این دوره تکنیک های اصلی مورد استفاده در داده کاوی، از جمله تجزیه و تحلیل الگوی مکرر، طبقه بندی، خوشه بندی، تجزیه و تحلیل پرت، و همچنین استخراج داده های پیچیده و مرزهای تحقیقاتی در زمینه داده کاوی را پوشش می دهد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر لوگوی دوره توسط Lachlan Cormie، در اینجا در Unsplash موجود است: https://unsplash.com/photos/jbJp18srifE

این دوره به شما یک نمای کلی از فرصت های فعلی و دسترسی همه جانبه علوم اجتماعی محاسباتی را ارائه می دهد. نتایج همه روزه در اطراف ما هستند، از خدمات ارائه شده توسط با ارزش ترین شرکت های جهان، از نفوذ پنهان سازمان های دولتی، تا قدرت جنبش های اجتماعی و سیاسی. همه آنها رفتار انسان را برای شکل دادن به آن مطالعه می کنند. به طور خلاصه، همه آنها علوم اجتماعی را با ابزار محاسباتی انجام می دهند. در این دوره به سه سوال پاسخ می دهیم: I. چرا علوم اجتماعی محاسباتی (CSS) در حال حاضر؟ II. CSS چه چیزی را پوشش می دهد؟ III. نمونه هایی از CSS چیست؟ در این بخش آخر، ما به چهار کاربرد اصلی CSS نگاهی می اندازیم. ابتدا، پروفسور Blumenstock از UC Berkeley بحث می‌کند که چگونه می‌توانیم با مطالعه ردپای عظیم دیجیتالی که از تعاملات اجتماعی امروزی به جا مانده، به‌ویژه برای تقویت توسعه بین‌المللی، بینش‌هایی به دست آوریم. دوم، پروفسور شلتون از UC Riverside ما را با دنیای یادگیری ماشینی آشنا می‌کند، از جمله مفاهیم اساسی پشت این محرک فعلی بسیاری از چشم‌انداز محاسباتی امروزی. پروفسور فاولر از UC San Diego ما را با قدرت شبکه های اجتماعی آشنا می کند و در نهایت پروفسور Smaldino از UC Merced توضیح می دهد که چگونه شبیه سازی کامپیوتری به ما کمک می کند تا برخی از رازهای ظهور اجتماعی را بگشاییم.

این دوره یک دوره مقدماتی است که شما را با مفاهیم و ابزارهای تفکر مسئله ای مجهز می کند. در پایان این دوره، شما قادر خواهید بود: 1. مراحل مختلف یک پروژه علم داده را توضیح دهید 2. درباره برخی از ابزارها و تکنیک های مورد استفاده در علم داده بحث کنید. 3. از تفکر ساختاریافته برای حل مشکلات استفاده کنید و در حین انجام این کار از تله های رایج اجتناب کنید 4. از طراحی انسان محور در حل مسئله استفاده کنید. این دوره همچنین به عنوان اولین پله برای دانشمندان مشتاق داده عمل می کند. این دوره بخشی از برنامه با عنوان گواهی حرفه ای علم داده فراکتال است. این دوره برای دانش آموزانی که به دنبال تقویت توانایی های تحلیلی و تفکر انتقادی خود هستند طراحی شده است. این دوره ایده آل برای دانش آموزان، متخصصان و هر کسی که شیفته رویکردهای سیستماتیک است، مهارت های اساسی مورد نیاز برای برخورد با مشکلات را با وضوح و اطمینان به شما می دهد.

بیاموزید که چگونه می توان از احتمال، ریاضی و آمار برای کمک به بهبود تیم های بیسبال، فوتبال و بسکتبال، انتخاب بازیکن و ترکیب و همچنین در استراتژی بازی استفاده کرد.

یاد بگیرید که از ابزارهای پروژه Bioconductor برای انجام تجزیه و تحلیل داده های ژنومی استفاده کنید. این پنجمین دوره در تخصص ژنومیک داده های بزرگ از دانشگاه جان هاپکینز است.

انقلاب علم داده مجموعه‌ای از داده‌های جدید را از طیف گسترده‌ای از منابع جدید تولید کرده است. این مجموعه داده های جدید برای پاسخ به سؤالات جدید به گونه ای استفاده می شود که قبلا تصور نشده بود. تجسم یکی از قوی‌ترین روش‌های نتیجه‌گیری از داده‌ها است، اما هجوم انواع داده‌های جدید مستلزم توسعه تکنیک‌های تجسم جدید و بلوک‌های ساختمانی است. این دوره به شما مهارت هایی را برای ایجاد آن بلوک های ساختمانی تجسم جدید ارائه می دهد. ما بر چارچوب ggplot2 تمرکز می کنیم و نحوه استفاده و گسترش سیستم را برای مطابقت با نیازهای خاص سازمان یا تیم شما شرح می دهیم. پس از اتمام این دوره، فراگیران قادر خواهند بود ابزارهای مورد نیاز برای تجسم طیف گسترده ای از انواع داده ها را بسازند و اصول مورد نیاز برای پرداختن به انواع داده های جدید را در حین ظهور خواهند داشت.

در این دوره شما یاد می گیرید که یک پروژه پیش بینی در مقیاس بزرگ را با استفاده از ابزارهای SAS Visual Forecasting توسعه داده و نگهداری کنید. تاکید در ابتدا بر انتخاب روش های مناسب برای ایجاد داده ها و تبدیل متغیرها، تولید مدل و انتخاب مدل است. سپس می آموزید که چگونه با اصلاح فرآیندهای پیش فرض در سیستم، عملکرد پیش بینی پایه کلی را بهبود بخشید. این دوره برای تحلیلگرانی که علاقه مند به تقویت مهارت های یادگیری ماشینی خود با ابزارهای تجزیه و تحلیل مناسب برای سنجش، اصلاح، مدل سازی، پیش بینی و مدیریت داده هایی هستند که متشکل از متغیرهایی هستند که در طول زمان جمع آوری می شوند، مناسب است. این دوره ها عمدتاً مبتنی بر نحو است، بنابراین تحلیلگرانی که این دوره را می گذرانند نیاز به آشنایی با کدنویسی دارند. تجربه با یک زبان شی گرا و همچنین آشنایی با دستکاری جداول بزرگ مفید است.

چگونه متوجه خواهید شد که پروژه ایمنی و کیفیت بیمار شما اهداف خود را برآورده می کند؟ پیتر دراکر یک بار گفت: "آنچه اندازه گیری می شود، مدیریت می شود." در این دوره، دانش آموزان یاد خواهند گرفت که چرا اندازه گیری برای کار بهبود کیفیت حیاتی است. به همان اندازه مهم، آنها یاد خواهند گرفت که کدام منابع داده معنی‌دارترین اطلاعات و ابزارها را برای نحوه و مکان یافتن آنها فراهم می‌کنند. در نهایت، دانش آموزان یاد خواهند گرفت که چگونه داده ها را از پروژه های ایمنی و کیفیت بیمار خود تفسیر کنند تا آنها را در طول اجرا هدایت و اصلاح کنند تا شانس خود را برای ایجاد تفاوت برای بیماران به حداکثر برسانند.

به دوره تخصصی NoSQL Systems خوش آمدید. این دوره در شش هفته تکمیل خواهد شد و با فیلم ها و تمرین هایی پشتیبانی می شود که به شما امکان می دهد تفاوت های بین پایگاه داده رابطه ای و NoSQL را شناسایی کنید. به عنوان بخشی از این فناوری‌های جایگزین، دانش‌آموز ویژگی‌های اصلی و نحوه پیاده‌سازی پایگاه‌های داده معمولی NoSQL، مانند Key-value، ستونی، سند و نمودار را یاد می‌گیرد. بیایید شروع کنیم! پس از اتمام این دوره، زبان آموز قادر خواهد بود ● نوع پایگاه داده NoSQL را بر اساس الزامات تجاری (کلید-مقدار، سند، متن کامل، نمودار و غیره) شناسایی کنید. ● مدل‌سازی داده‌های NoSQL را از درخواست‌های خاص برنامه اعمال کنید ● از Aggregates اتمی و غیرعادی سازی به عنوان تکنیک های مدل سازی داده برای بهینه سازی پردازش پرس و جو استفاده کنید نرم افزار برای دانلود: MongoDB Neo4j SAPIQ کاساندرا در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

به دوره تخصصی سیستم های پایگاه داده رابطه ای خوش آمدید. این دوره در مدت شش هفته تکمیل می شود و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده یاد بگیرید که چگونه چندین نوع سیستم اطلاعاتی و پایگاه داده برای حل مشکلات و نیازهای مختلف شرکت ها در دسترس است. هدف: یک زبان آموز قادر خواهد بود با برنامه نویسی برنامه ها و منابع قابل اعتماد، مقیاس پذیر و قابل نگهداری با استفاده از اکوسیستم SQL و Hadoop، سیستم های پایگاه داده تحلیلی، تراکنشی یا NoSQL را با توجه به نیازهای تجاری طراحی، آزمایش و پیاده سازی کند. زبان های برنامه نویسی: برای دوره 1 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: MySQL میز کار در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

در این دوره شما: الف) مفهوم اساسی سیستم های توصیه گر را درک کنید. ب) فیلتر مشارکتی را درک کنید. ج) سیستم توصیه‌کننده را با یادگیری عمیق درک کنید. د) مسائل بیشتر سیستم های توصیه گر را درک کنید. لطفاً مطمئن شوید که برنامه نویسی در پایتون راحت هستید و دانش پایه ای از ریاضیات از جمله ضرب ماتریس، احتمال شرطی و الگوریتم های اصلی یادگیری ماشین دارید.

دوره آموزشی Basic Recommender Systems شما را با رویکردهای پیشرو در سیستم های توصیه گر آشنا می کند. تکنیک‌های توصیف‌شده هم رویکردهای مشارکتی و هم مبتنی بر محتوا را لمس می‌کنند و شامل مهم‌ترین الگوریتم‌های مورد استفاده برای ارائه توصیه‌ها می‌شوند. شما یاد خواهید گرفت که آنها چگونه کار می کنند، چگونه از آنها استفاده کنید و چگونه آنها را ارزیابی کنید و به مزایا و محدودیت های جایگزین های مختلف سیستم توصیه کننده اشاره کنید. پس از اتمام این دوره، می‌توانید الزامات و اهداف سیستم‌های توصیه‌گر را بر اساس حوزه‌های کاربردی مختلف شرح دهید. شما می‌دانید که چگونه سیستم‌های توصیه‌گر را بر اساس داده‌های ورودی، مکانیسم‌های کاری داخلی و اهدافشان متمایز کنید. شما ابزارهایی برای اندازه گیری کیفیت یک سیستم توصیه گر و بهبود تدریجی آن با طراحی الگوریتم های جدید خواهید داشت. همچنین یاد خواهید گرفت که چگونه سیستم‌های توصیه‌گر را متناسب با حوزه‌های کاربردی جدید طراحی کنید، همچنین با در نظر گرفتن مسائل اجتماعی و اخلاقی اطراف مانند هویت، حریم خصوصی و دستکاری. ارائه توصیه های مقرون به صرفه، شخصی و با کیفیت بالا همیشه یک چالش است! این دوره همچنین از دو پیامد یادگیری فراگیر EIT (OLO) مرتبط با خلاقیت و مهارت های نوآوری بهره می برد. در تلاش برای طراحی یک سیستم توصیه‌گر جدید، باید فراتر از مرزها فکر کنید و سعی کنید بفهمید که چگونه می‌توانید کیفیت پیش‌بینی‌ها را بهبود ببخشید. شما همچنین باید بتوانید از دانش، ایده ها و فناوری برای ایجاد ابزارهای توصیه جدید یا بهبود قابل توجهی برای پشتیبانی از فرآیندها و استراتژی های انتخاب در سناریوهای مختلف و نوآورانه برای کیفیت بهتر زندگی استفاده کنید.

هنگامی که یک مشکل کلان داده را برای تجزیه و تحلیل شناسایی کردید، چگونه داده های خود را با استفاده از راه حل های کلان داده جمع آوری، ذخیره و سازماندهی می کنید؟ در این دوره، ژانرهای مختلف داده و ابزارهای مدیریتی مناسب برای هر کدام را تجربه خواهید کرد. شما قادر خواهید بود دلایل پشت سرگذاشتن انبوهی از پلتفرم های جدید کلان داده را از دیدگاه سیستم های مدیریت داده های بزرگ و ابزارهای تحلیلی شرح دهید. از طریق آموزش های عملی هدایت شده، با تکنیک هایی با استفاده از نمونه های داده های بی درنگ و نیمه ساختاریافته آشنا خواهید شد. سیستم ها و ابزارهای مورد بحث عبارتند از: AsterixDB، HP Vertica، Impala، Neo4j، Redis، SparkSQL. این دوره تکنیک هایی را برای استخراج ارزش از منابع داده های دست نخورده موجود و کشف منابع داده جدید ارائه می دهد. در پایان این دوره، شما قادر خواهید بود: * عناصر داده های مختلف را در کار خود و مشکلات زندگی روزمره تشخیص دهید * توضیح دهید که چرا تیم شما نیاز به طراحی یک طرح زیرساخت داده بزرگ و طراحی سیستم اطلاعاتی دارد * عملیات داده های مکرر مورد نیاز برای انواع مختلف داده را شناسایی کنید * مدل داده ای را متناسب با ویژگی های داده های خود انتخاب کنید * تکنیک هایی را برای مدیریت داده های جریانی اعمال کنید * بین سیستم مدیریت پایگاه داده سنتی و سیستم مدیریت داده های بزرگ تفاوت قائل شوید * قدردانی کنید که چرا سیستم های مدیریت داده های زیادی وجود دارد * طراحی یک سیستم اطلاعات کلان داده برای یک شرکت بازی آنلاین 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 رایانه های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط را برآورده می کنند. شما به اتصال به اینترنت پرسرعت نیاز دارید زیرا فایل هایی 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+.

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 ممکن است دشوار باشد. برای رفع این نیاز، این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه کمی با R دارند یا اصلاً تجربه ندارند اما به دنبال معرفی این ابزار هستند. در پایان این دوره، دانش‌آموزان می‌توانند داده‌ها را به R وارد کنند، آن داده‌ها را با استفاده از ابزارهای بسته محبوب tidyverse دستکاری کنند و با استفاده از R Markdown گزارش‌های ساده‌ای تهیه کنند. این دوره برای دانش آموزانی طراحی شده است که مهارت های محاسباتی اولیه خوبی دارند، اما در صورت داشتن تجربه در برنامه نویسی محدود است.

با این دوره یک هفته‌ای، یاد بگیرید که چگونه با استفاده از AWS از داده‌های خام به بینش‌های معنادار بروید. در طول دوره، با اصول تحلیل داده ها از کارشناسان AWS آشنا خواهید شد. با مروری بر انواع مختلف تکنیک‌های تجزیه و تحلیل داده‌ها - توصیفی، تشخیصی، پیش‌بینی‌کننده و تجویزی، قبل از غواصی عمیق‌تر در تجزیه و تحلیل داده‌های توصیفی، شروع کنید. سپس، دانش خود را با یک پروژه هدایت‌شده به کار ببرید که از یک مجموعه داده ساده اما قدرتمند به‌طور پیش‌فرض در هر حساب AWS استفاده می‌کند: گزارش‌های AWS CloudTrail. سرویس CloudTrail مدیریت، انطباق، حسابرسی عملیاتی و حسابرسی ریسک حساب AWS شما را امکان پذیر می کند. از طریق این پروژه شما همچنین با آمازون آتنا و آمازون QuickSight آشنا خواهید شد. و، شما یاد خواهید گرفت که چگونه یک داشبورد امنیتی اولیه به عنوان یک روش ساده اما کاربردی برای به کارگیری دانش جدید تجزیه و تحلیل داده خود بسازید.

این دوره به شما اصول فنوتیپ محاسباتی، یک روش انفورماتیک زیست پزشکی برای شناسایی جمعیت بیماران را می آموزد. در این دوره آموزشی، نحوه عملکرد انواع داده های بالینی مختلف هنگام تلاش برای شناسایی بیماران مبتلا به یک بیماری یا ویژگی خاص را خواهید آموخت. همچنین یاد خواهید گرفت که چگونه دستکاری ها و ترکیب های مختلف داده را برای افزایش پیچیدگی و بهبود عملکرد الگوریتم های خود برنامه ریزی کنید. در نهایت، شما این شانس را خواهید داشت که مهارت های خود را با یک برنامه کاربردی واقعی در دنیای واقعی آزمایش کنید که در آن یک الگوریتم فنوتیپ محاسباتی برای شناسایی بیماران مبتلا به فشار خون بالا ایجاد می کنید. شما این کار را با استفاده از مجموعه داده‌های بالینی واقعی و در حالی که از یک محیط محاسباتی آنلاین رایگان برای علوم داده استفاده می‌کنید که توسط شریک صنعتی Google Cloud میزبانی می‌شود، تکمیل خواهید کرد.

داده های بازاریابی اغلب نیاز به دسته بندی یا برچسب گذاری دارند. در عصر امروز، داده‌های بازاریابی می‌تواند بسیار بزرگ یا بزرگ‌تر از آن چیزی باشد که انسان‌ها می‌توانند به طور منطقی با آن مقابله کنند. در این دوره، دانش آموزان یاد می گیرند که چگونه از یادگیری عمیق نظارت شده برای آموزش الگوریتم هایی برای مقابله با وظایف طبقه بندی متن استفاده کنند. دانش‌آموزان مروری مفهومی از یادگیری ماشینی نظارت‌شده را طی می‌کنند و از طریق آموزش‌های آموزشی در پایتون به مجموعه داده‌های دنیای واقعی می‌روند. دوره با یک پروژه بزرگ به پایان می رسد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

به دوره تخصصی طراحی برنامه های کاربردی داده فشرده خوش آمدید. این دوره به مدت چهار هفته تکمیل می شود و با فیلم و تمرین پشتیبانی می شود. در پایان این تخصص، فراگیران قادر خواهند بود با توجه به نوع داده ها و حجم اطلاعات، زمان پاسخگویی، نوع پردازش و پرس و جو به منظور پشتیبانی از مقیاس پذیری، قابلیت نگهداری و امنیت، سیستم های اطلاعاتی با قابلیت اطمینان بالا را پیشنهاد، طراحی، توجیه و توسعه دهند. و قابلیت اطمینان با در نظر گرفتن آخرین فناوری های اطلاعاتی. نرم افزار برای دانلود: میز کار MySQL Rapidminer چارچوب Hadoop Hortonworks MongoDB در صورتی که سیستم عامل Mac / IOS دارید، باید اقدامی به نام VirtualBox انجام دهید.

فرآیندها و اصول طراحی را برای ایجاد نمایش‌های معنی‌دار از اطلاعات معرفی می‌کند که از تصمیم‌گیری مؤثر تجاری پشتیبانی می‌کند. نحوه جمع آوری و پردازش داده ها را مطالعه می کند. ایجاد تجسم (هم ایستا و هم تعاملی)؛ و از آنها برای ارائه بینش نسبت به یک مشکل، موقعیت یا فرصت استفاده کنید. روش‌هایی را برای نقد تجسم‌سازی‌ها به همراه راه‌هایی برای پاسخ به این سوال مبهم معرفی می‌کند: «چه چیزی یک تجسم را مؤثر می‌کند؟» چالش‌های قابل درک کردن داده‌ها در طیف وسیعی از مخاطبان را مورد بحث قرار می‌دهد. اصول ارتباط مورد نیاز برای داستان سرایی داده موثر را معرفی می کند. موضوعات دیگر ممکن است شامل استفاده اخلاقی از نمایش اطلاعات، داستان سرایی، اینفوگرافیک، تجسم های همه جانبه و استفاده خوب از داشبورد داده باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد.

فرآیندها و اصول طراحی را برای ایجاد نمایش‌های معنی‌دار از اطلاعات معرفی می‌کند که از تصمیم‌گیری مؤثر تجاری پشتیبانی می‌کند. نحوه جمع آوری و پردازش داده ها را مطالعه می کند. ایجاد تجسم (هم ایستا و هم تعاملی)؛ و از آنها برای ارائه بینشی نسبت به یک مشکل، موقعیت یا فرصت استفاده کنید. روش‌هایی را برای نقد تجسم‌سازی‌ها به همراه راه‌هایی برای پاسخ به این سوال مبهم معرفی می‌کند: «چه چیزی یک تجسم را مؤثر می‌کند؟» چالش‌های قابل درک کردن داده‌ها در طیف وسیعی از مخاطبان را مورد بحث قرار می‌دهد. مبانی ارتباط مورد نیاز برای داستان سرایی داده موثر را معرفی می کند. موضوعات دیگر ممکن است شامل استفاده اخلاقی از نمایش اطلاعات، داستان سرایی، اینفوگرافیک ها و تجسم های همه جانبه باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد. به دنبال یک پیشنهاد اعتباری از این دوره هستید؟ این دوره را به عنوان یک دوره 3 واحدی برای اعتبار، بدون مدرک بگذرانید و از برنامه های آنلاین کلاس جهانی دانشگاه نورث ایسترن بدون تعهد مدرک کامل لذت ببرید. دوره را به صورت مستقل برای اعتبار بگذرانید یا اعتبارات را در برنامه های مدرک و گواهینامه واجد شرایط قرار دهید. اطلاعات بیشتر و ثبت نام: https://online.northeastern.edu/courses/information-visuals-and-dashboards-for-business