Course catalog

Course duration

Course provider

Topic

Categories

Showing 3,321-3,340 of 4,310 items.

coursera محیط کسب و کار بین المللی (Mitalearn-300387)

  • 1 hours 19 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dr Alan Parkinson
درباره این دوره:

این دوره به بررسی محیط کسب و کار بین المللی می پردازد که سازمان ها در آن فعالیت می کنند. شما در مورد روش های تجزیه و تحلیل هسته، از جمله PESTLE، SWOT، و Boston Box Matrices و همچنین کاربردهای Porter’s Five Forces آشنا خواهید شد. شما این فرصت را خواهید داشت که در انجمن های گفتگو شرکت کنید و به مطالعات موردی دسترسی پیدا کنید و همچنین درک خود را در آزمون ها آزمایش کنید. این دوره بخشی از یک تخصص از دانشگاه لندن است که برای کمک به توسعه و ایجاد مهارت‌های ضروری تجاری، دانشگاهی و فرهنگی لازم برای موفقیت در تجارت بین‌المللی یا تحصیل بیشتر طراحی شده است. در صورت تکمیل موفقیت آمیز، گواهی شما از این تخصص نیز می تواند به عنوان بخشی از فرآیند درخواست برای برنامه MBA جهانی دانشگاه لندن، به ویژه برای متقاضیان شغل اولیه استفاده شود. اگر اطلاعات بیشتری در مورد MBA جهانی می خواهید، لطفاً به https://mba.london.ac.uk/ مراجعه کنید. این دوره توسط CMI تایید شده است

coursera مخازن داده بهار (Mitalearn-312066)

  • 2 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Derek Parsons
درباره این دوره:

هدف این دوره دانشجویانی است که می خواهند یاد بگیرند که چگونه جاوا با پایگاه های داده در یک چارچوب مدرن تعامل دارد. این دوره از چارچوب بسیار محبوب Spring Boot با سرویس های Micro به عنوان تنظیماتی برای تعاملات پایگاه داده ما با استفاده از Java Persistence Framework (JPA) و Spring Data Repositories برای انتزاع JPA استفاده می کند. سپس دانش‌آموزان یاد می‌گیرند که چگونه مخازن را به‌عنوان خدمات Rest Web با استفاده از Hypermedia به‌عنوان موتور حالت برنامه یا مفاهیم HATEAOS در معرض نمایش قرار دهند. برنامه‌نویسی جنبه‌گرایانه بهار (AOP) پوشش داده خواهد شد تا نشان دهد که چگونه نگرانی‌های مقطعی مانند ورود به سیستم را می‌توان به صورت متمرکز و غیر گریزانه برای کلاس‌های دامنه اعمال کرد. در نهایت این دوره استفاده از مدیران تراکنش های فنری و مدل تراکنش های پیکربندی اعلامی Springs را پوشش می دهد.

coursera مد به عنوان طراحی (Mitalearn-363984)

  • 4 hours 19 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Paola Antonelli,Michelle Millar Fisher,Stephanie Kramer
درباره این دوره:

Fashion as Design بر مجموعه‌ای از لباس‌ها و اکسسوری‌ها از سراسر جهان تمرکز دارد، از پارچه کنته و جین گرفته تا یقه‌های یقه‌شب، لباس شنا و لباس‌های پرینت سه بعدی. از طریق این لباس‌ها، نگاهی دقیق‌تر به آنچه می‌پوشیم، چرا آن را می‌پوشیم، نحوه ساخت و معنای آن خواهید انداخت. مستقیماً از طیف وسیعی از طراحان، سازندگان، مورخان و دیگرانی که هر روز با لباس کار می کنند بشنوید - و در برخی موارد، آن را دوباره برای آینده اختراع می کنند. بازدید از استودیو، مصاحبه ها و سایر منابع تاریخچه و توسعه هر لباس و تغییر کاربردها، معانی و تاثیر آنها در طول زمان را معرفی می کند.

coursera مداخلات و کالیبراسیون (Mitalearn-345233)

  • 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nimalan Arinaminpathy
درباره این دوره:

این دوره روش هایی برای مدل سازی درمان بیماری های عفونی و همچنین مدل سازی واکسیناسیون را پوشش می دهد. با تکیه بر مدل SIR، یاد خواهید گرفت که چگونه محفظه های اضافی را برای نمایش اثرات مداخلات، مانند تأثیر واکسیناسیون در کاهش حساسیت، ترکیب کنید. شما در مورد واکسن‌های «نشتی» و نحوه مدل‌سازی آن‌ها و همچنین انواع مختلف واکسن و اثرات درمانی یاد خواهید گرفت. مهم است که روابط اساسی بین مدل ها و داده ها را در نظر بگیرید، بنابراین، با استفاده از مدل پایه SIR که در دوره 1 ایجاد کرده اید، این مدل را به داده های همه گیر کالیبره خواهید کرد. انجام چنین کالیبراسیون با دست به شما کمک می کند تا درک درستی از نحوه تنظیم پارامترهای مدل به منظور گرفتن داده های دنیای واقعی داشته باشید. در نهایت در این دوره، با دو رویکرد ساده برای کالیبراسیون مدل مبتنی بر کامپیوتر آشنا خواهید شد - رویکرد حداقل مربعات و رویکرد حداکثر احتمال. شما کالیبراسیون مدل را تحت هر یک از این رویکردها در R انجام خواهید داد.

coursera مدارهای خطی 1: تجزیه و تحلیل DC (Mitalearn-354192)

  • 16 hours 5 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dr. Bonnie H. Ferri,Dr. Joyelle Harris,Dr Mary Ann Weitnauer
درباره این دوره:

این دوره نحوه تجزیه و تحلیل مدارهایی که دارای جریان مستقیم (DC) یا منابع ولتاژ هستند را توضیح می دهد. منبع DC منبعی است که ثابت باشد. مدارهای دارای مقاومت، خازن و سلف هم به صورت تحلیلی و هم تجربی پوشیده شده اند. برخی از کاربردهای عملی در حسگرها نشان داده شده است.

coursera مدارهای خطی 2: تجزیه و تحلیل AC (Mitalearn-351336)

  • 5 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Bonnie H. Ferri,Dr. Joyelle Harris
درباره این دوره:

این دوره نحوه تجزیه و تحلیل مدارهایی که دارای ولتاژ یا منابع جریان متناوب (AC) هستند را توضیح می دهد. مدارهای دارای مقاومت، خازن و سلف هم به صورت تحلیلی و هم تجربی پوشیده شده اند. برخی از کاربردهای عملی در حسگرها نشان داده شده است.

coursera مدارهای مبدل (Mitalearn-352866)

  • 6 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Robert Erickson
درباره این دوره:

این دوره همچنین می تواند برای اعتبار آکادمیک به عنوان ECEA 5701، بخشی از مدرک کارشناسی ارشد CU Boulder در مهندسی برق، اخذ شود. این دوره مفاهیم پیشرفته تر مدارهای مبدل حالت سوئیچ را معرفی می کند. تحقق نیمه هادی های قدرت در اینورترها یا مبدل های دارای جریان توان دو طرفه توضیح داده شده است. دیودهای قدرت، ماسفت‌های قدرت و IGBT به همراه منشأ زمان تعویض آنها توضیح داده شده‌اند. مدل‌های مدار معادل برای شامل اثرات تلفات سوئیچینگ اصلاح شده‌اند. حالت هدایت ناپیوسته توصیف و تحلیل شده است. تعدادی از توپولوژی های مدار مبدل معروف، از جمله آنهایی که دارای جداسازی ترانسفورماتور هستند، مورد بررسی قرار گرفته اند. تکالیف خانه شامل یک مبدل تقویت کننده و یک اینورتر پل H مورد استفاده در یک سیستم اینورتر خورشیدی با رابط شبکه، و همچنین مبدل های جلو و عقب جدا شده از ترانسفورماتور است. پس از اتمام این دوره، شما: ● نحوه پیاده سازی دستگاه های نیمه هادی قدرت در مبدل سوئیچینگ را بدانید ● منشاء حالت هدایت ناپیوسته را درک کنید و قادر به حل مبدل های فعال در DCM باشید ● مدارهای مبدل dc-dc و اینورتر dc-ac اساسی را بدانید ● نحوه پیاده سازی جداسازی ترانسفورماتور در مبدل dc-dc، از جمله توپولوژی های محبوب مبدل رو به جلو و فلایبک را بدانید گذراندن دوره اول مقدمه ای بر الکترونیک قدرت، پیش نیاز فرضی این دوره است.

coursera مدت-ساختار و مشتقات اعتباری (Mitalearn-293638)

  • 5 hours 19 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Garud Iyengar,Ali Hirsa,Martin Haugh
درباره این دوره:

این دوره بر روی ثبت تکامل نرخ بهره و ارائه بینش عمیق در مورد مشتقات اعتباری تمرکز خواهد کرد. در ماژول اول، اصطلاح مدل‌های شبکه ساختار و حساب نقدی را مورد بحث قرار می‌دهیم، و سپس مشتقات درآمد ثابت، مانند گزینه‌ها، آتی، Caplets و Floorlets، Swaps و Swaptions را تحلیل می‌کنیم. در ماژول دوم، کالیبراسیون مدل را در زمینه اوراق بهادار با درآمد ثابت بررسی می‌کنیم و آن را به سایر طبقات و ابزار دارایی تعمیم می‌دهیم. یادگیرندگان کالیبراسیون مدل را با استفاده از اکسل انجام می دهند و آن را برای قیمت گذاری مبادله پرداخت کننده در مدل Black-Derman-Toy (BDT) اعمال می کنند. ماژول سوم مشتقات اعتباری را معرفی می‌کند و متعاقباً بر مدل‌سازی و قیمت‌گذاری سوآپ‌های پیش‌فرض اعتبار تمرکز می‌کند. در بخش چهارم، فراگیران با مفهوم اوراق بهادارسازی، به ویژه اوراق بهادار دارای پشتوانه دارایی (ABS) آشنا خواهند شد. بحث به اوراق بهادار با پشتوانه وام مسکن (MBS) و ریاضیات وام مسکن مرتبط می‌رود. ماژول نهایی به معرفی و قیمت گذاری تعهدات وام مسکن وثیقه (CMOs) می پردازد.

coursera مدرن و پست مدرن (بخش اول) (Mitalearn-367554)

  • 6 hours 33 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael S. Roth
درباره این دوره:

این دوره به بررسی این موضوع می‌پردازد که چگونه ایده «مدرن» در پایان قرن هجدهم در فلسفه و ادبیات اروپایی توسعه می‌یابد، و چگونه مدرن بودن (یا پیشرو، یا هیپ) به یکی از معیارهای حیاتی برای درک و ارزیابی تغییرات فرهنگی تبدیل شده است. آیا هنوز در مدرنیته هستیم یا فراتر از مدرن به پست مدرن رفته ایم؟

coursera مدل سازی اکسل برای حرفه ای ها: بهترین روش ها و مشکلات (Mitalearn-295236)

  • 1 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jan Stoop,Jan Karel Pieterse,Dr.ir. Felienne Hermans
درباره این دوره:

چیزی که این دوره اکسل را متمایز می کند این است که ما روی رفع سریع یا نکات و ترفندهای خاص تمرکز نمی کنیم. این دوره برای کسانی است که قبلاً اکسل را می دانند. هدف این دوره ارتقای مدل‌های اکسل، بهبود وضوح، طول عمر و قابلیت انتقال این مدل‌ها و کاهش اشتباهات و تشویق ثبات در کسب‌وکارها در حین کار با اکسل است. از طریق این دوره اکسل، فراگیران ابزارهایی را برای تصمیم گیری در مورد استفاده یا عدم استفاده از اکسل برای حل مشکل خود به دست خواهند آورد. آنها یاد خواهند گرفت که چگونه داده های ورودی خوب را تنظیم کنند، به درستی قالب بندی کنند و اهمیت اسناد خوب را بیاموزند. زبان‌آموزان توانایی تشخیص توابع مختلف، درک مشکلات و نقاط قوت توابع رایج و اعمال توابع صحیح را در مدل‌های اکسل خود به دست خواهند آورد. کسانی که این دوره را دنبال می‌کنند همچنین درک درستی از ساختار صفحه‌گسترده منطقی، نمودارها و گزارش‌ها، حفاظت و اطلاعات پنهان در اکسل خواهند داشت و کاربران یاد خواهند گرفت که چگونه این موارد را در مدل‌های خود اعمال کنند. در نهایت، کاربران نکات و مراحل عملی را برای نهایی کردن یک مدل، بررسی های خودکار، اجرای کتابچه راهنمای کاربر، و آزمایش کلی که باید برای اطمینان از دقیق و کامل بودن مدل اکسل خود انجام دهند، دریافت خواهند کرد.

coursera مدل سازی پیش بینی معنادار (Mitalearn-333962)

  • 1 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julian McAuley,Ilkay Altintas
درباره این دوره:

این دوره به ما در ارزیابی و مقایسه مدل هایی که در دوره های قبلی ایجاد کرده ایم کمک می کند. تاکنون تکنیک‌هایی برای رگرسیون و طبقه‌بندی توسعه داده‌ایم، اما قبل از اینکه تصمیم بگیریم که طبقه‌بندی‌کننده به اندازه کافی خوب است، خطای یک طبقه‌بندی‌کننده چقدر باید کم باشد (مثلا)؟ یا چگونه تصمیم بگیریم که کدام یک از دو الگوریتم رگرسیون بهتر است؟ در پایان این دوره شما با تکنیک های تشخیصی که به شما امکان ارزیابی و مقایسه طبقه بندی کننده ها را می دهد و همچنین معیارهای عملکردی که می توانند در سناریوهای رگرسیون و طبقه بندی مختلف استفاده شوند، آشنا خواهید شد. ما همچنین خط لوله آموزش/ اعتبارسنجی/آزمایش را مطالعه خواهیم کرد، که می‌تواند برای اطمینان از اینکه مدل‌هایی که توسعه می‌دهید به خوبی به داده‌های جدید (یا «غیره») تعمیم می‌یابند استفاده می‌شود.

coursera مدل سازی پیش بینی و تبدیل عمل بالینی (Mitalearn-343958)

  • 1 hours 59 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laura K. Wiley, PhD
درباره این دوره:

این دوره به شما اصول تبدیل عمل بالینی را با استفاده از مدل های پیش بینی می آموزد. این دوره به بررسی چالش‌ها و روش‌های خاص اجرای بالینی می‌پردازد، که دانشمندان داده‌های بالینی باید هنگام توسعه مدل‌های پیش‌بینی خود از آن‌ها آگاه باشند.

coursera مدل سازی پیش بینی و یادگیری ماشین با متلب (Mitalearn-333554)

  • 3 hours 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

در این دوره، شما بر مهارت های آموخته شده در تجزیه و تحلیل داده های اکتشافی با متلب و پردازش داده ها و مهندسی ویژگی با متلب برای افزایش توانایی خود در استفاده از قدرت متلب برای تجزیه و تحلیل داده های مرتبط با کاری که انجام می دهید، خواهید آموخت. این مهارت ها برای کسانی که دانش حوزه و مقداری در معرض ابزارهای محاسباتی هستند، اما هیچ پیشینه برنامه نویسی ندارند، ارزشمند است. برای موفقیت در این دوره باید پیشینه ای در زمینه آمار پایه (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید و دروس 1 تا 2 این تخصص را گذرانده باشید. در پایان این دوره، شما از متلب برای شناسایی بهترین مدل یادگیری ماشینی برای به دست آوردن پاسخ از داده های خود استفاده خواهید کرد. شما داده‌های خود را آماده می‌کنید، یک مدل پیش‌بینی را آموزش می‌دهید، مدل خود را ارزیابی و بهبود می‌بخشید و می‌دانید که چگونه می‌توانید از مدل‌های خود بیشترین بهره را ببرید.

coursera مدل سازی پیش بینی، برازش مدل، و تحلیل رگرسیون (Mitalearn-333724)

  • 6 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julie Pai
درباره این دوره:

به مدل سازی پیش بینی، برازش مدل و تحلیل رگرسیون خوش آمدید. در این دوره، رویکردهای مختلف در مدل‌سازی پیش‌بینی‌کننده را بررسی می‌کنیم و در مورد اینکه چگونه یک مدل می‌تواند تحت نظارت یا بدون نظارت باشد، بحث خواهیم کرد. ما بررسی خواهیم کرد که چگونه یک مدل را می توان برازش داد، آموزش داد و امتیاز داد تا در داده های تاریخی و آینده در تلاش برای رسیدگی به اهداف تجاری اعمال شود. در نهایت، این دوره شامل یک فعالیت عملی برای توسعه یک مدل رگرسیون خطی است.

coursera مدل سازی داده ها در Tidyverse (Mitalearn-334897)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

ایجاد بینش در مورد سازمان، کسب و کار یا پروژه تحقیقاتی شما به مدل سازی و تجزیه و تحلیل موثر داده هایی که جمع آوری می کنید بستگی دارد. ساخت مدل‌های مؤثر مستلزم درک انواع مختلف سؤالاتی است که می‌توانید بپرسید و چگونه آن سؤالات را با داده‌های خود ترسیم کنید. برای شناسایی الگوهای جالب در داده‌ها و شناسایی روابط پنهان می‌توان رویکردهای مدل‌سازی مختلفی را انتخاب کرد. این دوره شامل انواع سوالاتی است که می توانید از داده ها بپرسید و روش های مدل سازی مختلفی که می توانید اعمال کنید. موضوعات تحت پوشش عبارتند از تست فرضیه، رگرسیون خطی، مدل سازی غیرخطی و یادگیری ماشین. با این مجموعه ابزارهایی که در اختیار دارید و همچنین تکنیک های آموخته شده در دوره های دیگر در این تخصص، می توانید اکتشافات کلیدی از داده های خود برای بهبود تصمیم گیری در سراسر سازمان خود داشته باشید. در این تخصص ما آشنایی با زبان برنامه نویسی R را فرض می کنیم. اگر هنوز با R آشنا نیستید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera مدل سازی در AWS (Mitalearn-329712)

  • 1 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

مدل سازی در AWS سومین دوره در تخصص تخصصی یادگیری ماشین گواهی شده AWS است. تمرکز اصلی این دوره آموزش مدل های یادگیری ماشین با تجزیه و تحلیل مفاهیم مدل سازی در AWS است. این دوره به دو ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره با سخنرانی‌های ویدئویی تقریباً 1:30 ساعت تا 2:00 ساعت که دانش تئوری و دستی را ارائه می‌کند، زبان‌آموزان را تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: مدل سازی و آموزش مدل های یادگیری ماشین در AWS ماژول 2: مدل های یادگیری ماشین: ارزیابی عملکرد و تنظیم در پایان این دوره، فراگیران قادر خواهند بود: 1. تجزیه و تحلیل مفاهیم مدل سازی و آموزش مدل های یادگیری ماشین 2. عملکرد مدل های یادگیری ماشین را بررسی کنید 3. با آموزش یک مدل، تنظیم خودکار مدل را پیاده سازی کنید

coursera مدل سازی رگرسیون در عمل (Mitalearn-335713)

  • 3 hours 4 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jen Rose,Lisa Dierker
درباره این دوره:

این دوره بر یکی از مهمترین ابزارها در زرادخانه تجزیه و تحلیل داده شما تمرکز دارد: تجزیه و تحلیل رگرسیون. با استفاده از SAS یا Python، با رگرسیون خطی شروع می‌کنید و سپس یاد می‌گیرید که چگونه وقتی دو متغیر رابطه خطی واضحی ندارند، سازگار شوید. شما چندین پیش بینی کننده نتیجه خود را بررسی خواهید کرد و قادر خواهید بود متغیرهای گیج کننده را شناسایی کنید، که می تواند داستان قانع کننده تری در مورد نتایج شما بیان کند. شما با مفروضات زیربنایی تحلیل رگرسیون، نحوه تفسیر ضرایب رگرسیون، و نحوه استفاده از نمودارهای تشخیصی رگرسیون و سایر ابزارها برای ارزیابی کیفیت مدل رگرسیون خود آشنا خواهید شد. در طول دوره، مدل‌های رگرسیونی را که ایجاد کرده‌اید و داستان‌هایی که به شما می‌گویند را با دیگران به اشتراک می‌گذارید.

coursera مدل سازی سری های زمانی و داده های متوالی (Mitalearn-331939)

  • 5 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Chip Wells,Ari Zitin,Danny Modlin
درباره این دوره:

در این دوره شما یاد می گیرید که مدل هایی را بسازید، اصلاح کنید، برون یابی کنید، و در برخی موارد، مدل هایی را که برای یک سری متوالی طراحی شده اند، تفسیر کنید. سه رویکرد مدلسازی ارائه شده است. رویکرد سنتی، باکس جنکینز برای مدل‌سازی سری‌های زمانی در بخش اول دوره پوشش داده شده است. این ارائه دانش‌آموزان را از مدل‌های داده‌های ثابت یا ARMA به مدل‌های روند و فصلی، ARIMA منتقل می‌کند و با اطلاعاتی در مورد مشخص کردن اجزای تابع انتقال در یک مدل ARIMAX یا رگرسیون سری زمانی به پایان می‌رسد. رویکرد بیزی برای مدل‌سازی سری‌های زمانی بعدی در نظر گرفته می‌شود. چارچوب بیزی پایه برای تطبیق تغییرات خودرگرسیون در داده ها و همچنین اثرات متغیر ورودی پویا گسترش یافته است. الگوریتم های یادگیری ماشین برای سری های زمانی رویکرد سوم است. تقویت گرادیان و الگوریتم های شبکه عصبی مکرر به ویژه برای تطبیق روابط غیرخطی در داده ها مناسب هستند. مثال هایی برای ایجاد شهود در استفاده موثر از این الگوریتم ها ارائه شده است. این دوره با در نظر گرفتن اینکه چگونه می توان با ترکیب نقاط قوت رویکردهای مختلف، دقت پیش بینی را بهبود بخشید، به پایان می رسد. درس آخر شامل نمایش هایی در مورد ایجاد پیش بینی های مدل ترکیبی (یا مجموعه ای) و ترکیبی است. این دوره برای تحلیلگرانی که علاقه مند به تقویت مهارت های یادگیری ماشینی خود با ابزارهای تجزیه و تحلیل مناسب برای سنجش، اصلاح، مدل سازی، پیش بینی و مدیریت داده هایی هستند که متشکل از متغیرهایی هستند که در طول زمان جمع آوری می شوند، مناسب است. در این دوره از ابزارهای نرم افزاری مختلف استفاده می شود. آشنایی با Base SAS، SAS/ETS، SAS/STAT و SAS Visual Forecasting و همچنین ابزارهای منبع باز برای پردازش و مدل‌سازی متوالی داده‌ها مفید است اما لازم نیست. درس‌های تحلیل بیزی و مدل‌های یادگیری ماشین، دانش قبلی از این موضوعات را فرض می‌کنند. یکی از راه‌هایی که دانش‌آموزان می‌توانند این پیش‌زمینه را کسب کنند، تکمیل این دوره‌های آموزشی SAS است: تحلیل‌های بیزی با استفاده از SAS و یادگیری ماشین با استفاده از SAS Viya.

coursera مدل سازی فرآیند کسب و کار (Mitalearn-287059)

  • 3 hours 18 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Igor Arkhipov
درباره این دوره:

یاد بگیرید که فرآیندهای کسب و کار را با استفاده از نمودارهای تخصصی ضبط و بهینه کنید. بینش های حاصل از مصاحبه با سهامداران و تجزیه و تحلیل اسناد را به مدل های مختصر و دقیق تبدیل کنید. نمادهای مختلف را درک کنید و بهترین را برای نیاز خود انتخاب کنید. این دوره جامع شناسایی فرآیند، ثبت، مستندسازی و تطبیق مدل‌ها را برای مخاطبان مختلف پوشش می‌دهد. ایده آل برای تحلیلگران فرآیند، تحلیلگران کسب و کار، معماران راه حل، طراحان خدمات و UX، و هر کسی که علاقه مند به مدل سازی فرآیند کسب و کار است. هیچ پیش زمینه خاصی مورد نیاز نیست. درک اولیه از فرآیندهای کسب و کار و علاقه به بهینه سازی و مدل سازی سودمند است.

coursera مدل سازی و اندازه گیری انتقال انرژی (Mitalearn-350095)

  • 2 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Matteo Vincenzo Rocco,Emanuela Colombo
درباره این دوره:

این MOOC دانش اساسی در مورد چالش‌های اصلی در مدل‌سازی انتقال انرژی در هر دو سطح جهانی و منطقه‌ای و همچنین ابزارهای بوم‌شناسی صنعتی برای اندازه‌گیری اثرات مرتبط را به همراهان ارائه می‌دهد. این دوره با پوشش حسابداری ملی انرژی و تعریف یک سیستم انرژی مرجع آغاز می شود و به دنبال آن مقدمه ای بر مدل سازی برای برنامه ریزی انرژی از طریق برنامه ریزی خطی ارائه می شود. شرکت کنندگان با استفاده از Excel به تمرین عملی خواهند پرداخت. علاوه بر این، اصول تجزیه و تحلیل سناریو برای کمک به شرکت کنندگان در بحث عاقلانه در مورد نتایج مطالعات موردی عملی ارائه شده است. در مرحله بعد، این دوره حسابداری اقتصادی ملی و استفاده از جداول ورودی و خروجی پولی را برای کاربردهای ملی و چند منطقه ای، مانند محاسبه ردپای کربن، پوشش می دهد. شرکت‌کنندگان همچنین در مورد مدل تولید و تاثیر Leontief که از طریق یک جلسه عملی دیگر مبتنی بر اکسل نشان داده می‌شود، یاد خواهند گرفت. در نهایت، دانش آموزان با استفاده از MARIO، یک ابزار منبع باز داخلی و مبتنی بر پایتون برای مطالعات ارزیابی تاثیر منطقه ای و چند منطقه ای بر اساس تحلیل ورودی-خروجی آشنا می شوند. تا پایان MOOC، شرکت کنندگان دانش پایه قوی برای نزدیک شدن علمی به انتقال انرژی جهانی به دست خواهند آورد. آنها قادر خواهند بود جداول ملی حسابداری اقتصادی و انرژی را درک و تفسیر کنند، و همچنین ابزارهای خاصی را که آزادانه در دسترس هستند برای برنامه ریزی مداخلات انرژی و ارزیابی تأثیرات آنها به کار گیرند.

Suggestions