Course catalog

Course duration

Course provider

Topic

Categories

Showing 321-340 of 396 items.

linkedin علوم داده دستی و هوش مصنوعی برای مراقبت های بهداشتی (Mitalearn-421954)

  • 39 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Wuraola Oyewusi
درباره این دوره:

مراقبت های بهداشتی از انواع داده ها پر است ، که این امر به یکی از بهترین زمینه ها برای استفاده از تکنیک های علوم داده تحلیلی تبدیل می شود. متأسفانه ، با این حال ، منابع بسیار کمی برای یادگیری رویکردهای مبتنی بر کد در موارد استفاده مرتبط با مراقبت های بهداشتی وجود دارد. سناریوها ، مجموعه داده های نمونه و فرآیندهای تصمیم گیری را در زمینه پیش بینی بیماری ، تجزیه و تحلیل احساسات از نظر بیمار از طریق بررسی داروهای آنلاین و تشخیص تصویر رادیولوژی با استفاده از دید رایانه کاوش کنید. در پایان این دوره ، شما همچنین به مهارت های قدرتمند تجزیه و تحلیل داده های اکتشافی مجهز خواهید بود تا با استفاده از ابرهای کلمه ای و ScatterText ، تجسمات ایجاد کنید.

linkedin عناصر اساسی تجزیه و تحلیل پیش بینی و داده کاوی (Mitalearn-113982)

  • 1 hours 28 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Keith McCormick
درباره این دوره:

یک پروژه تجزیه و تحلیل پیش بینی و داده کاوی مناسب می تواند افراد زیادی و چندین هفته را درگیر کند. همچنین خطاهای احتمالی زیادی وجود دارد که باید از آنها اجتناب کرد. چشم انداز تصویر بزرگ برای حفظ پروژه در مسیر ضروری است. این دوره این دیدگاه را از طریق دریچه یک تمرین‌کننده کهنه‌کار که ده‌ها پروژه در دنیای واقعی را تکمیل کرده است، ارائه می‌کند. کیت مک کورمیک یک داده کاوی مستقل و نویسنده است که در مدل‌های پیش‌بینی و تجزیه و تحلیل بخش‌بندی، از جمله درخت‌های طبقه‌بندی، تجزیه و تحلیل خوشه‌ای و قوانین تداعی تخصص دارد. در اینجا او دانش خود را با شما به اشتراک می گذارد. در هر مرحله از یک پروژه معمولی، از تعریف مشکل و جمع‌آوری داده‌ها و منابع گرفته تا اجرای راه‌حل را طی کنید. کیت همچنین یک نمای کلی از CRISP-DM (روش شناسی داده کاوی بالفعل) و نه قانون داده کاوی ارائه می دهد که شما را بر استراتژی و ارزش تجاری متمرکز می کند.

linkedin قانون 80/20 علم داده (Mitalearn-440586)

  • 1 hours 26 minutes
  • مناسب همه
  • Release date: 4 September 2024
  • Author: Howard Friedman
درباره این دوره: 

 در این دوره آموزشی، به مربی هاوارد فریدمن بپیوندید تا مفاهیم اصلی قانون 20/80 را برای علم داده و چگونگی به دست آوردن بیشترین ارزش با حداقل تلاش بیان می کند. گام‌های اساسی مورد نیاز برای ارزش دادن به بخش‌های مختلف کارتان، از جمله تعریف موفقیت، به‌دست آوردن مجموعه داده‌های با کیفیت بالا، شروع با آمار اولیه، ساخت مدل‌های اولیه اولیه، و اجتناب از گرفتار شدن در جزئیات کمتر تاثیرگذار را بررسی کنید. این دوره برای رهبران تیم داده و اعضای ارشد تیم داده در دنیای فناوری که علاقه مند به شرکای تجاری کارآمد و مؤثر هستند، هدف قرار می گیرد.

linkedin قدرت BI برای امور مالی (Mitalearn-432001)

  • 2 hours 18 minutes
  • مناسب همه
  • Release date: 7 April 2025
  • Author: Helen Wall
درباره این دوره: 

 Power BI یک ابزار قدرتمند اطلاعاتی تجاری برای افراد در بسیاری از صنایع و ادارات در سازمان ها است. تیم های مالی برای بیشتر کارهای خود از مدل هایی استفاده می کنند ، با حسابداری و همچنین گروه های برنامه ریزی مالی و تجزیه و تحلیل فعالیت می کنند. آنها می توانند از داده های دریافت شده از منابع داخلی و سیستم عامل های حسابداری برای ایجاد خلاصه ، گزارش و داشبورد برای کار خود استفاده کنند. در این دوره ، هلن وال به متخصصان مالی نشان می دهد که چگونه می توانند قدرت قدرت BI را در گردش کار و مدل های مالی خود باز کنند.

linkedin قدرت BI: ادغام هوش مصنوعی (Mitalearn-432018)

  • 3 hours 34 minutes
  • مناسب همه
  • Release date: 17 July 2025
  • Author: Helen Wall
درباره این دوره: 

 Power BI یک ابزار قدرتمند تجزیه و تحلیل داده ها و تجسم است که به کاربران تجاری اجازه می دهد تا داده ها را کنترل کنند ، روند را تجزیه و تحلیل کنند و تصمیم گیری کنند. هر ماه ، مایکروسافت به روزرسانی های Power BI را به کاربران نهایی سوق می دهد ، و رشد Power BI بخش مهمی از استراتژی فعلی مایکروسافت است. این دوره قابلیت های موجود در هوش مصنوعی و یادگیری ماشین را که مستقیماً در قابلیت های قابل دسترسی BI در دسترس است ، به نمایش می گذارد. تجزیه و تحلیل داده ها و کارشناس تجزیه و تحلیل کسب و کار هلن وال یک مرور کلی از Power BI به شما ارائه می دهد ، سپس به مراحل پیکربندی پرس و جو قدرت و مدل داده خود می پردازد. هلن از طریق ملزومات تجزیه و تحلیل متغیرهای منفرد قدم می زند و ابزارها و تکنیک هایی را برای اندازه گیری روابط بین متغیرها به شما نشان می دهد. او تصاویری را که می توانید برای مطرح کردن و پاسخ دادن به سؤالات در Power BI استفاده کنید ، برجسته می کند ، تکنیک های مفیدی را برای تقویت تجزیه و تحلیل شما از داده های سری زمانی توضیح می دهد و شما را از طریق بهترین روشها برای به اشتراک گذاری تجزیه و تحلیل خود می گذراند.

linkedin قدرت دو هفته ای (Mitalearn-432069)

  • 20 hours 27 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Helen Wall
درباره این دوره:

به سریال هفتگی Power BI خوش آمدید. هر هفته ، مربی هلن وال یک موضوع جالب و مرتبط را در Power BI ، پلت فرم اطلاعات تجاری کم کد از مایکروسافت پوشش می دهد. هلن مباحثی مانند بهینه سازی اقدامات پویا روی صفحه نمایش ، ترفندهای DAX ، تکنیک های پرس و جو قدرت و سفارشی کردن تصاویر را برای کاربران نهایی پوشش می دهد. اگر می خواهید از این نرم افزار تجسم داده های تعاملی اطلاعات بیشتری کسب کنید ، هفتگی را برای آخرین درس های هلن بررسی کنید.

linkedin کار با داده های زمان واقعی در اکسل (Mitalearn-90199)

  • 1 hours 18 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Maven Analytics,Chris Dutton
درباره این دوره:

مجموعه Excel Workshop نشان می دهد که چگونه می توان مهارت های کلیدی علم داده و تجزیه و تحلیل را از طریق یادگیری کاربردی در Excel توسعه داد. در این دوره، کریس داتون بر استفاده از داده های بلادرنگ از یک API وب و داده های تکمیلی از مرکز ملی داده های آب و هوایی (NCDC) برای درک و تعیین کمیت تأثیر الگوهای آب و هوا بر میزان تصادفات تمرکز می کند.

rnrn سپس نحوه استفاده از VLOOKUP برای پیوستن به داده ها را بیابید و از عبارات COUNTIF برای تجزیه و تحلیل روندها استفاده کنید. هنگامی که داده های تاریخی در جای خود قرار گرفتند، کریس نحوه استفاده از توابع قدرتمند WEBSERVICE و FILTERXML اکسل را نشان می دهد تا مستقیماً به API Weather Underground ضربه بزنید، که اطلاعات آب و هوای زمان واقعی را برای هر مکان ارائه می دهد و به شما امکان می دهد نرخ تصادفات را بر اساس شرایط فعلی تخمین بزنید.< br>
rnrn

linkedin کلان داده در عصر هوش مصنوعی (Mitalearn-167923)

  • 2 hours 7 minutes
  • مبتدی
  • Release date: 19 September 2019
  • Author: Barton Poulson
درباره این دوره: 

 هیاهو در مورد کلان داده ممکن است چندین سال پیش به اوج خود رسیده باشد، اما کلان داده هنوز از بین رفته است. در عوض شالوده برخی از هیجان انگیزترین فناوری های امروزی را تشکیل می دهد. هوش مصنوعی (AI)، یادگیری ماشین و علم داده بر داده‌های بزرگ یا داده‌هایی تکیه می‌کنند که - به دلیل سرعت، حجم یا تنوع - نمی‌توانند به راحتی با روش‌های سنتی ذخیره یا تجزیه و تحلیل شوند. در این دوره غیر فنی، بارتون پولسون به مبحث کلان داده می پردازد و توضیح می دهد که چگونه کار می کند و جهان داده مدرن ما را شکل می دهد. بارتون رابطه کلان داده ها را با هوش مصنوعی، علم داده، رسانه های اجتماعی و اینترنت اشیا (IoT) توضیح می دهد. او برخی از مسائل اخلاقی پشت استفاده از داده های بزرگ را بررسی می کند. به علاوه، او تکنیک های مربوط به تجزیه و تحلیل داده های بزرگ، از جمله داده کاوی و تجزیه و تحلیل پیش بینی را پوشش می دهد.

linkedin کیت زنده ماندن مهارت های داده (Mitalearn-437101)

  • 10 hours 33 minutes
  • مناسب همه
  • Update date: 29 October 2025
  • Author: Robin Hunt
درباره این دوره: 

 

اگر شما یک تحلیلگر داده هستید ، بدون شک مهارت ها ، تکنیک ها و ابزارهای مختلف مربوط به داده ها را آموخته اید. اما گاهی اوقات می توان دانست که چه موقع و چرا استفاده از این ابزارها دشوار است. در این سری ، مربی رابین هانت مهارت جدید ، مخفی ، نوک ، تکنیک ، بهترین تمرین یا توصیه های طلایی را در هر قسط توضیح می دهد. رابین مباحثی را در بر می گیرد که می تواند به تعداد فزاینده ای از پزشکان تجزیه و تحلیل و کارگران داده کمک کند تا کار خود را بهتر انجام دهند ، مانند پیوستن به داده ها و طراحی داده ها ، حفظ حریم خصوصی داده ها ، تبدیل و تمیز کردن داده ها و ساخت مجموعه داده ها و تجسم داده ها. برای فیلم های جدید هر هفته دیگر را بررسی کنید!

توجه: از آنجا که این یک سری در حال انجام است ، بینندگان گواهی تکمیل دریافت نمی کنند.


linkedin کیفیت داده ها: تجزیه و تحلیل و خدمت (Mitalearn-417279)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 27 June 2025
  • Author: Mark Freeman
درباره این دوره: 

 

در این دوره دستی که شما را با مهارت های کد نویسی دستی در یک محیط ماسهبازی مجهز می کند ، به جنبه های عملی کیفیت داده ها شیرجه بزنید. مهندس داده مارک فریمن به شما نشان می دهد که چگونه می توانید با استفاده از رویکردهای قوی مانند تجزیه و تحلیل علت اصلی و مهندسی هرج و مرج ، مسائل مربوط به کیفیت داده ها را شناسایی ، تجزیه و تحلیل و حل کنید. نحوه استفاده از پرسشنامه های SQL و آزمایشات DBT را برای محافظت از خطوط لوله داده و اطمینان از قابلیت اطمینان مجموعه داده های خود کشف کنید. در مورد تحقیقات خط لوله پایین دست بیاموزید و از منطق کسب و کار که بر کیفیت داده ها تأثیر می گذارد ، کشف کنید. نحوه استفاده از استراتژی های SBAR را برای انتقال بینش خود به ذینفعان پیدا کنید. این که آیا شما یک دانشمند داده ، تحلیلگر و چه به سادگی مشتاق بهبود گردش کار داده ها هستید ، این دوره به شما کمک می کند تا پتانسیل خود را برای حل مشکلات پیچیده کیفیت داده ها در عین حال تأثیر بسزایی در محیط های مبتنی بر داده باز کنید.

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 "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


linkedin گزارش آنلاین پروژه با Power BI (Mitalearn-172989)

  • 1 hours 33 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: John Riopel
درباره این دوره:

با نحوه ایجاد گزارش‌های پروژه واضح و جذاب با ابزارهای تجسم داده تعاملی Power BI در Microsoft Project Online آشنا شوید. در این دوره، جان ریوپل، PMP، مروری بر Power BI ارائه می دهد و توضیح می دهد که چگونه می توان از آن برای ایجاد گزارش های پروژه قوی تر استفاده کرد. جان با اصول اولیه شروع می‌کند، اجزای اصلی Power BI را توضیح می‌دهد و نحوه کار با جداول، فیلتر کردن داده‌های مناسب با استفاده از برش‌دهنده‌ها و قالب‌بندی یک گزارش اولیه را نشان می‌دهد. بعد، جان ویژگی‌های میانی مانند استفاده از نمونه‌ها و بسته‌های محتوا، کار با معیارها و استفاده از قالب‌بندی شرطی را پوشش می‌دهد. در نهایت، جان نحوه کار با ویژگی های پیشرفته مانند ایجاد و تنظیم دقیق داشبورد، ادغام مجموعه داده ها، و افزودن تصاویر سفارشی به گزارش را نشان می دهد.

linkedin مبانی آمار 3: استفاده از مجموعه داده ها (Mitalearn-271776)

  • 1 hours 44 minutes
  • مناسب همه
  • Update date: 5 June 2025
  • Author: Eddie Davila
درباره این دوره: 

 آمار یک مهارت اصلی برای بسیاری از مشاغل است. آمارهای اولیه برای تصمیم گیری، اکتشافات، سرمایه گذاری ها و حتی پیش بینی ها حیاتی هستند. اما گاهی اوقات لازم است فراتر از اصول اولیه حرکت کنید. این سومین دوره از مجموعه مبانی آمار به شما درس‌های کاربردی و مبتنی بر مثال در مورد مهارت‌های متوسط ​​مرتبط با آمار می‌دهد: نمونه‌ها و نمونه‌گیری، خطاهای استاندارد، فواصل اطمینان، و آزمون فرضیه.

ادی داویلا نگاهی به موضوعاتی مانند نمونه‌گیری، نمونه‌های تصادفی، اندازه نمونه، خطای نمونه‌گیری، قابلیت اعتماد، قضیه واحد مرکزی، فواصل اطمینان و آزمون فرضیه می‌اندازد. این دوره برای کسانی که در علم داده، تجارت و تجزیه و تحلیل کسب و کار کار می کنند - یا هر کسی که می خواهد فراتر از ابزارها و میانگین ها باشد و درک عمیق تری از نحوه عملکرد آمار در دنیای واقعی به دست آورد، ضروری است.

linkedin مبانی آمار: 2 (Mitalearn-96183)

  • 1 hours 56 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Eddie Davila
درباره این دوره:

آمار یک مهارت اصلی برای بسیاری از مشاغل است. آمارهای اولیه برای تصمیم گیری، اکتشافات جدید، سرمایه گذاری ها و حتی پیش بینی ها حیاتی هستند. اما گاهی اوقات لازم است از اصول اولیه فراتر بروید. مبانی آمار - بخش 2، کاربران تجاری و متخصصان علم داده را به یادگیری عملی و مبتنی بر مثال مهارت‌های متوسط \u200b\u200bمرتبط با آمار می‌برد: نمونه‌ها و نمونه‌گیری، فواصل اطمینان، و آزمون فرضیه.\r\n\r\n (از جمله توضیح نتایج غیر منتظره)، و آزمون فرضیه. این دوره برای کسانی که در علم داده، تجارت و تجزیه و تحلیل کسب و کار کار می کنند - یا هرکس دیگری که می خواهد فراتر از ابزارها و میانگین ها باشد و درک عمیق تری از نحوه عملکرد آمار در دنیای واقعی به دست آورد، ضروری است.

Related Skills

linkedin مبانی احتمالی برای علوم داده (Mitalearn-432885)

  • 4 hours 56 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Megan Silvey
درباره این دوره:

درک کامل از ریاضیات، به ویژه احتمال، برای تلاش های موفق علم داده بسیار مهم است. این دوره اصول احتمالات را با توضیحات واضح، معادلات رایج، مثال‌های ساده و کاربردهای واقعی پوشش می‌دهد. ابتدا، مروری بر مبانی، مانند متغیرهای تصادفی، همراه با انواع توزیع هسته: گسسته، پیوسته، تجمعی و مشترک پوشش داده شده است. سپس انتظارات و واریانس شامل انتظار شرطی، انحراف معیار، کوواریانس و همبستگی بررسی می‌شوند. در مرحله بعد، چندین توزیع گسسته استاندارد و توزیع های پیوسته به تفصیل بیان می شوند و به دنبال آن قضایای حدی و تقریب های رایج بیان می شوند. پس از آن، احتمال بیزی مورد بررسی قرار می گیرد، از جمله اینکه چگونه با احتمال فراوانی تفاوت دارد. در نهایت، چند روش برآورد رایج پوشش داده شده است. به مگان سیلوی بپیوندید تا شما را در هر بخش راهنمایی کند و تخصص خود را به شما منتقل کند.

linkedin مبانی تحلیل تجسم داده ها (Mitalearn-391830)

  • 1 hours 27 minutes
  • مناسب همه
  • Release date: 30 January 2024
  • Author: Madecraft,Franz Buscha
درباره این دوره: 

 

اگر به دنبال شروع بررسی ارزش تجزیه و تحلیل بصری هستید، این دوره برای شما طراحی شده است. به مربی فرانتس بوشا بپیوندید تا شما را با اصول تحلیل تجسم داده ها از جمله انواع داده ها، عناصر نمودار و مفاهیم اصلی تجزیه و تحلیل تک متغیره، دو متغیره و چند متغیره آشنا کند.

ابزارهای تجسم رایج مورد استفاده برای تجزیه و تحلیل توزیعی را کاوش کنید. مانند هیستوگرام، نمودار چگالی، نمودار نواری، نمودار جعبه ای، نمودار میله ای، نمودار نقطه ای، نمودار دایره ای و نمودار راداری. در طول مسیر، فرانتس به شما نشان می دهد که چگونه چندین توزیع را به صورت همزمان تجسم کنید، و همچنین نحوه تجسم روابط ساده و چند بعدی را با استفاده از نمودارهای پراکندگی، نمودارهای خطی، نمودارهای پراکندگی ماتریس و پرده، نمودارهای حباب، نمودارهای کانتور و موارد دیگر را به شما نشان می دهد.

این دوره توسط Madecraft ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

لوگوی شرکت برای Madecraft;  حرف M به عنوان بخشی از ماشین چاپ پیکربندی شده است

linkedin مبانی علم داده: ارزیابی داده ها برای مدل سازی پیش بینی (Mitalearn-201413)

  • 4 hours 8 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Keith McCormick
درباره این دوره:

CRISP-DM، فرآیند استاندارد بین صنعتی برای داده کاوی، از شش فاز تشکیل شده است. اکثر دانشمندان داده جدید به سمت مدل سازی عجله می کنند زیرا این مرحله ای است که در آن بیشترین آموزش را دارند. اما اینکه پروژه موفق شود یا شکست، در واقع خیلی زودتر مشخص می شود. این دوره یک رویکرد سیستماتیک به فاز درک داده ها برای مدل سازی پیش بینی معرفی می کند. مربی، کیت مک کورمیک، اصول، دستورالعمل‌ها و ابزارهایی مانند KNIME و R را آموزش می‌دهد تا به درستی مجموعه داده‌ها را برای مناسب بودن آن برای یادگیری ماشین ارزیابی کند. نحوه جمع‌آوری داده‌ها، توصیف داده‌ها، کاوش داده‌ها با اجرای تجسم‌های دو متغیره، و تأیید کیفیت داده‌ها و همچنین انتقال به مرحله آماده‌سازی داده‌ها را کشف کنید. این دوره شامل مطالعات موردی و بهترین شیوه ها، و همچنین مجموعه چالش ها و راه حل ها برای حفظ دانش افزایش یافته است. در پایان، شما باید مهارت های لازم برای توجه مناسب به این مرحله حیاتی از تمام پروژه های موفق علم داده را داشته باشید.

linkedin مبانی علم داده: داده کاوی (Mitalearn-91168)

  • 4 hours 40 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

تمام علم داده با داده های خوب شروع می شود. داده‌کاوی چارچوبی برای جمع‌آوری، جستجو و فیلتر کردن داده‌های خام در یک موضوع سیستماتیک است که تضمین می‌کند از همان ابتدا داده‌های تمیزی دارید. همچنین به شما کمک می کند تا مجموعه داده های بزرگ را تجزیه کنید و به معنی دارترین و مفیدترین اطلاعات دست یابید. این دوره، مبانی علم داده: داده کاوی، طراحی شده است تا نقطه ورود محکمی به تمامی ابزارها، تکنیک ها و تفکر تاکتیکی پشت داده کاوی ارائه دهد.

rnrn و بیشتر.

linkedin مبانی علم داده: داده کاوی در R (Mitalearn-227253)

  • 3 hours 51 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

علم داده در پیچیدگی و تقاضا با سرعت تصاعدی به رشد خود ادامه می دهد. داده کاوی حوزه ای از علم داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع تمرکز می کند: خوشه هایی از مشتریان مشابه، روندهایی در طول زمان که تنها پس از تفکیک اثرات فصلی و تصادفی قابل مشاهده هستند، و روش های جدید برای پیش بینی نتایج مهم. مربی بارتون پولسون بر روی داده کاوی در R تمرکز می کند، طیف گسترده ای از الگوریتم ها از جمله روش های یادگیری ماشین را ارائه می دهد و اطلاعات مهمی در مورد قوانین و سیاست هایی که بر داده کاوی تأثیر می گذارد ارائه می دهد. بارتون یک نمای کلی از کاهش ابعاد ارائه می دهد. او خوشه‌بندی را معرفی می‌کند، از جمله خوشه‌بندی سلسله مراتبی، سپس وارد تحلیل تداعی می‌شود. او استخراج و تجزیه سری های زمانی را توضیح می دهد، سپس با متن کاوی، تجزیه و تحلیل احساسات و امتیازدهی احساسات به پایان می رسد.

linkedin مبانی علم داده: داده کاوی در پایتون (Mitalearn-209862)

  • 3 hours 3 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

داده کاوی حوزه ای از علم داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع تمرکز می کند: خوشه هایی از مشتریان مشابه، روندهایی در طول زمان که تنها پس از تفکیک اثرات فصلی و تصادفی قابل مشاهده هستند، و روش های جدید برای پیش بینی نتایج مهم. در این دوره مدرس بارتون پولسون شما را با داده کاوی که از زبان برنامه نویسی پایتون استفاده می کند آشنا می کند. بارتون به برخی مقدمات، مانند ابزارهایی که ممکن است برای داده کاوی استفاده کنید، می پردازد. او جنبه‌های کاهش ابعاد را مورد بحث قرار می‌دهد، سپس خوشه‌بندی، از جمله خوشه‌بندی سلسله مراتبی، k-Means، DBSCAN و غیره را توضیح می‌دهد. بارتون طبقه بندی، از جمله kNN و درختان تصمیم را پوشش می دهد. او وارد تجزیه و تحلیل انجمن می شود و شما را با Apriori، Eclat و FP-Growth آشنا می کند. بارتون شما را از تجزیه سری زمانی عبور می دهد، سپس با امتیازدهی احساسات و سایر ابزارهای متن کاوی به پایان می رسد.

linkedin مبانی علم داده: مبانی (Mitalearn-273085)

  • 5 hours 17 minutes
  • مناسب همه
  • Release date: 4 February 2022
  • Author: Barton Poulson
درباره این دوره: 

 علم داده در حال هدایت یک انقلاب جهانی است که همه چیز را از اتوماسیون کسب و کار گرفته تا تعاملات اجتماعی در بر می گیرد. همچنین یکی از مشاغلی است که سریع‌ترین رشد را دارد و با ارزش‌ترین شغل، تحلیلگران و مهندسان را در سراسر جهان به کار می‌گیرد. این دوره یک نمای کلی غیر فنی و قابل دسترس از این رشته را ارائه می دهد که واژگان، مهارت ها، مشاغل، ابزارها و تکنیک های علم داده را پوشش می دهد. مربی بارتون پولسون روابط را با سایر زمینه های اشباع شده از داده مانند یادگیری ماشین و هوش مصنوعی تعریف می کند. او شیوه‌های اولیه را بررسی می‌کند: جمع‌آوری و تجزیه و تحلیل داده‌ها، تدوین قوانین برای طبقه‌بندی و تصمیم‌گیری، و ترسیم بینش‌های عملی. او همچنین در مورد اخلاق و مسئولیت پذیری بحث می کند و جهت کسب اطلاعات بیشتر را ارائه می دهد. در پایان، خواهید دید که چگونه علم داده می تواند به شما در تصمیم گیری بهتر، به دست آوردن بینش عمیق تر و موثرتر و کارآمدتر کردن کارتان کمک کند.

Related Skills

Suggestions