این دوره به شما اصول پردازش زبان طبیعی بالینی (NLP) را می آموزد. در این دوره شما اصول زبانی اساسی زیربنای NLP و همچنین نحوه نوشتن عبارات منظم و مدیریت داده های متنی در R را خواهید آموخت. همچنین تکنیک های عملی برای پردازش متن را یاد خواهید گرفت تا بتوانید اطلاعات را از یادداشت های بالینی استخراج کنید. در نهایت، شما فرصتی خواهید داشت که مهارت های خود را با یک برنامه عملی در دنیای واقعی آزمایش کنید که در آن الگوریتم های پردازش متن را برای شناسایی عوارض دیابت از یادداشت های بالینی ایجاد می کنید. شما این کار را با استفاده از یک محیط محاسباتی آنلاین رایگان برای علم داده که توسط شریک صنعتی Google Cloud میزبانی شده است، تکمیل خواهید کرد.

پردازش زبان طبیعی از برنامه هایی پشتیبانی می کند که می توانند کاربران را ببینند، بشنوند، با آنها صحبت کنند و درک کنند. Microsoft Azure با استفاده از خدمات تجزیه و تحلیل متن، ترجمه و درک زبان، ساخت برنامه هایی را که از زبان طبیعی پشتیبانی می کنند آسان می کند. در این دوره آموزشی، نحوه استفاده از سرویس Text Analytics برای پردازش پیشرفته زبان طبیعی متن خام برای تجزیه و تحلیل احساسات، استخراج عبارت کلیدی، شناسایی موجودیت نام‌گذاری شده و تشخیص زبان را خواهید آموخت. نحوه تشخیص و ترکیب گفتار را با استفاده از خدمات شناختی Azure یاد خواهید گرفت. درکی خواهید داشت که چگونه قابلیت‌های ترجمه خودکار در یک راه‌حل هوش مصنوعی، با حذف موانع زبان، همکاری نزدیک‌تر را ممکن می‌سازد. شما با سرویس درک زبان آشنا می شوید و نحوه ایجاد برنامه هایی که زبان را درک می کنند به شما نشان داده می شود. این دوره به شما کمک می کند تا برای آزمون AI-900: Microsoft Azure AI Fundamentals آماده شوید. این چهارمین دوره از یک برنامه پنج دوره ای است که شما را برای شرکت در آزمون گواهینامه AI-900 آماده می کند. این دوره به شما مفاهیم و مهارت های اصلی را می آموزد که در حوزه های امتحانی اصول هوش مصنوعی ارزیابی می شوند. این دوره مبتدی برای پرسنل فناوری اطلاعات که تازه شروع به کار با Microsoft Azure کرده‌اند و می‌خواهند در مورد پیشنهادات Microsoft Azure بیاموزند و تجربه عملی با محصول را کسب کنند مناسب است. Microsoft Azure AI Fundamentals می تواند برای آماده شدن برای سایر گواهینامه های مبتنی بر نقش Azure مانند Microsoft Azure Data Scientist Associate یا Microsoft Azure AI Engineer Associate استفاده شود، اما پیش نیاز هیچ یک از آنها نیست. این دوره برای داوطلبان با سوابق فنی و غیر فنی در نظر گرفته شده است. علم داده و تجربه مهندسی نرم افزار مورد نیاز نیست. با این حال، برخی از دانش یا تجربه برنامه نویسی عمومی مفید خواهد بود. برای موفقیت در این دوره، باید سواد کامپیوتری اولیه و تسلط به زبان انگلیسی را داشته باشید. شما باید با مفاهیم اولیه محاسبات و اصطلاحات، مفاهیم کلی فناوری، از جمله یادگیری ماشین و مفاهیم هوش مصنوعی آشنا باشید.

اگر توسعه‌دهنده نرم‌افزاری هستید که می‌خواهید الگوریتم‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی بسازید، باید بدانید که چگونه از ابزارهای ساخت آنها استفاده کنید. این تخصص به شما بهترین روش‌ها را برای استفاده از TensorFlow، یک چارچوب متن‌باز محبوب برای یادگیری ماشین، آموزش می‌دهد. در دوره 3 از تخصص توسعه دهنده DeepLearning.AI TensorFlow، شما سیستم های پردازش زبان طبیعی را با استفاده از TensorFlow خواهید ساخت. شما یاد خواهید گرفت که متن را پردازش کنید، از جمله نشانه گذاری و نمایش جملات به عنوان بردار، به طوری که آنها بتوانند به یک شبکه عصبی وارد شوند. همچنین استفاده از RNN، GRU و LSTM در TensorFlow را یاد خواهید گرفت. در نهایت، می‌توانید یک LSTM را بر روی متن موجود آموزش دهید تا شعر اصلی بسازید! دوره یادگیری ماشین و تخصص یادگیری عمیق از Andrew Ng مهمترین و اساسی ترین اصول یادگیری ماشین و یادگیری عمیق را آموزش می دهد. این تخصص توسعه‌دهنده DeepLearning.AI TensorFlow به شما می‌آموزد که چگونه از TensorFlow برای پیاده‌سازی این اصول استفاده کنید تا بتوانید شروع به ساخت و استفاده از مدل‌های مقیاس‌پذیر برای مشکلات دنیای واقعی کنید. برای ایجاد درک عمیق تر از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

به پردازش زبان طبیعی و تخصیص Capstone خوش آمدید. در این دوره ما با یک شناخت نحوه استفاده از تکنیک های فنی و تجاری برای ارائه بینش تجاری، هوش رقابتی و احساسات مصرف کننده شروع می کنیم. این دوره با یک تکلیف اصلی پایان می یابد که در آن شما طیف گسترده ای از آنچه در این تخصص پوشش داده شده است را اعمال خواهید کرد.

پردازش سیگنال دیجیتال شاخه‌ای از مهندسی است که در عرض چند دهه سطوح بی‌سابقه‌ای از ارتباطات بین فردی و سرگرمی‌های درخواستی را ممکن کرده است. با بازکاری اصول الکترونیک، مخابرات و علوم کامپیوتر در یک الگوی متحد، DSP قلب انقلاب دیجیتالی است که سی‌دی، دی‌وی‌دی، پخش‌کننده MP3، تلفن‌های همراه و دستگاه‌های بی‌شماری دیگر را برای ما به ارمغان آورد. در این سری از چهار دوره، شما اصول پردازش سیگنال دیجیتال را از پایه یاد خواهید گرفت. با شروع از تعریف اولیه سیگنال زمان گسسته، ما راه خود را از طریق تجزیه و تحلیل فوریه، طراحی فیلتر، نمونه برداری، درون یابی و کمی سازی برای ایجاد یک مجموعه ابزار DSP به اندازه کافی کامل برای تجزیه و تحلیل یک سیستم ارتباطی عملی با جزئیات خواهیم داشت. نمونه های عملی و نمایش به طور معمول برای از بین بردن شکاف بین تئوری و عمل استفاده می شود. برای استفاده بهینه از این کلاس، توصیه می‌شود در محاسبات پایه و جبر خطی مهارت داشته باشید. چندین مثال برنامه نویسی در قالب نوت بوک پایتون ارائه خواهد شد، اما می توانید از زبان برنامه نویسی مورد علاقه خود برای آزمایش الگوریتم های توضیح داده شده در دوره استفاده کنید.

پردازش سیگنال دیجیتال شاخه‌ای از مهندسی است که در عرض چند دهه سطوح بی‌سابقه‌ای از ارتباطات بین فردی و سرگرمی‌های درخواستی را ممکن کرده است. با بازکاری اصول الکترونیک، مخابرات و علوم کامپیوتر در یک الگوی متحد، DSP قلب انقلاب دیجیتالی است که سی‌دی، دی‌وی‌دی، پخش‌کننده MP3، تلفن‌های همراه و دستگاه‌های بی‌شماری دیگر را برای ما به ارمغان آورد. هدف، برای دانشجویان این دوره، یادگیری مبانی پردازش سیگنال دیجیتال از پایه خواهد بود. با شروع از تعریف اولیه سیگنال زمان گسسته، ما راه خود را از طریق تجزیه و تحلیل فوریه، طراحی فیلتر، نمونه برداری، درون یابی و کمی سازی برای ایجاد یک مجموعه ابزار DSP به اندازه کافی کامل برای تجزیه و تحلیل یک سیستم ارتباطی عملی با جزئیات خواهیم داشت. نمونه های عملی و نمایش به طور معمول برای از بین بردن شکاف بین تئوری و عمل استفاده می شود. برای استفاده بهینه از این کلاس، توصیه می‌شود در محاسبات پایه و جبر خطی مهارت داشته باشید. چندین مثال برنامه نویسی در قالب نوت بوک پایتون ارائه خواهد شد، اما می توانید از زبان برنامه نویسی مورد علاقه خود برای آزمایش الگوریتم های توضیح داده شده در دوره استفاده کنید.

پردازش سیگنال دیجیتال شاخه‌ای از مهندسی است که در عرض چند دهه سطوح بی‌سابقه‌ای از ارتباطات بین فردی و سرگرمی‌های درخواستی را ممکن کرده است. با بازکاری اصول الکترونیک، مخابرات و علوم کامپیوتر در یک الگوی متحد، DSP قلب انقلاب دیجیتالی است که سی‌دی، دی‌وی‌دی، پخش‌کننده MP3، تلفن‌های همراه و دستگاه‌های بی‌شماری دیگر را برای ما به ارمغان آورد. هدف، برای دانشجویان این دوره، یادگیری مبانی پردازش سیگنال دیجیتال از پایه خواهد بود. با شروع از تعریف اولیه سیگنال زمان گسسته، ما راه خود را از طریق تجزیه و تحلیل فوریه، طراحی فیلتر، نمونه برداری، درون یابی و کمی سازی برای ایجاد یک مجموعه ابزار DSP به اندازه کافی کامل برای تجزیه و تحلیل یک سیستم ارتباطی عملی با جزئیات خواهیم داشت. نمونه های عملی و نمایش به طور معمول برای از بین بردن شکاف بین تئوری و عمل استفاده می شود. برای استفاده بهینه از این کلاس، توصیه می‌شود در محاسبات پایه و جبر خطی مهارت داشته باشید. چندین مثال برنامه نویسی در قالب نوت بوک پایتون ارائه خواهد شد، اما می توانید از زبان برنامه نویسی مورد علاقه خود برای آزمایش الگوریتم های توضیح داده شده در دوره استفاده کنید.

پردازش سیگنال دیجیتال شاخه‌ای از مهندسی است که در عرض چند دهه سطوح بی‌سابقه‌ای از ارتباطات بین فردی و سرگرمی‌های درخواستی را ممکن کرده است. با بازکاری اصول الکترونیک، مخابرات و علوم کامپیوتر در یک الگوی متحد، DSP قلب انقلاب دیجیتالی است که سی‌دی، دی‌وی‌دی، پخش‌کننده MP3، تلفن‌های همراه و دستگاه‌های بی‌شماری دیگر را برای ما به ارمغان آورد. هدف، برای دانشجویان این دوره، یادگیری مبانی پردازش سیگنال دیجیتال از پایه خواهد بود. با شروع از تعریف اولیه سیگنال زمان گسسته، ما راه خود را از طریق تجزیه و تحلیل فوریه، طراحی فیلتر، نمونه برداری، درون یابی و کمی سازی برای ایجاد یک مجموعه ابزار DSP به اندازه کافی کامل برای تجزیه و تحلیل یک سیستم ارتباطی عملی با جزئیات خواهیم داشت. نمونه های عملی و نمایش به طور معمول برای از بین بردن شکاف بین تئوری و عمل استفاده می شود. برای استفاده بهینه از این کلاس، توصیه می‌شود در محاسبات پایه و جبر خطی مهارت داشته باشید. چندین مثال برنامه نویسی در قالب نوت بوک پایتون ارائه خواهد شد، اما می توانید از زبان برنامه نویسی مورد علاقه خود برای آزمایش الگوریتم های توضیح داده شده در دوره استفاده کنید.

آیا تا به حال از خود پرسیده اید که چرا سرامیک ها سخت و شکننده هستند در حالی که فلزات تمایل به شکل پذیری دارند؟ چرا برخی از مواد گرما یا الکتریسیته را هدایت می کنند در حالی که برخی دیگر عایق هستند؟ چرا با افزودن مقدار کمی کربن به آهن آلیاژی بسیار قوی تر از فلز پایه ایجاد می شود؟ در این دوره، یاد خواهید گرفت که چگونه خواص یک ماده توسط ریزساختار ماده تعیین می شود، که به نوبه خود توسط ترکیب و پردازشی که ماده تحت آن قرار گرفته است تعیین می شود. این دومین دوره از سه دوره Coursera است که منعکس کننده کلاس مقدماتی علوم مواد است که توسط اکثر دانشجویان کارشناسی مهندسی در Georgia Tech گذرانده می شود. هدف از این دوره کمک به دانش آموزان برای درک بهتر مواد مهندسی است که در دنیای اطراف آنها استفاده می شود. این بخش اول اصول علم مواد از جمله ساختار اتمی و پیوند، ساختار کریستالی، عیوب اتمی و میکروسکوپی و مواد غیر کریستالی مانند شیشه‌ها، لاستیک‌ها و پلیمرها را پوشش می‌دهد.

این اولین دوره آموزشی چهار دوره تخصصی Python Data Products for Predictive Analytics است که اصول اولیه خواندن و دستکاری مجموعه داده ها را در پایتون معرفی می کند. در این دوره شما یاد می گیرید که محصول داده چیست و از چندین کتابخانه پایتون برای انجام بازیابی، پردازش و تجسم داده ها عبور می کنید. این دوره شما را با رشته علم داده آشنا می کند و شما را برای سه دوره بعدی در تخصص: طراحی تفکر و تجزیه و تحلیل پیش بینی برای محصولات داده، مدل سازی پیش بینی معنادار، و استقرار مدل های یادگیری ماشین آماده می کند. 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.

دوره "پردازش و دستکاری داده ها" درک جامعی از مفاهیم و ابزارهای مختلف پردازش و دستکاری داده ها را در اختیار دانشجویان قرار می دهد. شرکت‌کنندگان یاد می‌گیرند که چگونه مقادیر از دست رفته را مدیریت کنند، نقاط پرت را شناسایی کنند، نمونه‌برداری و کاهش ابعاد را انجام دهند، تکنیک‌های مقیاس‌بندی و گسسته‌سازی را اعمال کنند، و عملیات‌های مکعب داده و جدول محوری را کاوش کنند. این دوره دانش آموزان را با مهارت های ضروری برای آماده سازی کارآمد و تبدیل داده ها برای تجزیه و تحلیل و تصمیم گیری مجهز می کند. اهداف آموزشی: 1. درک اهمیت پردازش و دستکاری داده ها در خط لوله تجزیه و تحلیل داده ها. 2. تکنیک های مدیریت مقادیر از دست رفته در مجموعه داده ها، از جمله راهبردهای انتساب و حذف را بیاموزید. 3. شناسایی و شناسایی موارد پرت برای ارزیابی تأثیر آنها بر تجزیه و تحلیل داده ها و تصمیم گیری. 4. روش های نمونه برداری و تکنیک های کاهش ابعاد را برای مجموعه داده های بزرگ و داده های با ابعاد بالا کاوش کنید. 5. از تکنیک های مقیاس بندی داده ها برای عادی سازی و استانداردسازی متغیرها برای مقایسه های معنادار استفاده کنید. 6. از گسسته سازی برای تبدیل داده های پیوسته به نمایش های طبقه بندی شده استفاده کنید و تجزیه و تحلیل را ساده کنید. 7. درک مفهوم مکعب داده و انجام تجمیع چند بعدی برای تجزیه و تحلیل اکتشافی. 8. جداول محوری برای خلاصه کردن و شکل دادن به داده ها ایجاد کنید و بینش های ارزشمندی را از مجموعه داده های پیچیده به دست آورید. در طول دوره، دانش‌آموزان فعالانه در تمرین‌ها و پروژه‌های عملی شرکت می‌کنند و به آن‌ها اجازه می‌دهد تا تکنیک‌های پردازش و دستکاری داده‌ها را در مجموعه داده‌های دنیای واقعی اعمال کنند. در پایان دوره، شرکت کنندگان به خوبی مجهز خواهند شد تا به طور موثر داده ها را برای کارهای تجزیه و تحلیل بعدی و تصمیم گیری مبتنی بر داده آماده کنند، تمیز کنند و تبدیل کنند.

این دوره شما را با تمام جنبه های توسعه پردازشگرهای نرم و مالکیت معنوی (IP) در طراحی FPGA آشنا می کند. با گستردگی انواع و قابلیت‌های Soft Processor، نحوه ساختن Soft Processor خود در FPGA، از جمله نحوه طراحی سخت‌افزار و نرم‌افزار برای یک Soft Processor آشنا خواهید شد. شما یاد خواهید گرفت که چگونه بلوک های IP و دستورالعمل های سفارشی را به Soft Processor خود اضافه کنید. پس از ساخته شدن Soft Processor، یاد می گیرید که چگونه طراحی را با استفاده از شبیه سازی و یک تحلیلگر منطق داخلی تایید کنید. پس از تکمیل، نحوه ایجاد و استفاده از Soft Processors و IP را خواهید دانست که یک مهارت بسیار مفید است. این دوره شامل 4 ماژول، تقریبا 1 در هفته به مدت 4 هفته است. هر ماژول شامل یک یا دو ساعت سخنرانی ویدیویی، تکالیف خواندن، پیشنهادات بحث و ارزیابی پایان ماژول خواهد بود.

این دوره به بررسی مفهوم واقعیت و فیزیک آسمان می پردازد. شما از طریق فلسفه ها و جهان بینی تمدن های اولیه به زمان دانشمندان اولیه مانند افلاطون، ارسطو و کوپرنیک سفر خواهید کرد. شما خواهید آموخت که چگونه یافته های گالیله با تلسکوپ تفسیر ارسطویی کیهان، در مورد نتیجه گیری انقلابی گالیله در مورد گرانش و قانون جهانی گرانش نیوتن را به چالش کشید. این دوره همچنین شما را با روش های علمی و محدودیت های آنها آشنا می کند. همچنین خواص و رفتار آونگ های خانگی را بررسی خواهید کرد. در مرحله بعد، ایده های مدرن کیهان شناسی، بیگ بنگ، و حتی گمانه زنی های اخیر مبنی بر اینکه جهان ما همه چیز نیست را بررسی خواهید کرد. اسرار و خواص نور و چگونگی کشف، پرسش و تأیید آنها از طریق آزمایشات طی چند صد سال گذشته تا زمان حال نیز مورد بحث قرار خواهد گرفت.

در این دوره، شما از طریق جدول زمانی "اتم" از یونانی ها از طریق اکتشافات در دهه 1900 قدم می زنید و می آموزید که چگونه درک ما از ماده و اتم بر دیدگاه های ما در مورد واقعیت تأثیر می گذارد. شما با برخی از درک فعلی ماده و ذرات زیراتمی آشنا خواهید شد و همچنین به برخورد دهنده بزرگ هادرون در سرن سفر خواهید کرد! در نهایت، تفسیر مکانیک کوانتومی از واقعیت را بررسی خواهید کرد و مرزهای کوانتومی را در مقابل کلاسیک مقایسه خواهید کرد. این دوره همچنین به سوالاتی مانند: مرز بین دنیای کوانتومی و کلاسیک را از کجا می‌کشید؟ منظور ما از «شناختنی» و «ناشناختنی» چیست؟

در این دوره، پروتکل های همتا به همتا و شبکه های محلی را مورد بحث قرار می دهیم. بخش اول در این دوره برای پاسخ به این سوال است که چگونه یک پروتکل همتا به همتا سرویس انتقال داده قابل اعتماد را در خطوط یا شبکه های انتقال غیرقابل اعتماد ارائه می دهد. ما بر روی چندین پروتکل کنترل دسترسی متوسط ​​و تجزیه و تحلیل عملکرد آنها تمرکز می کنیم. در بخش دوم، چگونگی هماهنگی پروتکل‌های کنترل دسترسی متوسط، دسترسی به کانال ارتباطی را به گونه‌ای که اطلاعات از یک منبع به مقصد در همان شبکه محلی پخش می‌شود، مورد بحث قرار می‌دهیم. ما بیشتر در مورد شبکه محلی و LAN بی سیم بحث می کنیم.

این دوره آموزشی برای مربیان بهداشت و بازدیدکنندگان از خانه طراحی شده است که به خانواده های دارای نوزاد 0 تا 6 ماهه خدمات ارائه می دهد. فراگیران دانش و مهارت هایی را به دست می آورند تا تأثیر مثبتی بر تغذیه و رشد سالم نوزاد و همچنین تغذیه مادر و خانواده داشته باشند. این دوره به طور منحصر به فرد برای خانواده های بومی طراحی شده است و از طریق یک لنز مبتنی بر نقاط قوت که به غذاهای بومی و غذاهای بومی متصل می شود، به تغذیه می پردازد.

پروژه Capstone به شما فرصتی می دهد تا مفاهیم تحت پوشش را مجدداً مرور کنید و یک راه حل قابل اجرا برای بیانیه مشکل داده شده با پیروی از بهترین شیوه ها ایجاد کنید. راه حل باید مطابق با استانداردهای صنعت در مدت زمان تعیین شده بر اساس دستورالعمل های ارائه شده توسعه یابد.

با این پروژه عملی Capstone، مهارت های DevOps و مهندسی نرم افزار خود را به نمایش بگذارید! در این دوره شما مهارت ها و تکنیک هایی را که به عنوان بخشی از دوره های قبلی در گواهینامه حرفه ای آموخته اید به کار می گیرید. در طول پروژه، در طول چندین سرعت، یک برنامه کاربردی مبتنی بر میکروسرویس های امن را در Cloud توسعه، آزمایش، استقرار، نظارت و ارتقاء خواهید داد. با توسعه داستان های کاربر و یک برد Kanban با استفاده از ZenHub و GitHub، یک برنامه Agile ایجاد خواهید کرد. این طرح برای ایجاد یک اپلیکیشن Flask مبتنی بر میکروسرویس RESTful اجرا خواهد شد. شما از Test Driven Development (TDD) برای ایجاد و اجرای آزمایش‌های برنامه استفاده می‌کنید. بسیاری از کارهای دیگر مانند افزودن قابلیت با استفاده از ادغام مداوم، اطمینان از ایمن بودن برنامه، و استقرار برنامه در Cloud با استفاده از Kubernetes را انجام خواهید داد. شما همچنین یک خط لوله خودکار CI/CD ایجاد خواهید کرد. این دوره آخرین دوره در گواهینامه های حرفه ای مهندسی IBM DevOps است. توصیه می شود قبل از شروع این دوره، تمام دوره های قبلی در این گواهینامه حرفه ای را تکمیل کنید.

زمان آن رسیده است که از مهارت های تجزیه و تحلیل جنسیتی خود برای مقابله با یک چالش دنیای واقعی در پروژه اصلی خود استفاده کنید. در دوره نهایی در تخصص تجزیه و تحلیل جنسیت ارائه شده توسط موسسه جنسیت و اقتصاد (GATE) در دانشکده مدیریت روتمن در دانشگاه تورنتو، شما مهارت های تجزیه و تحلیل جنسیت خود را در یک پروژه یادگیری کاربردی تمرین خواهید کرد که شما را در کل آموزش می بیند. فرآیند استفاده از بینش های مبتنی بر جنسیت برای ایجاد راه حل های نوآورانه. از شما انتظار می رود با استفاده از یک لنز جنسیتی متقاطع به مشکل فکر کنید، داده های کمی و کیفی را بررسی کنید، روش های طراحی انسان محور را برای توسعه نمونه های اولیه به کار ببرید و برای عرضه در یک سازمان، بازار یا جامعه برنامه ریزی کنید. این فعالیت یک فرصت یادگیری عملی برای تمرین مهارت های حیاتی برای تجزیه و تحلیل جنسیتی فراهم می کند.

در Capstone ارتباطات موثر، فراگیران از درس‌های نوشتن تجاری، طراحی گرافیک و ارائه موفق استفاده می‌کنند تا مجموعه‌ای از کار ایجاد کنند که نشان‌دهنده تسلط آن‌ها در نوشتن، طراحی، و صحبت کردن باشد و نشان‌دهنده برند شخصی آنها باشد. این نمونه کارها شامل سه عنصر جداگانه است - یک یادداشت نوشته شده، یک اسلاید دک و یک ارائه - که حول یک موضوع واحد ادغام شده اند. ما عناصر را برای یک سنگ بنای پایه ارائه می کنیم، اما همچنین از فراگیران خود دعوت می کنیم در صورت تمایل، پروژه خود را ایجاد کنند. این "Challenge Capstone" که خود طراحی شده است به زبان آموزان اجازه می دهد تا با انتخاب پروژه ای مرتبط با شغل فعلی خود یا با داوطلب شدن برای نوشتن، طراحی و صحبت برای سازمان اجتماعی مورد نظر خود، به طور معناداری در دنیای خود مشارکت کنند. با انجام موفقیت آمیز Capstone، یادگیرندگان به سه هدف اصلی دست خواهند یافت: 1. مهارت های نوشتاری، طراحی، و گفتاری خود را تقویت می کنند و نمونه کارها را برای جستجوی کار و/یا برنامه حرفه ای می سازند. 2. آنها این مهارت ها را به یک هویت برند منحصر به فرد تبدیل می کنند. و در صورت انتخاب، 3. اثری دگرگون کننده در دنیای اطراف خود خواهند داشت. در نهایت، اهمیت پورتفولیو Capstone بیشتر از مجموع قطعات جداگانه آن است. هدف واقعی آن در تحول شخصی هر دانش آموز و بیان بهترین خود نهفته است. ما از شما دعوت می کنیم تا مهارت های خود را آزاد کنید و نمی توانیم منتظر دیدن نتایج باشیم! 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 که دارای طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار هستند، ایده آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.