کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 881 تا 900 مورد از کل 1,439 مورد.

linkedin تجزیه و تحلیل داده های بزرگ با Hadoop و Apache Spark (Mitalearn-442847)

  • 51 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Kumaran Ponnambalam
درباره این دوره:

Apache Hadoop پیشگام در دنیای فناوری های کلان داده بود و همچنان در ذخیره سازی کلان داده های سازمانی پیشتاز است. Apache Spark برترین موتور پردازش داده های بزرگ است و مجموعه ای چشمگیر از ویژگی ها و قابلیت ها را ارائه می دهد. هنگامی که با هم استفاده می شود، سیستم فایل توزیع شده Hadoop (HDFS) و Spark می توانند یک راه اندازی واقعا مقیاس پذیر برای تجزیه و تحلیل داده های بزرگ ارائه دهند. در این دوره، کوماران پونامبالام، متخصص تجزیه و تحلیل داده، به شما نشان می دهد که چگونه از این دو فناوری برای ایجاد خطوط لوله تجزیه و تحلیل داده مقیاس پذیر و بهینه استفاده کنید. کاوش راه هایی برای بهینه سازی مدل سازی و ذخیره سازی داده ها در HDFS؛ بحث در مورد مصرف و استخراج داده های مقیاس پذیر با استفاده از Spark. و نکات قابل اجرا برای بهینه سازی پردازش داده ها در Spark را مرور کنید. به علاوه، یک پروژه مورد استفاده را تکمیل کنید که به شما امکان می دهد تکنیک های جدید خود را تمرین کنید.

linkedin تجزیه و تحلیل داده های پایتون (Mitalearn-433565)

  • 3 ساعت 43 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Michele Vallisneri
درباره این دوره:

علم داده شیوه ای را که رهبران دولت و صنعت به مشکلات خاص و جهان در کل نگاه می کنند ، تغییر داده است. کنجکاو در مورد چگونگی عملکرد تجزیه و تحلیل داده ها در عمل؟ در این دوره ، مربی میشل والیزنرنی توضیح می دهد که برای شروع کار با استفاده از Python چه کاری لازم است.

میشل نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می دهد و در مورد اصول کار با ساختارهای داده در پایتون ، تازه کننده ای را ارائه می دهد. سپس ، او به چیزهای بزرگ می پرید: قدرت آرایه ها ، نمایه سازی و جداول در Numpy و Pandas. او همچنین شما را از طریق دو پروژه بزرگ داده های بزرگ راهنمایی می کند: استفاده از NUMPY برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پاندا برای تجزیه و تحلیل محبوبیت نام کودک در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آنچه را آموخته اید تمرین کنید. بعلاوه ، در مورد مهارت های موجود در کارهای اساسی تجزیه و تحلیل داده ها بیاموزید: واردات و درگیری ، خلاصه و تجسم ، مدل سازی و استدلال.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، فیلم "تنظیم: استفاده از Codespaces" را بررسی کنید.

linkedin تجزیه و تحلیل داده های پایتون (Mitalearn-179194)

  • 2 ساعت 30 دقیقه
  • متوسط
  • انتشار: 11 March 2020
  • مدرس: Michele Vallisneri
درباره این دوره: 

 علم داده در حال تغییر روشی است که رهبران دولت و صنعت هم به مشکلات خاص و هم به جهان در کل نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل عمل می کند؟ در این دوره آموزشی، مدرس Michele Vallisneri به شما نشان می‌دهد که چگونه با استفاده از پایتون شروع به علم داده‌ها می‌کند.

Michele نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می‌دهد و یک تازه‌سازی در مورد اصول اولیه کار ارائه می‌دهد. با ساختارهای داده در پایتون سپس، او به چیزهای بزرگ می پردازد: قدرت آرایه ها، نمایه سازی، و جداول در NumPy و پانداها - دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو پروژه نمونه کلان داده را بررسی می کند: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالش‌های ارائه شده در طول مسیر به شما کمک می‌کند تا آنچه را که آموخته‌اید تمرین کنید.

توجه: این نسخه از دوره به‌روزرسانی شد تا تغییرات اخیر در Python 3، NumPy، و پانداها را منعکس کند.

linkedin تجزیه و تحلیل داده های پایتون برای مراقبت های بهداشتی (Mitalearn-385795)

  • 2 ساعت 48 دقیقه
  • مناسب همه
  • انتشار: 1 April 2024
  • مدرس: Wuraola Oyewusi
درباره این دوره: 

 صنعت مراقبت های بهداشتی یکی از متنوع ترین منابع داده، از بالینی گرفته تا اداری گرفته تا زنجیره فروش و تامین، و حتی داده های نظارتی است. این دوره با دانشمند داده و داروساز Wuraola Oyewusi به شما می آموزد که چگونه از پایتون برای طیف گسترده ای از سناریوهای تجزیه و تحلیل داده ها در مراقبت های بهداشتی استفاده کنید. Wuraola موارد کاربرد عملی مانند تجزیه و تحلیل داده های آماری، دستکاری داده ها، بحث و تجسم با استفاده از برنامه نویسی Python برای سناریوهای مختلف در صنعت مراقبت های بهداشتی را پوشش می دهد.

linkedin تجزیه و تحلیل داده های جغرافیایی پیشرفته در پایتون (Mitalearn-409340)

  • 1 ساعت 55 دقیقه
  • مناسب همه
  • انتشار: 25 July 2026
  • مدرس: Milan Janosov, Ph.D.
درباره این دوره:

در این دوره ، میلان جانوسوف ، متخصص شناخته شده در سطح جهانی ، علوم پیشرفته داده های جغرافیایی را با استفاده از پایتون بررسی می کند و شما را به ابزارهایی برای حل مشکلات دنیای واقعی در بخش های مختلف مجهز می کند. نحوه دستکاری ، مدل سازی و تجسم داده های جغرافیایی را کشف کنید. در مورد پیچیدگی های نمایه سازی فضایی و نحوه استفاده از GeoCoding برای تبدیل آدرس های متنی به مختصات مکانی اطلاعات کسب کنید. به مهارت های پیچیده تری شیرجه بزنید و درک خود را از داده های زمانی مکانی ایجاد کنید ، بنابراین می توانید تغییرات را با گذشت زمان ردیابی کنید. از طریق مثالها و تمرینات ، از جمله یک سکوی قوی برای ساختن خطوط لوله تحلیلی جغرافیایی موثر ، تمرین عملی را انجام دهید. هنگامی که این دوره را تمام می کنید ، یک پایه محکم و تخصص پیشرفته در علم داده های جغرافیایی مبتنی بر پایتون خواهید داشت ، و آماده خواهید بود تا در هر زمینه حرفه ای یا پژوهشی ، مدل ها و تجزیه و تحلیل های مکانی پیشرفته را برطرف کنید.

linkedin تجزیه و تحلیل داده های دستی با ChatGPT-5 (Mitalearn-421937)

  • 39 دقیقه
  • مناسب همه
  • انتشار: 25 July 2026
  • مدرس: Alex Freberg
درباره این دوره:

کار با داده ها می تواند وقت گیر و پیچیده باشد ، اما هوش مصنوعی می تواند کمک کند. این دوره به شما نشان می دهد که چگونه می توانید از chatgpt-5 به عنوان یک شریک دستی در تجزیه و تحلیل داده ها استفاده کنید. شما یاد می گیرید که چگونه مجموعه داده ها را بارگیری و کشف کنید ، داده های کثیف تمیز ، الگوهای کشف شده و با استفاده از ویژگی پیشرفته تجزیه و تحلیل داده ها تجسم کنید. ChatGPT-5 همچنین می تواند نتایج را در زبان ساده توضیح دهد و به شما در برقراری ارتباط به روشنی به شما کمک می کند. این که آیا شما یک تحلیلگر هستید یا یک حرفه ای که با داده کار می کنید ، این دوره به شما کمک می کند تا تخصص خود را با هوش مصنوعی برای تقویت بهره وری و کشف بینش های عمیق تر ترکیب کنید.

linkedin تجزیه و تحلیل داده های شطرنجی زمین در پایتون (Mitalearn-421240)

  • 2 ساعت 38 دقیقه
  • مناسب همه
  • انتشار: 8 January 2025
  • مدرس: Milan Janosov, Ph.D.
درباره این دوره: 

 آیا به دنبال یک مرور کلی از تجزیه و تحلیل داده های شطرنجی در پایتون هستید؟ این دوره که یک مناسب برای دانشمندان داده و پزشکان جغرافیایی است ، این دوره به منظور کمک به شما در استفاده از داده های بردار و ابزارهای مختلف در پایتون ، مانند ژئوپاندا و شکل ، طراحی شده است. مربی میلان Janosov اصول اولیه را پوشش می دهد ، از ایجاد داده های شطرنجی مصنوعی گرفته تا جمع آوری ، تجسم و اصلاح داده های شطرنجی موجود در دنیای واقعی. در طول راه ، تجربه عملی را در مورد کاوش در داده های شطرنجی هم از نظر آماری و هم بصری کسب کنید. در پایان این دوره ، شما به مهارت های تقاضا برای تغییر شکل مجدد و دوباره ساخت مجدد داده های شطرنجی ، ترکیب داده های شطرنجی تک باند در داده های شطرنجی چند منظوره ، انجام تجزیه و تحلیل پیشرفته بر روی داده های شطرنجی چند بندی و موارد دیگر مجهز خواهید شد.

linkedin تجزیه و تحلیل داده های یادگیری بخش 2: گسترش و بکارگیری دانش اصلی (Mitalearn-215591)

  • 3 ساعت 22 دقیقه
  • مناسب همه
  • بروزرسانی: 21 June 2026
  • مدرس: Robin Hunt
درباره این دوره:

کار با داده ها یک چیز است. ارائه مجموعه داده‌های با کیفیت و تجسم‌های دقیق برای تصمیم‌گیری، دیگری است. اگر به یک دوره آموزشی یا حرفه ای در تجزیه و تحلیل داده ها فکر می کنید، این دوره می تواند به شما کمک کند تا شروع خوبی داشته باشید. رابین هانت، مدیرعامل و یکی از بنیانگذاران ThinkData Solutions، مهارت‌های عملی را به اشتراک می‌گذارد تا به شما کمک کند از داده‌های خود بیشترین بهره را ببرید و حرفه خود را در داده‌ها شروع کنید. رابین در مورد قوانین کسب و کار، فیلتر کردن نویز در داده‌هایی که همه ما با آن سروکار داریم، و نحوه ارائه آنچه تصمیم گیرندگان می‌خواهند صحبت می‌کند. او نحوه ایجاد مجموعه‌های داده با پرس‌و‌جوها، پیوستن و ضمیمه‌ها را پوشش می‌دهد، سپس به ساخت داده‌های انبوه با کل کوئری‌ها می‌پردازد. رابین به محورها، نحوه استفاده از محورها برای ساخت داشبوردها و تجسم‌های اولیه و نحوه استفاده از Power Query برای تبدیل داده‌ها می‌پردازد. او با بهترین شیوه ها برای جلسات و رساندن کار شما به سطح بعدی برای سازمان شما به پایان می رسد.

مهارت‌های مرتبط

linkedin تجزیه و تحلیل داده های یادگیری: 1 مبانی (Mitalearn-210576)

  • 3 ساعت 29 دقیقه
  • مناسب همه
  • بروزرسانی: 21 June 2026
  • مدرس: Robin Hunt
درباره این دوره:

آیا شما علاقه مند به دنبال کردن حرفه ای در تجزیه و تحلیل داده هستید؟ در این دوره، مربی رابین هانت شما را به ذهن یک تحلیلگر می آورد. او مفاهیم اساسی را تعریف و توضیح می دهد، مانند نحوه تفکر در مورد داده ها، نحوه کار با دیگران در نقش های مختلف برای به دست آوردن داده های مورد نیاز، و ابزارهایی که برای کار با داده ها نیاز دارید، مانند اکسل و مایکروسافت اکسس. او شما را با پرس و جوهای SQL، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و توضیح می دهد که چگونه داده هایی را که می بینید تفسیر کنید، داده های مورد نیاز خود را پیدا کنید و داده ها را برای کار داده موثر پاک کنید. او درباره حاکمیت داده ها و نحوه پرسیدن سؤالات صحیح از بخش های مختلف برای جمع آوری داده های مورد نیاز توضیح می دهد. Robin نحوه کار با داده ها، از جمله نحوه وارد کردن داده، کار با فایل های مسطح مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل‌سازی و همچنین نحوه استفاده از Power Query در اکسل می‌پردازد. او همچنین مجموعه‌های چالش/راه‌حل را در هر فصل اضافه کرده است تا به شما در ارزیابی مهارت‌هایتان کمک کند.

مهارت‌های مرتبط

linkedin تجزیه و تحلیل زنجیره تامین اکسل: حل مشکلات حمل و نقل (Mitalearn-197588)

  • 2 ساعت 25 دقیقه
  • متوسط
  • بروزرسانی: 21 June 2026
  • مدرس: Curt Frye
درباره این دوره:

مایکروسافت اکسل می تواند یک مزیت مخفی برای حل چالش های پیچیده زنجیره تامین باشد. با مربی Curt Frye همراه باشید زیرا او نحوه استفاده از افزونه Excel Solver را برای به حداقل رساندن هزینه های حمل و نقل و حمل و نقل در زنجیره تامین نشان می دهد. کرت طیف وسیعی از موضوعات را پوشش می‌دهد، از جمله نحوه تجزیه و تحلیل هزینه‌های ثابت و تصمیم‌های بازگشایی تسهیلات، اعمال سطح محدودیت‌های خدمات، و انجام تحلیل سناریو. او همچنین سناریوهای مشکل را برای شما فراهم می کند تا آنها را حل کنید، سپس راه حل های مربوط به هر کدام را مرور می کند. پس از تماشای این دوره و کار کردن با مثال‌ها، می‌توانید تکنیک‌هایی را که برنامه‌های زنجیره تامین تخصصی برای رسیدن به نتایج استفاده می‌کنند، شرح دهید.

linkedin تجزیه و تحلیل زنجیره تامین اکسل: حل مشکلات موجودی (Mitalearn-198438)

  • 1 ساعت 39 دقیقه
  • متوسط
  • بروزرسانی: 21 June 2026
  • مدرس: Curt Frye
درباره این دوره:

Excel pro Curt Frye نشان می دهد که چگونه می توان هزینه های موجودی را تجزیه و تحلیل کرد و سیاست های موجودی موثر را در یک زنجیره تامین توسعه داد. او نحوه محاسبه کل هزینه ها و کل هزینه های مربوطه را برای یک محصول توضیح می دهد. او نحوه ادغام اثرات زمان تحویل را در تجزیه و تحلیل و چگونگی تعیین میزان هزینه اضافی حداقل سفارشات را پوشش می دهد. کرت به نحوه ارزیابی تخفیف های کمیت و نحوه محاسبه مقادیر تولید برای به حداکثر رساندن سود می پردازد. او در مورد اینکه چگونه سفارش‌های برگشتی بر سیاست‌های موجودی اثر می‌گذارد و نحوه محاسبه مقدار سفارش اقتصادی برای سیاست‌های موجودی که اجازه سفارش‌های برگشتی را می‌دهد، بحث می‌کند. او شما را با مشکلات مرتبط با کالاهایی آشنا می‌کند که طول عمر محدودی دارند، که اغلب به آن مشکل فروشندگان خبر گفته می‌شود، سپس به شما نشان می‌دهد که چگونه داده‌ها و خلاصه‌های مورد نیاز برای حل مشکل خبرفروش را تولید کنید. در خاتمه، کرت شما را با نحوه محاسبه سطح سهام پایه برای سطح هدف خدمات و نحوه محاسبه امتیاز سفارش مجدد بر اساس عملکرد سطح خدمات چرخه راهنمایی می کند.

linkedin تجزیه و تحلیل زنجیره تامین اکسل: مدیریت شبیه سازی ها با استفاده از VBA (Mitalearn-219637)

  • 54 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Curt Frye
درباره این دوره:

آیا می‌دانستید که می‌توانید ماکروهای Solver را ضبط و اجرا کنید، ورودی‌های تصادفی ایجاد کنید، شبیه‌سازی‌های متعدد و موارد دیگر را در اکسل اجرا کنید؟ علاوه بر این، می توانید همه این کارها را بدون خرید نرم افزار تخصصی گران قیمت انجام دهید. در این دوره، مربی Curt Frye نشان می دهد که چگونه با استفاده از افزودنی Solver در ترکیب با VBA، تجزیه و تحلیل زنجیره تامین خود را تقویت کنید. با کار بر روی یک مشکل حمل و نقل مثال، کرت از طریق ایجاد یک مرجع به کتابخانه Solver VBA، ضبط و اجرای یک ماکرو Solver، تولید ورودی‌های تصادفی، و تعریف ساختار حلقه برای اجرای شبیه‌سازی‌های متعدد گام بر می‌دارد. سپس با نوشتن خروجی مدل، ایجاد داشبورد نتایج برای تجزیه و تحلیل خروجی مدل شما، کاوش سناریوهای جایگزین با یک مدل Solver و موارد دیگر، تحلیل دقیق را فعال می کند.

linkedin تجزیه و تحلیل سری زمانی و پیش بینی با GPT-4O (Mitalearn-437526)

  • 38 دقیقه
  • مناسب همه
  • انتشار: 24 July 2024
  • مدرس: Alina Zhang
درباره این دوره: 

 

یکی از نکات برجسته این دوره این است که هیچ برنامه نویسی لازم نیست. اکنون می توانید با استفاده از زبان انسانی با استفاده از زبان انسانی برای تجزیه و تحلیل ، پیش بینی و تجسم داده های سری زمانی ارتباط برقرار کنید. با موارد ضروری آنچه را می توان پیش بینی کرد و در اعماق اجزای داده های سری زمانی مانند روندها ، فصلی بودن ، چرخه ها و سر و صدا شروع کنید ، شروع کنید. بیاموزید که داده ها را با استفاده از روشهای افزودنی ، ضرب و STL تجزیه کنید. پیشرفت به مدل سازی پیش بینی با ARIMA و مدل های هموار سازی نمایی ، تسلط بر تنظیم HyperParameter و انتخاب مدل. در پایان این دوره ، شما مجهز به پیش بینی فردا و آماده شدن برای آینده با اعتماد به نفس خواهید بود.


linkedin تجزیه و تحلیل کسب و کار استراتژیک مبتنی بر هوش مصنوعی (Mitalearn-441419)

  • 58 دقیقه
  • مناسب همه
  • انتشار: 25 July 2026
  • مدرس: Vincent Mirabelli
درباره این دوره:

استراتژی دیگر یک برنامه ریزی یکپارچه و چند ساله نیست. تحلیلگران کسب و کار امروزی باید پاسخگوتر و انعطاف پذیرتر باشند، به ویژه در محیط هایی که به سرعت در حال تغییر هستند. در این دوره، مربی وینسنت میرابلی، تلاقی تحلیل کسب و کار، استراتژی، و هوش مصنوعی مولد را بررسی می کند و شما را با اصول و مهارت های اصلی توسعه استراتژیک مدرن در این زمینه جدید پویا مجهز می کند. بیاموزید که چگونه از ابزارهای هوش مصنوعی برای بهبود تجزیه و تحلیل کسب و کار، تسهیل بینش عمیق تر و همسویی با اهداف استراتژیک، بهینه سازی فرآیندهای تصمیم گیری و ایجاد نوآوری استفاده کنید. در پایان این دوره، شما آماده خواهید بود تا استراتژی‌های تقویت‌شده هوش مصنوعی را طراحی و تطبیق دهید که با اهداف سازمان شما همسو باشد و از چابکی و رقابت در یک چشم‌انداز کسب‌وکار در حال تحول اطمینان حاصل کند.

linkedin تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی خط مبدأ گرایش (Mitalearn-148543)

  • 1 ساعت 1 دقیقه
  • پیشرفته
  • انتشار: 22 June 2026
  • مدرس: Conrad Carlberg
درباره این دوره:

هموارسازی نمایی ساده (SES) اکثر عناصر مورد استفاده در رویکرد هموارسازی برای پیش بینی را شامل می شود، مانند ثابت هموارسازی سطح، خود تصحیح، و تضعیف تدریجی تأثیر مشاهدات قدیمی بر پیش بینی های جدید. اما SES با خطوط پایه که روند یا فصلی بودن را نشان می دهد ضعیف عمل می کند. سری‌های زمانی گرایش‌شده از نظر پیچیدگی یک پله بالاتر از سری‌های زمانی ثابت تحلیل‌شده توسط SES است - روندهای پایه آن به سمت بالا یا پایین. استفاده از هموارسازی نمایی با خط مبنا روند شده اغلب روش هولت نامیده می شود و این دوره برای تجهیز شما به این تکنیک طراحی شده است. در اینجا، مربی Conrad Carlberg توضیح می‌دهد که چگونه از روش هولت برای ایجاد پیش‌بینی‌هایی در R که با روندها در خط مبنا سروکار دارد، استفاده کنید.

linkedin تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی فصلی پایه (Mitalearn-148526)

  • 49 دقیقه
  • پیشرفته
  • انتشار: 22 June 2026
  • مدرس: Conrad Carlberg
درباره این دوره:

هموارسازی نمایی فصلی بسط هموارسازی نمایی ساده (SES) است. صاف کردن فصلی اغلب زمانی استفاده می شود که خط پایه قله ها و دره های فصلی منظم را نشان می دهد. مصرف آب در منازل مسکونی یک مثال آشناست: مصرف در تابستان و پاییز افزایش می‌یابد و در زمستان و بهار کاهش می‌یابد، اما مصرف کلی سالانه در طی چندین سال ثابت می‌ماند. در این دوره، مشاور کهنه کار و کارشناس آموزشی، کنراد کارلبرگ، نشان می‌دهد که چگونه می‌توان تغییرات فصلی را برای پیش‌بینی‌های دقیق‌تر و روشن‌تر ترکیب کرد. نحوه شناسایی فصلی بودن، انجام هموارسازی فصلی خطوط پایه افقی و بهینه سازی پیش بینی های خود را با R و Microsoft Excel بیاموزید.

linkedin تجزیه و تحلیل کسب و کار: تکنیک های کاهش داده با استفاده از Excel و R (Mitalearn-109987)

  • 1 ساعت 2 دقیقه
  • پیشرفته
  • انتشار: 21 June 2026
  • مدرس: Conrad Carlberg
درباره این دوره:

با توجه به اینکه مشاغل باید با حجم فزاینده داده دست و پنجه نرم کنند، نیاز به کاهش داده ها در سال های اخیر تشدید شده است. برای درک فراوانی بیش از حد اطلاعات، می‌توانید از تحلیل خوشه‌ای استفاده کنید - که به شما امکان می‌دهد در مورد تعداد انگشت شماری از گروه‌ها به جای یک جمعیت کامل از افراد استنباط ایجاد کنید - و همچنین از تجزیه و تحلیل مؤلفه‌های اصلی که متغیرهای پنهان را آشکار می‌کند.\r\n\r\n سپس او توضیح می‌دهد که چگونه می‌توان همان تحلیل را با استفاده از R، نرم‌افزار محاسباتی آماری منبع باز، که از نظر گزینه‌های تجزیه و تحلیل سریع‌تر و غنی‌تر از Excel است، انجام داد. به علاوه، او نحوه ادغام نتایج تجزیه و تحلیل خوشه‌ای و تحلیل عاملی را توضیح می‌دهد تا به شما کمک کند تا چند عامل اساسی را بر اساس عضویت افراد تنها در چند خوشه تجزیه کنید.

linkedin تجزیه و تحلیل مالی: تجزیه و تحلیل خط برتر با اکسل (Mitalearn-58919)

  • 1 ساعت 38 دقیقه
  • متوسط
  • انتشار: 21 June 2026
  • مدرس: Rudolph Rosenberg
درباره این دوره:

بیاموزید که چگونه خط برتر (یا درآمد) شرکت خود را تجزیه و تحلیل کنید و زمینه هایی را که عملکرد ضعیف یا بیش از حد دارند با اکسل شناسایی کنید. نویسنده، رودولف روزنبرگ، مفاهیم مالی ضروری را که برای درک اطلاعات درآمد شرکت شما ضروری است، بررسی می کند. سپس ابزارها و تکنیک هایی را که می توانید در اکسل استفاده کنید، از جمله PivotTables و تابع ارزشمند SUMIF، برای آماده سازی و تجزیه و تحلیل داده هایی که در دسترس دارید، معرفی می کند. به علاوه، یاد بگیرید که چگونه پایگاه مشتری خود را تجزیه و تحلیل کنید، درآمد هر محصول را تعیین کنید و فرصت های فروش را شناسایی کنید. رودولف همچنین نشان می دهد که چگونه می توان با در نظر گرفتن تأثیر فصلی بودن، کسب و کار تکراری در مقابل یکباره، و وابستگی های متقابل، مطمئن شد که با داده های خود به طور منصفانه رفتار می کنید.

rnrn

linkedin تجزیه و تحلیل موجک: برنامه های کاربردی با زبان Wolfram (Mitalearn-393870)

  • 51 دقیقه
  • مناسب همه
  • انتشار: 10 January 2024
  • مدرس: Wolfram Research
درباره این دوره: 

 این دوره نمونه هایی از انواع برنامه های تحلیل موجک در زبان Wolfram، از جمله سری های زمانی مالی، تشخیص لبه و حذف نویز تصاویر، آستانه گذاری، فشرده سازی تصویر و داده ها، و ادغام تصویر را ارائه می دهد. آشنایی با تبدیل های فوریه و روش های هموارسازی داده ها برای این کلاس توصیه می شود. یاد بگیرید که یک سری زمانی را با استفاده از موجک ها برای تشخیص ناپیوستگی ها، جداسازی پیک ها و بازرسی رفتارهای غیر ایستا تجزیه و تحلیل کنید. اعمال تجزیه و تحلیل موجک به داده های مالی؛ تشخیص لبه ها و ناپیوستگی ها در تصاویر و سایر داده های دو بعدی؛ کاهش نویز در تصاویر با حذف اجزای فرکانس بالاتر. و بیشتر.

مهارت‌های مرتبط

linkedin تجزیه و تحلیل موجک: مفاهیم با زبان ولفرام (Mitalearn-393853)

  • 49 دقیقه
  • مناسب همه
  • انتشار: 4 January 2024
  • مدرس: Wolfram Research
درباره این دوره: 

 موجک ها سیگنال را به تقریب ها و جزئیات در مقیاس های مختلف تجزیه می کنند و آنها را برای کاربردهایی مانند فشرده سازی داده ها، تشخیص ویژگی ها و حذف نویز از سیگنال ها مفید می کنند. این دوره از تحقیقات Wolfram برخی از نظریه‌های تبدیل موجک پیوسته، گسسته و ثابت را توضیح می‌دهد و نشان می‌دهد که چگونه زبان Wolfram و توابع داخلی آن می‌تواند برای ساخت، محاسبه، تجسم و تجزیه و تحلیل تبدیل‌های موجک و توابع مرتبط استفاده شود.

مهارت‌های مرتبط

دوره‌های پیشنهادی