – bars, slices, dots, and lines – the final design elements will and should vary by your unique dataset.