دوره "جمع آوری و یکپارچه سازی داده ها" تکنیک های جامعی را برای جمع آوری داده ها از منابع مختلف از جمله فایل ها، پایگاه های داده رابطه ای، صفحات وب و API ها در اختیار دانشجویان قرار می دهد. شرکت کنندگان تجربه عملی در جمع آوری و ادغام داده ها برای پردازش و تجزیه و تحلیل بیشتر کسب خواهند کرد. این دوره بر استفاده از ابزارها و بسته‌های مناسب مانند پانداها، سوپ زیبا و SQL برای مدیریت مؤثر مجموعه داده‌های واقعی و رسیدگی به چالش‌های یکپارچه‌سازی داده‌ها تأکید دارد.

این دوره تحقیقاتی را ارائه می دهد که برای افزایش درک ما از چگونگی تأثیر تصمیمات جمع آوری داده ها بر خطاهای نظرسنجی انجام شده است. این یک دوره آموزشی "چگونه انجام آن" در جمع آوری داده ها نیست، بلکه ادبیات مربوط به تصمیمات طراحی نظرسنجی و کیفیت داده ها را بررسی می کند تا یادگیرندگان را نسبت به اینکه چگونه طرح های نظرسنجی جایگزین ممکن است بر داده های به دست آمده از آن نظرسنجی ها تأثیر بگذارد، حساس کند. این دوره طیف وسیعی از روش‌های جمع‌آوری داده‌های نظرسنجی را بررسی می‌کند که هم مبتنی بر مصاحبه (چهره به چهره و تلفن) و هم به صورت شخصی (پرسشنامه‌های کاغذی که از طریق پست ارسال می‌شوند و آنهایی که به‌صورت آنلاین اجرا می‌شوند، یعنی به‌عنوان نظرسنجی وب) هستند. طرح‌های حالت مختلط و همچنین چندین حالت ترکیبی برای جمع‌آوری اطلاعات حساس پوشش داده می‌شوند، به‌عنوان مثال، خود مدیریت سؤالات حساس در مصاحبه‌ای رودررو. این دوره همچنین روش های جدیدتری مانند مصاحبه های وب موبایل و پیامک (پیام متنی) را پوشش می دهد و منابع داده جایگزین مانند رسانه های اجتماعی را بررسی می کند. این روش بر تأثیر این تکنیک ها بر کیفیت داده های نظرسنجی، از جمله خطای اندازه گیری، عدم پاسخگویی، و پوشش تمرکز می کند و هنگام انتخاب یک حالت یا طرح نظرسنجی، مبادلات بین این منابع خطا را ارزیابی می کند.

در این دوره، یاد می گیرید که چگونه داده های GIS را برای پروژه های خود پیدا کنید و چگونه یک نقشه با طراحی خوب ایجاد کنید که پیام شما را به طور موثر منتقل کند. بخش اول بر روی بلوک های ساختمانی اولیه داده های GIS تمرکز دارد، به طوری که می دانید چه نوع فایل های GIS وجود دارد، و پیامدهای انتخاب یک نوع بر دیگری. در مرحله بعد، فراداده (که اطلاعاتی در مورد یک مجموعه داده است) را مورد بحث قرار خواهیم داد تا بدانید که چگونه یک مجموعه داده را قبل از تصمیم به استفاده از آن ارزیابی کنید و همچنین داده ها را با ادغام و برش فایل ها در صورت نیاز آماده کنید. سپس در مورد نحوه گرفتن داده های غیر GIS، مانند لیستی از آدرس ها، و تبدیل آن به داده های «قابل نقشه برداری» با استفاده از کدگذاری جغرافیایی صحبت خواهیم کرد. در نهایت، نحوه گرفتن داده هایی که پیدا کرده اید و طراحی نقشه با استفاده از اصول نقشه کشی یاد خواهید گرفت. در پروژه دوره، داده های خود را پیدا کرده و نقشه کمی خود را ایجاد می کنید. توجه: نرم افزاری برای این دوره ارائه نشده است.

در استخراج نیازمندی‌های نرم‌افزار برای توسعه نرم‌افزار ایمن، می‌خواهیم فرآیند کلی نیازهای نرم‌افزار را همانطور که در مدل‌های آبشاری، مارپیچی و چابک کاربرد دارد، مورد بحث قرار دهیم. شما در مورد هر یک از این فرآیندها و اهداف خود به عنوان یک تحلیلگر نیازمندی های نرم افزار یاد خواهید گرفت. این کار آسانی نیست! در هر چرخه عمر نرم افزاری با چه کسی صحبت می کنید، چه زمانی و چه نوع دانشی را می خواهید به دست آورید؟ در حین حرکت چگونه با موانع برخورد می کنید؟ اینها سوالاتی است که در این تخصص روی پاسخ به آنها تمرکز خواهیم کرد.

این دوره به شما می آموزد که داده ها را از سرویس های موجود در اینترنت واکشی و پردازش کنید. درک لیست پایتون را پوشش می دهد و فرصت هایی را برای تمرین استخراج و پردازش داده های عمیق تو در تو فراهم می کند. همچنین یاد خواهید گرفت که چگونه از ماژول درخواست‌های پایتون برای تعامل با APIهای REST استفاده کنید و در اسناد آن APIها به دنبال چه چیزی باشید. برای پروژه نهایی، شما یک «پیشنهادگر برچسب» برای سایت اشتراک‌گذاری عکس فلیکر می‌سازید. اگر قبلاً دوره های «مبانی پایتون» و «توابع، فایل ها و دیکشنری های پایتون» (دوره های 1 و 2 تخصص برنامه نویسی پایتون 3) را گذرانده باشید، این دوره برای شما مناسب است. اگر قبلاً با اصول پایتون آشنایی دارید اما می خواهید در بازیابی و پردازش داده های تو در تو پیچیده از سرویس های اینترنتی تمرین کنید، می توانید بدون گذراندن دو دوره قبلی نیز از این دوره بهره مند شوید. این سومین دوره از پنج دوره تخصصی برنامه نویسی پایتون 3 است.

در این دوره، خواهید آموخت که چگونه بیماری های جدی و تهدید کننده زندگی اغلب بر سلامت عاطفی و معنوی تأثیر می گذارد. بیماری ها می توانند استرس را افزایش دهند زیرا بیماران و خانواده ها یاد می گیرند با یک "عادی جدید" زندگی کنند که اغلب ممکن است بر بیماری تمرکز کند. شما یاد خواهید گرفت که چگونه بفهمید غم (یا اندوه) معمولی چه زمانی جدی‌تر می‌شود و باید به آن پرداخته شود. افراد مبتلا به بیماری‌های جدی نگرانی‌های اجتماعی نیز دارند، زیرا خانواده، دوستان و سیستم حمایتی جامعه آنها دچار مشکل می‌شود و گاهی اوقات با شکست مواجه می‌شود. ما در مورد منابع و مهارت هایی صحبت خواهیم کرد که می توانید از آنها برای کمک به بیماران و خانواده ها استفاده کنید. شما در مورد برنامه ریزی مراقبت از قبل، که شامل تصمیم گیری مشترک، تعیین اهداف مراقبت و نوشتن برنامه های مراقبت است، یاد خواهید گرفت.

توماس بری (1914-2009) مورخ ادیان جهان و صدای اولیه ای بود که حساسیت های اخلاقی را نسبت به بحران زیست محیطی بیدار کرد. او به دلیل بیان یک «داستان جدید» از جهان است که پیامدهای علوم تکاملی و سنت‌های فرهنگی را برای ایجاد آینده‌ای شکوفا بررسی می‌کند. این دوره به بررسی زندگی و اندیشه بری در رابطه با پروژه سفر جهان می پردازد. این کتاب از کتاب‌ها، مقالات و سخنرانی‌های ضبط‌شده او برای بررسی ایده‌هایی مانند: داستان جدید، کار بزرگ، و عصر نوظهور اکوزوئیک استفاده می‌کند. این دوره، بینش‌های بری را در مورد کیهان‌شناسی به‌عنوان زمینه‌ای برای قرار دادن انسان در یک جهان پویا در حال گسترش و در نتیجه مشارکت در کار خلاقانه زمانه ما بررسی می‌کند. به طور خاص، بازتاب‌های بری را در مورد تجدید و اصلاح در زمینه‌های بوم‌شناسی، اقتصاد، آموزش، معنویت و هنر بررسی خواهیم کرد. دلیل دوره: توماس بری یک متفکر اصیل، خلاق و جامع بود، به ویژه در مورد ماهیت بحرانی بحران جهانی محیط زیست ما. اهمیت فکری او در پاسخ او به بحران بوم شناختی از طریق گرد هم آوردن علوم انسانی و علوم در یک روایت تکاملی است. علاوه بر این، وی لزوم مشارکت اخلاقی ادیان جهانی را در رسیدگی به مسائل زیست محیطی بیان کرد. او عمدتاً از طریق مطالعه کیهان‌شناسی‌های نهفته در سنت‌های مذهبی به این درک رسید. او با درک اهمیت این داستان‌ها به‌عنوان «کیهان‌شناسی کارکردی»، تأثیر گسترده‌ای را که این داستان‌ها از طریق یک سنت منتقل می‌کنند، به عنوان مثال، در آیین‌ها، اخلاقیات و شیوه‌های معیشتی بررسی کرد.

این یک کلاس بررسی مقدماتی نجوم است که درک ما از جهان فیزیکی و اجزای اصلی آن، از جمله منظومه های سیاره ای، ستارگان، کهکشان ها، سیاهچاله ها، اختروش ها، ساختارهای بزرگتر و کل جهان را پوشش می دهد.

جهانی‌سازی و حکمرانی سلامت اولین بخش از تخصص‌های گسترده‌تر چالش‌های بهداشت جهانی و حکمرانی از استاد جهانی بهداشت عمومی کالج امپریال لندن (GMPH) است. دامنه و محتوای این دوره از ابتدا توسط تیمی ترکیبی از دانشگاهیان و پزشکان با استفاده از انبوهی از تجربیات بهداشت عمومی در دنیای واقعی و همچنین دانش عمیق آکادمیک توسعه داده شده است. از طریق سخنرانی های ویدئویی کوتاه، خواندن و طیف گسترده ای از فعالیت های تعاملی، فراگیران در دنیای سلامت جهانی غوطه ور خواهند شد. برای کسانی که تازه وارد این رشته شده‌اند، در چهار ماژول (که هر یک برای یک هفته یادگیری در نظر گرفته شده است) طراحی شده است، فراگیران با دامنه، تاریخچه، اصول، ذینفعان و چارچوب‌های مفهومی بهداشت جهانی، جهانی‌سازی و حکمرانی آشنا می‌شوند. اما محتوای اساسی مهمی نیز برای کسانی که از پیشینه‌های با تجربه‌تر می‌آیند، وجود دارد، زیرا این دوره مبتنی بر سنت قوی حمایت از سلامت عمومی و چشم‌انداز وسیع زمینه بهداشت جهانی با بررسی عوامل تعیین‌کننده نهادی، اقتصادی، اجتماعی-فرهنگی و اکولوژیکی جمعیت است. سلامتی در پایان دوره، فراگیران می‌توانند با اطمینان توضیح دهند که چگونه جهانی شدن بر سلامت و حکمرانی سلامت در سطوح محلی، ملی و چندجانبه تأثیر می‌گذارد و استدلال‌های مستدل و مبتنی بر شواهد در مورد چالش‌های بهداشت جهانی ارائه دهند. دوره های بعدی به دانش این دوره نیاز دارند، زیرا فراگیران با به کارگیری دانش بنیادی بهداشت جهانی و مهارت های حمایتی خود در این چالش های مهم بهداشت جهانی، به بررسی سلامت مهاجرت و تغییرات آب و هوایی خواهند پرداخت.

Series Orientation از فراگیران به مجموعه آموزش تحول پذیر استقبال می کند، یادگیری خودگردان/حمایت شده از جامعه را به عنوان طرح آموزشی اصلی ما معرفی می کند و یادگیرندگان را برای موفقیت به عنوان عوامل تغییر مشتاق قرار می دهد.

این دوره اصول و شیوه‌های اساسی رایج مورد استفاده توسط متدولوژی‌های چابک را مورد بحث قرار می‌دهد و مجموعه‌ای انعطاف‌پذیر از ابزارها را برای استفاده در نقش خود در اختیار شما قرار می‌دهد (مانند صاحب محصول، استاد اسکرام، مدیر پروژه، عضو تیم) در یک تیم چابک. اصول چابک و ناب، از جمله کانبان و اسکرام را بیاموزید و از نرم افزار Jira Cloud به عنوان ابزاری برای اعمال تمرینات عملی در این موضوعات استفاده کنید. این دوره شامل آموزش پروژه های جیرا توسط شرکت و مدیریت تیم می باشد. پس از اتمام این دوره، درک پایه ای قوی از اصول و شیوه های چابک و تجربه عملی با نرم افزار Jira Cloud خواهید داشت. مدیران سایت قادر به انجام وظایف مدیریتی اولیه خواهند بود. شما می توانید به طور مداوم پروژه های Jira خود را برای مطابقت با متدولوژی چابک سفارشی تیم خود پیکربندی کنید. پس از تکمیل این دوره، برای کسب اولین مدرک Atlassian خود آماده خواهید شد: https://go.atlassian.com/coursera-apb-330 *شما می توانید از سایت رایگان Jira Software Cloud برای تکمیل آزمایشگاه های عملی مرتبط با این دوره استفاده کنید. این به یک رایانه ویندوز، مک یا لینوکس نیاز دارد.

این دوره به شما پیشینه لازم برای درک انطباق با امنیت سایبری کلیدی و استانداردهای صنعت را می دهد. این دانش برای شما مهم خواهد بود که بدون توجه به نقش امنیت سایبری که می خواهید در یک سازمان کسب کنید یا داشته باشید. شما دستورات اساسی برای مدیریت کاربر و سرور را در رابطه با امنیت خواهید آموخت. شما به این مهارت نیاز دارید تا بتوانید آسیب پذیری های سیستم عامل سازمان خود را درک کنید. شما مفاهیم امنیت نقطه پایانی و مدیریت پچ را یاد خواهید گرفت. هر دوی این موضوعات برای به روز نگه داشتن سیستم ها برای جلوگیری از حوادث امنیت سایبری علیه یک سازمان مهم هستند. در نهایت شما مهارت های عمیق در مورد رمزنگاری و رمزگذاری را یاد خواهید گرفت تا درک کنید که چگونه این مفاهیم بر نرم افزار در یک شرکت تأثیر می گذارد. این دوره برای کسانی در نظر گرفته شده است که می خواهند به درک پایه ای از چارچوب های امنیتی، انطباق، مدیریت نقطه پایانی، رمزگذاری یا رمزنگاری یا به عنوان سومین دوره از یک سری دوره ها برای کسب مهارت به عنوان یک تحلیلگر امنیت سایبری Jr، دست یابند.

این دوره به شما یاد می دهد که چگونه با استفاده از چارچوب قدرتمند تجمع MongoDB، تجزیه و تحلیل داده ها را انجام دهید. شما این دوره را با ایجاد پایه ای از دانش تجمیع ضروری آغاز خواهید کرد. با درک این ویژگی های Framework Aggregation، یاد خواهید گرفت که چگونه سوالات پیچیده ای از داده های خود بپرسید. این زمینه را برای بقیه دوره فراهم می کند که در آن شما عمیقاً غواصی خواهید کرد و در مورد طراحی طرحواره، مهاجرت داده های رابطه ای و یادگیری ماشین با MongoDB. در پایان این دوره خواهید فهمید که چگونه از MongoDB و چارچوب تجمع آن در گردش کار علم داده خود به بهترین شکل استفاده کنید.

در پایان این اولین دوره در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. شناسایی تفاوت های اساسی بین داده های طراحی شده و جمع آوری شده و خلاصه کردن ابعاد کلیدی چارچوب کیفیت داده کل (TDQ). 2. تعریف سه بعد اندازه گیری چارچوب کیفیت داده کل، و توصیف تهدیدات بالقوه برای کیفیت داده در امتداد هر یک از این ابعاد برای داده های جمع آوری شده و طراحی شده. 3. تعریف سه بعد نمایشی چارچوب کیفیت داده کل، و توصیف تهدیدات بالقوه برای کیفیت داده در امتداد هر یک از این ابعاد برای داده های جمع آوری شده و طراحی شده. و 4. توضیح دهید که چرا تجزیه و تحلیل داده ها بعد مهمی از چارچوب کیفیت کل داده را تعریف می کند و تهدیدات بالقوه برای کیفیت کلی یک طرح تجزیه و تحلیل برای داده های طراحی شده و/یا جمع آوری شده را خلاصه کنید. این تخصص به طور کلی با هدف بررسی عمیق چارچوب کیفیت کل داده ها و ارائه اطلاعات بیشتر در مورد ارزیابی دقیق کیفیت کل داده ها که باید قبل از تجزیه و تحلیل داده ها اتفاق بیفتد، در اختیار یادگیرندگان قرار می دهد. هدف این است که یادگیرندگان ارزیابی های کیفیت داده ها را به عنوان یک جزء حیاتی برای همه پروژه ها در فرآیند خود بگنجانند. ما صمیمانه امیدواریم که دانش در مورد کیفیت کل داده ها را به همه فراگیران، مانند دانشمندان داده و تحلیلگران کمی، که در مراحل اولیه فرآیند علم داده که بر جمع آوری داده ها و ارزیابی کیفیت داده ها تمرکز دارد، آموزش کافی ندیده اند، منتشر کنیم. ما احساس می‌کنیم که اگر داده‌های جمع‌آوری‌شده/جمع‌آوری‌شده از کیفیت کافی برخوردار نباشند، دانش گسترده از تکنیک‌های علم داده و روش‌های تجزیه و تحلیل آماری به یک مطالعه تحقیقاتی کمی کمک نمی‌کند. این تخصص بر اولین گام‌های اساسی در هر نوع تحقیق علمی با استفاده از داده‌ها تمرکز می‌کند: تولید یا جمع‌آوری داده‌ها، درک اینکه داده‌ها از کجا آمده‌اند، ارزیابی کیفیت داده‌ها، و اقداماتی برای به حداکثر رساندن کیفیت داده‌ها قبل از انجام هر نوع تحلیل آماری یا به کارگیری تکنیک های علم داده برای پاسخ به سؤالات تحقیق. با توجه به این تمرکز، مطالب کمی در مورد تجزیه و تحلیل داده ها وجود خواهد داشت، که در بی شمار تخصص های موجود Coursera پوشش داده شده است. تمرکز اصلی این تخصص بر درک و به حداکثر رساندن کیفیت داده ها قبل از تجزیه و تحلیل خواهد بود.

اصول اخلاقی پایه ای قوی برای هدایت فناوری های اخلاقی ایجاد می کند. اصول به تنهایی می توانند برای به کارگیری گریزان و غیرعملی باشند. چارچوب‌های اخلاقی مبتنی بر این اصول ساختاری را برای راهنمایی فن‌آوران در هنگام اجرای راه‌حل‌های مبتنی بر داده ارائه می‌دهند. با این حال، چارچوب‌های اخلاقی، همراه با استانداردها و مقررات، می‌توانند وظایف انطباق را پیچیده‌تر کنند و همچنین می‌توانند تنش بین وظایف اخلاقی و کارهای عملی تجاری را افزایش دهند. یک رویکرد برای تطبیق این مسائل مورد نیاز است. این دوره دوم در چارچوب گواهینامه حرفه‌ای Certified Ethical Emerging Technologist (CEET) برای یادگیرندگانی طراحی شده است که به دنبال تجزیه و تحلیل چارچوب‌های اخلاقی، مقررات، استانداردها و بهترین شیوه‌ها و ادغام آنها در راه‌حل‌های مبتنی بر داده‌ها هستند. دانش‌آموزان با چارچوب‌ها و اصول اخلاقی مشترکی که بر اساس آن‌ها هستند آشنا می‌شوند و اینکه چگونه می‌توان آن‌ها را در انواع معضلات اخلاقی به کار برد. شما قوانین قابل اجرا و بهترین شیوه های ایجاد شده در بین سازمان ها و دولت های جهانی و نحوه هدایت ادغام این استانداردها در زمینه نیازهای تجاری را خواهید آموخت. این دوره دومین دوره از پنج دوره است که دارای گواهینامه حرفه ای Certified Ethical Emerging Technologist (CEET) است. دوره قبلی با عنوان ترویج استفاده اخلاقی از فناوری های داده محور است.

این دوره مروری بر محصولات داده موجود و درک خوبی از چشم انداز جمع آوری داده ها را در اختیار شما قرار می دهد. با کمک مثال‌های مختلف، یاد می‌گیرید که چگونه شناسایی کنید کدام منابع داده احتمالاً با سؤال تحقیق شما مطابقت دارد، چگونه سؤال تحقیق خود را به قطعات قابل اندازه‌گیری تبدیل کنید و چگونه در مورد یک طرح تحلیل فکر کنید. علاوه بر این، این دوره یک چارچوب کلی را در اختیار شما قرار می دهد که به شما امکان می دهد نه تنها هر مرحله مورد نیاز برای جمع آوری و تجزیه و تحلیل موفقیت آمیز داده ها را درک کنید، بلکه به شما کمک می کند تا خطاهای مرتبط با منابع داده های مختلف را شناسایی کنید. شما برخی از معیارها را برای تعیین کمیت هر خطای احتمالی یاد خواهید گرفت، و بنابراین ابزارهایی برای توصیف کیفیت یک منبع داده در اختیار خواهید داشت. در نهایت تلاش‌های مختلف جمع‌آوری داده‌ها در مقیاس بزرگ را که توسط صنایع خصوصی و سازمان‌های دولتی انجام شده است، معرفی می‌کنیم و مفاهیم آموخته‌شده را از طریق این مثال‌ها بررسی می‌کنیم. این دوره برای مبتدیان و همچنین کسانی که در مورد یک منبع داده خاص می دانند، اما دیگران را نه، و به دنبال یک چارچوب کلی برای ارزیابی محصولات داده هستند، مناسب است.

در بهار 2011، هزاران نفر در آلمان با یک بیماری کشنده که به عنوان مسمومیت غذایی همراه با اسهال خونی شروع شد و اغلب به نارسایی کلیه منجر شد، در بیمارستان بستری شدند. این آغاز مرگبارترین شیوع در تاریخ اخیر بود که توسط یک سویه باکتریایی مرموز ایجاد شد که ما از آن به عنوان E. coli X یاد خواهیم کرد. در عرض یک هفته دچار اسهال خونی شد. در این مرحله، زیست‌شناسان می‌دانستند که با یک پاتوژن ناشناخته قبلی روبرو هستند و روش‌های سنتی کافی نیستند - زیست‌شناسان محاسباتی برای جمع‌آوری و تجزیه و تحلیل ژنوم پاتوژن تازه پدید آمده مورد نیاز هستند. برای بررسی منشأ تکاملی و پتانسیل بیماری‌زایی سویه شیوع، محققان یک برنامه تحقیقاتی جمع‌سپاری را آغاز کردند. آنها داده های توالی یابی DNA باکتریایی را از یکی از بیماران منتشر کردند که منجر به انبوهی از تجزیه و تحلیل های انجام شده توسط زیست شناسان محاسباتی در چهار قاره شد. آنها حتی از GitHub برای این پروژه استفاده کردند: https://github.com/ehec-outbreak-crowdsourced/BGI-data-analysis/wiki شیوع سال 2011 آلمان نمونه اولیه ای از اپیدمیولوژیست ها بود که با زیست شناسان محاسباتی برای جلوگیری از شیوع همکاری می کردند. در این دوره آنلاین، شما با توسعه برنامه‌ای برای جمع‌آوری ژنوم E.coli X از میلیون‌ها زیررشته ژنوم E.coli X، ردپای بیوانفورماتیک‌هایی را دنبال می‌کنید که شیوع بیماری را بررسی می‌کنند.

رهبران بزرگ الگو هستند. آنها از اعضای تیم خود محافظت می کنند، آنها را توانمند می کنند و به آنها کمک می کنند تا پیشرفت کنند و رشد کنند در حالی که اعضای تیم به نوبه خود به پیشرفت و رشد سازمان کمک می کنند. آنها با همکاری با تیم، تصور می کنند که سازمان چگونه می تواند باشد و دیگران را برای کمک به اجرای استراتژی که آنها را به آنجا می برد، تشویق می کنند. بسیاری از اوقات، آنها اعضای تیم خود را بیشتر به عنوان یک خانواده می بینند تا آشنایان تجاری. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

رهبران بزرگ الگو هستند. آنها از اعضای تیم خود محافظت می کنند، آنها را توانمند می کنند و به آنها کمک می کنند تا پیشرفت کنند و رشد کنند در حالی که اعضای تیم به نوبه خود به پیشرفت و رشد سازمان کمک می کنند. آنها با همکاری با تیم، تصور می کنند که سازمان چگونه می تواند باشد و دیگران را برای کمک به اجرای استراتژی که آنها را به آنجا می برد، تشویق می کنند. بسیاری از اوقات، آنها اعضای تیم خود را بیشتر به عنوان یک خانواده می بینند تا آشنایان تجاری. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.