در این دوره، نگاهی عمیق به دستور SQL SELECT و بندهای اصلی آن خواهید داشت. این دوره بر روی موتورهای SQL داده های بزرگ Apache Hive و Apache Impala تمرکز دارد، اما بیشتر اطلاعات برای SQL با RDBM های سنتی نیز قابل استفاده است. مدرس به صراحت به تفاوت های MySQL و PostgreSQL می پردازد. در پایان دوره، شما قادر خواهید بود • کاوش و پیمایش پایگاه های داده و جداول با استفاده از ابزارهای مختلف. • اصول عبارات SELECT را درک کنید. • درک چگونگی و چرایی فیلتر کردن نتایج. کاوش در گروه بندی و تجمیع برای پاسخ به سؤالات تحلیلی. • کار با مرتب سازی و محدود کردن نتایج. و • چند جدول را به روش‌های مختلف ترکیب کنید. برای استفاده از محیط عملی این دوره، باید یک ماشین مجازی و نرم افزاری که روی آن اجرا می شود را دانلود و نصب کنید. قبل از ادامه، مطمئن شوید که به رایانه ای دسترسی دارید که شرایط سخت افزاری و نرم افزاری زیر را برآورده می کند: • سیستم عامل Windows، macOS، یا لینوکس (iPads و تبلت‌های Android کار نمی‌کنند) • سیستم عامل 64 بیتی (سیستم عامل های 32 بیتی کار نمی کنند) • 8 گیگابایت رم یا بیشتر • ۲۵ گیگابایت فضای دیسک رایگان یا بیشتر • پشتیبانی مجازی سازی Intel VT-x یا AMD-V فعال است (در رایانه های مک با پردازنده های اینتل، این همیشه فعال است. در رایانه های ویندوز و لینوکس، ممکن است لازم باشد آن را در بایوس فعال کنید) • فقط برای رایانه‌های Windows XP: باید یک ابزار unzip مانند 7-Zip یا WinZip نصب کرده باشید (ابزار Unzip داخلی Windows XP کار نخواهد کرد)

این دوره استفاده از زبان برنامه نویسی پایتون را برای دستکاری مجموعه داده ها به عنوان جایگزینی برای صفحات گسترده معرفی می کند. شما از چارچوب OSEMN تجزیه و تحلیل داده ها پیروی می کنید تا داده ها را بکشید، تمیز کنید، دستکاری کنید و تفسیر کنید و در عین حال اصول برنامه نویسی اساسی و توابع پایه پایتون را یاد بگیرید. شما با کتابخانه پایتون، پانداها و نحوه استفاده از آن برای به دست آوردن، تمیز کردن، کاوش و تجسم داده ها آشنا خواهید شد. در پایان این دوره شما قادر خواهید بود: • از پایتون برای ساخت حلقه ها و ساختارهای داده اولیه استفاده کنید • مرتب سازی، پرس و جو و ساختار داده ها در پانداها، کتابخانه پایتون • تجسم داده ها را با کتابخانه های پایتون ایجاد کنید • مدل سازی و تفسیر داده ها با استفاده از پایتون این دوره برای افرادی طراحی شده است که می خواهند اصول استفاده از پایتون را برای مرتب سازی و ساختار داده ها برای تجزیه و تحلیل داده ها یاد بگیرند. شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید.

ChatGPT Advanced Data Analysis با کمک به تقویت بهره وری و حمایت از خلاقیت شما، وظایف را متحول می کند. تجزیه و تحلیل داده های پیشرفته ChatGPT می تواند به شما کمک کند تا هوش خود را تقویت کنید و وظایف خود را خودکار کنید، مانند: 1. تبدیل یک فایل اکسل به تصویرسازی و سپس اسلاید در یک ارائه پاورپوینت. استخراج داده ها از یک سری فایل PDF 2. پاسخ دادن به سوالات در مورد آنچه در فایل های PDF وجود دارد، و تجسم داده ها. به طور خودکار تعیین می کند که آیا رسید مطابق با خط مشی مسافرتی است که در یک PDF ثبت شده است 3. تبدیل یک سند به یک ارائه آموزشی و آزمون های مرتبط. خواندن و سازماندهی مجدد مجموعه ای از اسناد بر اساس محتوای آنها 4. تولید محتوای رسانه های اجتماعی و بازاریابی از یک سری اسناد یا رونوشت های ویدئویی 5. تغییر اندازه و ویرایش خودکار ویدیوها/تصاویر در حالی که فهرست آنها در یک CSV هر کسی با ChatGPT Advanced Data Analysis می‌تواند بدون داشتن تجربه قبلی در برنامه‌نویسی از این قابلیت‌ها استفاده کند. این دوره به شما می آموزد که چگونه با ChatGPT Advanced Data Analysis برای انجام این وظایف صحبت کنید، چگونه به حل مسئله فکر کنید و چه نوع وظایفی برای ابزار مناسب هستند. شما طیف گسترده ای از بلوک های سازنده را یاد خواهید گرفت که می توانید در کار و زندگی خود به کار ببرید. مدل‌های زبان بزرگ به دستورالعمل‌ها و سؤالات مطرح شده توسط کاربران در عبارات زبان طبیعی پاسخ می‌دهند که به «اعلان‌ها» معروف هستند. اگرچه مدل‌های بزرگ زبان بسیاری از زمینه‌ها را مختل می‌کنند، اکثر کاربران مهارت‌های لازم برای نوشتن پیام‌های مؤثر را ندارند. کاربران خبره، که نحوه نوشتن اعلان‌های خوب را می‌دانند، در مرتبه‌ای مولدتر هستند و می‌توانند کاربردهای خلاقانه‌تری را برای این ابزارها باز کنند. این دوره شما را با مهارت های نوشتاری سریع که تجزیه و تحلیل داده های پیشرفته ChatGPT را هدف قرار می دهد آشنا می کند.

این دوره بر توسعه مهارت های پایتون برای جمع آوری داده های تجاری تمرکز دارد. برخی از مطالب مشابه از مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم را پوشش می دهد، اما در یک محیط برنامه نویسی با هدف کلی تر (ژوپیتر نوت بوک برای پایتون)، به جای اکسل و ویرایشگر ویژوال بیسیک. این مفاهیم در چارچوب یک یا چند حوزه داده حسابداری (به عنوان مثال، داده های صورت های مالی از EDGAR، داده های سهام، داده های وام، داده های محل فروش) آموزش داده می شوند. نیمه اول دوره از جایی شروع می شود که مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم متوقف شد: استفاده در یک محیط توسعه یکپارچه برای خودکارسازی وظایف تجزیه و تحلیل داده ها. ما در مورد نحوه مدیریت کد و اشتراک‌گذاری نتایج در Jupyter Notebook، یک محیط توسعه محبوب برای نرم‌افزارهای تجزیه و تحلیل داده‌ها مانند Python و R بحث می‌کنیم. سپس برخی از مهارت‌های برنامه‌نویسی اساسی، مانند عملگرهای ریاضی، توابع، عبارات شرطی و حلقه‌ها را با استفاده از نرم‌افزار پایتون مرور می‌کنیم. نیمه دوم دوره بر روی جمع آوری داده ها برای اهداف یادگیری ماشین تمرکز دارد. ما دانش آموزان را با قالب های داده پاندا و Numpy برای ساختاردهی و دستکاری داده ها آشنا می کنیم. سپس داده ها را با استفاده از تجسم و رگرسیون خطی تجزیه و تحلیل می کنیم. در نهایت نحوه استفاده از پایتون برای تعامل با داده های SQL را توضیح می دهیم.

نتایج یادگیرنده: پس از گذراندن این دوره، شما قادر خواهید بود: - از سرویس های مختلف رابط برنامه نویسی برنامه (API) برای جمع آوری داده ها از منابع مختلف رسانه های اجتماعی مانند یوتیوب، توییتر و فلیکر استفاده کنید. - پردازش داده های جمع آوری شده - عمدتاً ساختار یافته - با استفاده از روش هایی شامل همبستگی، رگرسیون و طبقه بندی برای به دست آوردن بینش در مورد منابع و افرادی که آن داده ها را تولید کرده اند. - داده های بدون ساختار - عمدتاً نظرات متنی - را برای احساسات بیان شده در آنها تجزیه و تحلیل کنید. - از ابزارهای مختلف برای جمع آوری، تجزیه و تحلیل و کاوش داده های رسانه های اجتماعی برای اهداف تحقیق و توسعه استفاده کنید. نمونه داستان یادگیرنده: تحلیلگر داده که می خواهد از داده های رسانه های اجتماعی استفاده کند. ایزابلا یک تحلیلگر داده است که به عنوان مشاور برای یک شرکت چند ملیتی کار می کند. او تجربه کار با ابزارهای تحلیل وب و همچنین داده های بازاریابی را دارد. او می‌خواهد اکنون در عرصه رسانه‌های اجتماعی گسترش یابد و سعی کند از حجم وسیعی از داده‌های موجود از طریق کانال‌های مختلف رسانه‌های اجتماعی استفاده کند. به طور خاص، او می خواهد ببیند که مشتریان، شرکا و رقبا چگونه محصولات/خدمات خود را مشاهده می کنند و در مورد آنها صحبت می کنند. او امیدوار است که یک گردش کار جدید از تجزیه و تحلیل داده ایجاد کند که پردازش داده های سنتی با استفاده از وب و ابزارهای بازاریابی و همچنین روش های جدیدتر استفاده از داده های رسانه های اجتماعی را در بر می گیرد. نمونه نقش های شغلی که به این مهارت ها نیاز دارند: - تحلیلگر رسانه های اجتماعی - تحلیلگر وب - تحلیلگر داده - بازاریابی و روابط عمومی پروژه نهایی قابل تحویل / مصنوع: این دوره دارای یک سری تکالیف کوچک یا پروژه های کوچک است که شامل جمع آوری داده ها، تجزیه و تحلیل و ارائه شامل منابع مختلف رسانه های اجتماعی با استفاده از تکنیک های آموخته شده در کلاس است. این دوره توسط دکتر چراغ شاه در زمانی که او عضو هیئت علمی دانشگاه راتگرز بود، ایجاد شد. او در حال حاضر یکی از اعضای هیئت علمی دانشگاه واشنگتن است.

این دوره شما را با نرم افزار MAXQDA برای تجزیه و تحلیل آسانتر داده ها در طول فرآیند تحقیق کیفی آشنا می کند. شما در این دوره نحوه انجام یادداشت ها، متغیرها، تقسیم بندی، کدگذاری و تکنیک های کاهش داده را بررسی خواهید کرد!

این دوره ادامه  Healthcare Analytics Essentials است. اگر هنوز دوره Healthcare Analytics Essentials را گذرانده اید، توصیه می شود آن دوره را قبل از این دوره تکمیل کنید. دانش اساسی برای حمایت از پروژه در این بررسی عمیق تر برای استفاده از تجزیه و تحلیل مراقبت های بهداشتی در مدیریت و مدیریت انجام می شود. این دوره به شما این فرصت را می دهد تا در مورد اینکه چگونه تجزیه و تحلیل کسب و کار می تواند عملکرد سازمان بهداشت و درمان را بهبود بخشد و راه هایی برای شناسایی و رسیدگی به مسائلی که بر مراقبت از بیمار تأثیر می گذارد، بیاموزید. شما مؤلفه های تداوم مراقبت، استراتژی های مورد استفاده برای دستیابی به تداوم و ویژگی های بیمار محوری را بررسی خواهید کرد. همچنین ساختار و ارزش کارآزمایی تصادفی کنترل شده و نیاز به تصمیم گیری در سطح فردی را بررسی خواهید کرد. در نهایت، شما در مورد سیستم‌ها در مراقبت‌های بهداشتی، 6Cهای سیستمی، و پنج ویژگی رایج سیستم‌های پیچیده و چارچوب ایجاد تغییر خواهید آموخت.

این پنجمین دوره از هفت دوره در گواهی تجزیه و تحلیل داده های پیشرفته گوگل است. متخصصان داده از تحلیل رگرسیون برای کشف روابط بین متغیرهای مختلف در یک مجموعه داده و شناسایی عوامل کلیدی موثر بر عملکرد کسب و کار استفاده می کنند. در این دوره، مدل سازی روابط متغیر را تمرین خواهید کرد. شما در مورد روش های مختلف مدل سازی داده ها و نحوه استفاده از آنها برای نزدیک شدن به مشکلات تجاری یاد خواهید گرفت. همچنین روش هایی مانند رگرسیون خطی، تحلیل واریانس (ANOVA) و رگرسیون لجستیک را بررسی خواهید کرد. کارمندان Google که در حال حاضر در این زمینه کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، به اشتراک گذاشتن نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در تقویت مهارت‌های تجزیه و تحلیل داده‌ها برای آماده شدن برای حرفه‌تان، شما را در این دوره راهنمایی می‌کنند. فراگیرانی که هفت دوره در این برنامه را تکمیل می کنند، مهارت های مورد نیاز برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم آگاهی قبلی از اصول، مهارت‌ها و ابزارهای تحلیلی پایه است که در گواهی تجزیه و تحلیل داده‌های Google پوشش داده شده است. در پایان این دوره، شما: -کاوش استفاده از مدل های پیش بینی برای توصیف روابط متغیرها، با تاکید بر همبستگی -تعیین کنید که چگونه رگرسیون چندگانه بر روی رگرسیون خطی ساده در هر مرحله از فرآیند مدل سازی ایجاد می شود -تست های ANOVA یک طرفه و دو طرفه را اجرا و تفسیر کنید - ساخت انواع مختلف رگرسیون لجستیک از جمله مدل های رگرسیون خطی دو جمله ای، چند جمله ای، ترتیبی و پواسون

به تجزیه و تحلیل زنجیره تامین خوش آمدید - هنر و علم استفاده از تجزیه و تحلیل داده ها برای ارزیابی و بهبود عملکرد زنجیره تامین! زنجیره تامین یک سیستم پیچیده با اهداف متضاد کارایی هزینه و رضایت مشتری است. مدیریت زنجیره تامین به طور فزاینده ای مبتنی بر داده می شود. از طریق داستان زندگی واقعی و داده های یک شرکت بزرگ مخابراتی ایالات متحده، شما ابزارها / مهارت های تجزیه و تحلیل را برای تشخیص و بهینه سازی یک زنجیره تامین خواهید آموخت. پس از اتمام این دوره، شما قادر خواهید بود 1. از تجزیه و تحلیل داده ها برای ارزیابی تاثیر استراتژی های مختلف بر روی تمام جنبه های زنجیره تامین، از موجودی، حمل و نقل، تا انجام سفارش انبار، عملیات فروشگاه و رضایت مشتری استفاده کنید. 2. سفارشی کردن استراتژی زنجیره تامین بر اساس محصول برای بهبود کارایی کلی هزینه بدون قربانی کردن خدمات مشتری. 3. کسب تجربه عملی در مورد کاربرد و تاثیر مالی تجزیه و تحلیل در زنجیره تامین یکپارچه و برنامه ریزی لجستیک. VASTA (نام پنهان) یک اپراتور بزرگ بی سیم در ایالات متحده است که تلفن های همراه را از طریق شبکه ملی خرده فروشی ها می فروشد. اخیراً، هر سال مقدار زیادی از موجودی منسوخ را حذف کرده و در بازاری که به طور فزاینده ای راکد می شود، از ناکارآمدی هزینه قابل توجهی رنج می برد. VASTA باید محیط رقابتی را ارزیابی کند و زنجیره تامین خود را برای رقابتی ماندن بازسازی کند. در پایان این دوره، به VASTA کمک خواهید کرد تا میلیاردها دلار در هزینه زنجیره تامین صرفه جویی کند و رهبری خود را در بازار راکد و اشباع حفظ کند. امیدوارم از دوره لذت ببرید!

در این دوره، شما یاد خواهید گرفت که سیستم های اندازه گیری را برای ثبات و قابلیت فرآیند تجزیه و تحلیل کنید و اینکه چرا داشتن یک فرآیند اندازه گیری پایدار قبل از انجام هر گونه تحلیل آماری ضروری است. شما سیستم‌های اندازه‌گیری پیوسته را تجزیه و تحلیل می‌کنید و با استفاده از نرم‌افزار R، دقت و صحت را از نظر آماری مشخص می‌کنید. شما تجزیه و تحلیل سیستم های اندازه گیری را برای کنترل آماری بالقوه، کوتاه مدت و بلند مدت و قابلیت انجام خواهید داد. علاوه بر این، شما یاد خواهید گرفت که چگونه یک اندازه گیری گسسته را ارزیابی کنید و تجزیه و تحلیل هایی را برای سازگاری داخلی، تطابق بین ارزیاب ها و تطابق با یک استاندارد انجام دهید. در نهایت، نحوه تصمیم گیری در مورد بهبود فرآیند سیستم های اندازه گیری را یاد خواهید گرفت. این تخصص را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) ارائه شده در پلت فرم Coursera در نظر گرفت. 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.

در این دوره، مدل سازی سیستم های پویا و کنترل بازخورد را بررسی خواهید کرد. این دوره با مقدمه ای از تئوری کنترل و استفاده از تبدیل های لاپلاس در حل معادلات دیفرانسیل آغاز می شود، که پایه ای قوی در مدل سازی سیستم های خطی، تغییر ناپذیری زمانی و دینامیکی ارائه می دهد. هفته آینده به قوانین حاکم بر مدل‌سازی سیستم‌های دینامیک، با تمرکز بر استخراج معادلات دیفرانسیل از اصول بنیادی مانند قوانین نیوتن و قوانین کیرشهوف، و همچنین تسلط بر نمایش سیستم‌ها به عنوان توابع انتقال در حوزه لاپلاس خواهد پرداخت. هفته سوم عمیق‌تر به تبدیل‌های لاپلاس می‌پردازد و بر قضایای ارزش اولیه/پایانی، دستکاری نمودار بلوکی و تحلیل پاسخ دینامیکی تأکید می‌کند. با حرکت به هفته چهارم، یاد خواهید گرفت که عملکرد سیستم را با استفاده از مشخصات پاسخ گذرا تجزیه و تحلیل کنید، و شما را قادر می سازد تا رفتار سیستم را به طور موثر ارزیابی و بهینه کنید. در نهایت، در هفته پنجم، پایداری Bounded-Input Bounded-Output (BIBO) و معیار پایداری Routh را بررسی خواهید کرد، و مهارت های ارزیابی، تجزیه و تحلیل و طراحی سیستم های پایدار را به دست خواهید آورد. در پایان دوره، شما به خوبی برای پیمایش در پیچیدگی های سیستم های کنترل و مدل سازی پویا مجهز خواهید شد.

تجزیه و تحلیل شبکه یک روش قدیمی است که برای درک روابط بین کلمات و بازیگران در شبکه های گسترده تر که در آن وجود دارند استفاده می شود. این دوره تجزیه و تحلیل شبکه را در رابطه با داده های بازاریابی، به ویژه مجموعه داده های متنی و شبکه های اجتماعی پوشش می دهد. زبان‌آموزان مروری مفهومی از تجزیه و تحلیل شبکه را طی می‌کنند و از طریق آموزش‌های آموزشی در پایتون به مجموعه داده‌های دنیای واقعی می‌روند. دوره با یک پروژه بزرگ به پایان می رسد. 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.

اساس طراحی مهندسی اغلب با اعتبار سنجی همراه است. شبیه‌سازی ابزاری عالی است که به مهندسان اجازه می‌دهد تا طرح‌ها را قبل از تبدیل شدن به یک نمونه فیزیکی آزمایش، تأیید و اصلاح کنند. هنگامی که در اوایل فرآیند برای طراحی شبیه‌سازی محور و در طول فرآیند توسعه استفاده می‌شود، شبیه‌سازی می‌تواند به پیشبرد طراحی، اتخاذ تصمیمات طراحی آگاهانه، سرعت بخشیدن به زمان تولید، و مهم‌تر از همه، شناسایی و حذف اشتباهات پرهزینه طراحی کمک کند. با این حال، مانند هر ابزار دیگری، باید به درستی استفاده شود تا بهترین نتیجه را به همراه داشته باشد. در این دوره، ما شبیه‌سازی استرس استاتیکی استفاده، بهینه‌سازی شکل، حرارتی و سایر انواع شبیه‌سازی مکانیکی را بررسی می‌کنیم تا بهتر بفهمیم چگونه می‌توانیم این ابزارها را در مسائل طراحی روزمره به کار ببریم. پس از گذراندن این دوره، شما قادر خواهید بود: - گردش کار شبیه سازی را در Fusion 360 شرح دهید. - موارد استفاده برای انواع مختلف مطالعات شبیه سازی را خلاصه کنید. - نشان دادن دانش و مهارت در مهارت های پیشرفته تر Fusion 360 CAD و CAE. - توضیح و شناسایی نتایج شبیه سازی آیا به دنبال دوره های آمادگی گواهینامه Autodesk Fusion 360 هستید؟ منابع آموزشی اضافی را بررسی کنید تا به شما کمک کند مهارت های خود را ارتقا دهید: https://www.autodesk.com/learning

به تجزیه و تحلیل شرایط ضروری (NCA) خوش آمدید. NCA داده ها را با استفاده از منطق ضرورت تجزیه و تحلیل می کند. یک شرط ضروری دلالت بر این دارد که اگر شرط وجود نداشته باشد، شکست تضمینی نتیجه وجود خواهد داشت. اما برعکس این موضوع صادق نیست. اگر شرایط موجود باشد، موفقیت نتیجه تضمین نمی شود. نمونه هایی از شرایط لازم عبارتند از نمره GMAT دانشجو برای پذیرش در برنامه دکترا. زمانی که نمره GMAT بسیار پایین باشد، دانشجو در مقطع دکترا پذیرفته نمی شود. هوش برای خلاقیت، همانطور که خلاقیت بدون هوش وجود نخواهد داشت و تعهد مدیریت برای تغییر سازمانی، همانطور که تغییر سازمانی بدون تعهد مدیریت رخ نخواهد داد. NCA را می توان با مجموعه داده های موجود یا جدید استفاده کرد و می تواند بینش های جدیدی را برای تئوری و عمل ارائه دهد. شما می توانید NCA را به عنوان یک رویکرد مستقل یا به عنوان بخشی از یک رویکرد چند روشی تکمیل کننده رگرسیون خطی چندگانه (MLR)، مدل سازی معادلات ساختاری (SEM) یا تحلیل مقایسه کیفی (QCA) به کار ببرید. این دوره عناصر اساسی NCA را توضیح می دهد و از مثال های گویا در مورد نحوه انجام NCA با نرم افزار R استفاده می کند. موضوعات عبارتند از (i) راه اندازی یک مطالعه NCA (2) اجرای NCA و (iii) ارائه نتایج NCA. امیدواریم از دوره لذت ببرید!

در دوره پایانی این گواهی، شما مهارت های خود را در زمینه تجزیه و تحلیل صورت های مالی به کار خواهید گرفت. اگر مفاهیم اساسی حسابداری را در دست دارید، آماده اید تا در این دوره به آنها عمل کنید. در اینجا، نحوه تطبیق انواع حساب‌ها، بررسی صحت و عیب‌یابی خطاها را خواهید آموخت. علاوه بر این، نحوه اعمال روش‌های تحلیلی مختلف را در صورت‌های مالی کلیدی تمرین خواهید کرد و درک خواهید کرد که چگونه این روش‌ها به انواع تصمیمات تجاری کمک می‌کنند. در پایان این دوره، شما قادر خواهید بود: - استفاده از تطبیق بانکی در کنترل وجوه نقد را توصیف و نشان دهید - هدف صورتهای مالی را در رابطه با تصمیم گیری مشخص کنید -روش های تحلیلی اساسی صورت های مالی را شرح دهید استفاده از مهارت های کمی برای تجزیه و تحلیل سلامت کسب و کار دروس 1-3 در گواهینامه حرفه ای حسابداری Intuit یا معادل آن، پیش نیازهای توصیه شده برای این دوره است.

این دوره برای تأثیرگذاری بر نحوه تفکر شما در مورد تبدیل داده ها به تصمیمات بهتر طراحی شده است. پیشرفت‌های خارق‌العاده اخیر در فن‌آوری‌های جمع‌آوری داده، نحوه تصمیم‌گیری آگاهانه و مؤثر شرکت‌ها را تغییر داده است. دوره تجزیه و تحلیل عملیات، که توسط سه نفر از کارشناسان برجسته وارتون تدریس می شود، بر این تمرکز دارد که چگونه می توان از داده ها برای تطبیق سودآوری عرضه با تقاضا در تنظیمات مختلف تجاری استفاده کرد. در این دوره آموزشی، نحوه مدل‌سازی عدم قطعیت‌های تقاضای آینده، نحوه پیش‌بینی نتایج انتخاب‌های سیاست‌های رقیب و نحوه انتخاب بهترین اقدام در مواجهه با ریسک را خواهید آموخت. این دوره چارچوب‌ها و ایده‌هایی را معرفی می‌کند که بینش‌هایی را در مورد طیفی از چالش‌های کسب‌وکار در دنیای واقعی ارائه می‌دهد، روش‌ها و نرم‌افزارهای موجود برای مقابله با این چالش‌ها از نظر کمی و همچنین مسائل مربوط به جمع‌آوری داده‌های مربوطه را به شما آموزش می‌دهد. این دوره برای مبتدیان و حرفه ای های تجاری بدون تجربه قبلی در تجزیه و تحلیل مناسب است.

در این دوره آموزشی، نحوه انجام تجزیه و تحلیل عملیاتی در برابر Azure Cosmos DB با استفاده از ویژگی Azure Synapse Link در Azure Synapse Analytics را خواهید آموخت. خواهید آموخت که چگونه پردازش تراکنش های ترکیبی و تحلیلی می تواند به شما در انجام تجزیه و تحلیل عملیاتی با Azure Synapse Analytics کمک کند. همچنین یاد خواهید گرفت که چگونه Azure Synapse Link را برای تعامل با Azure Cosmos DB پیکربندی و فعال کنید و چگونه می توانید با استفاده از Azure Synapse Link تجزیه و تحلیل را در برابر Azure Cosmos DB انجام دهید. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این هفتمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

تنوع یک واقعیت زندگی در محیط های تولیدی است که بر کیفیت و بازده محصول تأثیر می گذارد. از طریق این دوره، دانش آموزان یاد خواهند گرفت که چرا انجام تجزیه و تحلیل پیشرفته فرآیندهای تولید برای تشخیص و اصلاح عیوب عملیاتی به منظور بهبود بازده و کاهش هزینه ها ضروری است. در مورد بهترین روش‌های جمع‌آوری، آماده‌سازی و تجزیه و تحلیل داده‌ها، و همچنین پلتفرم‌های محاسباتی که می‌توان از آنها برای جمع‌آوری و پردازش داده‌ها در دوره‌های زمانی طولانی استفاده کرد، بینشی به دست آورید. برای شرکت به عنوان عضوی از یک تیم تجزیه و تحلیل پیشرفته و به اشتراک گذاشتن ورودی های ارزشمند در اجرای موثر، آمادگی بیشتری داشته باشید. مفاهیم اصلی این دوره از طریق سخنرانی، خواندن، بحث و گفتگو و ویدئوهای مختلف ارائه خواهد شد. این چهارمین دوره در تخصص فناوری ساخت و طراحی دیجیتال است که بسیاری از جنبه‌های «انقلاب چهارم» تولید، با نام مستعار Industry 4.0 را بررسی می‌کند و دارای یک پروژه اوج شامل ایجاد یک نقشه راه برای دستیابی به یک هدف حرفه‌ای مرتبط با DMD است. . برای کسب اطلاعات بیشتر در مورد تخصص فناوری ساخت و طراحی دیجیتال، لطفاً ویدیوی کلی را با کپی و چسباندن پیوند زیر در مرورگر وب خود تماشا کنید: https://youtu.be/wETK1O9c-CA

در این چهارمین و آخرین دوره تخصصی، شما یادگیری خود را در یک پروژه قابل تحویل به نام تجزیه و تحلیل فرصت بلاک چین ترکیب خواهید کرد. اهداف این دوره دو دسته است: یکی، شناسایی نیاز یا مشکل خاصی در تجارت جهانی که به طور بالقوه می تواند با استفاده از فناوری بلاک چین حل شود. دوم، این شما هستید که باید راه‌حل‌های ممکن برای این مشکل را بررسی کنید، از جمله اینکه چگونه این راه‌حل‌ها ممکن است اجرا شوند. شما هر هفته نقاط عطف پروژه های مختلفی را انجام خواهید داد و با چندین ابزار که کارآفرینان برای سازماندهی یافته های خود از آنها استفاده می کنند، آشنا خواهید شد. در طول این فرآیند، از متخصصان دنیای واقعی که تجربه عملی در اکوسیستم بلاک چین دارند، خواهید شنید. بعلاوه، با شرکت در این دوره، به Blockchain Case Commons ما دسترسی پیدا خواهید کرد - مجموعه ای از برنامه های بلاک چین و موارد استفاده که چندین صنعت را در بر می گیرد. به عنوان یک نتیجه از این دوره، شما با یک تجزیه و تحلیل فرصت بلاک چین تلفیقی و بررسی شده کنار می روید، که می توانید از آن برای ارائه ایده خود به سازمان یا حتی سرمایه گذاران بالقوه استفاده کنید.

در این دوره یاد خواهید گرفت که چگونه داده های نقشه را با استفاده از انواع داده ها و روش های مختلف برای پاسخ به سوالات جغرافیایی تجزیه و تحلیل کنید. ابتدا، یاد خواهید گرفت که چگونه یک مجموعه داده را با استفاده از انواع مختلف پرس و جو فیلتر کنید تا فقط داده هایی را که برای پاسخ به یک سوال خاص نیاز دارید، بیابید. سپس، روش‌های تحلیل ساده و در عین حال قدرتمندی را مورد بحث قرار می‌دهیم که از داده‌های برداری برای یافتن روابط فضایی درون و بین مجموعه‌های داده استفاده می‌کنند. در این بخش، نحوه استفاده از ModelBuilder را نیز یاد خواهید گرفت، ابزاری ساده اما قدرتمند برای فلوچارت های تحلیل ساختمان که می تواند به عنوان مدل نیز اجرا شود. سپس یاد خواهید گرفت که چگونه داده های سنجش از دور مانند تصاویر ماهواره ای را به عنوان منبع غنی داده های GIS پیدا کنید، درک کنید و از آنها استفاده کنید. سپس یاد خواهید گرفت که چگونه داده های شطرنجی را تجزیه و تحلیل کنید. در نهایت، شما پروژه خود را تکمیل خواهید کرد که در آن می توانید مهارت ها و ابزارهای جدیدی را که در این دوره آموخته اید، امتحان کنید. توجه: نرم افزاری برای این دوره ارائه نشده است.