• Document Outline
  • Mavzu: Deep learning




    Download 439,04 Kb.
    Pdf ko'rish
    Sana15.02.2024
    Hajmi439,04 Kb.
    #156996
    Bog'liq
    5.4-Amaliyot



    MAVZU: Vizualizatsiya va 
    Seaborn kutubxonasi.
    24-Amaliyot


    REJA:
    1.
    Vizualizatsiyani rivojlanishi.
    2.
    Vizualizatsiya haqida tushuncha.
    3.
    Seaborn kutubxonasi
    .


    Vizualizatsiyani rivojlanishi

    Tasvir ustunligi effekti haqida biror narsa bilasizmi? Bu tasvir va
    rasmlar odam tomonidan so'z yoki matndan ko'ra yaxshiroq
    eslab qoladigan hodisa. Bu ko'plab tajribalar bilan tasdiqlangan.
    Masalan, tibbiyot sohasida olib borilgan tadqiqotlar shuni
    ko'rsatdiki, odam dorining ko'rsatmalarini, agar unda rasm
    bo'lsa, yaxshiroq tushunadi. Xususan, dori tavsiflovchi oddiy
    matn 70% ga, tasvirli matn esa 95% ga so'riladi.

    Boshqa bir tadqiqot shuni ko'rsatdiki, odamlarning 65% vizual
    odamlardir, ya'ni. ko'pchilik ma'lumotni tasvirlar orqali yaxshiroq
    qabul qiladi [V. Bredford, 2004]. Vizual idrok ma'lumotlarni
    uzatishning eng tezkor usullaridan biridir. Miya ongsiz ravishda
    ma'lumotni qayta ishlaydi, agar u rasmlar, piktogrammalar,
    kulgichlar va boshqalar ko'rinishida taqdim etilsa. Shu bilan
    birga, tasvirning ma'nosini tushunish uchun odamga atigi 150
    millisekund kerak bo'ladi.



    FreshBooks qiziqarli tadqiqot o'tkazdi, unda tasvirlar
    matndan ko'ra ko'proq odamlar e'tiborini jalb qilishini
    ko'rsatdi. O'z veb-saytida ular jamoa haqida ma'lumot
    joylashtirdilar, xodimlarning fotosuratlari va ularning har
    birining qisqacha tarjimai holini qo'shdilar. Natijada,
    saytga tashrif buyuruvchilar matnni o'qishdan ko'ra,
    fotosuratlarni ko'rish uchun 10% ko'proq vaqt sarflashlari
    ma'lum bo'ldi. Foydalanuvchilar uchun minimal vaqt ichida
    maksimal ma'lumot olish va kompaniyada haqiqiy odamlar
    ishlashiga ishonch hosil qilish muhim edi.


    Saytga tashrif buyuruvchilarni xaritasi quyidagicha ko'rinadi: 



    Vizualizatsiya nafaqat yorqin rasmlar, balki grafiklar,
    diagrammalar,
    jadvallar,
    diagrammalar,
    matritsalar,
    kartogrammalar va boshqalar. Ularning yordami bilan
    ma'ruzachi ma'lumotni yanada tushunarli va esda qolarli
    qiladi, chunki, masalan, statistik ma'lumotlar matnni
    eshitish
    yoki
    o'qishdan
    ko'ra
    diagramma
    shaklida
    yaxshiroq qabul qilinadi.



    Vizualizatsiya
    - tomoshabinlarga hissiy ta'sir qilishning
    ajoyib usuli. Masalan, siz shunchaki yosh onalar yomon
    odatlardan voz kechishlari kerakligini aytishingiz mumkin,
    ammo masalan, ushbu rasmni ko'rsatish yaxshiroqdir:



    Ma'lumotlarni vizualizatsiya qilish - bu ma'lumotni idrok
    etish va o'rganishda insonning eng samarali ishlashini
    ta'minlaydigan
    shaklda
    uzatish
    usuli.
    Eng
    mos
    vizualizatsiya formatini aniqlash uchun siz taqdimotning
    asosiy nuqtalarini ajratib ko'rsatishingiz, ma'lumotlarni
    bloklarga
    bo'lishingiz,
    har
    bir
    slaydning
    maqsadini
    aniqlashingiz
    va
    maqsadli
    auditoriya
    kimligini
    tushunishingiz kerak.

    Agar siz matndan foydalanishga qaror qilsangiz ham,
    slaydga joylashtirilgan matn ham to'g'ri dizaynni talab
    qiladigan vizualizatsiya ekanligini unutmasligingiz kerak.
    Biroq, buning uchun barcha vositalar sichqonchani bir
    marta bosishda mavjud bo'lsa, nega noyob mahsulotni
    yaratish zavqini rad qilasiz? Reklama va marketing
    sohasidagi mutaxassislarning ushbu oddiy tavsiyalari
    taqdimotingizni foydalanuvchilar uchun esda qolarli va
    qiziqarli qilishga yordam beradi:



    Uchdan birlik qoidasiga rioya qiling: bu kompozitsiyaning printsipi
    bo'lib,
    u
    ramkaning
    (slayd,
    tarqatma
    material
    varag'i
    va
    boshqalar) ikkita vertikal va gorizontal chiziqqa shartli bo'linishini
    nazarda tutadi. Ular gorizontal va vertikal ravishda uchdan bir
    qismini tashkil qiladi. Tasvirdagi muhim nuqtalar chiziqlar
    kesishgan joyga joylashtirilishi kerak. Bu sizning taqdimotingizni
    vizual jihatdan muvozanatli va tartibsiz qilishga yordam beradi:

    To'rdan
    foydalaning:
    ushbu
    vosita
    joylashuviga
    qarab
    kompozitsiya qoidalari va ma'lumotni idrok etish nuanslarini
    hisobga olgan holda bo'sh joyni boshqarishga va ma'lumotni
    to'g'ri joylashtirishga yordam beradi.

    Tegishli
    belgi
    o'lchamini
    tanlang:
    Taqdimot
    yaratuvchilari
    ko'pincha belgilar foydalanuvchi ekranlarida qanday ko'rinishini
    hisobga olmaydilar, masalan. ko'rish shartlari hisobga olinmaydi.
    Kompyuterda taqdimotni ko'rayotgan bir kishi ma'lumotlarni
    osongina o'qiy olishi, bu tanlangan formatni guruh sifatida katta
    ekranda ko'rishda o'qish oson bo'lishini anglatmaydi. Belgilarning
    o'lchamini ergonomik bog'liqliklar asosida hisoblash mumkin.



    Agar tomoshabin ekrandan 4 metr masofada joylashgan
    bo'lsa, harflarning balandligi taxminan 20-30 millimetr
    bo'lishi kerak.

    Shriftni tanlashda asosiy tamoyillarga amal qiling: siz bir
    necha
    turdagi
    shriftlardan
    foydalanishingiz
    mumkin,
    masalan, biri sarlavhalar uchun, ikkinchisi esa asosiy
    matn uchun. Asosiysi, ular bir-biridan sezilarli darajada
    farq qiladi. Sans serif shriftidan foydalaning. Agar shrift
    tanlashda muammoga duch kelsangiz, Canva sahifasini
    tekshiring yoki Google Fonts yoki Font Squirrel-dan
    moslarini yuklab oling.



    Seaborn kutubxonasi

    Vizualizatsiya ma'lumotlarni tahlil qilish va talqin qilishning
    muhim jihati hisoblanadi, chunki u murakkab ma'lumotlar
    to'plamlarini oson tushunishga imkon beradi. Bu faqat
    xom ma'lumotlar orqali ko'rinmasligi mumkin bo'lgan
    naqshlar, munosabatlar va tendentsiyalarni aniqlashga
    yordam beradi. So'nggi yillarda Python kutubxonalar va
    ramkalarning keng doirasi tufayli ma'lumotlarni tahlil qilish
    uchun eng mashhur dasturlash tillaridan biriga aylandi.

    Python tilidagi mashhur
    ma’lumotlarni vizualizatsiya qilish
    kutubxonasi
    bo‘lgan Seabornga e’tibor qaratamiz, u
    informatsion statistik grafiklarni yaratish uchun qulay
    interfeysni taklif etadi.



    Seaborn nima? 
    Matplotlib-ning
    tepasida
    qurilgan
    Seaborn
    -
    ma'lumotlarni
    vizualizatsiya qilish uchun taniqli Python kutubxonasi bo'lib, u
    vizual jozibador va informatsion statistik grafiklarni ishlab
    chiqarish uchun qulay interfeysni taklif qiladi. U Pandas
    ma'lumotlar ramkalari bilan ishlash uchun mo'ljallangan bo'lib,
    ma'lumotlarni tez va samarali tarzda vizualizatsiya qilish va
    o'rganishni osonlashtiradi.
    Seabornning asosiy afzalligi uning minimal kodlash harakatlari
    bilan jozibali uchastkalarni yaratish qobiliyatidadir. U bir qator
    standart mavzular va ranglar palitrasini taqdim etadi, ularni siz
    o'zingizning xohishingizga ko'ra osongina sozlashingiz mumkin.
    Bundan
    tashqari,
    Seaborn
    bir
    qator
    o'rnatilgan
    statistik
    funktsiyalarni taklif qiladi, bu foydalanuvchilarga o'zlarining
    vizualizatsiyalari bilan murakkab statistik tahlillarni osonlik bilan
    bajarishga imkon beradi.



    Seabornning yana bir e'tiborga molik xususiyati uning
    murakkab ko'p syujetli vizualizatsiya yaratish qobiliyatidir.
    Seaborn
    yordamida
    foydalanuvchilar
    bir
    nechta
    o'zgaruvchilar
    yoki
    ma'lumotlarning
    kichik
    to'plamlari
    o'rtasida oson taqqoslash imkonini beruvchi uchastkalar
    panjaralarini
    yaratishi
    mumkin.
    Bu
    uni
    tadqiqot
    ma'lumotlarini tahlil qilish va taqdim etish uchun ideal
    vositaga aylantiradi.

    Seaborn - bu Python-dagi kuchli va moslashuvchan
    ma'lumotlarni vizualizatsiya qilish kutubxonasi bo'lib, u
    informatsion va estetik jihatdan yoqimli statistik grafiklarni
    yaratish uchun ishlatish uchun qulay interfeysni taklif
    qiladi.
    U
    ilg'or
    statistik
    tahlilni
    o'z
    ichiga
    olgan
    ma'lumotlarni
    vizualizatsiya
    qilish
    uchun
    bir
    qator
    vositalarni taqdim etadi va murakkab ko'p uchastkali
    vizualizatsiyalarni yaratishni osonlashtiradi.



    Seaborn va Matplotlib Python-ning ikkita eng keng tarqalgan
    ma'lumotlarni
    vizualizatsiya
    qilish
    kutubxonalari
    Matplotlib
    va
    ​​Seaborn. Ikkala kutubxona ham yuqori sifatli grafikalar va
    vizualizatsiya yaratish uchun mo'ljallangan bo'lsa-da, ular turli
    xil foydalanish holatlariga mos keladigan bir nechta asosiy
    farqlarga
    ega.
    Matplotlib
    va
    ​​Seaborn o'rtasidagi asosiy
    farqlardan biri bu ularning diqqat markazida. Matplotlib - bu
    juda moslasht Arial (
    Основной текст) rilgan vizualizatsiya
    yaratish uchun keng ko'lamli vositalarni taqdim etadigan past
    darajadagi chizmachilik kutubxonasi. Bu juda moslashuvchan
    kutubxona bo'lib, foydalanuvchilarga o'zlari tasavvur qiladigan
    deyarli har qanday syujetni yaratishga imkon beradi. Ushbu
    moslashuvchanlik yanada keskin o'rganish egri chizig'i va
    batafsil kod bilan ta'minlanadi.



    Seaborn
    esa
    statistik
    grafiklarni
    yaratish
    uchun
    yuqori
    darajadagi interfeysdir. U Matplotlib-ning ustiga qurilgan va
    umumiy statistik chizmalarni yaratish uchun oddiyroq, intuitiv
    interfeysni taqdim etadi. Seaborn Pandas ma'lumotlar ramkalari
    bilan ishlash uchun mo'ljallangan, bu minimal kod bilan
    vizualizatsiya
    yaratishni
    osonlashtiradi.
    Bundan
    tashqari,
    foydalanuvchilarga o'zlarining vizualizatsiyalari bilan murakkab
    statistik tahlillarni osonlik bilan bajarishga imkon beruvchi bir
    qator o'rnatilgan statistik funktsiyalarni taklif etadi. Matplotlib
    va
    ​​Seaborn o'rtasidagi yana bir asosiy farq ularning standart
    uslublari va ranglar palitrasidir. Matplotlib standart uslublar va
    ranglar palitralarining cheklangan to'plamini taqdim etadi, bu
    foydalanuvchilardan kerakli ko'rinishga erishish uchun o'z
    uchastkalarini qo'lda sozlashni talab qiladi. Boshqa tomondan,
    Seaborn har xil turdagi ma'lumotlar va vizualizatsiya uchun
    optimallashtirilgan bir qator standart uslublar va ranglar
    palitralarini
    taklif
    qiladi.
    Bu
    foydalanuvchilarga
    minimal
    moslashtirish bilan vizual jozibali uchastkalarni yaratishni
    osonlashtiradi.



    Ikkala kutubxonaning ham kuchli va zaif tomonlari bo'lsa-da,
    Seaborn odatda statistik grafikalar va tadqiqot ma'lumotlarini
    tahlil
    qilish
    uchun
    ko'proq
    mos
    keladi,
    Matplotlib
    esa
    taqdimotlar
    va
    nashrlar
    uchun
    juda
    moslashtirilgan
    uchastkalarni yaratish uchun ko'proq mos keladi. Ammo shuni
    ta'kidlash joizki, Seaborn Matplotlibning tepasida qurilgan va
    ikkala kutubxonadan ikkala kutubxonaning kuchli tomonlarini
    ishlatadigan murakkab,
    juda moslashtirilgan
    vizualizatsiya
    yaratish uchun birgalikda foydalanish mumkin. Matplotlibni
    Python
    oʻquv qoʻllanmasida Matplotlib bilan chizma tuzishga
    kirishimiz bilan batafsilroq
    oʻrganishingiz mumkin. Matplotlib
    va
    ​​Seaborn ikkalasi ham Python-da turli xil kuchli va zaif
    tomonlarga
    ega
    kuchli
    ma'lumotlarni
    vizualizatsiya
    qilish
    kutubxonalari. Ikki kutubxona o'rtasidagi farqlarni tushunish
    foydalanuvchilarga ma'lumotlarni vizualizatsiya qilishning o'ziga
    xos ehtiyojlari uchun to'g'ri vositani tanlashga yordam beradi.



    Seabornni o'rnatish Seaborn Python 3.7+ da qo'llab-
    quvvatlanadi va juda kam asosiy bog'liqliklarga ega.
    Seaborn-ni o'rnatish juda oddiy. Siz uni Python-ning pip
    menejeri yoki conda paket menejeri bilan o'rnatishingiz
    mumkin.


    E’TIBOR 
    UCHUN 
    RAHMAT!

    Document Outline

    • Слайд 1, MAVZU: Vizualizatsiya va Seaborn kutubxonasi.
    • Слайд 2, REJA:
    • Слайд 3, Vizualizatsiyani rivojlanishi
    • Слайд 4
    • Слайд 5
    • Слайд 6
    • Слайд 7
    • Слайд 8
    • Слайд 9
    • Слайд 10
    • Слайд 11
    • Слайд 12, Seaborn kutubxonasi
    • Слайд 13
    • Слайд 14
    • Слайд 15
    • Слайд 16
    • Слайд 17
    • Слайд 18
    • Слайд 19

    Download 439,04 Kb.




    Download 439,04 Kb.
    Pdf ko'rish