سلامت دیجیتال به عنوان آینده مراقبت های بهداشتی به سرعت در حال تحقق است. در حالی که این امر بر ورودی داده‌های سلامت با کیفیت در سوابق و سیستم‌های دیجیتال تأکید می‌کند، ارائه مراقبت‌های بهداشتی ایمن و با کیفیت نه تنها به ورودی داده‌ها متکی است، بلکه به توانایی دسترسی و استخراج معنا از داده‌ها برای تولید شواهد و اطلاعات نیز بستگی دارد. تصمیم گیری و نتایج بهتری برای سلامتی ایجاد می کند. این دوره بینشی در مورد استفاده از داده های مراقبت های بهداشتی، از جمله مروری بر بهترین شیوه ها و واقعیت های عملی کسب اطلاعات مفید از سیستم های سلامت دیجیتال از طریق درک مفاهیم اساسی تجزیه و تحلیل داده های سلامت ارائه می دهد. یادگیرندگان متوجه خواهند شد که چرا کیفیت داده ها در مراقبت های بهداشتی مدرن ضروری است، زیرا آنها از طریق مراحل مختلف چرخه زندگی داده ها، از تولید داده های سلامت با کیفیت، تا کشف الگوها و استخراج دانش از داده های سلامت با استفاده از روش ها و ابزارهای رایج، هدایت می شوند. تجزیه و تحلیل اساسی، تجسم و ارتباط داده های سلامت. با انجام این کار، فراگیران زمینه های ارائه مراقبت های بهداشتی فعلی و سیستم های داده های دیجیتال سلامت آینده و در حال ظهور و برنامه های کاربردی را که به سرعت در حال تبدیل شدن به واقعیت فردا هستند، بررسی می کنند. با اتمام این دوره، شما قادر خواهید بود: 1. شناسایی فناوری های دیجیتال سلامت، منابع داده های بهداشتی، و نقش های در حال تحول نیروی کار سلامت در محیط های سلامت دیجیتال 2. درک مفاهیم و اصطلاحات کلیدی داده های سلامت، از جمله اهمیت یکپارچگی داده ها و نقش سهامداران در چرخه زندگی داده ها 3. از داده های سلامت و تجزیه و تحلیل داده های پایه برای اطلاع رسانی و بهبود تصمیم گیری و تمرین استفاده کنید. 4. به کارگیری روش های موثر برای ارتباط داده های بهداشتی برای تسهیل مراقبت ایمن و با کیفیت. در طول این دوره، شما با محتوای آموزشی که توسط: • مرکز تحقیقات تعاونی سلامت دیجیتال • آژانس سلامت دیجیتال استرالیا • سلامت الکترونیک NSW • ناحیه بهداشت محلی سیدنی • وزارت بهداشت NSW • موسسه آموزش و آموزش بهداشت • کمیسیون تعالی بالینی • خانه زندگی کریس اوبراین • شرکای موناش / اتحادیه تحقیقات سلامت استرالیا • داده های تحقیقات استرالیا مشترک • شبکه بهداشت روانی و پزشکی قانونی دادگستری • منطقه بهداشتی محلی سیدنی جنوب شرقی • منطقه بهداشتی محلی وسترن سیدنی • موسسه سرطان پستان Westmead • آژانس نوآوری بالینی • منطقه بهداشتی محلی غرب NSW • شبکه بیمارستان کودکان سیدنی این دوره یک سرمایه گذاری مشترک بین NSW Health، دانشگاه سیدنی و مرکز تحقیقات تعاونی دیجیتال سلامت، شامل منابع اختصاصی از eHealth NSW، موسسه آموزش و آموزش بهداشت، و گروه تحقیقات در پیاده سازی علوم و سلامت الکترونیک است. در حالی که بسیاری از منابع یادگیری و مثال‌های موردی از زمینه خدمات بهداشت NSW استخراج شده‌اند، این دوره برای همه نیروی کار سلامت موجود و آینده، صرف نظر از نقش یا زمینه کاری مرتبط است. توجه: مطالب استفاده شده برای اهداف آموزشی است و محتوا ممکن است منعکس کننده خط مشی های سازمان شما نباشد. هنگام کار با داده ها، مطمئن شوید که مطابق دستورالعمل ها و سیاست های سازمان خود عمل می کنید.

در دنیای پر سرعت، مدیریت بهره وری شخصی بسیار مهم است. این دوره مبتدیان را با دنیای دستیاران مجازی و چت بات ها و نحوه استفاده از آنها برای افزایش بهره وری شخصی آشنا می کند. یاد بگیرید که چگونه از این ابزارهای مبتنی بر هوش مصنوعی به طور موثر برای ساده کردن وظایف، مدیریت زمان و افزایش کارایی کلی استفاده کنید. در پایان این دوره، شما نه تنها درک جامعی از مفاهیم اساسی در پشت دستیاران مجازی و ربات‌های چت به دست خواهید آورد، بلکه مهارت‌های عملی برای استفاده مؤثر از این فناوری تحول‌آفرین را نیز توسعه خواهید داد. با این دانش و تجربه عملی، به خوبی در مسیر مهارت قرار گرفتن در یک نوآوری پیشگامانه دیگر با هوش مصنوعی خواهید بود. علاوه بر این، شما مجهز به استفاده از این مهارت‌ها در سناریوهای عملی مختلف، مانند خودکار کردن پاسخ‌های ایمیل، زمان‌بندی قرار ملاقات‌ها، تنظیم یادآورها، و حتی توسعه ربات‌های چت سفارشی خود برای وظایف یا صنایع خاص خواهید بود. این دوره به شما قدرت می دهد تا مسئولیت بهره وری خود را بر عهده بگیرید و از دستیاران شخصی مبتنی بر هوش مصنوعی حداکثر استفاده را ببرید. این دوره برای مخاطبان متنوعی از جمله متخصصان اداری، مشاوران، دانشجویان، بازاریابان دیجیتال، کارآفرینان و صاحبان مشاغل کوچک طراحی شده است. برای به حداکثر رساندن مزایای این دوره، از زبان آموزان انتظار می رود که مهارت های اساسی کامپیوتر را داشته باشند، با استفاده از نرم افزارهای کاربردی راحت باشند، به فناوری های هوش مصنوعی علاقه نشان دهند، و مهمتر از همه، نیازی به دانش کدنویسی قبلی نداشته باشند. دسترسی به رایانه یا دستگاه برای تمرین عملی نیز برای شرکت موفق در دوره ضروری است.

این دوره آنلاین هیجان انگیز به شما کمک می کند تا روش های طراحی و نحوه استفاده از آنها را برای شناسایی فرصت های تجاری درک کنید. این کار با تمرکز بر اهمیت طراحی در دنیای در حال تغییر با بررسی VUCA (نوسان‌پذیری، عدم قطعیت، پیچیدگی و ابهام) و 4Cs (تفکر انتقادی، ارتباطات، همکاری و خلاقیت) شروع می‌شود. سپس به بررسی راه‌هایی می‌پردازد که فرصت‌های طراحی در بازارهای نوظهور در حال رشد است و نیاز طراحان برای تمرین هنر خود به عنوان صنعتگر. این شامل کاوش در چارچوب همدلی و تعالی است. پس از پوشش این مفاهیم اساسی، این دوره به طور مفصل روش الماس دوگانه را بررسی می کند. با بررسی راه‌هایی برای اعتبارسنجی فرصت با ارزیابی ریسک در مقابل ارزش و آزمایش تفکر شما با یک بوم به پایان می‌رسد. برای موفقیت در این تخصص، باید یک حرفه ای با حداقل دو تا سه سال تجربه در یک محیط سازمانی باشید. تجربه در نقش طراحی یا کار با طراحان مفید است. در پایان این دوره، شما قادر خواهید بود: - درک اهمیت طراحی و مسئولیت های طراحان - نقش رو به گسترش طراحی و ابزارهایی که به رشد آن کمک می کنند را بررسی کنید - تجزیه و تحلیل کنید که چگونه چارچوب های طراحی می توانند به شما در یافتن فرصت ها و چارچوب بندی بیانیه های مشکل کمک کنند - فرصت ها، تجربیات و استفاده از بوم را ارزیابی کنید

این دوره آنلاین دقیق به شما نشان می دهد که چگونه از طراحی برای تولید راه حل های تجاری نوآورانه استفاده کنید. این کار با تمرکز بر روش‌های طراحی جایگزین، از جمله موارد ضروری غیرقابل مذاکره آغاز می‌شود: روش‌شناسی تفکر طراحی و کارهایی که باید انجام شوند. سپس به استراتژی هایی برای انتخاب مدل کسب و کار مناسب می پردازد. این شامل بررسی مدل های کسب و کار ارزش آفرین و پایدار است. پس از پوشش این مفاهیم اساسی، این دوره به بررسی ابزارهای طراحی می پردازد که می توانند برای توسعه مدل کسب و کار در بازار با ایجاد ارزش مشترک و نکاتی برای مدیریت قیف تبدیل مورد استفاده قرار گیرند. این دوره با بررسی پویایی دیجیتال و ارائه نکات داخلی برای ارتقای موفقیت به پایان می رسد. برای موفقیت در این تخصص، باید یک حرفه ای با حداقل دو تا سه سال تجربه در یک محیط سازمانی باشید. تجربه در نقش طراحی یا کار با طراحان مفید است. در پایان این دوره، شما قادر خواهید بود: - روش ها و اصول تفکر طراحی را بررسی کنید - یک مدل کسب و کار برای به حداکثر رساندن فرصت ها و مدیریت تغییرات انتخاب کنید - چالش های موجود در فرآیند طراحی را ارزیابی کنید - ایجاد راه حل هایی برای طراحی چالش ها و مشکلات

سلام، همه! به این دوره آموزشی استفاده از نمونه سازی سریع در فرآیند طراحی مهندسی خوش آمدید. این بخشی از تخصص Prototyping و Tooling سریع است. در این دوره، من فرآیند طراحی مهندسی و نحوه استفاده از آن برای حل مسائل باز را پوشش خواهم داد. من در مورد مراحل مختلف نمونه سازی و اینکه چرا تولید سریع نمونه های اولیه سودمند است صحبت خواهم کرد. سپس در مورد نقشه های مهندسی و نحوه انتقال اطلاعات در مورد اشیاء سه بعدی در رسانه های دو بعدی مانند کاغذ یا صفحه کامپیوتر بحث خواهم کرد. در نهایت، من این دوره را با بحث در مورد طراحی به کمک کامپیوتر، که به نام CAD نیز شناخته می‌شود، و اینکه چگونه می‌تواند به ساخت نمونه‌های اولیه کمک زیادی کند، پایان می‌دهم. با بررسی مثال‌های زیادی از پروژه‌های روباتیک مختلف که من فرصت کار روی آن‌ها را داشته‌ام، تا پایان این دوره، باید درک بهتری از فرآیند طراحی مهندسی و جایی که نمونه‌سازی سریع در آن قرار می‌گیرد، و همچنین برخی از ابزارها داشته باشید. به شما در توسعه نمونه های اولیه با کیفیت بالا کمک می کند. مطالب فوق‌العاده زیادی برای پوشش وجود دارد، بنابراین بدون هیچ مقدمه‌ای، بیایید به دنیای نمونه‌سازی سریع شیرجه بزنیم!

این دوره پایه ای را برای ارزیابی و به کارگیری یک سری ابزارهای هوش مصنوعی مولد (AI) مانند ChatGPT، Bing Chat، Google Bard، Midjourney، Runway و Eleven Labs فراهم می کند. این فرصت یادگیری یک تجربه عملی را از طریق ایده پردازی، ایجاد و نهایی کردن یک کمپین تبلیغاتی ساختگی با استفاده از ترکیب نقاط قوت این ابزارهای هوش مصنوعی ارائه می دهد. سازندگان محتوا، متخصصان بازاریابی، استراتژیست های کسب و کار، و هر کسی که علاقه مند به استفاده از قدرت ترکیبی ابزارهای پیشرو هوش مصنوعی مولد برای راه حل های محتوای نوآورانه است. درک اولیه مفاهیم هوش مصنوعی و اشتیاق به تکنیک های خلاقانه تولید محتوا. در پایان دوره، فراگیران از قابلیت‌های ابزارهای هوش مصنوعی پیشرو، همانطور که در ایجاد یک کمپین تبلیغاتی جامع نشان داده شده است، آگاه خواهند شد و از قابلیت‌های پیشرفته این ابزارها در تولید محتوا استفاده می‌کنند.

این دوره پایه و اساس توسعه استراتژی های معاملاتی پیشرفته با استفاده از تکنیک های یادگیری ماشین را فراهم می کند. در این دوره، اجزای کلیدی را که در هر استراتژی معاملاتی مشترک هستند، مهم نیست که چقدر پیچیده هستند، مرور خواهید کرد. شما با چندین استراتژی معاملاتی از جمله تجارت کمی، تجارت جفتی و تجارت حرکتی آشنا خواهید شد. در پایان دوره، می‌توانید استراتژی‌های معاملاتی کمی را طراحی کنید، مدل‌های یادگیری ماشینی را با استفاده از Keras و TensorFlow بسازید، یک مدل پیش‌بینی استراتژی معاملاتی جفتی بسازید و آن را آزمایش مجدد کنید، و یک مدل معاملاتی مبتنی بر حرکت و آزمون برگشتی بسازید. آن را برای موفقیت در این دوره، باید صلاحیت پیشرفته در برنامه نویسی پایتون و آشنایی با کتابخانه های مربوط به یادگیری ماشین، مانند Scikit-Learn، StatsModels و Pandas داشته باشید. تجربه با SQL توصیه می شود. شما باید پیشینه ای در زمینه آمار (مقادیر مورد انتظار و انحراف استاندارد، توزیع های گاوسی، ممان های بالاتر، احتمال، رگرسیون های خطی) و دانش پایه ای از بازارهای مالی (سهام، اوراق قرضه، مشتقات، ساختار بازار، پوشش ریسک) داشته باشید.

Dans ce cours، les développeurs d'applications apprennent à concevoir à concevoir à developper des applications natives cloud qui s'intègrent parfaitement aux composants de l'écosystème Google Cloud. À عبور از un ensemble de presentations, demonstrations et d'ateliers pratiques, les شرکت کنندگان découvrent comment créer des déploiements reproductible en traitant l' infrastructure Comme du code, en choisissant l'environnement applection applection. les performances applicatives. Il est obligatoire de terminer une version de chaque atelier. Chaque atelier در Node.js موجود است. Dans la plupart des cas، les mêmes ateliers sont aussi disponibles en Python ou en Java. Vous pouvez terminer chaque atelier dans la langue que vous voulez.

در این دوره آموزشی با سیستم‌های توصیه‌کننده (که برای پروژه Capstone مطالعه خواهیم کرد) آشنا می‌شویم و همچنین مسائل مربوط به استقرار محصولات داده را بررسی خواهیم کرد. در پایان این دوره، شما باید بتوانید یک سیستم توصیه‌گر کار را پیاده‌سازی کنید (مثلاً برای پیش‌بینی رتبه‌بندی، یا تولید فهرست‌های محصولات مرتبط)، و باید ابزارها و تکنیک‌های مورد نیاز برای استقرار چنین سیستم کاری در دنیای واقعی را بدانید. ، مجموعه داده های در مقیاس بزرگ. این دوره آخرین دوره در محصولات Python Data Products for Predictive Analytics است که بر اساس سه دوره قبلی (پردازش و تجسم داده های پایه، تفکر طراحی و تجزیه و تحلیل پیش بینی برای محصولات داده، و مدل سازی پیش بینی معنادار) ساخته شده است. در هر مرحله از تخصص، شما تجربه عملی در دستکاری داده ها و ایجاد مهارت های خود را به دست خواهید آورد، و در نهایت به پروژه ای که شامل تمام مفاهیم آموزش داده شده در تخصص می شود، ختم می شود.

Kubernetes منبع باز است و مزایای ارکستراسیون کانتینر آن امکان اتوماسیون وظایف مختلف مانند استقرار، مدیریت و مقیاس‌بندی برنامه‌های مبتنی بر کانتینر را فراهم می‌کند. در حال حاضر، می توانید برنامه های مختلف مبتنی بر ابر را با استفاده از بارهای کاری Kubernetes پیدا کنید. از آنجایی که ابر Azure سهولت اجرای Kubernetes را در کنار سهولت مقیاس‌پذیری و مدیریت میکروسرویس‌ها با در دسترس بودن بالاتر فراهم می‌کند، یکی از انتخاب‌های اصلی همه شرکت‌ها برای تحول DevOps است. می توانید از این فرصت برای بهبود تخصص خود در استقرار میکروسرویس ها در Kubernetes استفاده کنید و از بسیاری از گزینه های شغلی استفاده کنید. Whizlabs با استفاده از Azure DevOps Microservices به Kubernetes را گسترش می دهد با بهترین استانداردهای کیفیت و ارتباط ساده موضوعات ایجاد شده است. کارشناسان موضوعی که در ایجاد میکروسرویس‌ها و استقرار آنها در Kubernetes با استفاده از Azure DevOps شرکت دارند، سال‌ها تجربه در صنعت دارند و یادگیرندگان می‌توانند از آن برای بهترین نتایج یادگیری استفاده کنند. می توانید مهارت های خود را برای استفاده از خدمات Azure Kubernetes با یک فرمان کامل بر طراحی و استقرار میکروسرویس ها توسعه دهید. این دوره آموزشی Azure Devops on Deploying Microservices to Kubernetes تقریباً 7 ساعت فیلم آموزشی را ارائه می دهد که به ماژول ها تقسیم می شوند. درک مفاهیم دوره از طریق نمایش های آزمایشگاهی آسان است. به منظور آزمودن درک فراگیران، هر ماژول شامل ارزیابی‌هایی در قالب پرسش‌های مسابقه و ویدیویی است. یک آزمون اجباری سوالات درجه بندی شده نیز در پایان هر ماژول ارائه شده است. پیش نیازهای مهم برای یادگیری در مورد استقرار میکروسرویس ها در Kubernetes با استفاده از Azure DevOps به شرح زیر است: -آشنایی با مفاهیم کانتینر و ارکستراسیون کانتینر -آگاهی از ابزارها و فناوری های DevOps - درک اولیه از خدمات ابری و اصول و ابزارهای اساسی DevOps (مانند CI/CD و git). -با Bash و کلاینت خط فرمان Azure آشناست و باید با پوسته bash راحت باشد. -آشنایی با اصول تست و شبکه -تسلط به زبان های اسکریپت نویسی سطح بالا مانند روبی، پایتون یا جاوا در پایان این دوره، فراگیران قادر خواهند بود: -معرفی Kubernetes در Azure DevOps را کاوش کنید. - طراحی و پیاده سازی ویژگی های Kubernetes در Azure DevOps. -طراحی و پیاده سازی برنامه های آزمایشی و برنامه های آزمایشی NodeJS.

این دوره به شما درباره استقرار و مدیریت بارهای کاری Microsoft Windows® در Google Cloud می آموزد. این دوره از سخنرانی ها و آزمایشگاه های عملی استفاده می کند تا نحوه برنامه ریزی و پیکربندی Microsoft Windows Server و Microsoft SQL Server را در Google Cloud به شما نشان دهد. راه‌حل‌های هویتی از جمله سرویس مدیریت شده برای Microsoft Active Directory را پیکربندی می‌کنید، بارهای کاری ویندوز را در Compute Engine و Google Kubernetes Engine پیاده‌سازی می‌کنید، و مدیریت و کارکردن بارهای کاری ویندوز را با Cloud Console، Cloud Logging و Cloud Monitoring یاد می‌گیرید.

استنتاج آماری فرآیند نتیجه گیری در مورد جمعیت ها یا حقایق علمی از داده ها است. روش‌های زیادی برای انجام استنتاج وجود دارد که از جمله آن‌ها می‌توان به مدل‌سازی آماری، استراتژی‌های داده‌محور و استفاده صریح از طرح‌ها و تصادفی‌سازی در تحلیل‌ها اشاره کرد. علاوه بر این، تئوری‌های گسترده‌ای (تکرارگرا، بیزی، احتمال، مبتنی بر طراحی، ...) و پیچیدگی‌های متعدد (داده‌های از دست رفته، آشفتگی مشاهده شده و مشاهده نشده، سوگیری‌ها) برای انجام استنتاج وجود دارد. یک تمرین‌کننده اغلب می‌تواند در پیچ و خم ناتوان‌کننده‌ای از تکنیک‌ها، فلسفه‌ها و نکات ظریف رها شود. این دوره اصول استنتاج را در یک رویکرد عملی برای انجام کارها ارائه می دهد. پس از گذراندن این دوره، دانشجویان جهات گسترده استنتاج آماری را درک کرده و از این اطلاعات برای انتخاب آگاهانه در تجزیه و تحلیل داده ها استفاده می کنند.

این دوره استنتاج آماری، توزیع های نمونه گیری و فواصل اطمینان را معرفی می کند. دانش‌آموزان یاد خواهند گرفت که چگونه تخمین‌زن‌های خوب، روش تخمین لحظه‌ها، تخمین حداکثر احتمال، و روش‌های ساخت فواصل اطمینان را تعریف و بسازند که به تنظیمات عمومی‌تر گسترش می‌یابد. 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. لوگوی اقتباس شده از عکس کریستوفر برنز در Unsplash.

هدف از این دوره معرفی روش های مونت کارلو زنجیره مارکوف برای مدل سازی و استنتاج بیزی است، شرکت کنندگان با یادگیری اصول اولیه روش های مونت کارلو شروع می کنند. این با مثال‌های عملی در پایتون تقویت می‌شود که برای نشان دادن نحوه کار این الگوریتم‌ها استفاده می‌شود. این دومین دوره از یک تخصص شامل سه دوره خواهد بود. از نوت بوک های پایتون و ژوپیتر در طول این دوره برای نشان دادن و انجام مدل سازی بیزی با PyMC3 استفاده می شود. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics/docs/index.html قرار دارد. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرس این دوره دکتر Srijith Rajamohan خواهد بود.

این دوره یک بررسی دقیق ریاضی از استنتاج علی در سطح کارشناسی ارشد ارائه می دهد. استنباط در مورد علیت در علم، پزشکی، سیاست و تجارت اهمیت زیادی دارد. این دوره مقدمه ای بر ادبیات آماری در مورد استنتاج علی ارائه می دهد که در 35-40 سال اخیر ظهور کرده است و روشی را که در آن آماردانان و محققان کاربردی در بسیاری از رشته ها از داده ها برای استنباط در مورد روابط علی استفاده می کنند متحول کرده است. ما روش هایی را برای جمع آوری داده ها برای تخمین روابط علّی مطالعه خواهیم کرد. دانش آموزان یاد خواهند گرفت که چگونه بین روابط علی و غیر علی تمایز قائل شوند. این همیشه واضح نیست. سپس روش‌های مختلفی را که دانش‌آموزان می‌توانند از آن استفاده کنند - مانند تطبیق، طبقه‌بندی فرعی در امتیاز تمایل، احتمال معکوس وزن‌دهی درمان، و یادگیری ماشینی - برای تخمین انواع اثرات - مانند میانگین اثر درمان و تاثیر درمان بر درمان شده در پایان، روش‌هایی را برای ارزیابی برخی از مفروضاتی که ساخته‌ایم بحث می‌کنیم، و نگاهی مشتاقانه به برنامه‌های افزودنی که در ادامه این دوره می‌گیریم، ارائه می‌کنیم.

این دوره یک بررسی دقیق ریاضی از موضوعات پیشرفته در استنتاج علی در سطح کارشناسی ارشد ارائه می دهد. استنباط در مورد علیت در علم، پزشکی، سیاست و تجارت اهمیت زیادی دارد. این دوره مقدمه ای بر ادبیات آماری در مورد استنتاج علی ارائه می دهد که در 35-40 سال اخیر ظهور کرده است و روشی را که در آن آماردانان و محققان کاربردی در بسیاری از رشته ها از داده ها برای استنباط در مورد روابط علی استفاده می کنند متحول کرده است. ما موضوعات پیشرفته در استنتاج علی، از جمله مدل‌های میانجی، طبقه‌بندی اصلی، استنتاج علی طولی، ناپیوستگی رگرسیون، تداخل و مدل‌های اثرات ثابت را مطالعه خواهیم کرد.

این دوره به فراگیران این امکان را می‌دهد تا دانش و مهارت‌های یک اسکرام مستر را که در طول شرکت در گواهینامه حرفه‌ای IBM IT Scrum Master (PC) یا تخصص SkillUp Scrum Master کسب کرده‌اند، به کار گیرند. در این دوره آموزشی Capstone، دانش عملی از جمله درک شروع راه اندازی پروژه و تشکیل تیم های موثر اسکرام به دست خواهید آورد. علاوه بر این، شما مهارت هایی را در توسعه قراردادهای کاری، داستان های کاربر، مدیریت بک لاگ محصول، انجام تخمین نسبی، ایجاد بک لاگ اسپرینت، ایجاد نمودار فرسودگی، و تسهیل بررسی های گذشته کسب خواهید کرد. در طول این دوره، ما سناریوهای پروژه های دنیای واقعی متعددی را ارائه خواهیم داد و الگوها و راهنمایی های آموزشی را برای کمک به شما برای مشارکت در فعالیت های عملی برای ساختن مجموعه ای از مصنوعات ارائه می دهیم. این نمونه کارها گواهی بر تخصص و آمادگی شما برای به عهده گرفتن مسئولیت های پیشرفته تر اسکرام خواهد بود.

در این دوره سوم از Python، Bash و SQL Essentials for Data Engineering Specialization، شما تکنیک هایی را برای کار موثر با Python و SQL بررسی خواهید کرد. ما از طریق ساختارهای داده مفید در اسکریپت نویسی پایتون می گذریم و به پایگاه داده هایی مانند MySQL متصل می شویم. علاوه بر این، یاد خواهید گرفت که چگونه از یک ویرایشگر متن مدرن برای اتصال و اجرای پرس و جوهای SQL در برابر یک پایگاه داده واقعی استفاده کنید و عملیات بارگیری و استخراج داده ها را انجام دهید. در نهایت، از داده های استخراج شده از وب سایت ها با استفاده از تکنیک های scraping استفاده خواهید کرد. این مهارت ها به شما این امکان را می دهد که زمانی که داده ها به راحتی در دسترس نیستند، یا زمانی که برای استخراج اطلاعات مفید از پایگاه های داده به پرس و جوهای فضایی نیاز است، به طور موثر کار کنید.

این دوره دومین دوره از مجموعه ای است که با هدف آماده سازی شما برای نقشی که به عنوان برنامه نویس انجام می شود، می باشد. در این دوره شما با چهار مفهوم اصلی در برنامه نویسی آشنا می شوید: عملیات و تاریخ رشته های پیشرفته، کلاس های مدل سازی، توسعه کلاس ها و مجموعه ها. آزمایشگاه‌ها به دانش‌آموزان این امکان را می‌دهند که مطالب را در سخنرانی‌ها در برنامه‌های رایانه‌ای ساده که برای تقویت مجدد مطالب در درس طراحی شده‌اند، اعمال کنند.

این دوره سومین دوره از مجموعه ای است که با هدف آماده سازی شما برای نقشی که به عنوان برنامه نویس انجام می شود، می باشد. در این دوره شما با سه مفهوم اصلی در برنامه نویسی آشنا می شوید: Files، Inheritance و خارجی. آزمایشگاه‌ها به دانش‌آموزان این امکان را می‌دهند که مطالب را در سخنرانی‌ها در برنامه‌های رایانه‌ای ساده که برای تقویت مجدد مطالب در درس طراحی شده‌اند، اعمال کنند.