Course catalog

Course duration

Course provider

Topic

Categories

Showing 1,881-1,900 of 4,310 items.

coursera جبر خطی برای یادگیری ماشین و علم داده (Mitalearn-303719)

  • 4 hours 39 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Luis Serrano
درباره این دوره:

به تازگی برای سال 2024 به روز شده است! Mathematics for Machine Learning and Data Science یک برنامه آنلاین پایه است که توسط DeepLearning.AI ایجاد شده و توسط Luis Serrano تدریس می شود. در یادگیری ماشینی، شما مفاهیم ریاضی را از طریق برنامه نویسی به کار می برید. و بنابراین، در این تخصص، مفاهیم ریاضی را که با استفاده از برنامه نویسی پایتون یاد می گیرید، در تمرینات آزمایشگاهی عملی به کار خواهید برد. به عنوان یک زبان آموز در این برنامه، برای موفقیت به مهارت های برنامه نویسی پایتون اولیه تا متوسط ​​نیاز دارید. پس از اتمام این دوره، شما قادر خواهید بود: • داده ها را به صورت بردارها و ماتریس ها نشان می دهد و ویژگی های آنها را با استفاده از مفاهیم تکینگی، رتبه و استقلال خطی و غیره شناسایی می کند. • اعمال مشترک عملیات جبر بردار و ماتریس مانند حاصل ضرب نقطه، معکوس، و دترمینال • انواع خاصی از عملیات ماتریس را به صورت تبدیل خطی بیان کنید • مفاهیم مقادیر ویژه و بردارهای ویژه را در مسائل یادگیری ماشین اعمال کنید بسیاری از مهندسان یادگیری ماشین و دانشمندان داده در زمینه ریاضیات به کمک نیاز دارند، و حتی تمرین‌کنندگان با تجربه نیز می‌توانند از کمبود مهارت‌های ریاضی عقب‌مانده شوند. این تخصص از آموزش نوآورانه در ریاضیات استفاده می‌کند تا به شما کمک کند تا سریع و شهودی یاد بگیرید، با دوره‌هایی که از تجسم‌های ساده برای پیگیری استفاده می‌کنند تا به شما کمک کنند تا ببینید که چگونه ریاضیات پشت یادگیری ماشین واقعاً کار می‌کند.  ما به شما توصیه می کنیم سطح ریاضی دبیرستان (توابع، جبر پایه) و آشنایی با برنامه نویسی (ساختارهای داده، حلقه ها، توابع، دستورات شرطی، اشکال زدایی) داشته باشید. تکالیف و آزمایشگاه‌ها در پایتون نوشته شده‌اند، اما این دوره تمام کتابخانه‌های یادگیری ماشینی را که استفاده می‌کنید معرفی می‌کند.

coursera جبر خطی ضروری برای علم داده (Mitalearn-374558)

  • 4 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: James Bird
درباره این دوره:

آیا به علم داده علاقه مندید اما پیش زمینه ریاضی برای آن ندارید؟ آیا ریاضی همیشه موضوع سختی بوده که از آن اجتناب می کنید؟ این دوره به شما اساسی ترین جبر خطی را که برای حرفه ای در علم داده نیاز دارید، بدون هزاران دلیل و مفاهیم غیر ضروری که ممکن است هرگز از آنها استفاده نکنید، آموزش می دهد. این را راهی سریع به علم داده با روش های قابل دسترس و مفاهیم دوستانه در نظر بگیرید که شما را به درک واقعی مهم ترین ایده ها در جبر خطی راهنمایی می کند. این دوره به منظور آماده سازی فراگیران برای تکمیل موفقیت آمیز مدل سازی آماری برای کاربرد علم داده، که بخشی از برنامه کارشناسی ارشد علوم داده CU Boulder (MS-DS) است، طراحی شده است. نشان‌واره از Dan-Cristian Pădureț در Unsplash.com

coursera جبر خطی: جبر ماتریسی، تعیین کننده ها و بردارهای ویژه (Mitalearn-334472)

  • 3 hours 53 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Joseph W. Cutrone, PhD
درباره این دوره:

این دوره دومین دوره در رشته تخصصی جبر خطی است. در این دوره، ما به توسعه تکنیک ها و تئوری برای مطالعه ماتریس ها به عنوان تبدیل های خطی ویژه (توابع) روی بردارها ادامه می دهیم. به طور خاص، ما تکنیک هایی را برای دستکاری ماتریس ها به صورت جبری توسعه می دهیم. این به ما امکان می دهد تا سیستم های معادلات خطی را بهتر تجزیه و تحلیل و حل کنیم. علاوه بر این، تعاریف و قضایای ارائه شده در این دوره امکان استفاده را برای شناسایی ویژگی‌های یک ماتریس معکوس، شناسایی زیرفضاهای مربوطه در R^n، سپس با مطالعه مقادیر ویژه و بردارهای ویژه ماتریس ها، بر روی هندسه تبدیل ماتریس تمرکز می کنیم. این اعداد برای مفاهیم خالص و کاربردی در ریاضیات، علوم داده، یادگیری ماشین، هوش مصنوعی و سیستم‌های دینامیکی مفید هستند. در پایان دوره شاهد کاربرد زنجیره مارکوف و الگوریتم رتبه صفحه گوگل خواهیم بود.

coursera جبر خطی: سیستم های خطی و معادلات ماتریسی (Mitalearn-328726)

  • 3 hours 29 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Joseph W. Cutrone, PhD
درباره این دوره:

این اولین دوره از یک تخصص سه دوره است که دانش آموزان را با مفاهیم جبر خطی، یکی از مهم ترین و اساسی ترین زمینه های ریاضیات، با کاربردهای بسیاری در زندگی آشنا می کند. این مطالب پایه هم تئوری و هم کاربردهایی را برای موضوعاتی در این زمینه فراهم می کند ریاضیات، مهندسی و علوم. محتوای دوره بر معادلات خطی، روش های ماتریسی، هندسه تحلیلی و تبدیل های خطی تمرکز دارد. علاوه بر تسلط بر تکنیک ها، دانش آموزان با ایده های انتزاعی تر جبر خطی نیز آشنا خواهند شد. سخنرانی‌ها، خواندن، آزمون‌ها و پروژه‌ها همگی به دانش‌آموزان کمک می‌کنند تا بر محتوای درسی تسلط پیدا کنند و خواندن، نوشتن و حتی تصحیح را بیاموزند. برهان های ریاضی در پایان دوره، دانش آموزان به زبان جبر خطی مسلط خواهند بود و تعاریف و قضایای جدید را همراه با مثال ها و مثال ها یاد می گیرند. دانش آموزان همچنین یاد خواهند گرفت که از تکنیک هایی برای طبقه بندی و حل سیستم های معادلات خطی استفاده کنند. این دوره دانشجویان را برای ادامه مطالعه تحولات خطی با دوره بعدی در تخصص آماده می کند. .

coursera جبر خطی: متعامد و قطری (Mitalearn-334081)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Joseph W. Cutrone, PhD
درباره این دوره:

این سومین و آخرین دوره در تخصص جبر خطی است که بر نظریه و محاسباتی که از کار با بردارهای متعامد ناشی می شود تمرکز دارد. این شامل مطالعه تبدیل متعامد، پایه‌های متعامد و تبدیل‌های متعامد است. این دوره در تئوری ماتریس های متقارن به اوج خود می رسد و ویژگی های جبری را با معادل های هندسی مربوطه مرتبط می کند. این ماتریس ها بیشتر از هر کلاس دیگر از ماتریس ها در کاربردها ایجاد می شوند. تئوری، مهارت ها و تکنیک های آموخته شده در این دوره برای هوش مصنوعی و یادگیری ماشین کاربرد دارد. در این زمینه‌های پرطرفدار، اغلب موتور محرک سیستم‌هایی که در حال تفسیر، آموزش و استفاده از داده‌های خارجی هستند، دقیقاً تحلیل ماتریسی برخاسته از محتوای این دوره است. تکمیل موفقیت آمیز این تخصص، دانش آموزان را برای گذراندن دوره های پیشرفته در علوم داده، هوش مصنوعی و ریاضیات آماده می کند.

coursera جبر و حساب دیفرانسیل برای علم داده (Mitalearn-374524)

  • 2 hours 10 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jane Wall
درباره این دوره:

آیا به علم داده علاقه مندید اما پیش زمینه ریاضی برای آن ندارید؟ آیا ریاضی همیشه موضوع سختی بوده که از آن اجتناب می کنید؟ این دوره به شما اصولی ترین مفاهیم حساب دیفرانسیل و انتگرال را که برای حرفه ای در علم داده نیاز دارید، بدون هزاران مدرک و تکنیک های غیر ضروری که ممکن است هرگز از آنها استفاده نکنید، آموزش می دهد. این را راهی سریع به علم داده با روش های قابل دسترس و مفاهیم دوستانه در نظر بگیرید که شما را به درک واقعی مهم ترین ایده ها در حساب دیفرانسیل راهنمایی می کند. ما برخی از اصول جبر را مرور می کنیم، در مورد مشتق صحبت می کنیم، مشتقات ساده را محاسبه می کنیم و اصول مشتقات را برای ترسیم نمودار و به حداکثر رساندن توابع اعمال می کنیم. این دوره به منظور آماده سازی فراگیران برای تکمیل موفقیت آمیز مدل سازی آماری برای کاربرد علم داده، که بخشی از برنامه کارشناسی ارشد علوم داده CU Boulder (MS-DS) است، طراحی شده است. لوگو با حسن نیت از ThisisEngineering RAEng در Unsplash.com

coursera جت کردن مواد و استریولیتوگرافی (Mitalearn-353410)

  • 1 hours 43 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dhruv Bhate
درباره این دوره:

این دوره به دو فرآیند مبتنی بر رزین فوتوپلیمر می پردازد: جت کردن مواد و استریولیتوگرافی. ما مراحل آماده‌سازی ساخت، چاپ و پس‌پردازش را برای هر دو فرآیند بررسی می‌کنیم و درباره انواع برنامه‌هایی که این فرآیندها برای آنها مناسب هستند، بحث می‌کنیم. عناصر لازم برای هر دوره شامل ویدئوهای سخنرانی، بررسی دانش و تکمیل پروژه است. برای کسب اطلاعات بیشتر در مورد موضوعات خاص، من مطالب و ویدیوهای تکمیلی را در دروس مختلف قرار داده ام که ممکن است دانش شما را افزایش دهد. از آنجایی که همه منابع در دسترس همه دانش آموزان نیست، این مطالب اختیاری هستند. علاوه بر این، توجه داشته باشید که برخی از سخنرانی ها شامل دانشجویان فارغ التحصیل دپارتمان ما می شود. این دانش‌آموزان ممتاز گاهی اوقات به مطالب نزدیک‌تر هستند، زیرا اخیراً آن را آموخته‌اند، بنابراین ما از مشارکت آنها در روند آموزشی بسیار قدردانی می‌کنیم.

coursera جدال داده با پروژه پایتون (Mitalearn-331973)

  • متوسط
  • Release date: 27 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "پروژه جدال داده ها" فرصتی را برای دانش آموزان فراهم می کند تا دانش به دست آمده در سراسر تخصص را در یک پروژه جدال داده های واقعی مورد علاقه خود به کار گیرند. شرکت‌کنندگان خط لوله کشمکش داده‌ها را گام به گام دنبال می‌کنند، از شناسایی منابع داده تا پردازش و یکپارچه‌سازی داده‌ها، تا به یک مجموعه داده خوب و آماده برای تجزیه و تحلیل دست یابند. این دوره دانش‌آموزان را قادر می‌سازد تا تجربیات عملی در فرآیند جدال داده‌ها به دست آورند و آنها را برای رسیدگی به چالش‌های پیچیده داده در سناریوهای دنیای واقعی آماده می‌کند. در طول دوره، دانش‌آموزان روی پروژه جدال داده‌های خود کار می‌کنند و دانش و مهارت‌های به‌دست‌آمده در هر ماژول را برای دستیابی به مجموعه داده‌ای تصفیه‌شده و به خوبی آماده‌شده به‌کار می‌برند. در پایان دوره، شرکت‌کنندگان در فرآیند جدال داده‌ها مهارت خواهند داشت و آماده مقابله با چالش‌های داده‌های دنیای واقعی در حوزه‌های مختلف خواهند بود.

coursera جدال داده ها، تجزیه و تحلیل و تست AB با SQL (Mitalearn-332551)

  • 4 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Katrina Glaeser Poole
درباره این دوره:

این دوره به شما این امکان را می دهد تا مهارت های SQL آموزش داده شده در "SQL for Data Science" را در چهار مطالعه موردی تحقیقاتی علم داده به طور فزاینده پیچیده و معتبر به کار ببرید. ما یاد خواهیم گرفت که چگونه مُهرهای زمانی همه نوع را به فرمت‌های رایج تبدیل کنیم و محاسبات تاریخ/زمان را انجام دهیم. ما JOIN بهینه را برای تحقیق علم داده انتخاب و انجام خواهیم داد و داده‌ها را در یک مجموعه داده تجزیه و تحلیل با حذف کردن، اجرای بررسی‌های کیفیت، پر کردن پشتی و مدیریت تهی، پاکسازی می‌کنیم. ما یاد می گیریم که چگونه داده ها را در هر بخش با استفاده از توابع پنجره بندی تقسیم و تجزیه و تحلیل کنیم و از دستورات case برای اجرای منطق شرطی برای رسیدگی به یک تحقیق علم داده استفاده کنیم. همچنین نحوه تبدیل یک پرس و جو به یک کار زمان بندی شده و نحوه درج داده ها در یک پارتیشن تاریخ را توضیح خواهیم داد. در نهایت، با توجه به نیاز به تحلیل پیش‌بینی‌کننده، با استفاده از ابزارها و مهارت‌هایی که در طول دوره ایجاد کرده‌ایم، ویژگی‌ای را از داده‌های خام مهندسی می‌کنیم. کاربرد واقعی این مهارت ها چارچوبی را برای انجام تجزیه و تحلیل آزمون AB در اختیار شما قرار می دهد.

coursera جذب مشتری، ارزیابی، تجزیه و تحلیل مهارت و برنامه ریزی (Mitalearn-359887)

  • 3 hours 58 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Goodwill Academy
درباره این دوره:

شما سفر خود را برای تبدیل شدن به یک مربی یا ناوبر حرفه ای آغاز کرده اید، زیرا مشتاق هستید که به مردم کمک کنید تا زندگی خوبی کسب کنند و کار رضایت بخشی پیدا کنند. اکنون آن سفر را در این دوره دوم در گواهینامه حرفه ای مربی و ناوبر ادامه دهید. این دوره شما را به مهارت‌ها و دانشی برای استخدام افراد، تکمیل فرآیند پذیرش، ارزیابی مهارت‌های یک فرد و همکاری با فرد برای ایجاد یک برنامه عمل مجهز می‌کند. در پایان دوره، شما قادر خواهید بود: 1. به افراد در کاوش و توسعه شغلی کمک کنید. 2. به افراد کمک کنید علایق شخصی را شناسایی کنند که با اهداف شغلی و احتمالات شغلی مرتبط است. 3. مردم را از برنامه ها، خدمات و منابعی که در اختیار دارند آگاه کنید. 4. شناسایی موانع اشتغال. 5. به افراد در برنامه ریزی حرکت های شغلی و توسعه مهارت های ضروری کمک کنید تا در نیروی کار موفق شوند. 6. مردم را به سمت مسیرهای شغلی پایدار هدایت کنید. 7. به افرادی که می‌خواهند شغلی را دنبال کنند، تغییر شغلی ایجاد کنند یا برای پیشرفت شغلی تلاش کنند، کمک کنید. برای موفقیت در این دوره، هیچ تجربه قبلی با مربیگری شغلی یا ناوبری لازم نیست. اما ما توصیه می کنیم اولین دوره را در برنامه تکمیل کنید تا بتوانید دانش و مهارت های آن دوره را در اینجا بسازید.

coursera جذب و تامین منابع داوطلبان متنوع (Mitalearn-289932)

  • 2 hours 20 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Jacquie Hutchinson
درباره این دوره:

در طول فرآیندهای فهرست کوتاه و مصاحبه، که معمولاً توسط یک هیئت واحد انجام می‌شود، کاندیداها اغلب گزارش می‌دهند که در طول تلاش‌های استخدام به‌طور ناعادلانه ارزیابی شده‌اند. در این شرایط، اغلب مشخص می‌شود که ویژگی‌های شخصی، مانند سن، جنسیت، یا نژاد، به جای ویژگی‌های مرتبط، مانند مهارت‌ها و تجربه، در تصمیم‌گیری خاص در مورد اینکه چه کسی استخدام شود، تغذیه می‌شود. در این ماژول، یاد خواهید گرفت که چگونه سوگیری ناخودآگاه می تواند بر فرآیندهای فهرست کوتاه و مصاحبه تأثیر بگذارد. شما با استراتژی ها و تکنیک های عملی مختلف برای ارائه یک ارزیابی منصفانه و مبتنی بر شایستگی از همه نامزدها آشنا خواهید شد. این دوره «قسمت 2» از سری دو قسمتی استراتژی استخدام تنوع و شمول ارائه شده توسط دانشگاه استرالیای غربی را نشان می دهد. همچنین یکی از چهار موردی است که شامل تخصص استخدام برای تنوع و شمول است. برای به دست آوردن درک عمیق از این موضوع جذاب و مهم، هر چهار دوره را کامل کنید.

coursera جرایم سایبری (Mitalearn-305470)

  • 2 hours 42 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Konstantinos Mersinas
درباره این دوره:

این دوره مفاهیم اساسی جرایم سایبری را معرفی می کند. یعنی جرم سایبری چیست، سوالات اصلی پیرامون جرایم سایبری، چگونه می توان جرایم سایبری را تعریف کرد و چگونه می توان آن را مطالعه کرد. شما در مورد دشواری‌های اندازه‌گیری وقوع، فراوانی و تأثیر جرایم سایبری، و ایجاد شک و تردید در قابلیت اطمینان و تفسیر گزارش‌های جرایم سایبری خواهید آموخت. شما با بحث در مورد جنبه های انسانی جرایم سایبری، به ویژه بازیگران مرتبط با جرایم سایبری، یعنی مجرمان، قربانیان و مجریان قانون آشنا خواهید شد. همچنین در مورد جنبه هایی مانند شخصیت، فرهنگ ملی و سازمانی، فرهنگ امنیتی، آموزش و سایر مؤلفه هایی که بر فعالیت های مجرمانه سایبری تأثیر می گذارد، یاد خواهید گرفت. در نهایت، شما به آنچه مسلما مهمترین عامل حمله در جرایم سایبری است، یعنی مهندسی اجتماعی، شیرجه خواهید زد. شما درک درستی از چگونگی وقوع آن، تکنیک‌هایی که مهندسان اجتماعی استفاده می‌کنند، و اصول روان‌شناختی زیربنایی که همه ما را - به‌عنوان انسان - در معرض حملات مهندسی اجتماعی قرار می‌دهند، به دست خواهید آورد. در پایان دوره شما باید بتوانید: • در مورد سوالات اصلی مربوط به جرایم سایبری فکر کنید. • معنی، تعاریف، اهمیت و تأثیر جرایم سایبری را توضیح دهید. • ارزیابی قابلیت اطمینان و تفسیر گزارش ها و بررسی های مربوط به جرایم سایبری. • طبقه بندی های مختلف جرایم سایبری، تهدیدات مرتبط، و عوامل تهدید را شناسایی کنید. • نقش کلیدی جنبه های انسانی در جرایم سایبری را توضیح دهید. • بین بازیگران مختلف درگیر در جرایم سایبری و دیدگاه های مرتبط با آنها تفاوت قائل شوید. • ارزیابی اصول روانشناختی اساسی که مهندسی اجتماعی را به موفق ترین عامل حمله در جرایم سایبری تبدیل می کند. • توضیح دهید که فریب و مهندسی اجتماعی چگونه آشکار می شود و چگونه می توان از آنها دفاع کرد.

coursera جستجو و نمایش تبلیغات (Mitalearn-284458)

  • 2 hours 39 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Chris J. Vargo,Harsha Gangadharbatla
درباره این دوره:

مصرف کنندگان تقریباً همه چیز را جستجو می کنند. این شامل کارهایی می شود که کسب و کارهای کوچک انجام می دهند، از رستوران ها گرفته تا محصولات سفارشی. هنگامی که مصرف کنندگان جستجو می کنند، نتایج ارگانیک به همراه نتایج پولی دریافت می کنند. تبلیغات جستجوی پولی به طور سیستماتیک برای مرتبط بودن طراحی شده اند. در نتیجه، آنها اغلب برای رساندن مشتریان به جایی که می‌خواهند مفید هستند. مشتریان جستجوی پولی را مانند سایر انواع تبلیغات دیجیتال تنظیم نمی کنند. تبلیغات جستجو می تواند فرصتی برای کسب و کار کوچک باشد. در حالی که تبلیغ‌کنندگان بزرگ‌تر مبالغ هنگفتی را برای قرار دادن تبلیغات خود از طریق جستجو پرداخت می‌کنند، ما راه‌های هوشمندانه‌ای را برای کسب‌وکارهای کوچک برجسته می‌کنیم که می‌توانند کمپین‌های جستجوی مناسب خود را با بودجه‌های کم ایجاد کنند. این دوره به کسب و کارهای کوچک نحوه ایجاد و اجرای کمپین های جستجو در جستجوی تبلیغات گوگل (به طور رسمی AdWords) را نشان می دهد. از طریق یک مرور کلی مقدماتی، دانش‌آموزان از طریق مواد آموزشی رسمی جستجوی Google Ads هدایت می‌شوند، جایی که در نهایت گواهینامه رسمی جستجوی Google Ads را دریافت می‌کنند. فراتر از مطالب Google، بهترین شیوه ها و تمرینات ایجاد و بهینه سازی کمپین عملی توسط کارشناسان واقعی ارائه شده است.

Related Skills

coursera جستجوی ایده های عالی: به کارگیری خلاقیت برای توانمندسازی نوآوری. (Mitalearn-300336)

  • 39 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ken Szymusiak,Forrest S. Carter,David Wheeler
درباره این دوره:

ایده های تجاری عالی از کجا می آیند؟ همه ما مفاهیم تجاری قانع‌کننده‌ای داریم که سال‌ها به آن فکر می‌کردیم. در این دوره به بررسی نحوه استفاده از ابزارهای مشاهده و سایر تکنیک ها برای ایده پردازی می پردازیم و در مورد چگونگی ارزیابی ایده های خوب از بد صحبت خواهیم کرد. هدف این است که بر روی یک ایده تجاری که نه تنها به آن علاقه دارید، بلکه در بازار واقعی نیز کاربرد دارد، تسویه حساب کنید. در پایان این دوره فراگیران قادر خواهند بود: - ایجاد فهرستی از منابع که از طریق آن بتوانند فرصت های بازار را ارزیابی و ایجاد کنند. -پیگیری فرصت های بازار منطبق با علایق و قابلیت های شخصی؛ و ایده های بالقوه تریاژ که از نظر آنها بیشترین پتانسیل موفقیت تجاری و شخصی را دارند.

coursera جستجوی شغل و مصاحبه امنیت سایبری: شروع به کار (Mitalearn-318730)

  • 4 hours 47 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Herbert J. Mattord, Ph.D., CISM, CISSP, CDP,Michael Whitman, Ph.D., CISM, CISSP
درباره این دوره:

آیا قصد دارید شغلی در زمینه امنیت سایبری داشته باشید؟ این دوره می‌تواند به شما در برنامه‌ریزی آماده‌سازی برای چنین شغلی و همچنین توصیه‌هایی در مورد یافتن موقعیت‌ها و رسیدن به موقعیت کمک کند. پس از اتمام این دوره، زبان آموز قادر خواهد بود: • زمینه امنیت سایبری را تعریف کنید و تغییرات آن را شرح دهید. • نیاز به متخصصان واجد شرایط امنیت سایبری در سازمان های ایالات متحده و جهانی را شرح دهید. • در مورد نقش حرفه ای امنیت سایبری در تلاش امنیت سایبری سازمان بحث کنید. • چارچوب نیروی کار امنیت سایبری NIST NICE و استفاده از آن به عنوان ابزار توسعه شغلی امنیت سایبری را شرح دهید. • ساختار، مکان، و مسئولیت های بخش امنیت سایبری در سازمان سنتی در مقابل غیر سنتی را توضیح دهید. • آماده سازی دانش برای متخصصان امنیت سایبری را از دیدگاه آموزش در مقابل آموزش فهرست کرده و توضیح دهید. • گواهینامه های مختلف امنیت سایبری را که برای متخصصان امنیت سایبری در دسترس است فهرست و توصیف کنید و مناسب بودن آنها را بر اساس وضعیت شغلی حرفه ای متمایز کنید. • فرآیند و منابع برای یافتن شغل امنیت سایبری عالی را شرح دهید. • در مورد انتظارات و مسائل مرتبط با حرفه امنیت سایبری طولانی مدت بحث کنید.

coursera جعبه ابزار الگوریتمی (Mitalearn-307697)

  • 7 hours 34 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Neil Rhodes,Daniel M Kane,Michael Levin
درباره این دوره:

این دوره آنلاین تکنیک‌ها و ایده‌های الگوریتمی پایه را برای مشکلات محاسباتی که اغلب در کاربردهای عملی ایجاد می‌شوند را پوشش می‌دهد: مرتب‌سازی و جستجو، تقسیم و غلبه، الگوریتم‌های حریصانه، برنامه‌نویسی پویا. ما تئوری های زیادی را یاد خواهیم گرفت: چگونه داده ها را مرتب کنیم و چگونه به جستجو کمک می کند. چگونه یک مسئله بزرگ را به قطعات تقسیم کنیم و آنها را به صورت بازگشتی حل کنیم. وقتی منطقی است که حریصانه پیش برویم. نحوه استفاده از برنامه نویسی پویا در مطالعات ژنومی حل مسائل محاسباتی، طراحی الگوریتم‌های جدید و پیاده‌سازی راه‌حل‌ها را به‌طور کارآمد تمرین خواهید کرد (به طوری که در کمتر از یک ثانیه اجرا شوند).

coursera جعبه ابزار بازاریابی عصبی (Mitalearn-282248)

  • 3 hours 22 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jesper Clement
درباره این دوره:

انجام تحقیقات بازاریابی از طریق پرسش از افراد روشی رایج بوده و هنوز هم مزایایی دارد. از سوی دیگر، اگر می خواهید بینش هایی در مورد تفسیرهای ناخودآگاه تصمیم مصرف کننده داشته باشید، به ابزارهای تحقیقاتی دیگری در جعبه ابزار تحقیق خود نیاز دارید. بازاریابی عصبی از چنین جعبه ابزار گسترده ای استفاده می کند که شامل تجهیزات فنی و روش های انجام تحقیقات تجربی است. هدف این دوره ارائه یک نمای کلی از این جعبه ابزار در حال توسعه سریع از دوربین های وب ساده، ردیابی چشم، و اسکنرهای مغزی پیچیده است. این دوره شما را از طریق بررسی ادبیات معاصر راهنمایی می کند و به شما بینشی از دهه های گذشته توسعه در این زمینه تحقیقاتی می دهد.

Related Skills

coursera جعبه ابزار دانشمند داده (Mitalearn-335254)

  • 2 hours 16 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
درباره این دوره:

در این دوره آموزشی با ابزارها و ایده های اصلی در جعبه ابزار دانشمند داده آشنا می شوید. این دوره یک نمای کلی از داده ها، سؤالات و ابزارهایی را ارائه می دهد که تحلیلگران داده و دانشمندان داده با آنها کار می کنند. این دوره دو جزء دارد. اولین مقدمه ای مفهومی برای ایده های پشت تبدیل داده ها به دانش عملی است. دومین مقدمه ای عملی برای ابزارهایی است که در برنامه استفاده می شود مانند کنترل نسخه، علامت گذاری، git، GitHub، R و RStudio.

coursera جمع آوری اطلاعات و بررسی (Mitalearn-371396)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: CareerCatalyst
درباره این دوره:

اطلاعات کلید هر تصمیم و هر حرکت استراتژیکی است که انجام می دهید. اما حصول اطمینان از داشتن اطلاعات صحیح کار می‌برد. در هر جهت به دنبال پاسخ نباشید و راه حلی را که به دنبال آن هستید مجبور نکنید. در عوض، می‌توانید از یک فرضیه استفاده کنید و آن را با داده‌ها آزمایش کنید تا زمانی که داده‌ها با موقعیت مورد نظر شما مطابقت داشته باشند. با تخصص دکتر تیمیبی آگانابا از دانشکده ASU برای آینده نوآوری در جامعه، دوره گردآوری اطلاعات و بررسی ابزارها، دانش و استراتژی های تحقیقات با کیفیت بالا را مستقیماً در دستان شما قرار می دهد. شما اصول اولیه را یاد خواهید گرفت و با مجموعه ابزار تحقیق خود آشنا خواهید شد. سپس، آنها را مستقیماً در سناریوهای عملی اعمال خواهید کرد. جمع آوری داده ها به این معنی نیست که از هر منبعی که با آن برخورد می کنید استفاده کنید. این در مورد یافتن اطلاعات مرتبط پس از آزمایش چندین دیدگاه است - به عبارت دیگر، بررسی اطلاعات شما. شما باید داده‌ها را در برابر فرضیات خود آزمایش کنید و بینش‌هایی را که می‌توانید به اشتراک بگذارید - مهارت‌هایی که هر کسی می‌تواند آن را یاد بگیرد و در هر جایی اعمال کند، جستجو کنید. همین امروز سفر تحقیقاتی خود را شروع کنید!

coursera جمع آوری داده ها و یکپارچه سازی (Mitalearn-331293)

  • 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Di Wu
درباره این دوره:

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.

Suggestions