با Microsoft Copilot، کسب و کار خود را به سطحی بالاتر ببرید! این دوره عملی برای حرفه‌ای‌های تجاری که تازه وارد Copilot هستند و می‌خواهند پتانسیل کامل آن را باز کنند، عالی است. نحوه افزایش بهره‌وری، ساده‌سازی جریان‌های کاری و تصمیم‌گیری هوشمندانه‌تر و مبتنی بر داده‌ها را کشف کنید. از طریق مثال‌های عملی و سناریوهای دنیای واقعی، یاد می‌گیرید که چگونه Copilot را به طور یکپارچه در عملیات روزمره خود ادغام کنید و به تیم خود قدرت دهید تا سریع‌تر و هوشمندانه‌تر کار کنند. فقط با رقبا همراه نشوید - با تسلط بر ابزارهایی که باعث موفقیت کسب و کار می شوند، جلوتر بمانید!

مدیریت چرخه حیات یک برنامه یادگیری ماشینی می‌تواند برای دانشمندان داده، مهندسان و توسعه‌دهندگان کار دلهره‌آوری باشد. برنامه‌های یادگیری ماشینی پیچیده هستند و سابقه اثبات شده‌ای دارند که ردیابی آنها دشوار است، بازتولید آن دشوار است و راه‌اندازی آن مشکل است.

در این دوره آموزشی، یاد خواهید گرفت که MLflow چیست و چگونه تلاش می کند تا مشکلات چرخه حیات یادگیری ماشین مانند ردیابی، تکرارپذیری و استقرار را ساده کند. پس از یادگیری MLflow، درک بهتری از نحوه غلبه بر پیچیدگی‌های ساخت برنامه‌های یادگیری ماشین و نحوه پیمایش مراحل مختلف چرخه زندگی یادگیری ماشین خواهید داشت.

از ساختارهای پایگاه داده سفت و سخت رها شوید و قدرت MongoDB را کشف کنید، پایگاه داده اسنادی که با داده های شما سازگار است. در این دوره عملی، شما بر عملیات MongoDB از طریق کتابخانه PyMongo مسلط خواهید شد. شما اسناد را پرس و جو، فیلتر و دستکاری می‌کنید و یاد می‌گیرید که چگونه از طرح منعطف MongoDB استفاده کنید و در عین حال اعتبارسنجی را زمانی که ساختار مهم است پیاده‌سازی کنید. از عملیات اولیه CRUD گرفته تا عملگرهای جستجوی پیشرفته، مرتب‌سازی، پیش‌بینی و عملیات انبوه، مهارت‌های عملی برای ساخت و نگهداری برنامه‌های داده مدرن به دست خواهید آورد. این دوره شما را با مهارت های ضروری MongoDB که متخصصان داده امروزی به آن نیاز دارند، مجهز می کند.

در سال‌های اخیر، پایگاه‌های داده NoSQL به دلیل توانایی آنها در مدیریت حجم زیادی از داده‌های بدون ساختار، محبوبیت زیادی داشته است. یادگیری استفاده از ابزارهای NoSQL مانند پایگاه‌های داده ستون‌گرا، سند، کلید-مقدار و نمودار به مهندسان داده، تحلیلگران و دانشمندان اجازه می‌دهد تا با گستره وسیع‌تری از داده‌ها تعامل داشته باشند. این پایگاه‌های داده NoSQL قابلیت‌های بیشتری را برای ذخیره‌سازی و بازیابی داده‌ها به ارمغان می‌آورد که در پایگاه‌های داده رابطه‌ای سنتی موجود نیست.

در دنیای پایگاه های داده ستون محور و نقش آنها در تکامل انبارهای داده غوطه ور شوید. کار با Snowflake را برای ایجاد و به روز رسانی جداول ستون محور و همچنین بهینه سازی طراحی جدول برای عملکرد تمرین کنید. عملکرد پیشرفته Snowflake را برای کار با داده های نیمه ساختار یافته کاوش کنید.

یاد بگیرید که از Postgres JSON به عنوان ابزاری برای پرس و جو از اسناد و پایگاه های داده شی گرا و انواع داده هایی که این فناوری پشتیبانی می کند استفاده کنید. مهارت های خود را در کار با داده های ذخیره شده در یک آرایه و همچنین داده های تودرتو تقویت کنید.

کار کردن با پایگاه‌های داده کلید-مقدار را راحت کنید و یاد بگیرید که این ذخیره‌سازی داده NoSQL چه زمانی بهترین کاربرد را دارد. استفاده از Redis را برای بارگیری و پرس و جوی داده ها و تجربه عملکرد سریع پایگاه های داده در حافظه تمرین کنید. پایگاه داده های گراف و موارد استفاده از آنها را در گردش کار داده کاوش کنید.

NumPy یک کتابخانه ضروری پایتون است. TensorFlow و scikit-learn از آرایه های NumPy به عنوان ورودی استفاده می کنند و پانداها و Matplotlib در بالای NumPy ساخته شده اند. در این دوره مقدماتی NumPy، شما تبدیل به یک مجادله کننده اصلی شی اصلی NumPy خواهید شد: آرایه ها! با استفاده از داده‌های سرشماری درختی شهر نیویورک، آرایه‌هایی را ایجاد، مرتب‌سازی، فیلتر و به‌روزرسانی خواهید کرد. متوجه خواهید شد که چرا NumPy بسیار کارآمد است و از پخش و بردارسازی برای سریعتر کردن کد NumPy خود استفاده کنید. در پایان دوره، شما از آرایه های سه بعدی برای تغییر نقاشی کلود مونه استفاده خواهید کرد و خواهید فهمید که چرا چنین تغییرات آرایه ابزارهای ضروری برای یادگیری ماشین هستند.

Oracle SQL یکی از پرکاربردترین سیستم های مدیریت پایگاه داده در سراسر جهان است. این به خوبی برای برنامه های کاربردی تجاری و سازمانی مناسب است و به ویژه در شرکت های بزرگ با پایگاه داده های ماموریت حیاتی محبوب است. بنابراین تسلط بر Oracle SQL تضمین می شود که فرصت های هیجان انگیزی را باز کند. در این دوره آموزشی، آشنایی کامل با Oracle SQL حل مشکلات تجاری برای فروشگاه رسانه های دیجیتال را خواهید داشت. ابتدا نحوه دسترسی، بازیابی و محدود کردن داده ها را خواهید آموخت. سپس جداول را تجمیع و ترکیب خواهید کرد. فصل آخر به شما می‌خواهد مقادیر از دست رفته را مدیریت کرده و داده‌ها را تبدیل کنید. در پایان این دوره، متوجه خواهید شد که چگونه اوراکل پرس و جوهای SQL را پردازش می کند و یک پایه محکم در Oracle SQL خواهد داشت.

یک نمای کلی 360 درجه از کاوش و استفاده از Power BI برای ایجاد گزارش‌های تاثیرگذار به دست آورید. در این دوره، زمانی که نحوه استفاده از این پلتفرم محبوب هوش تجاری را از طریق تمرینات عملی کشف می کنید، از صفر به قهرمان خواهید رسید. قبل از ایجاد تجسم با استفاده از قابلیت کشیدن و رها کردن Power BI، ابتدا نحوه بارگیری و تبدیل داده ها با اطمینان با استفاده از Power Query و اهمیت مدل های داده را خواهید آموخت. همچنین یاد می گیرید که به گزارش ها بپردازید و گزارش های خود را کاملا تعاملی کنید. شما قدرت را دارید!

ویدیوها حاوی رونوشت‌های زنده هستند که با کلیک کردن روی "نمایش رونوشت" در پایین سمت چپ ویدیوها قابل دسترسی هستند.

واژه نامه دوره را می توانید در سمت راست در بخش منابع پیدا کنید.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

پتانسیل واقعی داده های خود را باز کنید! با بحث دستی داده ها خداحافظی کنید و به تبدیل داده های کارآمد و کارآمد سلام کنید. در این دوره مقدماتی Excel Power Query، یاد خواهید گرفت که چگونه به طور یکپارچه به چندین منبع داده متصل شوید، داده های خود را به راحتی تمیز کرده و شکل دهید، و آن را بارگذاری کنید تا برای تجزیه و تحلیل آماده شود. در طول مسیر، با بسیاری از توابع موجود که Power Query ارائه می‌کند آشنا می‌شوید و به شما اطمینان می‌دهد که گزارش بعدی مبتنی بر اکسل خود را ساده کنید. چه یک تحلیلگر داده، حرفه ای کسب و کار یا علاقه مند به صفحات گسترده باشید، این دوره به شما این امکان را می دهد که در زمان خود صرفه جویی کنید، تصمیمات آگاهانه تری بگیرید و بینش های ارزشمندی را از داده های خود استخراج کنید.

این دوره برای مهندسان داده، دانشمندان داده و متخصصان یادگیری ماشین طراحی شده است که به دنبال کار با مجموعه داده های بزرگ با استفاده از PySpark هستند. شما سرعت و مقیاس‌پذیری Apache Spark را بررسی خواهید کرد، یاد خواهید گرفت که جلسات Spark ایجاد کنید، با RDD کار کنید و DataFrames را از طریق تمرین‌های عملی دستکاری کنید. این دوره همچنین PySpark SQL را پوشش می دهد و به شما یاد می دهد که چگونه داده ها را با SQL جستجو کنید، طرحواره ها و انواع داده های پیچیده را مدیریت کنید و عملکرد را در محیط های توزیع شده بهینه کنید. در پایان، مهارت‌های اساسی برای پردازش و تجزیه و تحلیل کلان داده‌ها را خواهید داشت که زمینه را برای برنامه‌های کاربردی پیشرفته مانند یادگیری ماشین و تجزیه و تحلیل داده‌های بزرگ فراهم می‌کند.

در این مقدمه مالی گرا برای R، ساختارهای داده ضروری مانند فهرست ها و چارچوب های داده را خواهید آموخت و این شانس را خواهید داشت که آن دانش را در نمونه های مالی دنیای واقعی به کار ببرید. در پایان دوره، با اصول دستکاری داده های خود برای انجام تجزیه و تحلیل مالی در R راحت خواهید بود.

این دوره یک درک اساسی از Amazon Redshift، یک پایگاه داده ستونی توزیع شده در ابر AWS ارائه می دهد. ادغام آن در اکوسیستم AWS و ساختارهای SQL آن، از جمله عبارات جدول رایج و جستارهای تحلیلی را کاوش کنید. ایجاد جداول، مدیریت توزیع داده ها، مدیریت فایل های داده خام و استخراج اطلاعات از JSON را بیاموزید. علاوه بر این، پرس و جوها را بهینه کنید، عملکرد را تنظیم کنید و امنیت داده ها را افزایش دهید. در پایان دوره، شما تسلط قوی بر SQL در Redshift و دانش و مهارت های لازم برای استفاده موثر از Redshift خواهید داشت.

به دنیای Snowflake شیرجه بزنید! این دوره به شما اصول Snowflake SQL را آموزش می دهد - طعم منحصر به فرد SQL که برای تعامل با انبارهای داده Snowflake استفاده می شود. خواهید دید که Snowflake SQL چگونه با PostgreSQL مقایسه و در تضاد است و در مورد انواع داده ها و توابع اطلاعاتی کسب خواهید کرد. این دوره شما را با رویکردهای مختلف برای ساخت پرس و جوهای پیچیده SQL، از جمله اتصالات طبیعی و جانبی، پرس و جو فرعی و عبارات جدول رایج آشنا می کند. با بررسی تکنیک‌هایی برای بهینه‌سازی پرسش‌های خود به پایان رسید و نحوه ذخیره و جستجوی مؤثر داده‌های نیمه ساختاریافته را کشف کنید!

اگر با SQL آشنایی دارید و چیزهای خوبی در مورد Apache Spark شنیده اید، این دوره برای شما مناسب است. Apache Spark یک چارچوب محاسباتی برای پردازش داده های بزرگ است و Spark SQL جزء Apache Spark است. این دوره چهار ساعته به شما نشان می دهد که چگونه با استفاده از ویژگی های پیشرفته SQL، مانند توابع پنجره، Spark را به سطح جدیدی از سودمندی ببرید.

در طول چهار فصل، از Spark SQL برای تجزیه و تحلیل داده‌های سری زمانی، استخراج رایج‌ترین کلمات از یک سند متنی، ایجاد مجموعه ویژگی‌ها از متن زبان طبیعی و استفاده از آنها برای پیش‌بینی آخرین کلمه در جمله با استفاده از رگرسیون لجستیک استفاده می‌کنید.

شما با ایجاد و جست‌وجوی یک جدول SQL در Spark و همچنین یادگیری نحوه استفاده از توابع پنجره SQL برای انجام مجموع‌های در حال اجرا، تفاوت‌های در حال اجرا و سایر عملیات‌ها شروع می‌کنید.

در مرحله بعد، نحوه استفاده از تابع پنجره در Spark SQL را برای پردازش زبان طبیعی، از جمله استفاده از تجزیه و تحلیل پنجره متحرک برای یافتن توالی کلمات رایج، بررسی خواهید کرد.

در فصل 3، نحوه استفاده از SQL Spark UI را برای ذخیره سازی مناسب DataFrames و جداول SQL قبل از کاوش در بهترین شیوه ها برای ورود به Spark، خواهید آموخت.

در نهایت، شما از تمام مهارت‌هایی که تاکنون آموخته‌اید برای بارگیری و نشانه‌گذاری متن خام قبل از استخراج دنباله‌های کلمه استفاده می‌کنید. سپس از رگرسیون لجستیک برای طبقه بندی متن استفاده می کنید و از داده های خام زبان طبیعی برای آموزش یک طبقه بندی متن استفاده می کنید.

این دوره معرفی کاملی از Spark SQL ارائه می‌کند، و در پایان، شما اصول اولیه را کاملاً درک خواهید کرد و خواهید فهمید که Spark چگونه قدرت محاسبات توزیع‌شده را با سهولت استفاده از Python و SQL ترکیب می‌کند.

R عمدتاً برای کمک به نوشتن کد تجزیه و تحلیل داده ها به سرعت و خوانا بهینه شده است. Apache Spark برای تجزیه و تحلیل سریع مجموعه داده های عظیم طراحی شده است. بسته sparklyr به شما امکان می دهد کد dplyr R را بنویسید که روی یک کلاستر Spark اجرا می شود و بهترین های هر دو دنیا را در اختیار شما قرار می دهد. این دوره به شما می آموزد که چگونه Spark DataFrames را با استفاده از رابط dplyr و رابط بومی Spark و همچنین استفاده از تکنیک های یادگیری ماشینی دستکاری کنید. در طول دوره، مجموعه داده میلیون آهنگ را کاوش خواهید کرد.

بسیاری از داده‌های خام جهان - از سوابق پزشکی الکترونیکی گرفته تا تراکنش‌های مشتری - در پایگاه‌های داده رابطه‌ای ذخیره می‌شوند، و توانایی دستکاری و بازیابی این داده‌ها مهارتی است که به طور فزاینده‌ای مورد جستجو قرار می‌گیرد.

در این مقدمه دو ساعته SQL، تئوری و عمل استخراج و سازماندهی داده ها را خواهید آموخت. شما بهترین شیوه های پایگاه داده، پرس و جوهای SQL، و انواع محبوب SQL مانند PostgreSQL و SQL Server را پوشش خواهید داد. در پایان دوره، شما تجربه عملی در SQL و زمینه شروع به کارگیری آن در پروژه های خود خواهید داشت.

ویدیوها حاوی رونوشت‌های زنده هستند که می‌توانید با کلیک کردن روی «نمایش رونوشت» در پایین سمت چپ ویدیوها آن را نشان دهید.

واژه نامه دوره، مواد تبلیغاتی و اهداف یادگیری دقیق را می توان در سمت راست در بخش منابع یافت.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

به اصول اولیه Microsoft SQL Server مسلط شوید—یکی از محبوب ترین سیستم های پایگاه داده در جهان. این دوره شامل: ✓ نحوه استفاده از دستورات SELECT برای بازیابی داده ها ✓ نحوه استفاده از توابع جمع SQL Server ✓ نحوه دستکاری فیلدهای متنی ✓ نحوه بازیابی داده ها از چندین منبع ✓ تمام جنبه های کلیدی کار با داده ها در SQL Server هر بار که با یک مفهوم یا عملکرد جدید آشنا می شوید، این فرصت را خواهید داشت که دانش خود را آزمایش کنید و اعتماد به نفس خود را تقویت کنید. شما با یک پایگاه داده رسانه های دیجیتال کار خواهید کرد تا فروش هنرمندان و آهنگ های مختلف، مجموعه داده های یوروویژن، و روند قطع برق ایالات متحده را بررسی کنید تا انواع مختلف داده ها و سناریوها را بررسی کنید.

اصول SQL را با استفاده از هوش مصنوعی بیاموزید. در این دوره مبتدی، شما یاد خواهید گرفت که برای تولید پرس و جوهای SQL، کدهای به دست آمده را بنویسید و پایگاه داده ها را به طور موثر بررسی کنید. شما با عبارات SELECT شروع می کنید و از طریق جداول، انواع داده ها، شمارش و یافتن مقادیر منحصر به فرد پیشرفت خواهید کرد. شما روی تمرین مهارت‌های دنیای واقعی مانند نوشتن اعلان‌های واضح، درک نحو SQL و دانستن زمان تنظیم آنچه که AI تولید می‌کند تمرکز خواهید کرد. در پایان دوره، شما با اطمینان داده ها را بازیابی می کنید و با استفاده از هوش مصنوعی به سوالات تجاری با SQL پاسخ می دهید.

چندی پیش، الگوریتم‌های بینایی کامپیوتری پیشرفته نمی‌توانستند بین تصاویر گربه‌ها و سگ‌ها تفاوت قائل شوند. امروزه، یک دانشمند داده ماهر که به چیزی بیش از یک لپ تاپ مجهز نیست، می تواند ده ها هزار شی را با دقتی بیشتر از چشم انسان طبقه بندی کند. در این دوره، از TensorFlow 2.6 برای توسعه، آموزش و پیش‌بینی مدل‌هایی استفاده خواهید کرد که پیشرفت‌های عمده‌ای را در سیستم‌های توصیه، طبقه‌بندی تصاویر و فین‌تک انجام داده‌اند. شما هم API های سطح بالا را یاد خواهید گرفت که به شما امکان می دهد مدل های یادگیری عمیق را در 15 خط کد طراحی و آموزش دهید و هم API های سطح پایین را که به شما امکان می دهد فراتر از روال های معمولی بروید. همچنین یاد خواهید گرفت که قیمت مسکن، پیش‌فرض‌های کارت اعتباری وام گیرنده، و تصاویر حرکات زبان اشاره را به‌طور دقیق پیش‌بینی کنید.

این مقدمه ای بر زبان برنامه نویسی R است که بر روی مجموعه ای قدرتمند از ابزارها به نام Tidyverse تمرکز دارد. با استفاده از ابزارهای dplyr و ggplot2، فرآیندهای درهم تنیده دستکاری و تجسم داده ها را یاد خواهید گرفت. شما یاد خواهید گرفت که با فیلتر کردن، مرتب‌سازی و خلاصه کردن مجموعه داده‌های واقعی از داده‌های کشور تاریخی، داده‌ها را دستکاری کنید تا به سؤالات اکتشافی پاسخ دهید. سپس یاد خواهید گرفت که با بسته ggplot2 این داده های پردازش شده را به نمودارهای خطی، نمودارهای نواری، هیستوگرام و موارد دیگر تبدیل کنید. ارزش تجزیه و تحلیل داده های اکتشافی و قدرت ابزار Tidyverse را خواهید چشید. این یک مقدمه مناسب برای کسانی است که تجربه قبلی در R ندارند و علاقه مند به انجام تجزیه و تحلیل داده ها هستند.

این دوره یک پایه محکم در آپاچی کافکا فراهم می کند. شما با درک هدف اصلی و اجزای یک نصب کافکا، از جمله موضوعات، تولیدکنندگان و مصرف کنندگان شروع خواهید کرد. همانطور که پیشرفت می کنید، با ZooKeeper در معماری کافکا، کاوش در سرورها، کارگزاران و مدیریت خوشه ها کاوش خواهید کرد. این دوره همچنین ایجاد و مدیریت موضوعات کافکا را پوشش می دهد و شما را با ابزارهای ضروری عیب یابی مجهز می کند. در پایان، شما به طور کامل از آپاچ کافکا، برای مقابله با چالش‌های جریان داده در دنیای واقعی آشنا خواهید شد.