این دوره در دو بخش ارائه شده است که مبانی نظری و عملی سیستم های اطلاعات جغرافیایی (GIS) را ارائه می کند. - این دوره ها با هم مقدمه ای بر GIS هستند و نیازی به دانش قبلی ندارند. - با دنبال کردن این مقدمه در GIS شما به سرعت دانش اولیه مورد نیاز برای ایجاد پایگاه های اطلاعاتی فضایی و تولید نقشه ها و نمایش های نقشه برداری با کیفیت بالا را به دست خواهید آورد. - این یک دوره کاربردی است و مبتنی بر نرم افزار رایگان و متن باز از جمله QGIS می باشد. اگر در زمینه های مدیریت زمین یا تجزیه و تحلیل اشیاء پراکنده جغرافیایی مانند برنامه ریزی کاربری زمین، زیست شناسی، بهداشت عمومی، بوم شناسی یا انرژی مطالعه یا کار می کنید، این دوره برای شما مناسب است! در این بخش اول دوره، ما بر روی دیجیتالی کردن و ذخیره سازی داده های جغرافیایی تمرکز خواهیم کرد. به طور خاص، شما یاد خواهید گرفت: - توصیف اشیاء و/یا پدیده‌های فضایی (مدل‌سازی قلمرو) با توجه به موقعیت آنها در فضا (از طریق سیستم‌های مختصات، پیش‌بینی‌ها و روابط فضایی) و با توجه به ماهیت ذاتی آنها (حالت شی/بردار در مقابل حالت تصویر/تصویری). - در مورد وسایل مختلف مورد استفاده برای به دست آوردن داده های مکانی. از جمله اندازه گیری مستقیم، تصاویر ارجاع جغرافیایی، دیجیتالی کردن، منبع داده های موجود و غیره). - در مورد روش های مختلف ذخیره داده های جغرافیایی - به ویژه فایل ها و پایگاه های داده رابطه ای. - نحوه استفاده از ابزار مدلسازی داده برای توصیف و ایجاد پایگاه داده فضایی. - برای پرس و جو و تجزیه و تحلیل داده ها با استفاده از SQL، یک زبان رایج دستکاری داده ها. بخش دوم این دوره بر روش های تحلیل فضایی و نمایش داده های جغرافیایی متمرکز خواهد بود. در این بخش یاد خواهید گرفت: - نحوه توصیف و تعیین کمیت خصوصیات فضایی متغیرهای گسسته، به عنوان مثال از طریق خودهمبستگی فضایی. - برای کار با متغیرهای پیوسته. به طور خاص، ما به استراتژی‌های نمونه‌برداری، نحوه ساخت خطوط کانتور و منحنی‌های هم ارزش نگاه خواهیم کرد، و روش‌های مختلف درون یابی را بررسی خواهیم کرد. - استفاده از مدل های رقومی ارتفاع و ایجاد محصولات مشتق از آنها (یعنی شیب، جهت گیری). - نحوه ارزیابی تعامل بین انواع مختلف داده های جغرافیایی از طریق تکنیک های پوشش و تعامل. - نحوه ایجاد نقشه های موثر بر اساس قوانین نشانه شناسی گرافیکی. - در نهایت، ما همچنین اشکال دیگر، رایج‌تر، بازنمایی فضایی مانند نقشه‌برداری تعاملی وب و نمایش‌های سه‌بعدی را نیز بررسی خواهیم کرد. می توانید یک انجمن تعاملی برای شرکت کنندگان دوره در صفحه فیس بوک ما پیدا کنید: https://www.facebook.com/moocsig

به دوره تخصصی سیستم های پایگاه داده رابطه ای خوش آمدید. این دوره در مدت شش هفته تکمیل می شود و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده یاد بگیرید که چگونه چندین نوع سیستم اطلاعاتی و پایگاه داده برای حل مشکلات و نیازهای مختلف شرکت ها در دسترس است. هدف: یک زبان آموز قادر خواهد بود با برنامه نویسی برنامه ها و منابع قابل اعتماد، مقیاس پذیر و قابل نگهداری با استفاده از اکوسیستم SQL و Hadoop، سیستم های پایگاه داده تحلیلی، تراکنشی یا NoSQL را با توجه به نیازهای تجاری طراحی، آزمایش و پیاده سازی کند. زبان های برنامه نویسی: برای دوره 1 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: MySQL میز کار در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

سیستم‌های یادگیری ماشینی که در سیستم‌های پشتیبانی تصمیم‌گیری بالینی (CDSS) استفاده می‌شوند، نیاز به اعتبارسنجی خارجی، تحلیل کالیبراسیون، ارزیابی سوگیری و انصاف دارند. در این دوره، مفاهیم اصلی ارزیابی یادگیری ماشین پذیرفته شده در CDSS توضیح داده خواهد شد. علاوه بر این، تجزیه و تحلیل منحنی تصمیم همراه با CDSS انسان محور که نیاز به توضیح دارد، مورد بحث قرار خواهد گرفت. در نهایت، نگرانی‌های مربوط به حریم خصوصی مدل‌های یادگیری عمیق و حملات خصمانه احتمالی همراه با چشم‌انداز نسل جدیدی از CDSS قابل توضیح و حفظ حریم خصوصی ارائه خواهد شد.

در این دوره، نحوه استفاده از تکنیک های پیشرفته یادگیری ماشینی برای ساختن سیستم های توصیه گر پیچیده تر را خواهید دید. یادگیری ماشینی با بهره گیری از نظرات تاریخی کاربران و ساخت خودکار مدل، بدون نیاز به فکر کردن به تمام جزئیات مدل، قادر به ارائه توصیه ها و پیش بینی های بهتر است. در پایان سیستم‌های توصیه‌کننده پیشرفته، می‌دانید که چگونه اطلاعات ترکیبی را مدیریت کنید و چگونه تکنیک‌های مختلف فیلتر را با هم ترکیب کنید و از هر رویکرد بهترین‌ها را بگیرید. بیشتر، می‌دانید چگونه از ماشین‌های فاکتورسازی استفاده کنید و داده‌های ورودی را بر اساس آن نشان دهید و بتوانید سیستم‌های توصیه‌گر پیچیده‌تری را طراحی کنید، که می‌تواند مشکل توصیه بین دامنه‌ای را حل کند. این دوره از دو پیامد یادگیری فراگیر دیجیتال EIT (OLO) که مربوط به خلاقیت و مهارت‌های نوآوری شماست، استفاده می‌کند. در تلاش برای طراحی یک سیستم توصیه‌کننده جدید، باید فراتر از مرزها فکر کنید و سعی کنید دریابید که چگونه می‌توانید کیفیت نتایج را بهبود بخشید. شما همچنین باید بتوانید از دانش، ایده ها و فناوری برای ایجاد ابزارهای توصیه جدید یا بهبود قابل توجهی برای پشتیبانی از فرآیندهای انتخاب و حل مشکلات زندگی واقعی در سناریوهای پیچیده و نوآورانه استفاده کنید.

در این دوره شما: الف) مفهوم اساسی سیستم های توصیه گر را درک کنید. ب) فیلتر مشارکتی را درک کنید. ج) سیستم توصیه‌کننده را با یادگیری عمیق درک کنید. د) مسائل بیشتر سیستم های توصیه گر را درک کنید. لطفاً مطمئن شوید که برنامه نویسی در پایتون راحت هستید و دانش پایه ای از ریاضیات از جمله ضرب ماتریس، احتمال شرطی و الگوریتم های اصلی یادگیری ماشین دارید.

این دوره پروژه اصلی برای تخصص سیستم‌های توصیه‌کننده، همه چیزهایی را که در مورد الگوریتم‌ها و ارزیابی سیستم‌های توصیه‌گر آموخته‌اید را در یک پروژه تحلیل و طراحی توصیه‌گر جامع گرد هم می‌آورد. به شما یک مطالعه موردی داده می شود تا جایی که باید طراحی یک سیستم توصیه گر را از طریق تجزیه و تحلیل اهداف توصیه گر و عملکرد الگوریتم انتخاب و توجیه کنید. فراگیران در مسیر افتخارات بر ارزیابی تجربی الگوریتم ها در برابر مجموعه داده های با اندازه متوسط ​​تمرکز خواهند کرد. مسیر استاندارد شامل ترکیبی از نتایج ارائه شده و کاوش صفحه گسترده خواهد بود. هر دو گروه گزارشی را تهیه خواهند کرد که تجزیه و تحلیل، راه حل انتخاب شده و توجیه آن راه حل را مستند می کند.

در این دوره با نحوه ارزیابی سیستم های توصیه گر آشنا می شوید. شما با چندین خانواده از معیارها، از جمله مواردی برای اندازه‌گیری دقت پیش‌بینی، دقت رتبه‌بندی، پشتیبانی از تصمیم‌گیری، و عوامل دیگری مانند تنوع، پوشش محصول و سرندیپیتی آشنا خواهید شد. شما خواهید آموخت که چگونه معیارهای مختلف با اهداف مختلف کاربر و اهداف تجاری مرتبط است. همچنین یاد خواهید گرفت که چگونه ارزیابی های آفلاین را به دقت انجام دهید (به عنوان مثال، چگونه داده ها را تهیه و نمونه برداری کنید، و چگونه نتایج را جمع آوری کنید). و با ارزیابی آنلاین (تجربی) آشنا خواهید شد. در پایان این دوره، ابزارهایی را خواهید داشت که برای مقایسه گزینه های مختلف سیستم توصیه گر برای کاربردهای مختلف نیاز دارید.

دوره آموزشی Basic Recommender Systems شما را با رویکردهای پیشرو در سیستم های توصیه گر آشنا می کند. تکنیک‌های توصیف‌شده هم رویکردهای مشارکتی و هم مبتنی بر محتوا را لمس می‌کنند و شامل مهم‌ترین الگوریتم‌های مورد استفاده برای ارائه توصیه‌ها می‌شوند. شما یاد خواهید گرفت که آنها چگونه کار می کنند، چگونه از آنها استفاده کنید و چگونه آنها را ارزیابی کنید و به مزایا و محدودیت های جایگزین های مختلف سیستم توصیه کننده اشاره کنید. پس از اتمام این دوره، می‌توانید الزامات و اهداف سیستم‌های توصیه‌گر را بر اساس حوزه‌های کاربردی مختلف شرح دهید. شما می‌دانید که چگونه سیستم‌های توصیه‌گر را بر اساس داده‌های ورودی، مکانیسم‌های کاری داخلی و اهدافشان متمایز کنید. شما ابزارهایی برای اندازه گیری کیفیت یک سیستم توصیه گر و بهبود تدریجی آن با طراحی الگوریتم های جدید خواهید داشت. همچنین یاد خواهید گرفت که چگونه سیستم‌های توصیه‌گر را متناسب با حوزه‌های کاربردی جدید طراحی کنید، همچنین با در نظر گرفتن مسائل اجتماعی و اخلاقی اطراف مانند هویت، حریم خصوصی و دستکاری. ارائه توصیه های مقرون به صرفه، شخصی و با کیفیت بالا همیشه یک چالش است! این دوره همچنین از دو پیامد یادگیری فراگیر EIT (OLO) مرتبط با خلاقیت و مهارت های نوآوری بهره می برد. در تلاش برای طراحی یک سیستم توصیه‌گر جدید، باید فراتر از مرزها فکر کنید و سعی کنید بفهمید که چگونه می‌توانید کیفیت پیش‌بینی‌ها را بهبود ببخشید. شما همچنین باید بتوانید از دانش، ایده ها و فناوری برای ایجاد ابزارهای توصیه جدید یا بهبود قابل توجهی برای پشتیبانی از فرآیندها و استراتژی های انتخاب در سناریوهای مختلف و نوآورانه برای کیفیت بهتر زندگی استفاده کنید.

به مقدمه ای بر رمزنگاری کاربردی خوش آمدید. رمزنگاری جزء ضروری امنیت سایبری است. نیاز به حفاظت از اطلاعات حساس و اطمینان از یکپارچگی فرآیندهای کنترل صنعتی، مهارت‌های امنیت سایبری را در بازار فناوری اطلاعات امروزی برتری می‌دهد. طبق گفته سیمانتک، بزرگترین فروشنده نرم افزارهای امنیتی جهان، انتظار می رود تقاضا برای مشاغل امنیت سایبری تا سال 2019 در سطح جهان 6 میلیون افزایش یابد و کسری پیش بینی شده 1.5 میلیون نفر باشد. به گفته فوربس، انتظار می‌رود بازار امنیت سایبری از 75 میلیارد دلار در سال 2015 به 170 میلیارد دلار تا سال 2020 افزایش یابد. در این تخصص، مسائل امنیتی اساسی در ارتباطات رایانه‌ای، الگوریتم‌های رمزنگاری کلاسیک، رمزنگاری با کلید متقارن، رمزنگاری کلید عمومی، احراز هویت و امضای دیجیتال اگر در زمینه امنیت سایبری تازه کار هستید، این موضوعات به خصوص برای شما مفید خواهد بود. توصیه می شود دانش پایه ای از علوم کامپیوتر و مهارت های پایه ریاضی مانند جبر و احتمال را داشته باشید.

این دوره به شما درک درستی از سیستم‌های سازمانی (که معمولاً سیستم‌های برنامه‌ریزی منابع سازمانی، ERP نیز نامیده می‌شوند) را ارائه می‌دهد. پس از آشنایی با این سیستم‌ها، به این موضوع می‌پردازیم که چرا این سیستم‌ها برای شرکت‌ها مفید هستند و از طریق آن می‌توانید مشاغل و موقعیت‌های مختلفی را که با استفاده و استقرار ERP در ارتباط هستند، مشاهده کنید. در این دوره، شما همچنین از جنبه های مدیریتی مربوط به انتخاب و پیاده سازی ERP ها قدردانی خواهید کرد. به طور خاص، نکات مهمی را که باید هنگام انتخاب و خرید یک ERP در نظر گرفت، رویکردهای اتخاذ شده در پیاده‌سازی ERP و تکنیک‌های مدیریت تغییر برای استفاده در زمانی که یک سازمان در حال اجرای ERP است، بررسی می‌کنیم. در پایان این کلاس، دانش عملی به شما تعلق می گیرد که به شما کمک می کند تا به مشکلات تجاری دنیای واقعی مرتبط با استفاده و پیاده سازی ERP رسیدگی کنید.

این دوره از تجزیه و تحلیل مقایسه ای سیستم های مراقبت های بهداشتی برای به دست آوردن درک بهتری از سیستم های مراقبت های بهداشتی در چندین کشور پردرآمد، با درآمد متوسط ​​و کم درآمد استفاده می کند. بنابراین یکی از تمرکزهای تحلیل در این دوره، ایجاد دانش بهتر در مورد این سیستم های مراقبت بهداشتی خواهد بود. تمرکز دوم، استفاده از این تحلیل برای به دست آوردن درک بهتری از سیستم مراقبت های بهداشتی در ایالات متحده خواهد بود. این تجزیه و تحلیل برای کسانی که به طور مستقیم به ایالات متحده علاقه مند هستند، مرتبط است، اما همچنین برای آن دسته از دانشجویانی که به دنبال افزایش دانش سیستم های مراقبت های بهداشتی در کشورهای خود با به دست آوردن درک بهتری از مراقبت های بهداشتی ایالات متحده هستند، مرتبط است. سیستم تجزیه و تحلیل مقایسه ای سیستم های سلامت به مدیران و متخصصان مراقبت های بهداشتی که مسئول بهینه سازی نتایج سازمانی از طریق بهبود کیفیت مراقبت های بهداشتی و به طور همزمان کاهش هزینه های مراقبت های بهداشتی هستند، کمک خواهد کرد. این دوره از ترکیبی از چارچوب بلوک‌های ساختمان سازمان جهانی بهداشت به همراه تئوری‌های سیستم‌های پیچیده برای ایجاد چارچوبی برای مقایسه سیستم‌های سلامت در تعدادی از کشورهای پردرآمد، با درآمد متوسط ​​و کم درآمد استفاده می‌کند. این تجزیه و تحلیل، ظرفیت مدیران را برای ارزیابی انتقادی روابط بین سازمان‌های خود و مجموعه وسیع‌تری از تعاملات بین بلوک‌های ساختمانی که سیستم‌های مراقبت بهداشتی خاص را تشکیل می‌دهند، توسعه می‌دهد.

به اکتشاف همه جانبه سیستم های بهداشت شهری با MOOC ماهرانه ما که به طور خاص برای متخصصان و علاقه مندان به بهداشت شهری طراحی شده است، خوش آمدید. این بخش افتتاحیه از سری MOOC ما (شامل 3 MOOC) شما را وارد یک سفر 4 هفته‌ای جامع می‌کند، در چارچوب‌های چند رشته‌ای و مشاهدات تحلیلی که برای درک پیچیدگی‌های سلامت شهری ضروری است، پیمایش کنید. با بررسی موضوعات محوری، از جمله ارتباطات شهرنشینی-سلامت سیاره‌ای و رویکرد «سلامت در همه سیاست‌ها»، 2 واحد ECTS کسب کنید. ماژول 1 دانش بنیادی رویکردهای سیستمی و مسائل کلیدی بهداشت شهری را تقویت می کند، در حالی که ماژول 2 مهارت های مشاهده ای و تحلیلی شما را تقویت می کند و GIS، نظارت بر داده ها و ابزارهای هوش مصنوعی نوآورانه را معرفی می کند. MOOC با ایجاد یک نمودار جریان سیستمیک به اوج خود می رسد، که درک کاربردی و کاربردی را تضمین می کند، در نتیجه تصمیم گیری آگاهانه را برای تحقق محیط های شهری پایدار و سلامت محور تسهیل می کند. در یک سفر یادگیری عمیق شرکت کنید که در آن دانش نظری به طور هماهنگ با کاربرد عملی روبرو می شود و آینده سیستم های بهداشت شهری را ترسیم می کند.

در طول این دوره، از طریق یک لنز تفکر سیستمی به جزئیات پیچیده سیستم تولید مواد غذایی خواهید پرداخت. شما چالش های بزرگی را که صنایع غذایی، فیبر و منابع طبیعی با آن مواجه هستند و عواقب آن بر مردم، سیاره زمین و سود را بررسی خواهید کرد. در پایان این دوره، شما درک روشنی از مفهوم تفکر سیستمی خواهید داشت، می توانید سه رکن کلیدی پایداری را توضیح دهید و این ارکان را به سیستم های اجتماعی، زیست محیطی و اقتصادی مرتبط کنید. این دوره بخشی از مجموعه برنامه های آنلاین کالج ACES است. برای کسب اطلاعات بیشتر در مورد برنامه‌های آنلاین از کالج ACES و کشف راه‌هایی برای اعمال کار Coursera خود برای یک برنامه مدرک در دانشگاه ایلینویز، به acesonline.illinois.edu مراجعه کنید.  

این دوره دانش پیشرفته ای را در زمینه فناوری سیستم های فتوولتائیک به شما ارائه می دهد. ما در مورد منبع خورشیدی و چگونگی استفاده از تبدیل انرژی فتوولتائیک برای تولید برق یاد خواهیم گرفت. از این نقطه شروع اساسی، ما طراحی و ساخت فن‌آوری‌های مختلف سلول‌های خورشیدی و ماژول، اجزای مختلف سیستم فتوولتائیک، نحوه طراحی یک نیروگاه فتوولتائیک و انجام شبیه‌سازی بازده انرژی، موارد ضروری در اقتصاد انرژی، O&M و ارزیابی قابلیت اطمینان را پوشش خواهیم داد. و همچنین نقش انرژی فتوولتائیک در سیستم های انرژی پایدار. این دوره از این جهت منحصر به فرد است که شما را از فیزیک نانو سلول خورشیدی به مدل سازی یک مزرعه خورشیدی در مقیاس کاربردی می برد. این دوره از 9 بخش با حجم کاری تخمینی 2-3 ساعت تشکیل شده است. سطح آکادمیک برای دانشجویان کارشناسی ارشد در دانشگاه های فنی و مهندسین صنعت انرژی هدف گذاری شده است. گذراندن این دوره پایه ای عالی برای یک حرفه در زمینه فتوولتائیک به شما ارائه می دهد.

این دوره شما را با استانداردها و سیاست‌های صنعت برق آشنا می‌کند و واژگان اولیه مورد استفاده در تجارت را در اختیار شما قرار می‌دهد. این سیستم قدرت الکتریکی را از تولید برق گرفته تا دوشاخه دیواری معرفی می کند. با بخش های سیستم و اجزای متداول مانند کابل های برق و ترانسفورماتورها آشنا خواهید شد. این دوره برای افرادی است که قصد دارند در زمینه انرژی شغلی داشته باشند (که دارای حداقل دیپلم دبیرستان و دانش پایه ریاضی هستند) و کارکنان موجود در بخش انرژی با کمتر از سه سال تجربه که دوره آموزشی مشابهی را گذرانده اند و می خواهند از دوره ای از مفاهیم پایه صنعت بهره مند شوید. این دوره ترکیبی از سخنرانی ها، فیلم ها، مطالب خواندنی و بحث های آنلاین است. این اولین دوره در تخصص تولید، توزیع و ایمنی انرژی است که جنبه‌های مختلف بخش برق را بررسی می‌کند و یک پروژه اوج شامل ایجاد یک نقشه راه برای دستیابی به یک هدف حرفه‌ای مرتبط با انرژی را نشان می‌دهد. برای کسب اطلاعات بیشتر در مورد تخصص، یک نمای کلی ویدیویی را در https://www.youtube.com/watch?v=2Yh9qIYiUDk بررسی کنید.

این دوره برای هر کسی است که علاقه مند به یادگیری این است که چگونه یک جزء سخت افزاری را می توان در زمان اجرا برای پاسخگویی بهتر به نیازهای کاربران/محیط سازگار کرد. این انطباق می تواند توسط طراحان ارائه شود، یا می تواند یک ویژگی تعبیه شده در خود سیستم باشد. این سیستم‌های سازگار با زمان اجرا با استفاده از فناوری‌های FPGA پیاده‌سازی خواهند شد. در این دوره ما می خواهیم یک درک اساسی در مورد نحوه عملکرد FPGA ها و منطق پشت انتخاب آنها برای پیاده سازی یک سیستم مورد نظر ارائه دهیم. هدف این دوره آموزش اصول اولیه سیستم های محاسباتی قابل تنظیم مجدد مبتنی بر FPGA است. ما اصول نحوه تصمیم گیری در مورد استفاده یا عدم استفاده از FPGA و اگر ثابت شود این فناوری انتخاب مناسبی است، نحوه برنامه ریزی آن را پوشش می دهیم. این یک دوره مقدماتی است که قصد دارد شما را در دنیای FPGA راهنمایی کند تا شما را در مورد دلایلی که ممکن است مایل به کار با آنها باشید و در تلاش برای ارائه حس کاری که باید انجام دهید تا بتوانید به دست آورید آگاه تر کند. مزایایی که با استفاده از این فناوری ها به دنبال آن هستید. برای ارائه اطلاعات بیشتر در مورد موضوع پوشش داده شده در این دوره، به چند مطالعه اضافی تکیه می کنیم. لطفاً توجه داشته باشید که بیشتر اوقات، این اسناد از طریق کتابخانه دیجیتال IEEE Xplore ارائه می‌شوند، به این معنی که برای دسترسی به آنها، باید اشتراک‌های معتبر IEEE داشته باشید، چه توسط خودتان یا از طریق دانشگاه/شرکتتان. این دوره هیچ پیش نیازی ندارد و از همه به جز ساده ترین ریاضیات اجتناب می کند و موضوعات فنی را با استفاده از آنالوگ ارائه می دهد تا به دانش آموز بدون پیش زمینه فنی نیز کمک کند تا حداقل یک درک اساسی در مورد نحوه کار یک FPGA داشته باشد. یکی از اهداف اصلی این دوره تلاش برای دموکراتیک کردن درک و دسترسی به فناوری‌های FPGA است. FPGA ها نمونه فوق العاده ای از فناوری های قدرتمندی هستند که می توانند در حوزه های مختلف استفاده شوند. توانایی ارائه این فناوری ها به متخصصان حوزه و نشان دادن اینکه چگونه می توانند تحقیقات خود را به دلیل FPGA بهبود بخشند، می تواند به عنوان هدف نهایی این دوره در نظر گرفته شود. هنگامی که دانش آموز این دوره را به پایان رساند، آماده گذراندن دوره های پیشرفته FPGA خواهد بود.

هنگامی که یک مشکل کلان داده را برای تجزیه و تحلیل شناسایی کردید، چگونه داده های خود را با استفاده از راه حل های کلان داده جمع آوری، ذخیره و سازماندهی می کنید؟ در این دوره، ژانرهای مختلف داده و ابزارهای مدیریتی مناسب برای هر کدام را تجربه خواهید کرد. شما قادر خواهید بود دلایل پشت سرگذاشتن انبوهی از پلتفرم های جدید کلان داده را از دیدگاه سیستم های مدیریت داده های بزرگ و ابزارهای تحلیلی شرح دهید. از طریق آموزش های عملی هدایت شده، با تکنیک هایی با استفاده از نمونه های داده های بی درنگ و نیمه ساختاریافته آشنا خواهید شد. سیستم ها و ابزارهای مورد بحث عبارتند از: AsterixDB، HP Vertica، Impala، Neo4j، Redis، SparkSQL. این دوره تکنیک هایی را برای استخراج ارزش از منابع داده های دست نخورده موجود و کشف منابع داده جدید ارائه می دهد. در پایان این دوره، شما قادر خواهید بود: * عناصر داده های مختلف را در کار خود و مشکلات زندگی روزمره تشخیص دهید * توضیح دهید که چرا تیم شما نیاز به طراحی یک طرح زیرساخت داده بزرگ و طراحی سیستم اطلاعاتی دارد * عملیات داده های مکرر مورد نیاز برای انواع مختلف داده را شناسایی کنید * مدل داده ای را متناسب با ویژگی های داده های خود انتخاب کنید * تکنیک هایی را برای مدیریت داده های جریانی اعمال کنید * بین سیستم مدیریت پایگاه داده سنتی و سیستم مدیریت داده های بزرگ تفاوت قائل شوید * قدردانی کنید که چرا سیستم های مدیریت داده های زیادی وجود دارد * طراحی یک سیستم اطلاعات کلان داده برای یک شرکت بازی آنلاین این دوره برای کسانی است که تازه وارد علم داده می شوند. تکمیل Intro to Big Data توصیه می شود. هیچ تجربه برنامه نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. برای مشخصات کامل سخت افزار و نرم افزار به الزامات فنی تخصصی مراجعه کنید. الزامات سخت افزاری: (الف) پردازنده چهار هسته ای (پشتیبانی VT-x یا AMD-V توصیه می شود)، 64 بیتی؛ (ب) 8 گیگابایت رم؛ (C) 20 گیگابایت دیسک رایگان. نحوه پیدا کردن اطلاعات سخت افزاری خود: (ویندوز): با کلیک بر روی دکمه Start، روی Computer راست کلیک کرده و سپس روی Properties کلیک کنید. (Mac): با کلیک بر روی منوی اپل و کلیک کردن روی «درباره این مک»، نمای کلی را باز کنید. اکثر رایانه های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط را برآورده می کنند. شما به اتصال به اینترنت پرسرعت نیاز دارید زیرا فایل هایی تا حجم 4 گیگابایت را دانلود خواهید کرد. نرم افزار مورد نیاز: این دوره متکی بر چندین ابزار نرم افزار منبع باز از جمله Apache Hadoop است. تمام نرم افزارهای مورد نیاز را می توان به صورت رایگان دانلود و نصب کرد (به جز هزینه های داده از ارائه دهنده اینترنت شما). الزامات نرم افزار عبارتند از: Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ VirtualBox 5+.

در این دوره، ما بر روی درس های قبلی در این تخصص می پردازیم تا بر روی برخی از مهارت های بسیار خاص مرتبط با نظارت بر سلامت عمومی تمرکز کنیم. ما یاد خواهیم گرفت که چگونه از تجزیه و تحلیل داده های نظارتی بیشترین بهره را ببریم، و به طور خاص بر تفسیر داده های روند زمانی برای تشخیص انحرافات زمانی و همچنین شخص، مکان و زمان در زمینه داده های نظارت تمرکز می کنیم. ما همچنین استراتژی‌هایی را برای ارائه داده‌های نظارتی و برخی از عناصر حقوقی پیچیده‌ای که بر استفاده از آن تأثیر می‌گذارند، بررسی خواهیم کرد. سپس توجه خود را به نظارت بر بیماری‌های مزمن غیرواگیر و نحوه استفاده از داده‌ها برای حمایت از تلاش‌های پیشگیری معطوف خواهیم کرد. در نهایت، سیستم‌های نظارتی ویژه، مانند نظارت سندرمی، مقاومت ضد میکروبی، و نظارت مرتبط با رویداد را بررسی خواهیم کرد. این دوره برای پزشکان بهداشت عمومی با تمرکز بر کسانی که در سازمان های بهداشت عمومی شهری، منطقه ای، ایالتی، استانی یا حتی ملی کار می کنند، طراحی شده است. ما واقعاً فکر می کنیم که این دوره به کسانی که علاقه مند به نظارت بر سلامت هستند کمک می کند تا ببینند کدام رویکردها در عمل واقعی بهداشت عمومی استفاده می شود.

اپیدمیولوژی اغلب به عنوان علم سنگ بنا توصیف می شود و بهداشت عمومی و نظارت بر سلامت عمومی سنگ بنای اپیدمیولوژی است. این دوره به شما کمک می کند تا آگاهی و مهارت های فنی خود را برای کار با انواع سیستم های نظارتی ایجاد کنید. در طول مسیر، ما بر اهداف سیستم، گزارش داده ها، ویژگی های نظارتی اصلی و ارزیابی عملکرد تمرکز خواهیم کرد. این دوره برای پزشکان بهداشت عمومی و هر کسی که می خواهد در مورد اصول اولیه نظارت بر سلامت عمومی بیشتر بیاموزد طراحی شده است. اگر سیستم های نظارتی را توسعه داده یا پیاده سازی می کنید یا می خواهید این کار را انجام دهید یا از داده های حاصل از نظارت استفاده کنید، این دوره برای شما مناسب است. همچنین برای افرادی است که علاقه مند به درک بیشتر در مورد این ابزار اساسی اپیدمیولوژیک و عملکرد بهداشت عمومی هستند.

هدف این دوره ارائه دانش مورد نیاز برای طراحی و توسعه راه حل های کارآمد رانندگی و ناوبری برای وسایل نقلیه خودران است. رانندگی می تواند استراتژیک یا تاکتیکی باشد در حالی که ناوبری عملکردی است که اطلاعاتی در مورد موقعیت، سرعت و جهت وسیله نقلیه ارائه می دهد. با ادغام اندازه گیری از منابع مختلف مانند سنسورها و گیرنده ها ساخته می شود.