Course catalog

Course duration

Course provider

Topic

Categories

Showing 2,281-2,300 of 4,310 items.

coursera رگرسیون خطی برای آمار کسب و کار (Mitalearn-213245)

  • 4 hours 24 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Sharad Borle
درباره این دوره:

تحلیل رگرسیون شاید مهم ترین ابزار آمار کسب و کار مورد استفاده در صنعت باشد. رگرسیون موتور پشت بسیاری از برنامه های کاربردی تجزیه و تحلیل داده است که برای بسیاری از اشکال پیش بینی و پیش بینی استفاده می شود. این چهارمین دوره تخصصی "آمار و تحلیل کسب و کار" است. این دوره شما را با ابزار بسیار مهمی به نام رگرسیون خطی آشنا می کند. شما یاد خواهید گرفت که از رویه های مختلفی مانند رگرسیون های متغیر ساختگی، متغیرهای تبدیل و اثرات متقابل استفاده کنید. همه اینها با استفاده از مثال‌های قابل فهم در مایکروسافت اکسل معرفی و توضیح داده شده‌اند. تمرکز این دوره به جای مشتقات دقیق ریاضی بر درک و کاربرد است. توجه: این دوره از جعبه ابزار "تجزیه و تحلیل داده ها" استفاده می کند که با نسخه ویندوز مایکروسافت اکسل استاندارد است. همچنین با نسخه مک 2016 یا جدیدتر اکسل استاندارد است. با این حال، با نسخه های قبلی اکسل برای مک استاندارد نیست. هفته 1 ماژول 1: تحلیل رگرسیون: مقدمه در این ماژول با مدل رگرسیون خطی آشنا می شوید. ما یک مدل رگرسیون می سازیم و با استفاده از اکسل آن را تخمین می زنیم. ما از مدل تخمین زده شده برای استنتاج روابط بین متغیرهای مختلف و استفاده از مدل برای پیش بینی استفاده خواهیم کرد. این ماژول همچنین مفهوم خطاها، باقیمانده ها و R-square را در یک مدل رگرسیونی معرفی می کند. موضوعات تحت پوشش عبارتند از: • معرفی رگرسیون خطی • ساخت یک مدل رگرسیون و تخمین آن با استفاده از اکسل • استنتاج با استفاده از مدل برآورد شده • استفاده از مدل رگرسیون برای پیش بینی • Errors، Residuals و R-square هفته 2 ماژول 2: تحلیل رگرسیون: آزمون فرضیه و خوبی برازش این ماژول آزمون های فرضیه های مختلفی را ارائه می دهد که می توانید با استفاده از خروجی رگرسیون انجام دهید. این تست ها بخش مهمی از استنتاج هستند و ماژول آنها را با استفاده از مثال های مبتنی بر اکسل معرفی می کند. مقادیر p همراه با اندازه‌های خوب تناسب R-square و R-square تعدیل شده معرفی می‌شوند. در پایان ماژول "رگرسیون متغیر ساختگی" را معرفی می کنیم که برای ترکیب متغیرهای طبقه بندی در یک رگرسیون استفاده می شود. موضوعات تحت پوشش عبارتند از: • آزمون فرضیه در رگرسیون خطی • معیارهای «خوبی تناسب» (R-square، R-square تعدیل شده) • رگرسیون متغیر ساختگی (با استفاده از متغیرهای طبقه بندی شده در یک رگرسیون) هفته 3 ماژول 3: تحلیل رگرسیون: متغیرهای ساختگی، چند خطی این ماژول با استفاده از رگرسیون متغیر ساختگی ادامه می یابد. شما می توانید تفسیر خروجی رگرسیون را در حضور متغیرهای طبقه بندی درک کنید. نمونه هایی برای تقویت مجدد مفاهیم مختلف معرفی شده کار شده است. این ماژول همچنین توضیح می دهد که Multicolinearity چیست و چگونه با آن برخورد کنیم. موضوعات تحت پوشش عبارتند از: • رگرسیون متغیر ساختگی (با استفاده از متغیرهای طبقه بندی شده در یک رگرسیون) • تفسیر ضرایب و مقادیر p در حضور متغیرهای ساختگی • چند خطی بودن در مدل های رگرسیونی هفته 4 ماژول 4: تجزیه و تحلیل رگرسیون: پسوندهای مختلف این ماژول درک شما را از رگرسیون خطی گسترش می‌دهد و تکنیک‌هایی مانند میانگین‌مرکزی متغیرها و ایجاد مرزهای اطمینان برای پیش‌بینی‌ها با استفاده از مدل رگرسیون را معرفی می‌کند. یک پسوند رگرسیون قدرتمند به نام «متغیرهای تعامل» معرفی و با استفاده از مثال توضیح داده شده است. ما همچنین تبدیل متغیرها را در یک رگرسیون مطالعه می کنیم و در آن زمینه مدل های log-log و semi-log regression را معرفی می کنیم. موضوعات تحت پوشش عبارتند از: • میانگین مرکزیت متغیرها در مدل رگرسیون • ایجاد مرزهای اطمینان برای پیش بینی ها با استفاده از مدل رگرسیون • اثرات متقابل در یک رگرسیون • تبدیل متغیرها • مدل های رگرسیون log-log و semi-log

coursera رگرسیون خطی در R برای سلامت عمومی (Mitalearn-344672)

  • 1 hours 17 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Alex Bottle,Victoria Cornelius
درباره این دوره:

به رگرسیون خطی در R برای سلامت عمومی خوش آمدید! بهداشت عمومی را «هنر و علم پیشگیری از بیماری، افزایش عمر و ارتقای سلامت از طریق تلاش سازمان یافته جامعه» تعریف کرده اند. دانستن اینکه چه چیزی باعث بیماری می شود و چه چیزی آن را بدتر می کند، به وضوح بخش های حیاتی این امر است. این امر مستلزم توسعه مدل‌های آماری است که توضیح می‌دهد چگونه عوامل بیمار و محیطی بر شانس بیمار شدن ما تأثیر می‌گذارند. این دوره به شما نشان می‌دهد که چگونه از ابتدا چنین مدل‌هایی ایجاد کنید، ابتدا شما را با مفهوم همبستگی و رگرسیون خطی آشنا می‌کند، قبل از وارد کردن و بررسی داده‌هایتان، و سپس به شما نشان می‌دهد که چگونه مدل‌ها را برازش کنید. با استفاده از مثال بیماری تنفسی، این مدل ها چگونگی تأثیر بیمار و سایر عوامل بر نتایج مانند عملکرد ریه را شرح می دهند. رگرسیون خطی یکی از خانواده مدل‌های رگرسیون است و دروس دیگر این مجموعه دو عضو دیگر را پوشش می‌دهد. مدل‌های رگرسیون وجوه مشترک زیادی با یکدیگر دارند، اگرچه جزئیات ریاضی متفاوت است. این دوره به شما نشان می دهد که چگونه داده ها را آماده کنید، ارزیابی کنید که مدل چقدر با داده ها مطابقت دارد، و مفروضات اساسی آن - وظایف حیاتی با هر نوع رگرسیون را آزمایش کنید. شما از بسته نرم افزاری رایگان و همه کاره R استفاده خواهید کرد که توسط آماردانان و دانشمندان داده در دانشگاه، دولت ها و صنعت در سراسر جهان استفاده می شود.

coursera رگرسیون خطی و مدل سازی (Mitalearn-328539)

  • 2 hours 10 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره به معرفی مدل های رگرسیون خطی ساده و چندگانه می پردازد. این مدل‌ها به شما امکان می‌دهند تا رابطه بین متغیرها در یک مجموعه داده و یک متغیر پاسخ پیوسته را ارزیابی کنید. آیا بین جذابیت فیزیکی استاد و نمرات ارزشیابی دانشجو رابطه وجود دارد؟ آیا می توانیم نمره آزمون کودک را بر اساس ویژگی های خاصی از مادرش پیش بینی کنیم؟ در این دوره، با استفاده از نرم افزار آماری رایگان R و RStudio، تئوری اساسی پشت رگرسیون خطی را می آموزید و از طریق مثال های داده، برازش، بررسی و استفاده از مدل های رگرسیون برای بررسی روابط بین متغیرهای متعدد را یاد می گیرید.

coursera رگرسیون و پیش بینی برای دانشمندان داده با استفاده از پایتون (Mitalearn-324612)

  • 5 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: EDUCBA
درباره این دوره:

شرح دوره: این دوره آموزش جامعی را در زمینه تکنیک های تحلیل رگرسیون و پیش بینی برای علم داده با تاکید بر برنامه نویسی پایتون ارائه می دهد. شما به تجزیه و تحلیل سری های زمانی، پیش بینی، رگرسیون خطی و پیش پردازش داده ها تسلط خواهید داشت و به شما امکان می دهد تصمیمات مبتنی بر داده را در صنایع مختلف اتخاذ کنید. اهداف آموزشی: • توسعه تخصص در تجزیه و تحلیل سری های زمانی، پیش بینی، و رگرسیون خطی. • کسب مهارت در برنامه نویسی پایتون برای تحلیل و مدل سازی داده ها. • تکنیک های تجزیه و تحلیل داده های اکتشافی، شناسایی روند و فصلی بودن را تجزیه و تحلیل کنید دست زدن • مدل های سری زمانی مختلف را پیدا کنید و آنها را با استفاده از پایتون پیاده سازی کنید. • داده ها را برای مدل سازی رگرسیون خطی دقیق آماده و پیش پردازش کنید. • پیش بینی و تفسیر مدل های رگرسیون خطی برای تصمیم گیری آگاهانه. در این دوره چهار ماژول وجود دارد: ماژول 1: تحلیل و پیش بینی سری های زمانی شرح ماژول: ماژول تحلیل و پیش‌بینی سری‌های زمانی اکتشاف جامعی از تکنیک‌ها برای استخراج بینش و پیش‌بینی روندها از داده‌های متوالی ارائه می‌کند. شما به مفاهیم اساسی مانند شناسایی روند، فصلی بودن و انتخاب مدل تسلط خواهید داشت. آنها با تجربه عملی در نرم افزارهای پیشرو، ساخت، اعتبارسنجی و تفسیر مدل های پیش بینی را خواهند آموخت. با بررسی مطالعات موردی در دنیای واقعی و ملاحظات اخلاقی، شرکت‌کنندگان برای تصمیم‌گیری استراتژیک در صنایع با استفاده از قدرت تحلیل سری‌های زمانی مجهز خواهند شد. این ماژول یک دارایی ارزشمند برای متخصصانی است که به دنبال استفاده از پتانسیل داده های زمانی هستند. شما در تجزیه و تحلیل سری های زمانی و پیش بینی تخصص خواهید داشت. تکنیک هایی را برای تجزیه و تحلیل داده های اکتشافی، تجزیه سری های زمانی، تجزیه و تحلیل روند، و مدیریت فصلی کشف کنید. مهارت تمایز بین انواع مختلف الگوها و درک مفاهیم آنها در پیش بینی را به دست آورید. ماژول 2: مدل های سری زمانی توضیحات ماژول: مدل‌های سری زمانی ابزارهای قدرتمندی هستند که برای کشف الگوها و پیش‌بینی روندهای آینده در داده‌های متوالی طراحی شده‌اند. با تجزیه و تحلیل الگوهای تاریخی، روندها و تغییرات فصلی، این مدل ها بینش هایی را در مورد رفتار داده ها در طول زمان ارائه می دهند. با استفاده از روش‌هایی مانند مدل‌های ARIMA، هموارسازی نمایی، و مدل‌های فضای حالت، پیش‌بینی دقیق را امکان‌پذیر می‌کنند و به تصمیم‌گیرندگان در زمینه‌های مختلف قدرت می‌دهند تا انتخاب‌های آگاهانه‌ای را براساس پیش‌بینی‌های مبتنی بر داده انجام دهند. شما توانایی ساخت مدل های پیش بینی برای پیش بینی های آینده را بر اساس داده های تاریخی به دست خواهید آورد. روش های مختلف پیش بینی مانند مدل های ARIMA و تکنیک های پیش بینی فصلی را کشف کنید و آنها را با استفاده از برنامه نویسی پایتون پیاده سازی کنید. توانایی تدوین استراتژی های پیش بینی سری زمانی سفارشی بر اساس ویژگی های داده را توسعه دهید. ماژول 3: رگرسیون خطی - پیش پردازش داده ها توضیحات ماژول: ماژول رگرسیون خطی - پیش پردازش داده ها یک دوره اساسی است که شرکت کنندگان را با مهارت های ضروری برای تهیه و بهینه سازی داده ها قبل از استفاده از تکنیک های رگرسیون خطی مجهز می کند. از طریق یادگیری عملی، شرکت‌کنندگان اهمیت کیفیت داده‌ها، پرداختن به مقادیر از دست رفته، تشخیص نقاط پرت و مقیاس‌بندی ویژگی را درک خواهند کرد. شما یاد خواهید گرفت که چگونه داده های خام را به یک قالب تمیز و نرمال شده با جستجو در مجموعه داده های دنیای واقعی تبدیل کنید و از نتایج مدل رگرسیون خطی دقیق و قابل اعتماد اطمینان حاصل کنید. این ماژول برای ایجاد دانش پایه قوی در مدل سازی پیش بینی و تجزیه و تحلیل داده ها بسیار مهم است. شما بینش هایی را در مورد تکنیک های رگرسیون مختلف مانند رگرسیون خطی، رگرسیون چند جمله ای و رگرسیون لجستیک و اجرای آنها با استفاده از برنامه نویسی پایتون به دست خواهید آورد. داده‌های گمشده و نقاط پرت را در مجموعه داده‌ها شناسایی کنید و استراتژی‌های مناسب را برای مدیریت مؤثر آن‌ها اجرا کنید. اهمیت مقیاس بندی و انتخاب ویژگی را تشخیص دهید و یاد بگیرید که چگونه تکنیک هایی مانند استانداردسازی و عادی سازی را برای بهبود همگرایی و تفسیرپذیری مدل به کار ببرید. ماژول 4: رگرسیون خطی - ایجاد مدل شرح ماژول: ماژول رگرسیون خطی - ایجاد مدل، درک جامعی از ساخت مدل های پیش بینی را از طریق تکنیک های رگرسیون خطی ارائه می دهد. شما یاد خواهید گرفت که ویژگی های مربوطه را انتخاب و مهندسی کنید، الگوریتم های رگرسیون را اعمال کنید و ضرایب مدل را تفسیر کنید. با کاوش در مطالعات موردی در دنیای واقعی، بینش هایی در مورد ارزیابی عملکرد مدل به دست خواهید آورد و نحوه تنظیم دقیق پارامترها برای نتایج بهینه را به دست خواهید آورد. این ماژول به شما امکان می دهد تا مدل های رگرسیون خطی قوی برای تصمیم گیری مبتنی بر داده در زمینه های مختلف ایجاد کنید. نحوه شناسایی و انتخاب ویژگی های مرتبط از مجموعه داده ها برای گنجاندن در مدل های رگرسیون خطی را خواهید فهمید. مهارت هایی را برای تفسیر ضرایب مدل، تشخیص اهمیت آنها و ارائه پیامدهای این ضرایب به ذینفعان غیر فنی به دست آورید. نحوه تنظیم دقیق پارامترهای مدل و تکنیک های منظم سازی و انجام اعتبارسنجی متقابل برای افزایش تعمیم مدل را کشف کنید. یادگیرنده هدف: این دوره برای دانشمندان داده، تحلیلگران و متخصصان مشتاق طراحی شده است که به دنبال افزایش مهارت های خود در تجزیه و تحلیل رگرسیون، پیش بینی و برنامه نویسی پایتون هستند. برای کسانی که به دنبال استفاده از قدرت داده های زمانی و مدل سازی پیش بینی در حرفه خود هستند مناسب است. پیش نیازهای زبان آموز: • دانش اولیه برنامه نویسی پایتون. • آشنایی با مفاهیم بنیادی تحلیل داده ها. • درک مفاهیم آماری مفید است اما اجباری نیست. فایل های مرجع: به فایل های کد در قسمت منابع و فایل های آزمایشگاهی در قسمت مدیر آزمایشگاه دسترسی خواهید داشت. مدت دوره: 5 ساعت 44 دقیقه مدت زمان کل: تقریبا 4 هفته • ماژول 1: تحلیل و پیش بینی سری زمانی (1 هفته) • ماژول 2: مدل‌های سری زمانی (1 هفته) • ماژول 3: رگرسیون خطی - پیش پردازش داده ها (1 هفته) • ماژول 4: رگرسیون خطی - ایجاد مدل (1 هفته)

coursera رگرسیون و طبقه بندی (Mitalearn-331327)

  • 3 hours 49 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: James Bird
درباره این دوره:

مقدمه ای بر یادگیری آماری مفاهیمی را در مدل سازی آماری بررسی می کند، مانند زمان استفاده از مدل های خاص، نحوه تنظیم آن مدل ها، و اینکه آیا گزینه های دیگر معاوضه های خاصی را ارائه می دهند. ما رگرسیون، طبقه‌بندی، درختان، نمونه‌برداری مجدد، تکنیک‌های بدون نظارت و موارد دیگر را پوشش خواهیم داد! این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

coursera رمزگشایی اسرار: دست نوشته های روشن شده اروپای قرون وسطی (Mitalearn-366194)

  • 11 hours 21 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Roger L Martinez
درباره این دوره:

شاید هیچ یادگار دیگری از قرون وسطی اروپا بیش از نسخه‌های خطی روشن قرون وسطی، یا اسنادی که با تصاویر و رنگدانه‌های رنگی تزئین شده‌اند، تخیل ما را تسخیر نکند. آنها به عنوان پنجره ای به دنیای گمشده پادشاهان، بانوان، ایمان، جنگ و فرهنگ خدمت می کنند و روایت های بصری و متنی پیچیده ای از میراث و میراث فرهنگی جمعی اروپا را به اشتراک می گذارند. به این ترتیب، دست نوشته‌های روشن پیام‌های پویایی از گذشته جمعی ما هستند که امروزه هنوز در زمینه‌هایی مانند طراحی گرافیک و تایپوگرافی مرتبط هستند. در این دوره هفت هفته ای، دانش آموزان خلق مواد، محتوا و زمینه تاریخی دستنوشته های اروپایی روشن قرون وسطی را بررسی خواهند کرد. دانش‌آموزان دانش مقدماتی از ویژگی‌های متمایز، فهرست‌نویسی و دوره‌بندی آن‌ها (زمانی که ایجاد شدند)، روش‌های مورد استفاده برای تولید آن‌ها، و زمینه و ارزش تاریخی آن‌ها را به دست خواهند آورد. پیشرفت دانش‌آموز نه تنها با استفاده از آزمون‌های چند گزینه‌ای سنتی، بلکه مهم‌تر از آن بر اساس پروژه‌های دانش‌آموزی مورد ارزیابی قرار می‌گیرد. دانش‌آموزان در پروژه‌های نهایی خود، یا (1) تابلویی از تصاویر نظر داده شده درباره نسخه‌های خطی قرون وسطی تولید می‌کنند یا (2) یک دست‌نوشته فیزیکی را با استفاده از روش‌های قرون وسطی تهیه می‌کنند. بهترین این پروژه‌های ارزیابی‌شده توسط همتایان در وب‌سایت رمزگشایی اسرار، که حضور جمعی وب بورسیه شهروندی ما است که قدردانی و مشارکت دانش‌پژوهان شهروند جهانی ما را در رونویسی نسخه‌های خطی قرون وسطی تشویق و حمایت می‌کند، ارسال می‌شود. در نهایت، ما می خواهیم تاکید کنیم که این دوره یک همکاری بین المللی هیجان انگیز بین دانشگاه کلرادو (ایالات متحده آمریکا) و دانشگاه کامپلوتنس مادرید (اسپانیا) است.

coursera رمزنگاری (Mitalearn-317625)

  • 2 hours 38 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: (ISC)² Education & Training
درباره این دوره:

به رمزنگاری خوش آمدید! رمزنگاری تمرین و مطالعه تکنیک هایی برای ایمن سازی ارتباطات در حضور اشخاص ثالث است. شما یاد خواهید گرفت که چگونه از اطلاعات محافظت کنید تا از صحت، محرمانه بودن، صحت و عدم انکار آن اطمینان حاصل کنید. شما با درک اولیه مفاهیم رمزنگاری و نحوه به کارگیری آنها، پیاده سازی پروتکل های ایمن، مفاهیم مدیریت کلید، مدیریت و اعتبارسنجی کلید، و زیرساخت کلید عمومی آشنا خواهید شد. اهداف درس 1. کاربرد مفاهیم اساسی رمزنگاری 2. تشریح تفاوت بین رمزنگاری متقارن و نامتقارن 3. تعریف الزامات اساسی برای رمزنگاری 4. شناسایی فرآیندهایی برای پشتیبانی از پروتکل های ایمن 5. شرح فرآیند پیاده سازی سیستم های رمزنگاری 6. تعریف مدیریت کلید. مفاهیم 7. تعریف زیرساخت کلید عمومی 8. شناسایی فرآیندها برای مدیریت کلید و اعتبار سنجی 9. شرح اجرای پروتکل های امن

coursera رمزنگاری [coursera] (Mitalearn-314344)

  • 11 hours 24 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Jonathan Katz
درباره این دوره:

این دوره شما را با مبانی رمزنگاری مدرن با نگاهی به کاربردهای عملی آشنا می کند.

coursera رمزنگاری اولیه و برنامه نویسی با Crypto API (Mitalearn-312134)

  • 3 hours 27 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Edward Chow
درباره این دوره:

در این MOOC، مفاهیم و اصول اولیه کریتوگرافی را یاد می گیریم، از رمزگشایی اولیه برای رمزگشایی پیام های رمزگذاری شده با رمز جایگزین تک الفبایی استفاده می کنیم، و قوی ترین تکنیک رمزگذاری پد یکبار مصرف و سیستم های توزیع کلید کوانتومی مرتبط را مورد بحث قرار می دهیم. همچنین الگوریتم‌های رمزنگاری کلید متقارن کارآمد برای رمزگذاری داده‌ها را یاد می‌گیریم، استانداردهای DES و AES را مورد بحث قرار می‌دهیم، معیارهای انتخاب استاندارد AES را مطالعه می‌کنیم، حالت‌های عملیات رمزگذاری بلوک را ارائه می‌کنیم و نحوه جلوگیری و شناسایی حملات مبادله بلوک را مورد بررسی قرار می‌دهیم. چگونه در برابر حملات تکراری دفاع کنیم ما پروتکل تبادل کلید متقارن Diffie-Hellman را یاد خواهیم گرفت تا یک کلید متقارن برای دو طرف ایجاد کنیم تا از طریق کانال ناامن با هم ارتباط برقرار کنند. برای درک الگوریتم رمزنگاری نامتقارن RSA، حساب مدولار و قضیه اویلر توتینت را یاد خواهیم گرفت و از ابزار OpenSSL برای تحقق عملیات اساسی الگوریتم رمزگذاری RSA استفاده می کنیم. با داشتن این دانش، یاد می گیریم که چگونه از PHP Crypto API برای نوشتن برنامه های امن برای رمزگذاری و رمزگشایی اسناد و امضا و تأیید اسناد استفاده کنیم. سپس این تکنیک‌ها را برای بهبود فرآیند ثبت‌نام یک وب‌سایت به کار می‌گیریم که تضمین می‌کند حساب ایجاد شده واقعاً توسط صاحب حساب ایمیل درخواست شده است.

coursera رمزنگاری متقارن (Mitalearn-308819)

  • 2 hours 13 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sang-Yoon Chang
درباره این دوره:

به رمزنگاری متقارن خوش آمدید! رمزنگاری متقارن به کلید مخفی مشترک برای اطمینان از محرمانه بودن پیام متکی است، به طوری که مهاجمان غیرمجاز نتوانند پیام را بازیابی کنند. این دوره تکنیک‌های جایگزینی و جابه‌جایی را توصیف می‌کند، که پایه‌های رمزنگاری کلاسیک زمانی که پیام به زبان طبیعی مانند انگلیسی کدگذاری می‌شود، می‌باشد. سپس، ما بر روی رمزهای محصول (با استفاده از جایگزینی و جابجایی/جایگشت) برای توصیف رمزهای بلوک مدرن و بررسی الگوریتم های رمزی پرکاربرد در DES، 3-DES، و AES می پردازیم. در نهایت، ما استفاده از رمزهای بلوکی را برای پشتیبانی از طول داده متغیر با معرفی حالت‌های مختلف عملیات رمزگذاری بلوک در حالت‌های ECB، CBC، CFB، OFB و CTR فعال می‌کنیم. این دوره بصورت متقابل لیست شده است و بخشی از دو تخصص، تخصص رمزنگاری کاربردی و تخصص رمزنگاری کاربردی مقدمه ای است.

coursera رمزنگاری نامتقارن و مدیریت کلید (Mitalearn-312049)

  • 1 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sang-Yoon Chang
درباره این دوره:

به رمزنگاری نامتقارن و مدیریت کلید خوش آمدید! در رمزنگاری نامتقارن یا رمزنگاری کلید عمومی، فرستنده و گیرنده از یک جفت کلید عمومی-خصوصی بر خلاف یک کلید متقارن استفاده می کنند و بنابراین عملیات رمزنگاری آنها نامتقارن است. این دوره ابتدا اصول رمزنگاری نامتقارن را بررسی می‌کند و توضیح می‌دهد که چگونه استفاده از جفت کلید می‌تواند ویژگی‌های امنیتی مختلف را فراهم کند. سپس، طرح‌های نامتقارن رایج در الگوریتم رمز RSA و پروتکل تبادل کلید Diffie-Hellman را مطالعه می‌کنیم و یاد می‌گیریم که چگونه و چرا برای ایمن کردن ارتباطات/دسترسی کار می‌کنند. در نهایت، ما در مورد توزیع و مدیریت کلید برای کلیدهای متقارن و کلیدهای عمومی بحث خواهیم کرد و مفاهیم مهم در توزیع کلید عمومی مانند مرجع کلید عمومی، گواهی دیجیتال و زیرساخت کلید عمومی را شرح خواهیم داد. این دوره همچنین برخی از مفاهیم ریاضی مانند فاکتورسازی اول و لگاریتم گسسته را توضیح می‌دهد که پایه‌ای برای امنیت اولیه‌های نامتقارن هستند و دانش ریاضیات گسسته برای گذراندن این درس مفید خواهد بود. درس رمزنگاری متقارن (توصیه می‌شود قبل از این دوره گذرانده شود) در مورد محاسبات مدول نیز بحث می‌کند. این دوره بصورت متقابل لیست شده است و بخشی از دو تخصص، تخصص رمزنگاری کاربردی و تخصص رمزنگاری کاربردی مقدمه ای است.

coursera رمزنگاری و نظریه اطلاعات (Mitalearn-311658)

  • 1 hours 27 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sang-Yoon Chang
درباره این دوره:

به رمزنگاری و نظریه اطلاعات خوش آمدید! این دوره ترکیبی از رمزنگاری (تکنیک های محافظت از اطلاعات در برابر دسترسی غیرمجاز) و نظریه اطلاعات (مطالعه کدگذاری و انتقال اطلاعات) است. به طور خاص، این دوره رمزنگاری را از دیدگاه نظری اطلاعاتی مورد مطالعه قرار می دهد و مفاهیمی مانند آنتروپی و قابلیت های دانش مهاجم را مورد بحث قرار می دهد، به عنوان مثال، اصل کرکهوف. همچنین امنیت تئوری اطلاعات و امنیت محاسباتی را در تضاد قرار می‌دهد تا رشته افکار متفاوتی را که ساختار الگوریتمی رمزنگاری و تحلیل‌های امنیتی را هدایت می‌کنند، برجسته کند. این دوره بخشی از تخصص رمزنگاری کاربردی است.

coursera رمزنگاری و نمای کلی هشینگ (Mitalearn-306031)

  • 1 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Stefano M. Stefan
درباره این دوره:

با بررسی ماهیت مالکیت و اینکه چگونه زنجیره بلوکی یکی از راه‌های نزدیک شدن به مدیریت تراکنش‌های غیرمتمرکز است، به یادگیری فناوری بلاک چین ادامه دهید. این دوره همچنین رمزنگاری و هش را که برای احراز هویت کاربران و تضمین حریم خصوصی تراکنش‌ها حیاتی هستند، رفع می‌کند. این دوره برای تکمیل تکالیف نیاز به خرید دو کتاب دارد: درشر، دی (2017). مبانی بلاک چین: مقدمه ای غیر فنی در 25 مرحله. (ISBN-13: 978-1484226032) آنتونوپولوس، A. M. (2017). اینترنت پول، جلد دوم. (ISBN-13: 978-1947910065)

coursera رنج و شرایط انسانی (Mitalearn-358663)

  • 1 hours 39 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Don Grant
درباره این دوره:

رنج یک ویژگی اجتناب ناپذیر و در عین حال ناشناخته وجود انسان است. این دوره به بررسی چگونگی واکنش جوامع به واقعیت گیج کننده درد و رنج انسان می پردازد. از جمله سؤالاتی که به آن می پردازد، موارد زیر است: رنج چیست؟ کدام نوع از مصائب انسان منحصر به دنیای مدرن است؟ آیا معنی و تصویر رنج در طول زمان تغییر کرده است؟ آیا رسانه های دیجیتال ما را نسبت به رنج دیگران حساس می کنند یا حساسیت زدایی می کنند؟ رنج و شرایط انسانی علاوه بر آشنا کردن دانش‌آموزان با ادبیات دانشگاهی و بحث‌های مربوط به این موضوعات، این فرصت را به آنها می‌دهد تا روشی برای مطالعه مصائب انسانی بیاموزند که بازیگرانی را که آن را تداوم می‌بخشد، شناسایی کند.

coursera رهبر اخلاقی (Mitalearn-284747)

  • 4 hours 35 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Christopher Dreisbach
درباره این دوره:

این در درجه اول برای دانشجویان پس از لیسانس علاقه مند به تئوری رهبری و رهبری اخلاقی است. بخش اول این دوره دانشجویان را با ادبیات کلاسیک در اخلاق فلسفی از جمله رویکردهای نتیجه‌گرایانه، قاعده‌گرا، دین‌شناختی و نظریه فضیلت آشنا می‌کند. این شامل بررسی مسئولیت‌های اخلاقی رهبران در قبال خود، شرکت‌ها، دولت و مردم است. در بخش دوم این دوره، دانشجویان چارچوب‌های تصمیم‌گیری را به کار می‌گیرند، از تئوری‌های رهبری استفاده می‌کنند و تجربه‌ای در تصمیم‌گیری پیرامون مسائل اخلاقی کسب می‌کنند. در نهایت، دانش‌آموزان چالش‌های اخلاقی را که هوش مصنوعی برای رهبران اخلاقی ایجاد می‌کند، در نظر خواهند گرفت. این یک دوره در تخصص Coursera، رهبری: مقدمه است. این آخرین روندها در نظریه رهبری را با استناد به چندین رشته از جمله تجارت، جامعه شناسی، فلسفه، تاریخ و روانشناسی بررسی می کند. برای تکمیل موفقیت‌آمیز این دوره، دانش‌آموزان باید بتوانند خواندن‌های سطح کالج و ارائه‌های صوتی/تصویری را در بخش‌های قابل فهم، از جمله مقدمات و نتیجه‌گیری، تجزیه و تحلیل کنند. ترکیب نتایج تجزیه و تحلیل به خلاصه های منسجم و دقیق؛ و نتایج را از نظر دقت و کاربرد عملی ارزیابی کنید. پس از اتمام موفقیت آمیز دوره، دانشجویان قادر خواهند بود • اصول اخلاقی برای شیوه های رهبری را شناسایی کنید • نظریه های رهبری را از نظر قوت و ضعف اخلاقی مقایسه کنید • از اصول اخلاقی برای شیوه های رهبری استفاده کنید • استانداردهای صنعت و تکنیک های شیوه های رهبری اخلاقی را مقایسه و مقایسه کنید

coursera رهبر متقاعد کننده (Mitalearn-291309)

  • 2 hours 35 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Christopher Dreisbach
درباره این دوره:

این در درجه اول برای دانشجویان پس از لیسانس علاقه مند به تئوری رهبری است. این دوره دارای چهار ماژول است. ماژول 1 رهبری چابک را به عنوان (الف) دنباله منطقی برای رهبری تطبیقی ​​و تیمی، و (ب) پایه و اساس رهبری متقاعد کننده معاصر، به دانشجویان معرفی می کند. موضوعات شامل تعریف کاری از رهبری چابک، نیاز به رهبری چابک و ویژگی های رهبر چابک است. ماژول 2 به این سوال پاسخ می دهد که رهبری متقاعد کننده چیست؟ موضوعات عبارتند از رهبری متقاعد کننده در مقابل اجبار، گفتگو به عنوان ضروری برای رهبری متقاعد کننده، انواع متقاعدسازی، عناصر متقاعدسازی، و اصول متقاعدسازی. ماژول 3 به این سوال پاسخ می دهد، چرا رهبری متقاعد کننده؟ موضوعات شامل طرح سوال، مزایای سازمان، مزایا، برای تیم و مزایای رهبر است. ماژول 4 به این سوال پاسخ می دهد، رهبری متقاعد کننده: چگونه؟ موضوعات شامل آماده سازی رهبر، آماده سازی تیم، درگیر کردن تیم در یک برنامه، اجرای برنامه و ارزیابی و بهبود است. برای تکمیل موفقیت‌آمیز این دوره، دانش‌آموزان باید بتوانند خواندن‌های سطح کالج و ارائه‌های صوتی/تصویری را در بخش‌های قابل فهم، از جمله مقدمات و نتیجه‌گیری، تجزیه و تحلیل کنند. ترکیب نتایج تجزیه و تحلیل به خلاصه های منسجم و دقیق؛ و نتایج را از نظر دقت و کاربرد عملی ارزیابی کنید. این یک دوره در تخصص Coursera، رهبری: مقدمه است. روندهای فعلی در نظریه رهبری را با استناد به چندین رشته از جمله تجارت، جامعه شناسی، فلسفه، تاریخ و روانشناسی بررسی می کند. پس از اتمام موفقیت آمیز دوره، دانشجویان قادر خواهند بود • رهبری متقاعد کننده را تعریف کنید • توضیح دهید که چگونه رهبری تطبیقی، رهبری تیمی و رهبری چابک زیربنای متقاعدکننده بودن است رهبری • ارزش رهبری متقاعد کننده برای رهبری سازمانی معاصر را ارزیابی کنید • تکنیک های رهبری متقاعد کننده را در چالش های سازمانی به کار ببرید

coursera رهبران انفورماتیک پرستاری (Mitalearn-285087)

  • 1 hours 16 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Bonnie L. Westra, PhD, RN, FAAN, FACMI
درباره این دوره:

coursera رهبری اخلاقی از طریق صدا دادن به ارزش ها (Mitalearn-287518)

  • 3 hours 40 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mary Gentile
درباره این دوره:

این دوره مقدمه ای مبتنی بر عمل برای دادن صدای به ارزش ها (یا GVV)، یک رویکرد جدید هیجان انگیز برای توسعه رهبری ارزش محور در محل کار، در آموزش کسب و کار و در زندگی ارائه می دهد. GVV در مورد متقاعد کردن مردم به اخلاقی‌تر بودن نیست، بلکه از این فرض شروع می‌شود که بیشتر ما می‌خواهیم بر اساس ارزش‌های خود عمل کنیم، اما همچنین می‌خواهیم احساس کنیم که شانس معقولی برای انجام این کار به طور مؤثر داریم. از طریق مثال‌های مثبت و واقعی زندگی، پیش‌نویسی، تمرین و مربیگری همتایان، GVV مهارت، اعتماد به نفس و احتمال این را ایجاد می‌کند که بیشتر و با موفقیت بیشتر به ارزش‌های خود عمل کنیم. بر اساس تحقیقات و تمرین، با بیش از 1000 خلبان در محیط‌های آموزشی و شرکت‌ها در هر هفت قاره، GVV به پاسخگویی به این سؤالات کمک می‌کند: «اگر قرار بود بر اساس ارزش‌هایم عمل کنم، چه می‌شد؟ چه بگویم و چه کنم؟ چگونه می‌توانم مؤثرترین باشم؟» این دوره در دانشکده تجارت Darden در دانشگاه ویرجینیا توسعه یافته است و توسط اساتید برتر تدریس می شود. شما با یک جعبه ابزار گسترده و همچنین تمرین در انواع روش ها و تکنیک ها برای بیان و اجرای ارزش ها و اصول خود از GVV دور خواهید شد. شما مهارت‌های رهبری را در "کوچینگ همتا" با دیگر یادگیرندگان توسعه داده و تمرین خواهید کرد. از طریق موارد و داستان‌های مبتنی بر تضادهای قابل تشخیص در محل کار، کلاس درس و ارزش‌های زندگی، تکنیک‌های GVV و "قاب‌بندی مجدد" را به کار می‌گیرید و کارنامه خود را برای اقدامات احتمالی گسترش می‌دهید. و همچنین شناسایی و تکرار پاسخ هایی که احتمالاً مؤثرترین هستند، از طریق این تمرین، اعتماد به نفس و شایستگی بیشتری در بیان و اجرای مؤثر ارزش های خود به دست خواهید آورد.

coursera رهبری از درون (Mitalearn-300166)

  • 6 hours 33 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Joe Holt
درباره این دوره:

یک تفاوت مهم بین رهبری از بیرون و رهبری از درون وجود دارد: نحوه تصمیم گیری. کسانی که از بیرون رهبری می کنند، تصمیمات اخلاقی را بر اساس فشار بیرونی یا نظرات دیگران می گیرند نه بر اساس ارزش ها و باورهای عمیق شخصی. هنگامی که آنها در مورد مسائل اخلاقی صحبت می کنند، این کار را بدون اصالت انجام می دهند و به جای اعتماد به پیروان خود، تردید ایجاد می کنند. کسانی که از درون رهبری می کنند ارزش ها و باورهای شخصی عمیقی دارند و شجاعانه بر اساس آن اعتقادات تصمیم می گیرند. آنها در زندگی خود احساس هدفمندی دارند و هدف و جهت گیری واضحی را در دیگران القا می کنند. این دوره ابزارها و بینش هایی را ارائه می دهد که به شما کمک می کند با موفقیت از درون در سطوح شخصی، سازمانی و اجتماعی رهبری کنید.

coursera رهبری از طریق ارتباط موثر (Mitalearn-369118)

  • مبتدی
  • Release date: 27 June 2026
  • Author: CareerCatalyst
درباره این دوره:

آیا برای تأثیرگذاری بر شانس موفقیت تیم خود تلاش می کنید؟ مهارت های ارتباطی و رهبری موثر را از این دوره آموزشی ارتباط موثر بیاموزید!

Suggestions