Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 245 items.

coursera انتشار تجسم در R با براق و فلکس داشبورد (Mitalearn-335390)

  • 1 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Collin Paschall
درباره این دوره:

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 چهارمین دوره تخصصی "تجسم داده ها و داشبورد در R" است. زبان آموزان با پیشینه قوی در ساخت تجسم در R با استفاده از ggplot2 به این دوره می آیند. برای تقویت این مهارت ها، این دوره شامل ایجاد تجسم تعاملی با استفاده از براق و همچنین ترکیب انواع مختلف شکل های ساخته شده در R در داشبوردهای تعاملی است.

coursera انجام اقتصاد: اندازه گیری تغییرات آب و هوا (Mitalearn-328760)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Eileen Tipoe,Wendy Carlin
درباره این دوره:

این دوره به شما تجربه عملی در کار با داده های دنیای واقعی، با برنامه های کاربردی برای مسائل مهم سیاست در جامعه امروزی می دهد. هر هفته، مهارت‌های خاص مدیریت داده‌ها را در اکسل یاد می‌گیرید و از این تکنیک‌ها برای تجزیه و تحلیل داده‌های تغییرات آب و هوا، با خواندن مناسب برای ارائه اطلاعات پس‌زمینه در مورد داده‌هایی که با آن‌ها کار می‌کنید، استفاده می‌کنید. همچنین در مورد عواقب تغییرات آب و هوایی و نحوه برخورد دولت ها با این موضوع آشنا خواهید شد. پس از اتمام این دوره، شما باید بتوانید: • درک کنید که چگونه می توان از داده ها برای ارزیابی میزان تغییرات آب و هوایی استفاده کرد • برای تجسم داده ها، نمودارهای میله ای، نمودارهای خطی و نمودارهای پراکنده مناسب تولید کنید • محاسبه و تفسیر آمار خلاصه (میانگین، میانه، واریانس، صدک، همبستگی) • چالش ها را با طراحی و اجرای سیاست هایی که به تغییرات آب و هوایی می پردازند، توضیح دهید هیچ دانش قبلی در اقتصاد یا آمار برای این دوره مورد نیاز نیست. هیچ دانشی از اکسل لازم نیست، به جز آشنایی با رابط کاربری و نحوه وارد کردن و پاک کردن داده ها.

coursera انجام تحقیقات بالینی: آمار زیستی با زبان ولفرام (Mitalearn-328879)

  • 7 hours 9 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Juan H Klopper
درباره این دوره:

این دوره با هدف توانمندسازی شما برای انجام تست های آماری آماده برای گنجاندن در پایان نامه ها، مقالات تحقیقاتی و ارائه های شما است. توانایی خلاصه کردن داده‌ها، ایجاد نمودارها و نمودارها، و انجام تست‌های آماری که معمولاً در ادبیات مشاهده می‌کنید، در واقع یک مهارت قدرتمند است. ابزارهای قدرتمندی برای دستیابی به این اهداف به راحتی در دسترس هستند. یادگیری هیچکدام به آسانی و در عین حال به اندازه زبان Wolfram قدرتمند نیست. دانش به معنای واقعی کلمه در زبان ساخته شده است. با رویکرد ساختارمند و سازگار آن برای ایجاد کد، در کمترین زمان به یک متخصص تبدیل خواهید شد. این دوره از رویکرد یادگیری تحلیل آماری با استفاده از زبان کامپیوتری پیروی می کند. این نیاز به دانش قبلی در مورد کدنویسی ندارد. سفری هیجان انگیز در انتظار شماست. اگر حتی بیشتر می خواهید، دروس اختیاری Honors در مورد یادگیری ماشینی وجود دارد که پشتیبانی در زبان Wolfram برای یادگیری عمیق را پوشش می دهد.

coursera اندازه گیری – تبدیل مفاهیم به داده (Mitalearn-329270)

  • 1 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jennifer Bachner, PhD
درباره این دوره:

این دوره چارچوبی برای چگونگی ایجاد و ارزیابی معیارهای کمی توسط تحلیلگران ارائه می دهد. بسیاری از مفاهیم فریبنده ای را که اغلب مورد توجه تحلیل گران است، در نظر بگیرید، مانند سلامت، پیشرفت تحصیلی و اعتماد به دولت. این دوره رویکردهای مختلف برای کمی کردن این مفاهیم را بررسی خواهد کرد. این دوره با مروری بر سطوح مختلف اندازه گیری و روش های تبدیل متغیرها آغاز می شود. سپس در مورد چگونگی ساخت و ساخت یک مدل اندازه گیری بحث خواهیم کرد. در ادامه به بررسی نظرسنجی ها می پردازیم، زیرا آنها یکی از پرکاربردترین ابزارهای اندازه گیری هستند. به عنوان بخشی از این بحث، نمونه گیری، طراحی و ارزیابی نظرسنجی را پوشش خواهیم داد. در نهایت، ما روش‌های مختلفی را برای قضاوت در مورد کیفیت یک اندازه‌گیری، مانند سطح پایایی یا اعتبار آن، در نظر خواهیم گرفت. در پایان این دوره، شما باید بتوانید معیارهایی را برای مفاهیمی که ارزش مطالعه دارند توسعه دهید و به طور انتقادی ارزیابی کنید. پس از همه، یک تحلیل خوب بر اساس معیارهای خوب ساخته شده است.

coursera اندازه گیری کیفیت کل داده ها (Mitalearn-329763)

  • 5 hours 44 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brady T. West,James Wagner,Jinseok Kim
درباره این دوره:

در پایان این دوره دوم در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. معیارهای مختلفی را برای ارزیابی کیفیت داده کل (TDQ) در هر مرحله از چارچوب TDQ بیاموزید. 2. یک نقشه مفهومی با کیفیت ایجاد کنید که جنبه های مرتبط TDQ را از یک برنامه کاربردی یا منبع داده خاص ردیابی کند. 3. از طریق مبادلات نسبی بین جنبه های کیفیت، هزینه های نسبی و محدودیت های عملی اعمال شده توسط یک پروژه یا مطالعه خاص فکر کنید. 4. شناسایی نرم افزارهای مرتبط و ابزارهای مرتبط برای محاسبه معیارهای مختلف. 5. معیارهایی را که می توان برای داده های طراحی شده و یافت شده/ارگانیک محاسبه کرد، درک کنید. 6. معیارها را روی داده های واقعی اعمال کنید و مقادیر حاصل از آنها را از دیدگاه TDQ تفسیر 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.

coursera انیمیشن داده محور برای ارتباطات علمی (Mitalearn-330324)

  • 16 hours 34 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Jessica Kendall-Bar
درباره این دوره:

در این دوره، هر دانش‌آموز یک انیمیشن علمی ایجاد می‌کند که داستانی را با داده‌ها برای ارتباط بهتر نتایج علمی بیان می‌کند - در طول مسیر آنها مهارت‌های برنامه‌نویسی، نوشتن علمی و مهارت‌های انیمیشن فنی را یاد خواهند گرفت. این دوره به دانش آموزان در داستان سرایی مبتنی بر داده آموزش می دهد که تحقیقات و ارتباطات علمی را به نفع جوامع و سیاست گذاران در مقیاس محلی و جهانی ترویج می کند. دانش‌آموزان یک اسکریپت نوشتن علمی پیش‌نویس می‌کنند، گرافیک‌های شطرنجی و برداری سفارشی، تجسم داده‌ها و انیمیشن‌ها را در Adobe Photoshop، Adobe Illustrator، Adobe After Effects، Adobe Premiere Pro و Autodesk Maya ایجاد می‌کنند. برای پروژه نهایی خود، دانش‌آموزان این دارایی‌های مبتنی بر داده را در یک چکیده ویدیویی متحرک جمع‌آوری می‌کنند.

coursera ایجاد ارزش با داده های تاریک (Mitalearn-329950)

  • 2 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Curtis Thompson
درباره این دوره:

در این دوره، با استفاده از یک رویکرد اصولی که توانایی شما را در استفاده از داده های تاریک برای افزودن ارزش به یک محصول نهایی نشان می دهد، تفکر سطح بعدی در مورد ایجاد ارزش با داده های تاریک را یاد خواهید گرفت.

coursera ایجاد داشبورد و داستان سرایی با Tableau (Mitalearn-328777)

  • 5 hours 36 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Govind Acharya,Hunter Whitney
درباره این دوره:

با استفاده از تجسم‌هایی که در دوره قبلی، Visual Analytics with Tableau ایجاد کردید، داشبوردهایی ایجاد می‌کنید که به شما کمک می‌کند داستان را در داده‌های خود شناسایی کنید، و خواهید فهمید که چگونه از Storypoints برای ایجاد یک داستان قدرتمند استفاده کنید تا تأثیر ماندگاری را در بین مخاطبان خود به جا بگذارید. . شما اهداف ذینفعان خود را با نیازهای کاربران نهایی خود متعادل خواهید کرد و می توانید داستان خود را برای حداکثر تأثیرگذاری ساختار و سازماندهی کنید. در طول دوره، توابع پیشرفته تری را در Tableau اعمال خواهید کرد، مانند سلسله مراتب، اقدامات و پارامترها برای هدایت تعاملات کاربر. برای پروژه نهایی خود، یک روایت قانع‌کننده ایجاد می‌کنید تا در یک جلسه، به‌عنوان یک گزارش ثابت یا در یک نمایش تعاملی آنلاین ارائه شود.

coursera ایجاد یک تیم علم داده (Mitalearn-335611)

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

علم داده یک ورزش تیمی است. به عنوان یک مدیر علوم داده، وظیفه شما این است که تیم را برای موفقیت استخدام کنید، سازماندهی و مدیریت کنید. در این دوره یک هفته‌ای، به این موضوع خواهیم پرداخت که چگونه می‌توانید افراد مناسب را برای تکمیل تیم علم داده خود بیابید، چگونه آنها را سازماندهی کنید تا بهترین فرصت را برای احساس قدرت و موفقیت به آنها بدهید، و چگونه تیم خود را در حین رشد مدیریت کنید. . این یک دوره متمرکز طراحی شده است تا شما را سریعاً در روند ساخت و مدیریت یک تیم علم داده با خبر کند. هدف ما این بود که این کار را تا حد امکان برای شما راحت کنیم بدون اینکه هیچ محتوای ضروری را قربانی کنیم. ما اطلاعات فنی را کنار گذاشته‌ایم تا بتوانید روی مدیریت تیم خود و پیشبرد آن تمرکز کنید. پس از اتمام این دوره خواهید دانست. 1. نقش های مختلف در تیم علم داده از جمله دانشمند داده و مهندس داده 2. نحوه ارتباط تیم علم داده با سایر تیم های یک سازمان 3. صلاحیت های مورد انتظار اعضای مختلف تیم علم داده چیست؟ 4. سوالات مرتبط برای مصاحبه با دانشمندان داده 5. نحوه مدیریت فرآیند ورود به تیم 6. چگونه تیم های علم داده را به سمت موفقیت هدایت کنیم 7. چگونه تیم های علم داده را تشویق و توانمند کنیم تعهد: 1 هفته مطالعه، 4-6 ساعت تصویر جلد دوره توسط JaredZammit. Creative Commons BY-SA. https://flic.kr/p/5vuWZz

coursera با علم داده به مسائل تجاری بپردازید (Mitalearn-333741)

  • 1 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sarah Haq,Stacey McBrine
درباره این دوره:

این دوره برای حرفه ای های کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه یک موضوع تجاری برای یک پروژه علم داده مناسب است یا خیر و از فرآیند علم داده استفاده کنند. دانشجوی معمولی در این دوره تجربه در یک محیط تجاری و درک سطح بالایی از مفاهیم بنیادی علم داده خواهد داشت، از جمله، اما نه محدود به: انواع داده ها، نقش های علم داده، چرخه عمر کلی علم داده، و مزایا و مزایا. چالش های علم داده

coursera برای DP-203: مهندسی داده در آزمون Microsoft Azure آماده شوید (Mitalearn-333384)

  • 1 hours 10 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

گواهینامه های مایکروسافت با ارائه مدارک شناخته شده و مورد تایید صنعت در سطح جهانی مبنی بر تسلط بر مهارت های کسب و کارهای دیجیتال و ابری به شما یک مزیت حرفه ای می دهد. دانش خود را در مورد نحوه استفاده از خدمات و زبان های مختلف داده Azure برای ذخیره و تولید مجموعه داده های تمیز و پیشرفته برای تجزیه و تحلیل تجدید خواهید کرد. دانش خود را در یک آزمون عملی که با تمام موضوعات اصلی تحت پوشش آزمون DP-203 ترسیم شده است، آزمایش خواهید کرد و اطمینان حاصل می کند که برای موفقیت در صدور گواهینامه به خوبی آماده شده اید. همچنین یک نمای کلی دقیق تر از برنامه صدور گواهینامه مایکروسافت و جایی که می توانید در حرفه خود ادامه دهید دریافت خواهید کرد. همچنین نکات و ترفندها، استراتژی های تست، منابع مفید و اطلاعاتی در مورد نحوه ثبت نام در آزمون DP-203 Proctored دریافت خواهید کرد. در پایان این دوره، شما آماده ثبت نام و شرکت در آزمون DP-203 خواهید بود. این آخرین 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 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.

coursera برقراری ارتباط با نتایج تجزیه و تحلیل کسب و کار (Mitalearn-333656)

  • 2 hours 45 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Manuel Laguna,Dan Zhang,David Torgerson
درباره این دوره:

فرآیند تحلیلی به مدل هایی ختم نمی شود که بتواند با دقت پیش بینی کند یا بهترین راه حل را برای مشکلات تجاری تجویز کند. توسعه این مدل ها و به دست آوردن بینش از داده ها لزوماً منجر به اجرای موفق نمی شود. این به توانایی انتقال نتایج به کسانی که تصمیم می گیرند بستگی دارد. ارائه یافته ها به تصمیم گیرندگانی که با زبان تجزیه و تحلیل آشنایی ندارند، چالشی است. در این دوره شما یاد خواهید گرفت که چگونه نتایج تجزیه و تحلیل را به ذینفعانی که جزئیات تجزیه و تحلیل را درک نمی کنند، اما شواهدی از تجزیه و تحلیل و داده ها می خواهند، منتقل کنید. شما قادر خواهید بود وسایل نقلیه مناسبی را برای ارائه اطلاعات کمی انتخاب کنید، از جمله وسایل نقلیه مبتنی بر اصول تجسم داده ها. همچنین یاد خواهید گرفت که چگونه داستان‌های تجزیه و تحلیل داده را توسعه داده و ارائه دهید که زمینه، بینش و تفسیر را ارائه می‌کند.

coursera برنامه نویسی CASL برای محاسبات توزیع شده در SAS® Viya® (Mitalearn-336291)

  • 6 hours 12 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Peter Styliadis,Stacey Syphus
درباره این دوره:

به دوره آموزشی CASL Programming for Distributed Computing در SAS Viya خوش آمدید. SAS Viya یک پلتفرم هوش مصنوعی، تحلیلی و مدیریت داده است که بر روی معماری بومی ابری مقیاس‌پذیر، توزیع‌شده اجرا می‌شود. در این دوره آموزشی، نحوه استفاده از زبان برنامه نویسی بومی CAS (CASL) را برای استفاده از خدمات SAS Cloud Analytics (CAS)، موتور محاسباتی پرکاربرد، تجزیه و تحلیل درون حافظه و توزیع شده در SAS Viya خواهید آموخت. شما یاد خواهید گرفت که چگونه از CASL برای دسترسی، کاوش، آماده سازی، تجزیه و تحلیل و خلاصه کردن داده ها در محیط پردازش موازی انبوه سرور CAS استفاده کنید. این یک دوره پیشرفته است که برای زبان آموزانی با حداقل یک سال تجربه برنامه نویسی با یک زبان مدرن (SAS، R، Python، SQL و غیره) و حداقل یک سال تجربه کار با داده ها در نظر گرفته شده است. برای موفقیت در این دوره، باید درک کلی از مفاهیم اساسی برنامه نویسی کامپیوتر و چرخه حیات تجزیه و تحلیل داده ها داشته باشید. در پایان دوره، شما قادر خواهید بود: - درک و استفاده از سرورهای مختلف SAS Viya. - برای دسترسی و مدیریت داده ها به سرور CAS متصل شوید. - از CASL برای کاوش، آماده سازی و تجزیه و تحلیل داده ها استفاده کنید. - ایجاد گزارش و تجسم با استفاده از SAS Viya.

coursera برنامه نویسی R (Mitalearn-332432)

  • 5 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Jeff Leek, PhD,Brian Caffo, PhD
درباره این دوره:

در این دوره شما یاد خواهید گرفت که چگونه به زبان R برنامه نویسی کنید و چگونه از R برای تجزیه و تحلیل موثر داده ها استفاده کنید. شما یاد خواهید گرفت که چگونه نرم افزارهای لازم برای یک محیط برنامه نویسی آماری را نصب و پیکربندی کنید و مفاهیم زبان برنامه نویسی عمومی را همانطور که در یک زبان آماری سطح بالا پیاده سازی می شوند، شرح دهید. این دوره مسائل عملی در محاسبات آماری را پوشش می‌دهد که شامل برنامه‌نویسی در R، خواندن داده‌ها در R، دسترسی به بسته‌های R، نوشتن توابع R، اشکال‌زدایی، پروفایل‌سازی کد R، و سازمان‌دهی و اظهار نظر کد R می‌شود. موضوعات در تجزیه و تحلیل داده های آماری نمونه های کاری را ارائه می دهند.

coursera برنامه نویسی SAS® برای محاسبات توزیع شده در SAS® Viya® (Mitalearn-336274)

  • 3 hours 38 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Stacey Syphus,Peter Styliadis
درباره این دوره:

به دوره آموزشی SAS Programming for Distributed Computing در SAS Viya خوش آمدید. SAS Viya یک پلتفرم هوش مصنوعی، تحلیلی و مدیریت داده است که بر روی معماری بومی ابری مقیاس‌پذیر، توزیع‌شده اجرا می‌شود. در این دوره شما یاد خواهید گرفت که چگونه برنامه های Base SAS موجود را برای اجرا در SAS Viya تغییر دهید. برنامه هایی که ایجاد می کنید از قدرت سرویس های تحلیلی ابری SAS (CAS) برای دسترسی، مدیریت و تجزیه و تحلیل جداول درون حافظه استفاده می کنند. این یک دوره پیشرفته است که برای زبان آموزان با تجربه برنامه نویسی SAS در نظر گرفته شده است. برای موفقیت، باید بتوانید از طریق کتابخانه های SAS به داده ها دسترسی داشته باشید، داده ها را با مرحله DATA بخوانید و آماده کنید، داده ها را با استفاده از PROC SQL جستجو کنید، و داده ها را با روش های MEANS و FREQ خلاصه کنید. این دانش اساسی را می توان در تخصص برنامه نویس Coursera SAS به دست آورد. در پایان دوره، شما قادر خواهید بود: - بارگذاری داده ها در سرویس های تحلیل ابری SAS - مرحله DATA و کد رویه SQL را برای اجرا در CAS تغییر دهید - از رویه های فعال CAS استفاده کنید - کد CASL را برای اجرای اقدامات CAS بنویسید

coursera برنامه نویسی برای علم داده (Mitalearn-328743)

  • 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr Jonathan Ward,Hassan Izanloo
درباره این دوره:

اصول برنامه نویسی را بررسی کنید و با زبان پایتون آشنا شوید. پس از اتمام این دوره، شما قادر خواهید بود برنامه های پایتون را در Jupyter Notebook بنویسید و برنامه نویسی پایه را شرح دهید. در این دوره شما هر آنچه را که برای شروع سفر برنامه نویسی خود نیاز دارید را یاد خواهید گرفت. انواع مختلف داده های موجود در پایتون و نحوه استفاده از آنها را کشف خواهید کرد، نحوه اعمال ساختارهای کنترل شرطی و حلقه ای را یاد خواهید گرفت و توابع خود را بنویسید. این دوره توضیحات مفصلی از مفاهیم جدید و اطلاعات پس زمینه برای زمینه اضافی ارائه می دهد. آزمون های موجود به شما کمک می کند تا درک خود را توسعه دهید. شما همچنین تمرینات را با استفاده از Jupyter Notebook در رایانه خود کامل خواهید کرد. با استفاده از Jupyter Notebook، می‌توانید یادداشت‌های خود را با مثال‌های مفید ترکیب کنید تا منابع مورد نیاز برای برنامه‌نویسی را در آینده به طور مستقل توسعه دهید. این دوره یک مزه کننده کارشناسی ارشد آنلاین در علوم داده (آمار) است، اما می تواند توسط زبان آموزانی که می خواهند مقدماتی بر برنامه نویسی و کشف اصول پایتون داشته باشند تکمیل شود.

coursera برنامه نویسی پیشرفته R (Mitalearn-331225)

  • 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Brooke Anderson
درباره این دوره:

این دوره موضوعات پیشرفته ای در برنامه نویسی R را پوشش می دهد که برای توسعه ابزارهای علوم داده قدرتمند، قوی و قابل استفاده مجدد ضروری است. موضوعات تحت پوشش عبارتند از برنامه نویسی عملکردی در R، مدیریت خطای قوی، برنامه نویسی شی گرا، پروفایل و محک زدن، اشکال زدایی، و طراحی مناسب توابع. پس از اتمام این دوره، شما قادر خواهید بود وظایف رایج تجزیه و تحلیل داده ها را شناسایی و انتزاع کنید و آنها را در توابع رو به رو کاربر محصور کنید. از آنجایی که هر محیط علم داده با چالش های داده منحصر به فردی روبرو می شود، همیشه نیاز به توسعه نرم افزار سفارشی خاص برای ماموریت سازمان شما وجود دارد. همچنین می‌توانید انواع داده‌های جدیدی را در R تعریف کنید و جهانی از عملکردهای خاص برای آن نوع داده‌ها را توسعه دهید تا امکان اجرای پاک‌تر وظایف علم داده و قابلیت استفاده مجدد قوی‌تر را در یک تیم فراهم کنید.

coursera برنامه نویسی تابعی در Scala Capstone (Mitalearn-334846)

  • 3 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Julien Richard-Foy
درباره این دوره:

در پروژه نهایی Capstone، مهارت‌هایی را که با ساختن یک برنامه کاربردی بزرگ با داده‌های فشرده با استفاده از داده‌های دنیای واقعی آموخته‌اید، به کار خواهید برد. شما یک برنامه کامل را پیاده سازی خواهید کرد که چندین گیگابایت داده را پردازش می کند. این برنامه تجسم های تعاملی از تکامل دما در طول زمان را در سراسر جهان نشان می دهد. توسعه چنین برنامه ای شامل موارد زیر است: - تبدیل داده‌های ارائه‌شده توسط ایستگاه‌های هواشناسی به اطلاعات معنی‌داری مانند، به عنوان مثال، میانگین دمای هر نقطه از کره زمین در ده سال گذشته. - سپس با استفاده از تکنیک های درون یابی فضایی و خطی از این اطلاعات تصاویری تهیه کنید. - در نهایت، پیاده سازی نحوه واکنش رابط کاربری به اقدامات کاربران.

coursera برنامه نویسی علمی جولیا (Mitalearn-328896)

  • 5 hours 57 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Juan H Klopper,Henri Laurie
درباره این دوره:

این دوره شما را با جولیا به عنوان اولین زبان برنامه نویسی آشنا می کند. جولیا یک زبان برنامه نویسی پویا سطح بالا و با کارایی بالا است که به طور خاص برای محاسبات علمی توسعه یافته است. این زبان به ویژه برای برنامه های کاربردی در فیزیک، شیمی، نجوم، مهندسی، علوم داده، بیوانفورماتیک و بسیاری دیگر مفید خواهد بود. می توانید برنامه نویسی را با جولیا در Coursera شروع کنید و همچنین می توانید از خط فرمان، فایل های برنامه یا یک نوت بوک Jupyter استفاده کنید. جولیا برای رسیدگی به الزامات محاسبات عددی و علمی با کارایی بالا طراحی شده است و در عین حال برای برنامه نویسی همه منظوره موثر است. شما می‌توانید به تمام پردازنده‌ها و حافظه موجود دسترسی داشته باشید، داده‌ها را از هر نقطه‌ای در وب خراش دهید و همیشه از طریق هر دستگاهی که می‌خواهید استفاده کنید تا زمانی که مرورگر دارد، در دسترس باشید. برای کشف امکانات محاسباتی جدید به ما بپیوندید. بیایید شروع به یادگیری جولیا کنیم. در پایان دوره شما قادر خواهید بود: - برنامه با استفاده از زبان جولیا با تمرین از طریق تکالیف - برنامه های ساده جولیا خود را از ابتدا بنویسید - مزایا و ظرفیت های جولیا را به عنوان یک زبان محاسباتی درک کنید - با استفاده از زبان جولیا در نوت بوک های Jupyter کار کنید - از بسته های مختلف جولیا مانند Plots، DataFrames و Stats استفاده کنید این دوره از طریق سخنرانی‌های ویدئویی، نمایش‌های روی صفحه، آزمون‌ها و پروژه‌های عملی بررسی شده ارائه می‌شود که به شما فرصتی برای کار با بسته‌ها می‌دهد.

coursera بهترین روش های تجسم داده ها (Mitalearn-335543)

  • 22 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Julie Pai,Majed Al-Ghandour
درباره این دوره:

در این دوره، ما اصول تجسم و نحوه انطباق آن با گردش کار علم داده را پوشش خواهیم داد. ما بر روی مفاهیم اصلی پشت هدف تجسم و اصول طراحی برای ایجاد نتایج موثر و با سهولت ارتباط تمرکز خواهیم کرد. شما همچنین محیط Tableau خود را راه‌اندازی می‌کنید، بارگذاری داده‌ها را تمرین می‌کنید و تجزیه و تحلیل توصیفی تک متغیره بخش‌های سهام S&P 500 را انجام می‌دهید.

Suggestions