آپاچی اسپارک یکی از پرکاربردترین فناوری ها در تجزیه و تحلیل داده های بزرگ است. در این دوره، یاد خواهید گرفت که چگونه از مهارت های SQL موجود خود برای شروع سریع کار با Spark استفاده کنید. همچنین یاد خواهید گرفت که چگونه با Delta Lake کار کنید، یک لایه ذخیره‌سازی بسیار کارآمد و منبع باز که قابلیت اطمینان را برای دریاچه‌های داده به ارمغان می‌آورد. در پایان این دوره، می‌توانید از Spark SQL و Delta Lake برای جذب، تبدیل و جستجوی داده‌ها برای استخراج بینش‌های ارزشمندی که می‌توان با تیم خود به اشتراک گذاشت، استفاده کنید.

این دوره نهایی در گواهینامه حرفه ای علم داده های IBM و همچنین علم داده کاربردی با تخصص پایتون است. این دوره پروژه Capstone به شما این شانس را می دهد که کارهایی را که دانشمندان داده در زندگی واقعی هنگام کار با مجموعه داده ها انجام می دهند، تمرین کنید. در این دوره شما نقش یک دانشمند داده را بر عهده می گیرید که برای استارتاپی که قصد رقابت با اسپیس ایکس را دارد کار می کند و در این فرآیند متدولوژی علم داده شامل جمع آوری داده ها، مشاجره داده ها، تجزیه و تحلیل داده های اکتشافی، تجسم داده ها، توسعه مدل، ارزیابی مدل را دنبال می کنید. و نتایج خود را به ذینفعان گزارش دهید. شما وظیفه دارید پیش بینی کنید که آیا اولین مرحله موشک فالکون 9 اسپیس ایکس با موفقیت فرود می آید یا خیر. با کمک یافته‌ها و مدل‌های Data Science، استارت‌آپ رقیبی که توسط آن استخدام شده‌اید، می‌تواند پیشنهادهای آگاهانه‌تری علیه SpaceX برای پرتاب موشک ارائه دهد. در این دوره، یادگیری جدیدی وجود نخواهد داشت، در عوض شما بر روی کار عملی تمرکز خواهید کرد تا آنچه را که در دوره های قبلی آموخته اید نشان دهید و به کار ببرید. با تکمیل موفقیت آمیز این Capstone، پروژه ای را به مجموعه علوم داده و یادگیری ماشینی خود اضافه می کنید تا به کارفرمایان نشان دهید.

در این دوره، خواهید دید که چگونه Azure Data Lake Storage می تواند پردازش راه حل های تحلیلی Big Data را کارآمدتر کند و راه اندازی آن چقدر آسان است. شما همچنین نحوه انطباق آن با معماری های رایج و همچنین روش های مختلف آپلود داده ها در فروشگاه داده را بررسی خواهید کرد. شما تعداد بی شماری از ویژگی های امنیتی را بررسی خواهید کرد که از ایمن بودن داده های شما اطمینان می دهند. مفاهیم پردازش رویداد و جریان داده و نحوه اعمال آن در تحلیل جریانی Azure را بیاموزید. سپس یک کار تجزیه و تحلیل جریان را برای پخش جریانی داده ها راه اندازی می کنید و یاد می گیرید که چگونه یک کار در حال اجرا را مدیریت و نظارت کنید. 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 نهمین 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.

پروژه Capstone Analytics Business به شما این فرصت را می دهد تا آنچه را که در مورد نحوه تصمیم گیری مبتنی بر داده ها آموخته اید در یک چالش تجاری واقعی که شرکت های فناوری جهانی مانند یاهو، گوگل و فیس بوک با آن مواجه هستند، اعمال کنید. در پایان این Capstone، می‌توانید سؤالات درستی از داده‌ها بپرسید و می‌دانید چگونه از داده‌ها به طور مؤثر برای مقابله با چالش‌های تجاری خود استفاده کنید. شما خواهید فهمید که چگونه کسب و کارهای پیشرفته از داده ها برای بهینه سازی بازاریابی، به حداکثر رساندن درآمد، کارآمد کردن عملیات و تصمیم گیری در مورد استخدام و مدیریت استفاده می کنند تا بتوانید این استراتژی ها را در شرکت یا کسب و کار خود اعمال کنید. پروژه Capstone Analytics که با Yahoo طراحی شده است تا تجربه ارزشمندی را در ارزیابی و ایجاد تصمیمات مبتنی بر داده به شما ارائه دهد، این فرصت را برای شما فراهم می‌کند تا برنامه‌ای برای بهینه‌سازی داده‌ها طراحی کنید تا بینش‌ها و تحلیل‌های کلیدی را ارائه دهید، و تعامل بین آن‌ها را توصیف کنید. شاخص های کلیدی مالی و غیر مالی هنگامی که تجزیه و تحلیل خود را کامل کردید، آمادگی بیشتری برای اتخاذ تصمیمات کسب و کار مبتنی بر داده های خود بهتر خواهید داشت.

در این پروژه بزرگ، ما تمام مهارت‌های هر چهار دوره تخصصی را با هم ترکیب می‌کنیم تا کاری واقعاً سرگرم‌کننده انجام دهیم: تجزیه و تحلیل شبکه‌های اجتماعی! فرصت های یادگیری عملا در یک شبکه اجتماعی بی پایان است. اعضای «نفوذ» شبکه چه کسانی هستند؟ جوامع فرعی در شبکه کدامند؟ چه کسی به چه کسی و با چند لینک متصل است؟ اینها تنها بخشی از سوالاتی است که می توانید در این پروژه بررسی کنید. ما مجموعه‌ای از داده‌های دنیای واقعی و زیرساخت‌هایی را برای شروع، و همچنین برخی از کارها و الزامات اولیه پروژه در اختیار شما قرار می‌دهیم، اما پس از آن بستگی به شما دارد که می‌خواهید پروژه را کجا ببرید. اگر ایده‌هایتان کم است، ما چندین مسیر پیشنهادی خواهیم داشت که می‌تواند به پیشرفت خلاقیت و تخیل شما کمک کند. در نهایت، برای ادغام مهارت هایی که در دوره 4 به دست آورده اید (و برای نشان دادن پروژه خود!) از شما خواسته می شود که یک ویترین ویدیویی از محصول نهایی خود ایجاد کنید.

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی دشوار است. این دوره نهایی در تخصص "تجسم داده ها و داشبورد در R" است. زبان‌آموزان در این دوره با مجموعه‌ای از مهارت‌های توسعه‌یافته وارد خواهند شد که تجسم‌های بسیار متنوعی را به زبان R انجام می‌دهند. تمرکز بر این دوره، استفاده از آن مهارت‌ها در یک پروژه منحصربه‌فرد، استفاده از داده‌های در دسترس عموم برای بیان یک داستان متقاعدکننده با استفاده از داده‌ها است. جعبه ابزار تجسم مونتاژ شده در دوره های قبلی.

این دوره جنبه های مختلف هوش مصنوعی Generative یا GenAI را بررسی می کند. این دوره مقدماتی "GenAI برای همه" شما را در مورد قابلیت های مختلف هوش مصنوعی Generative آگاه می کند. در پایان این دوره، شما قادر خواهید بود در مورد مبانی هوش مصنوعی یا GenAI صحبت کنید و در مورد برخی از کاربردهای GenAI در زندگی روزمره مانند دستیاران مجازی، چت بات ها و توصیه های شخصی صحبت کنید. همچنین می‌توانید استراتژی‌های استقرار اخلاقی را بررسی کنید و یاد بگیرید که چگونه شیوه‌های مسئولانه را اعمال کنید، درباره تأثیر GenAI بر کارایی سازمانی بحث کنید، و اهمیت استقرار اخلاقی را از طریق اصول طراحی انسان محور و شیوه‌های مهندسی قوی بیاموزید.

این دوره هشتمین دوره گواهینامه Google Data Analytics است. شما این فرصت را خواهید داشت که یک مطالعه موردی را تکمیل کنید، که به شما کمک می کند تا برای شکار شغل تجزیه و تحلیل داده خود آماده شوید. مطالعات موردی معمولاً توسط کارفرمایان برای ارزیابی مهارت های تحلیلی استفاده می شود. برای مطالعه موردی خود، یک سناریوی مبتنی بر تجزیه و تحلیل را انتخاب خواهید کرد. سپس سوالاتی می‌پرسید، آماده می‌کنید، پردازش می‌کنید، تجزیه و تحلیل می‌کنید، تجسم می‌کنید و روی داده‌های سناریو عمل می‌کنید. همچنین در مورد مهارت‌های مفید جستجوی شغل، پرسش‌ها و پاسخ‌های رایج مصاحبه، و مواد لازم برای ساختن یک نمونه کار به صورت آنلاین، یاد خواهید گرفت. تحلیلگران فعلی داده‌های Google به آموزش و ارائه روش‌های عملی برای انجام وظایف رایج تحلیلگر داده با بهترین ابزار و منابع ادامه خواهند داد. فراگیرانی که این برنامه گواهینامه را تکمیل می کنند، برای درخواست مشاغل سطح مقدماتی به عنوان تحلیلگر داده مجهز خواهند شد. هیچ تجربه قبلی لازم نیست. در پایان این دوره، فراگیران: - با مزایا و کاربردهای مطالعات موردی و نمونه کارها در جستجوی کار آشنا شوید. - سناریوهای مصاحبه شغلی در دنیای واقعی و سوالات رایج مصاحبه را کاوش کنید. - کشف کنید که چگونه مطالعات موردی می تواند بخشی از فرآیند مصاحبه شغلی باشد. - سناریوهای مطالعه موردی مختلف را بررسی و در نظر بگیرید. - این شانس را داشته باشید که مطالعه موردی خود را برای نمونه کار خود تکمیل کنید. - مهارت های هوش مصنوعی را از کارشناسان گوگل بیاموزید تا به تکمیل وظایف تجزیه و تحلیل داده کمک کنید.

آموزش HI-FIVE (انفورماتیک سلامت برای نوآوری، ارزش و غنی سازی) یک دوره آموزشی آنلاین تقریباً 10 ساعته است که توسط دانشگاه کلمبیا در سال 2016 با حمایت دفتر هماهنگ کننده ملی فناوری اطلاعات سلامت (ONC) طراحی شده است. آموزش مبتنی بر نقش است و از سناریوهای موردی استفاده می کند. هیچ سخت افزار یا نرم افزار اضافی برای این دوره مورد نیاز نیست. سیستم بهداشت و درمان کشور ما با سرعت زیادی در حال تغییر است. برنامه های ارائه مراقبت های بهداشتی تحول آفرین به شدت به فناوری اطلاعات سلامت برای بهبود و هماهنگی مراقبت ها، حفظ ثبت بیماران، حمایت از مشارکت بیمار، توسعه و حفظ زیرساخت های داده لازم برای پرداخت مبتنی بر ارزش چند پرداخت کننده، و توانمندسازی ظرفیت های تحلیلی برای اطلاع رسانی در تصمیم گیری و ساده سازی بستگی دارد. گزارش دهی سرعت شتابان تغییر از فناوری جدید و در حال گسترش همچنان چالشی برای آماده سازی نیروی کار ماهر خواهد بود، بنابراین گذراندن این آموزش به شما کمک می کند تا در چشم انداز پویا مراقبت های بهداشتی به روز بمانید. این دوره یکی از سه دوره مرتبط در برنامه آموزشی HI-FIVE است که دارای موضوعات سلامت جمعیت، هماهنگی و قابلیت همکاری مراقبت، مراقبت مبتنی بر ارزش، تجزیه و تحلیل داده های مراقبت های بهداشتی و مراقبت بیمار محور است. هر یک از این سه دوره از دیدگاهی متفاوت بر اساس نقش های مختلف مراقبت های بهداشتی طراحی شده است. این دوره سوم از دیدگاه اداری یا فناوری اطلاعات است که برای مدیران اجرایی، مدیران، تحلیلگران و کارکنانی که در امور اداری، تجاری، مالی، عملیات، داده یا IT کار می کنند، طراحی شده است. با این حال، ما هر کسی را که در بخش مراقبت های بهداشتی، فناوری اطلاعات سلامت، بهداشت عمومی و سلامت جمعیت کار می کند تشویق می کنیم تا در هر یک از این سه دوره آموزشی شرکت کنند.

در این دوره آموزشی، یاد خواهید گرفت که چگونه از قدرت Apache Spark و خوشه های قدرتمندی که بر روی پلتفرم Azure Databricks اجرا می شوند، برای اجرای حجم های کاری مهندسی داده های بزرگ در فضای ابری استفاده کنید. شما قابلیت های Azure Databricks و نوت بوک Apache Spark را برای پردازش فایل های عظیم کشف خواهید کرد. شما با پلتفرم Azure Databricks آشنا خواهید شد و انواع وظایف مناسب برای Apache Spark را شناسایی خواهید کرد. همچنین با معماری Azure Databricks Spark Cluster و Spark Jobs آشنا خواهید شد. شما با حجم زیادی از داده ها از منابع متعدد در قالب های خام مختلف کار خواهید کرد. شما یاد خواهید گرفت که چگونه Azure Databricks از توابع مدیریت روزانه داده مانند خواندن، نوشتن و پرس و جو پشتیبانی می کند. 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 هشتمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای 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.

دنیای داده ها تکامل یافته است و ظهور فناوری های ابری فرصت های جدیدی را برای کسب و کارها فراهم می کند. در این دوره، فناوری‌های مختلف پلتفرم داده موجود را یاد خواهید گرفت و اینکه چگونه یک مهندس داده می‌تواند از این فناوری به نفع یک سازمان استفاده کند. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این اولین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و اجرای 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.

با افزایش تصاعدی جمع آوری داده ها، نیاز به افراد ماهر در استفاده و تعامل با داده ها نیز افزایش یافته است. قادر به تفکر انتقادی و ارائه بینش برای تصمیم گیری بهتر و بهینه سازی کسب و کار خود باشند. این یک دانشمند داده، "بخشی ریاضیدان، بخشی دانشمند کامپیوتر، و بخشی از نقطه نظر روند" (SAS Institute, Inc.) است. به گفته Glassdoor، دانشمند داده بودن بهترین شغل در آمریکا است. با میانگین حقوق پایه 110000 دلار و هزاران فرصت شغلی در یک زمان. مهارت های لازم برای دانشمند داده خوب بودن شامل توانایی بازیابی و کار با داده ها است، و برای انجام این کار باید به خوبی در SQL، زبان استاندارد برای برقراری ارتباط با سیستم های پایگاه داده، آشنا باشید. این دوره به منظور ارائه مقدماتی در زمینه اصول SQL و کار با داده ها طراحی شده است تا بتوانید تجزیه و تحلیل آن را برای اهداف علم داده آغاز کنید. شما شروع به پرسیدن سوالات درست خواهید کرد و پاسخ های خوبی برای ارائه بینش ارزشمند برای سازمان خود خواهید داشت. این دوره با اصول اولیه شروع می شود و فرض می کند که شما هیچ دانش یا مهارتی در SQL ندارید. این بر اساس آن پایه است و به تدریج از شما می‌خواهد پرس و جوهای ساده و پیچیده بنویسید تا به شما در انتخاب داده‌ها از جداول کمک کند. شما شروع به کار با انواع مختلف داده‌ها مانند رشته‌ها و اعداد خواهید کرد و درباره روش‌های فیلتر کردن و کاهش نتایج خود بحث خواهید کرد. شما جداول جدیدی ایجاد خواهید کرد و می توانید داده ها را به آنها منتقل کنید. اپراتورهای رایج و نحوه ترکیب داده ها را یاد خواهید گرفت. شما از عبارات موردی و مفاهیمی مانند حاکمیت داده و نمایه سازی استفاده خواهید کرد. شما در مورد موضوعات مربوط به داده ها بحث خواهید کرد و با استفاده از تکالیف برنامه نویسی در دنیای واقعی تمرین خواهید کرد. شما ساختار، معنا و روابط را در داده های منبع تفسیر می کنید و از SQL به عنوان یک حرفه ای برای شکل دادن به داده های خود برای اهداف تجزیه و تحلیل هدفمند استفاده می کنید. اگرچه برای گذراندن این دوره هیچ پیش نیاز یا نرم افزار خاصی نداریم، اما برای پروژه نهایی یک ویرایشگر متن ساده توصیه می شود. پس منتظر چی هستی؟ این اولین قدم شما برای یافتن شغل در بهترین شغل در ایالات متحده و به زودی در جهان است!

علم داده یک زمینه شغلی پویا و رو به رشد است که برای موفقیت نیاز به دانش و مهارت مبتنی بر SQL دارد. این دوره طراحی شده است تا پایه ای محکم در استفاده از مهارت های SQL برای تجزیه و تحلیل داده ها و حل مشکلات واقعی کسب و کار به شما ارائه دهد. چه سایر دوره‌های آموزشی را با موفقیت گذرانده باشید و چه فقط در این دوره شرکت می‌کنید، این پروژه فرصتی برای شماست تا دانش و مهارت‌هایی را که کسب کرده‌اید برای تمرین پرسش‌های مهم SQL و حل مشکلات داده‌ها به کار ببرید. شما در سفر شخصی یا حرفه ای خود شرکت خواهید کرد تا از ابتدا تا انتها یک قطعه با ارزش نمونه کارها ایجاد کنید. شما یک مجموعه داده را انتخاب می کنید و یک پروژه پیشنهادی ایجاد می کنید. شما داده های خود را کاوش خواهید کرد و برخی از آمارهای اولیه را که از طریق این تخصص آموخته اید، انجام خواهید داد. شما تجزیه و تحلیل داده های کیفی را کشف خواهید کرد و معیارهای جدیدی را در نظر خواهید گرفت که از الگوهایی که در تجزیه و تحلیل شما ظاهر می شوند، منطقی هستند. شما تمام کارهای خود را در قالب یک ارائه قرار می دهید که در آن داستان یافته های خود را بیان می کنید. در طول مسیر، از طریق فرآیند بررسی همتا بازخورد دریافت خواهید کرد. این انجمن از دانش آموزان همکار، ورودی های بیشتری را برای کمک به شما در اصلاح رویکرد خود برای تجزیه و تحلیل داده ها با SQL و ارائه یافته های خود به مشتریان و مدیریت ارائه می دهد.

بسیاری از داده های جهان در پایگاه های داده زندگی می کنند. SQL (یا زبان پرس و جوی ساختاریافته) یک زبان برنامه نویسی قدرتمند است که برای برقراری ارتباط و دستکاری داده ها در پایگاه های داده استفاده می شود. دانش کاری پایگاه‌های داده و SQL برای هر کسی که می‌خواهد شغلی در مهندسی داده، انبار داده، تجزیه و تحلیل داده، علم داده یا هوش تجاری شروع کند، ضروری است. هدف از این دوره کمک به شما در یادگیری و به کارگیری دانش پایه و متوسط ​​زبان SQL و آشنایی با بسیاری از مفاهیم پایگاه داده رابطه ای (RDBMS) در طول مسیر است. شما با انجام عملیات اصلی Create، Read، Update و Delete (CRUD) با استفاده از دستورات CREATE، SELECT، INSERT، UPDATE و DELETE شروع خواهید کرد. سپس فیلتر کردن، ترتیب، مرتب‌سازی و جمع‌آوری داده‌ها را خواهید آموخت. شما با توابع کار خواهید کرد، انتخاب های فرعی و پرس و جوهای تودرتو و همچنین داده های JOIN را در چندین جدول انجام خواهید داد. شما همچنین با VIEWS، تراکنش ها و ایجاد رویه های ذخیره شده کار خواهید کرد. تاکید در این دوره بر یادگیری عملی و عملی است. به این ترتیب، شما با سیستم های پایگاه داده واقعی کار خواهید کرد، از ابزارهای واقعی و مجموعه داده های دنیای واقعی استفاده خواهید کرد. شما یک نمونه پایگاه داده در فضای ابری ایجاد خواهید کرد. از طریق یک سری از آزمایشگاه های عملی، ساخت و اجرای پرس و جوهای SQL را تمرین خواهید کرد. در پایان دوره شما درخواست داده و مهارت های خود را با یک پروژه نهایی نشان خواهید داد. مهارت های SQL که در این دوره یاد می گیرید برای انواع RDBMS ها مانند MySQL، PostgreSQL، IBM Db2، Oracle، SQL Server و غیره قابل اجرا خواهند بود. هیچ دانش قبلی از پایگاه های داده، SQL یا برنامه نویسی مورد نیاز نیست، با این حال برخی از سواد داده های اولیه مفید است.

به دوره آمادگی برای آزمون برنامه نویسی SAS Viya خوش آمدید. این سومین و آخرین دوره در تخصص برنامه نویس Coursera SAS است. شما آنچه را که در دو دوره اول آموخته اید با نوشتن کد برای اجرا در سرویس های تحلیل ابری SAS و تمرین برای آزمون های گواهینامه SAS به کار خواهید برد. این یک دوره پیشرفته است که برای زبان آموزانی در نظر گرفته شده است که دو دوره اول را در تخصص برنامه نویس Coursera SAS گذرانده اند: برنامه نویسی SAS برای محاسبات توزیع شده در SAS Viya و برنامه نویسی CASL برای محاسبات توزیع شده در SAS Viya. در پایان دوره، شما آماده شرکت در یکی از این آزمون های اعتبارسنجی SAS هستید: - SAS® Viya® Associate Programming - متخصص برنامه نویسی SAS® Viya®

مقدمه‌ای بر آماری که در پشت محبوب‌ترین پروژه‌های علم داده ژنومی قرار دارد. این ششمین دوره در تخصص علم ژنومیک داده های بزرگ از دانشگاه جان هاپکینز است.

این دوره آمار بیزی را توصیف می کند که در آن استنباط فرد در مورد پارامترها یا فرضیه ها به عنوان شواهد جمع آوری می شود. شما یاد خواهید گرفت که از قانون بیز برای تبدیل احتمالات قبلی به احتمالات بعدی استفاده کنید و با نظریه و چشم انداز اساسی پارادایم بیزی آشنا شوید. این دوره روش‌های بیزی را برای چندین مسئله عملی به کار می‌گیرد تا تحلیل‌های بیزی سرتاسری را نشان دهد که از چارچوب‌بندی سؤال به ساخت مدل‌ها تا استخراج احتمالات قبلی به پیاده‌سازی در R (نرم‌افزار آماری رایگان) توزیع آخری نهایی حرکت می‌کند. علاوه بر این، این دوره به معرفی مناطق معتبر، مقایسه بیزی از میانگین ها و نسبت ها، رگرسیون بیزی و استنتاج با استفاده از مدل های متعدد و بحث در مورد پیش بینی بیزی می پردازد. ما فرض می‌کنیم که فراگیران در این دوره، دانش پیش‌زمینه‌ای معادل آنچه در سه دوره قبلی در این تخصص ارائه شده است، دارند: «مقدمه‌ای بر احتمالات و داده‌ها»، «آمار استنباطی» و «رگرسیون خطی و مدل‌سازی».

این پروژه اصلی برای تخصص آمار بیزی در UC سانتا کروز است. این فرصتی است برای شما تا طیف گسترده ای از مهارت ها و دانش را در آمار بیزی نشان دهید و آنچه را که می دانید در داده های دنیای واقعی به کار ببرید. شما مفاهیم اساسی در آمار بیزی را با ویدئوهای سخنرانی و آزمون ها مرور خواهید کرد و تجزیه و تحلیل داده های پیچیده ای را انجام می دهید و گزارشی از روش ها و نتایج خود تهیه می کنید.

آمار بیزی: مدل های مخلوط شما را با دسته مهمی از مدل های آماری آشنا می کند. این دوره در پنج ماژول سازماندهی شده است که هر کدام شامل فیلم های سخنرانی، آزمون های کوتاه، خواندن پس زمینه، پیشنهادات بحث و یک یا چند تکالیف بررسی شده است. بهتر است آمار را با انجام آن یاد بگیرید، نه فقط با تماشای یک ویدیو، بنابراین ساختار این دوره به شما کمک می کند تا از طریق برنامه یاد بگیرید. برخی از تمرین ها نیاز به استفاده از R، یک بسته نرم افزاری آماری رایگان دارند. یک آموزش مختصر ارائه شده است، اما ما شما را تشویق می کنیم که در صورت علاقه از بسیاری از منابع دیگر آنلاین برای یادگیری R استفاده کنید. این دوره در سطح متوسط ​​است و پس از هربی لی "آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها" و "آمار بیزی: تکنیک ها و مدل ها" متیو هاینر، سومین دوره در سری UC سانتا کروز در مورد آمار بیزی طراحی شده است. برای موفقیت در دوره، باید اطلاعاتی در مورد احتمالات مبتنی بر حساب دیفرانسیل و انتگرال، اصول تخمین حداکثر احتمال، و تخمین بیزی داشته باشید.

تعداد شاخص های ترکیبی که در سطح بین المللی ساخته و مورد استفاده قرار می گیرند بسیار سریع در حال رشد است. اما در حالی که پیچیدگی تکنیک های کمی به طور چشمگیری افزایش یافته است، آموزش و پرورش در این زمینه طولانی و عقب مانده است. در نتیجه، این اعداد ساده، که انتظار می رود موضوعات کاملاً پیچیده را ترکیب کنند، اغلب به مردم ارائه می شوند و در بحث های سیاسی بدون تأکید مناسب بر محدودیت های ذاتی و تفسیرهای صحیح آنها استفاده می شوند. در این دوره در مورد آمار جهانی که توسط دانشگاه ژنو به طور مشترک با ETH Zürich KOF ارائه شده است، شما با رویکرد کلی ساخت شاخص های ترکیبی و برخی از مشکلات ناشی از آن آشنا خواهید شد. ما در مورد ویژگی های فنی، ساختار داخلی (مانند تجمع، وزن، پایداری سری های زمانی)، داده های اولیه استفاده شده و روش های انتخاب متغیر بحث خواهیم کرد. این مفاهیم با استفاده از نمونه‌ای از محبوب‌ترین شاخص‌های ترکیبی نشان داده می‌شوند. ما سعی خواهیم کرد نه تنها به سوالات آماری بپردازیم، بلکه بر تمایز بین شاخص های سیاست محور، رسانه و پارادایم محور نیز تمرکز کنیم.