Course catalog

Course duration

Course provider

Topic

Categories

Showing 241-245 of 245 items.

coursera هوش تجاری و انبار داده (Mitalearn-331599)

  • 1 hours 18 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: María del Pilar Ángeles
درباره این دوره:

به دوره تخصصی هوش تجاری و انبار داده خوش آمدید. این دوره در مدت شش هفته تکمیل خواهد شد و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده نحوه شناسایی، طراحی و توسعه سیستم های اطلاعاتی تحلیلی مانند هوش تجاری با تجزیه و تحلیل توصیفی داده ها را بیاموزید. انبارها شما قادر خواهید بود مشکل یکپارچه سازی و تحلیل پیش بینی حجم بالای داده های بدون ساختار (داده های بزرگ) را با داده کاوی و چارچوب Hadoop درک کنید. پس از اتمام این دوره، زبان آموز قادر خواهد بود ● یک نمودار مدل داده ستاره یا دانه برف از طریق طراحی چند بعدی از نیازمندی های تجاری تحلیلی و سیستم OLTP ایجاد کنید ● یک سیستم پایگاه داده فیزیکی ایجاد کنید ● استخراج، تبدیل و بارگذاری داده ها در انبار داده. ● پرس و جوهای تحلیلی را با SQL با استفاده از MySQL برنامه ریزی کنید ● تجزیه و تحلیل پیش بینی با RapidMiner ● داده های رابطه ای یا بدون ساختار را در Hortonworks HDFS بارگذاری کنید ● کارهای Map-Reduce را برای جستجوی داده ها در HDFS برای اهداف تحلیلی اجرا کنید زبان های برنامه نویسی: برای دوره 2 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: Rapidminer MYSQL اکسل چارچوب هادوپ Hortonworks در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

coursera وارد کردن داده ها در Tidyverse (Mitalearn-327332)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

دریافت داده ها در سیستم تجزیه و تحلیل آماری شما می تواند یکی از چالش برانگیزترین بخش های هر پروژه علم داده باشد. داده ها باید وارد شده و در قالبی منسجم هماهنگ شوند قبل از اینکه بتوان هر گونه بینشی را به دست آورد. شما یاد خواهید گرفت که چگونه داده ها را از فرمت های رایج به R وارد کنید و انواع مختلف مجموعه داده ها را از منابع مختلف هماهنگ کنید. اگر در سازمانی کار می‌کنید که در آن بخش‌های مختلف داده‌ها را با استفاده از سیستم‌های مختلف و فرمت‌های ذخیره‌سازی مختلف جمع‌آوری می‌کنند، این دوره ابزارهای ضروری برای گردآوری مجموعه‌های داده و درک اطلاعات فراوان در سازمان شما ارائه می‌کند. این دوره ابزارهای Tidyverse را برای وارد کردن داده ها به R معرفی می کند تا بتوان آن را برای تجزیه و تحلیل، تجسم و مدل سازی آماده کرد. قالب‌های داده‌های رایج، از جمله فایل‌های محدود، صفحات گسترده و پایگاه‌های داده رابطه‌ای معرفی شده‌اند، و تکنیک‌هایی برای به‌دست‌آوردن داده‌ها از وب نشان داده می‌شوند، مانند اسکراپینگ وب و APIهای وب. در این تخصص ما آشنایی با زبان برنامه نویسی R را فرض می کنیم. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera وب داده ها (Mitalearn-332823)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Catherine Faron Zucker,Fabien Gandon,Olivier Corby
درباره این دوره:

این MOOC - یک ابتکار مشترک بین EIT Digital، Université de Nice Sophia-Antipolis / Université Côte d'Azur، و INRIA - استانداردها و اصول داده های پیوندی را معرفی می کند که پایه وب معنایی را فراهم می کند. شما یاد خواهید گرفت که چگونه داده های ساختاریافته را مستقیماً از وب منتشر کنید، به دست آورید و استفاده کنید. یادگیری اصول، زبان ها و استانداردهای تبادل داده در وب شما را قادر می سازد تا برنامه های کاربردی، محصولات و خدمات جدیدی را طراحی و تولید کنید که از حجم و تنوع داده های موجود در وب استفاده می کند. ما این دوره را به چهار بخش تقسیم کردیم که مهارت‌ها و شایستگی‌های فنی اصلی را که برای استفاده از وب به‌عنوان فضایی برای تبادل داده‌های ساختاری غول‌پیکر نیاز دارید را پوشش می‌دهد: • در بخش اول، "اصول یک وب از داده های پیوندی": شما اصول انتشار و به دست آوردن داده ها را مستقیماً در وب به جای صفحات وب، یاد خواهید گرفت و تمرین می کنید. • در بخش دوم، "مدل داده RDF": شما مدل استاندارد داده برای وب و نحوهای آن را برای انتشار و پیوند داده ها در وب در برنامه ها و خدمات خود خواهید آموخت. • در بخش سوم، "زبان پرس و جو SPARQL": شما یاد خواهید گرفت که چگونه مستقیماً به منابع داده در وب پرس و جو کنید و به منابع داده دسترسی داشته باشید و داده های ساختار یافته مرتبط با فعالیت و دامنه خود را بدست آورید. • در بخش چهارم و پایانی، "ادغام سایر فرمت ها و منابع داده": شما یاد خواهید گرفت که چگونه استانداردهای وب با سایر قالب های داده تعامل و تعامل دارند تا امکان ادغام انواع منابع داده را فراهم کنند. هر هفته به طور متناوب ویدیوها و آزمون‌های کوتاه و همچنین منابع و انجمن‌های تکمیلی برای پیشرفت تدریجی در اصول و استانداردهای مختلف جایگزین می‌شود. پس از گذراندن موفقیت آمیز این دوره، مهارت هایی برای به دست آوردن مجموعه داده های متمرکز و ساختار یافته از وب خواهید داشت که می توانید از آنها برای تقویت مجموعه داده های خود، غنی سازی ابعاد آنها، تغذیه برنامه های کاربردی خود، انجام داده کاوی، یادگیری ماشین و آموزش، داده ها استفاده کنید. تجزیه و تحلیل، پردازش و استدلال هوش مصنوعی و سایر مدیریت داده ها.

coursera یک پروژه علم داده را نهایی کنید (Mitalearn-333758)

  • 2 hours 21 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sarah Haq,Stacey McBrine
درباره این دوره:

این دوره برای متخصصان کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه نتایج مراحل قبلی پروژه علم داده را جمع آوری کرده و به ذینفعان ارائه دهند. یادگیرندگان نتایج یک مدل را به ذینفعان منتقل می‌کنند، نحوه ساخت یک برنامه وب پایه برای نشان دادن مدل‌های یادگیری ماشین و پیاده‌سازی و آزمایش خطوط لوله که فرآیندهای آموزش، تنظیم و استقرار مدل را خودکار می‌کنند، نشان خواهند داد. دانشجوی معمولی در این دوره دوره های قبلی را در برنامه گواهینامه حرفه ای CDSP گذرانده است و چندین سال تجربه در زمینه فناوری محاسبات از جمله برخی استعدادها در برنامه نویسی رایانه دارد.

coursera یکپارچه سازی و پردازش داده های بزرگ (Mitalearn-327230)

  • 5 hours 8 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Amarnath Gupta
درباره این دوره:

در پایان دوره، شما قادر خواهید بود: *بازیابی داده ها از پایگاه داده نمونه و سیستم های مدیریت داده های بزرگ *ارتباطات بین عملیات مدیریت داده و الگوهای پردازش کلان داده مورد نیاز برای استفاده از آنها در کاربردهای تحلیلی در مقیاس بزرگ را شرح دهید. * شناسایی زمانی که یک مشکل داده بزرگ نیاز به یکپارچه سازی داده دارد * یکپارچه سازی و پردازش کلان داده ساده را در پلتفرم های Hadoop و Spark اجرا کنید این دوره برای کسانی است که تازه وارد علم داده می شوند. تکمیل Intro to Big Data توصیه می شود. هیچ تجربه برنامه نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. برای مشخصات کامل سخت افزار و نرم افزار به الزامات فنی تخصصی مراجعه کنید. الزامات سخت افزاری: (الف) پردازنده چهار هسته ای (پشتیبانی VT-x یا AMD-V توصیه می شود)، 64 بیتی؛ (ب) 8 گیگابایت رم؛ (C) 20 گیگابایت دیسک رایگان. نحوه پیدا کردن اطلاعات سخت افزاری خود: (ویندوز): با کلیک بر روی دکمه Start، روی Computer راست کلیک کرده و سپس روی Properties کلیک کنید. (Mac): با کلیک بر روی منوی اپل و کلیک کردن روی «درباره این مک»، نمای کلی را باز کنید. اکثر رایانه‌های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط لازم را برآورده می‌کنند. شما به اتصال اینترنت پرسرعت نیاز دارید زیرا فایل‌هایی تا حجم 4 گیگابایت را دانلود خواهید کرد. نرم افزار مورد نیاز: این دوره متکی بر چندین ابزار نرم افزار منبع باز از جمله Apache Hadoop است. تمام نرم افزارهای مورد نیاز را می توان به صورت رایگان دانلود و نصب کرد (به جز هزینه های داده از ارائه دهنده اینترنت شما). الزامات نرم افزار عبارتند از: Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ VirtualBox 5+.

Suggestions