Course catalog

Course duration

Course provider

Topic

Categories

Showing 201-220 of 256 items.

linkedin مبانی برنامه نویسی: الگوریتم ها (2018) (Mitalearn-146588)

  • 1 hours 45 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: Joe Marini
درباره این دوره:

الگوریتم ها بلوک های سازنده جهانی برنامه نویسی هستند. آنها نرم افزاری را که هر روز استفاده می کنید، چه صفحه گسترده، یک شبکه اجتماعی یا یک دستیار رانندگی، نیرو می دهند. الگوریتم‌ها روشی را برای فکر کردن به چالش‌های برنامه‌نویسی به زبان انگلیسی ساده، قبل از اینکه به زبان خاصی مانند C# یا جاوا اسکریپت ترجمه شوند، ارائه می‌دهند. در این دوره، نویسنده و توسعه‌دهنده جو مارینی برخی از محبوب‌ترین و مفیدترین الگوریتم‌ها را برای جستجو و مرتب‌سازی اطلاعات، کار با تکنیک‌هایی مانند بازگشت، و درک ساختارهای داده رایج توضیح می‌دهد. او همچنین مفاهیم عملکرد الگوریتم های مختلف و چگونگی ارزیابی عملکرد یک الگوریتم معین را مورد بحث قرار می دهد. هر الگوریتم به طور عملی در پایتون نشان داده شده است، اما درس ها را می توان برای هر زبان برنامه نویسی اعمال کرد.

linkedin مبانی برنامه نویسی: ساختارهای داده (Mitalearn-445210)

  • 2 hours 46 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Kathryn Hodge
درباره این دوره:

این دوره مقدمه ای جامع بر ساختارهای داده بنیادی ارائه می دهد و شما را به مهارت هایی که برای پیاده سازی و استفاده موثر از آرایه ها، لیست ها، فرهنگ لغت ها، پشته ها و صف ها نیاز دارید، مجهز می کند. مربی کاترین هاج از طریق تمرین‌های عملی و مثال‌های واقعی به شما نشان می‌دهد که این سازه‌ها چگونه کار می‌کنند، از جمله کارایی آنها از نظر پیچیدگی زمانی و مکانی. این دوره که برای زبان آموزانی که تازه برنامه نویسی می کنند مناسب است، بر کاربردهای عملی تاکید دارد و شما را قادر می سازد تا مشکلات نرم افزاری رایج مانند جستجو، مرتب سازی و مدیریت داده ها را حل کنید. علاوه بر این، شما یاد خواهید گرفت که مبادلات ساختارهای داده مختلف را تجزیه و تحلیل کنید و از این دانش برای طراحی راه حل های مقیاس پذیر و کارآمد استفاده کنید. در پایان دوره، شما ابزارها و دانش لازم برای شروع مقابله با چالش های برنامه نویسی پیچیده را با اطمینان خواهید داشت.

linkedin مبانی برنامه نویسی: ساختارهای داده (Mitalearn-384894)

  • 2 hours 49 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Kathryn Hodge
درباره این دوره:

هنگامی که از برنامه های ساده با یک یا دو متغیر عبور کردید، از ساختارهای داده برای ذخیره مقادیر در برنامه های خود استفاده خواهید کرد. ساختارهای داده بسیار شبیه کانتینرها هستند - برای هر راهی که می خواهید داده های خود را ذخیره کنید، یکی وجود دارد. در حالی که ساختارهایی مانند آرایه‌ها و صف‌ها گاهی بدیهی تلقی می‌شوند، درک عمیق‌تر برای هر برنامه‌نویسی که می‌خواهد بداند در "زیر سرپوش" چه می‌گذرد و درک کند که چگونه انتخاب‌هایی که انجام داده‌اند بر عملکرد و کارایی برنامه‌های خود تأثیر می‌گذارد، حیاتی است. در این دوره، کاترین هاج یک نمای کلی از ضروری ترین ساختارهای داده برای برنامه نویسی مدرن در پایتون ارائه می دهد. با شروع با روش‌های ساده گروه‌بندی داده‌ها، مانند آرایه‌ها، فهرست‌ها و تاپل‌ها، کاترین به تدریج ساختارهای داده پیچیده‌تری مانند فرهنگ‌های لغت، مجموعه‌ها، صف‌ها و پشته‌ها را معرفی می‌کند. هر درس با یک مثال واقعی و عملی همراه است که ساختارهای داده را در عمل نشان می دهد. پس از اتمام این دوره، درک بهتری از ساختارهای داده و نحوه استفاده از آنها در هنگام کدنویسی خواهید داشت.

linkedin مبانی برنامه نویسی: ساختارهای داده (2019) (Mitalearn-152470)

  • 2 hours 20 minutes
  • متوسط
  • Release date: 25 July 2026
  • Author: Kathryn Hodge
درباره این دوره:

هنگامی که از برنامه های ساده با یک یا دو متغیر عبور کردید، از ساختارهای داده برای ذخیره مقادیر در برنامه های خود استفاده خواهید کرد. ساختارهای داده مانند کانتینرها هستند—برای هر نوع داده ای یکی وجود دارد. در حالی که ساختارهایی مانند آرایه‌ها و صف‌ها گاهی بدیهی تلقی می‌شوند، درک عمیق‌تر برای هر برنامه‌نویسی که می‌خواهد بداند در "زیر سرپوش" چه می‌گذرد و درک کند که چگونه انتخاب‌هایی که انجام داده‌اند بر عملکرد و کارایی برنامه‌های خود تأثیر می‌گذارد، حیاتی است. در این دوره، کاترین هاج یک نمای کلی از ضروری ترین ساختارهای داده برای برنامه نویسی مدرن ارائه می دهد. با شروع با روش‌های ساده گروه‌بندی داده‌ها، مانند آرایه‌ها و ساختارها، کاترین به تدریج ساختارهای داده پیچیده‌تری مانند لیست‌های پیوندی، پشته‌ها و صف‌ها، جداول هش، و درخت‌ها و نمودارها را معرفی می‌کند. هر درس با یک مثال واقعی و عملی همراه است که ساختارهای داده را در عمل نشان می دهد. وقتی دوره را تمام کردید، درک واضحی از ساختارهای داده خواهید داشت و نحوه استفاده از آنها را در هر زبانی که برنامه نویسی می کنید: C#، Swift، JavaScript، Java، Python و غیره خواهید فهمید.

linkedin مبانی پایگاه داده: ساختارهای داده (Mitalearn-198965)

  • 3 hours 41 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Adam Wilbert
درباره این دوره:

این دوره بر هفت مفهوم اصلی تمرکز دارد: انواع داده ها، طراحی یک پایگاه داده نرمال شده، شناسایی ردیف ها با کلیدهای اصلی، پیوند داده ها با کلیدهای خارجی، رسمی کردن روابط داده ها، شاخص ها و محدودیت ها. آدام ویلبرت، کارشناس پایگاه داده، تکنیک هایی را توصیف می کند که توسعه دهندگان پایگاه داده برای محافظت از داده های خود استفاده می کنند. او توضیح می‌دهد که چرا انواع داده‌ها در ایجاد یک محیط ذخیره‌سازی ثابت مهم هستند، سپس شما را از طریق چندین نوع داده رایج راهنمایی می‌کند. Adam سه شکل عادی طراحی پایگاه داده خوب را به شما نشان می دهد.

برای کار با داده های ذخیره شده در هر ردیف در جدول، جدول باید شامل یک ستون کلید اصلی یا مجموعه ای از ستون ها باشد. کلیدهای خارجی چسبی را فراهم می کنند که کل سیستم روی آن ساخته شده است. آدام شما را راهنمایی می کند که چگونه کلیدهای اصلی و کلیدهای خارجی را در طراحی جداول پایگاه داده خود بگنجانید. او روابط داده ها، فهرست ها و محدودیت ها را بررسی می کند، سپس با دوره های دیگری که ممکن است مفید باشید نتیجه گیری می کند.

Related Skills

linkedin مبانی تبدیل داده برای مهندسی داده (Mitalearn-443952)

  • 3 hours 30 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Matt Palmer
درباره این دوره:

اصول تبدیل داده ها با پانداها و DuckDB SQL ضروری ترین مفاهیم و بهترین شیوه ها را در قالبی واضح و مختصر ارائه می دهد که به دانش آموزان اجازه می دهد از نویز و پیچیدگی کنار بیایند. در حالی که این دوره به جای محدود گسترده است، برای کمک به شما در درک گزینه های خود برای توسعه و انتخاب آگاهانه در مورد مکان دقیق طراحی شده است.

مدرس مت پالمر تحول را در سه محیط جداگانه پوشش می‌دهد: تبدیل داده در دریاچه، تبدیل داده در انبار، و تبدیل داده در خانه‌های دریاچه داده.

linkedin مبانی تجزیه و تحلیل کسب و کار: تجزیه و تحلیل پیش بینی کننده، تجویزی و تجربی (Mitalearn-131968)

  • 51 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

تجزیه و تحلیل تجاری مجموعه ای از ابزارها، فناوری ها، فرآیندها و بهترین شیوه ها را در بر می گیرد که برای استخراج دانش از داده ها مورد نیاز است. این یک کاوش تکراری و روشمند از داده ها برای به دست آوردن بینش از آن است - و به نوبه خود، تصمیمات هوشمندانه تر و استراتژیک تر که بر اساس حقایق استوار است. در این دوره، با مراحل تجزیه و تحلیل کسب و کار که برای پیش بینی و ساختن آینده استفاده می شود آشنا شوید - تجزیه و تحلیل پیش بینی، تجزیه و تحلیل تجویزی و تجزیه و تحلیل تجربی. این دوره به هر مرحله می پردازد و در مورد ابزارها و تکنیک های مورد استفاده برای هر یک و همچنین بهترین شیوه های اعمال شده در این زمینه بحث می کند. علاوه بر این، این دوره با استفاده از یک مورد استفاده برای نشان دادن نحوه اجرای تجزیه و تحلیل در هر مرحله، زمینه ای واقعی را به این مفاهیم می بخشد.

linkedin مبانی تجزیه و تحلیل کسب و کار: تحلیل توصیفی، اکتشافی و توضیحی (Mitalearn-131951)

  • 48 minutes
  • متوسط
  • Update date: 26 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

تجزیه و تحلیل کسب و کار به ما امکان می دهد از گذشته درس گرفته و پیش بینی های بهتری برای آینده داشته باشیم. سه نوع تجزیه و تحلیل برای یادگیری از گذشته استفاده می شود. تجزیه و تحلیل توصیفی داده های تاریخی را خلاصه می کند. تجزیه و تحلیل اکتشافی الگوهای پنهان را آشکار می کند. و تجزیه و تحلیل توضیحی دلایل نتایج کسب و کار را نشان می دهد. هر نوع شامل مجموعه ای متفاوت از ابزارها، فناوری ها، فرآیندها و بهترین شیوه ها برای به دست آوردن بینش از داده ها است. این دوره توسط Kumaran Ponnambalam توضیح می دهد که چرا آنها اهمیت دارند و چگونه و چه زمانی از آنها استفاده کنیم.\r\n\r\n سپس مراحلی را که بر گذشته تمرکز می‌کنند را بررسی می‌کنید: توصیفی، اکتشافی و توضیحی. با هر مرحله، شما در مورد فرآیندها، تکنیک ها و بهترین شیوه های مورد استفاده در این زمینه آشنا می شوید. در نهایت، یک مورد استفاده (نتایج یک کمپین بازاریابی ایمیلی) را بررسی می کنید که نشان می دهد چگونه تجزیه و تحلیل در هر مرحله انجام می شود.

linkedin مبانی علم داده: انتخاب پایگاه داده مناسب (Mitalearn-131934)

  • 49 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

در طول چند سال گذشته، دنیای پایگاه داده شاهد انواع مختلفی از پایگاه داده های جدید بوده است: سند، کلید-مقدار، نمودار و ستونی. علاوه بر این، متخصصان علوم داده نیز غول قدیمی - سیستم های مدیریت پایگاه داده رابطه ای (RDBMS) - را به عنوان یک گزینه دارند. موارد استفاده از علم داده و تجزیه و تحلیل معمولی اکنون به متن، رسانه های اجتماعی، اینترنت اشیا و ابر گسترش یافته است. با توجه به این همه چیز، چگونه پایگاه داده مناسب را برای پروژه علم داده خاص خود انتخاب می کنید؟ این دوره می تواند با به اشتراک گذاشتن آنچه که برای تصمیم گیری آگاهانه نیاز دارید، کمک کند.\r\n\r\n در مرحله بعد، کوماران به انواع مختلف پایگاه داده می پردازد و نقاط قوت و ضعف هر یک را به اشتراک می گذارد. برای جمع بندی، او در موارد استفاده خاص قدم می زند و نحوه انتخاب بهترین فناوری پایگاه داده برای هر موقعیت را نشان می دهد.

linkedin مبانی علم داده: پشته علمی پایتون (2017) (Mitalearn-107760)

  • 3 hours 34 minutes
  • متوسط
  • Release date: 18 July 2017
  • Author: Miki Tebeka
درباره این دوره:

علم داده، بینش‌های قابل توجه و بسیار ارزشمندی را در مورد رفتار انسانی به سازمان‌ها ارائه می‌دهد. در حالی که داده کاوی می تواند کمی دلهره آور به نظر برسد، نیازی نیست که برای پردازش داده های خود یک برنامه نویس بسیار ماهر باشید. در این دوره آموزشی، نحوه استفاده از پشته علمی پایتون برای تکمیل وظایف رایج علم داده را بیاموزید. Miki Tebeka ابزارها و مفاهیمی را که برای پردازش مؤثر داده‌ها با پشته علمی پایتون نیاز دارید، شامل پانداها برای خرد کردن داده‌ها، matplotlib برای تجسم داده، NumPy برای محاسبات عددی و غیره را پوشش می‌دهد.

linkedin مبانی علم داده: پشته علمی پایتون [CoderPad] (Mitalearn-443561)

  • 2 hours 25 minutes
  • مناسب همه
  • Release date: 9 November 2022
  • Author: Miki Tebeka
درباره این دوره: 

 به مربی Miki Tebeka بپیوندید که در پشته علمی پایتون شیرجه می‌زند و به شما نشان می‌دهد چگونه از آن برای حل مشکلات استفاده کنید. Miki بسته‌های اصلی مورد استفاده در فرآیند علم داده را پوشش می‌دهد: numpy، pandas، matplotlib، scikit-learn، و موارد دیگر. او همچنین شما را از طریق نحوه بارگیری داده ها، تجزیه و تحلیل داده ها، اجرای مدل ها و نمایش نتایج راهنمایی می کند.

این دوره با GitHub Codespaces، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد، یکپارچه شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

linkedin مبانی علم داده: مهندسی داده (Mitalearn-105244)

  • 53 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Ben Sullins
درباره این دوره:

با تسلط بر مهارت های اصلی مورد نیاز برای استفاده از داده ها برای کسب و کار خود، با اطمینان به داده های بزرگ نزدیک شوید. این دوره اصول مهندسی داده، طراحی سیستم، تجزیه و تحلیل و هوش تجاری را پوشش می دهد. بن سالینز، کارشناس علوم داده، نحوه جمع‌آوری و سازماندهی داده‌های خود را توضیح می‌دهد تا بتوانید نتایجی را ارائه دهید که سازمان شما می‌تواند از آن استفاده کند. بن با بررسی اکوسیستم داده مدرن و چگونگی ارتباط آن با اجرای یک هاب داده هوشمند و کارآمد شروع می کند. سپس، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت، بارگذاری، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی، نمایه سازی، پاکسازی و انتقال داده ها راهنمایی می کند. در طول مسیر، او توصیه‌های عملی را ارائه می‌دهد که برای کارشناسان داده در سراسر یک سازمان - تحلیلگران، مهندسان، دانشمندان، مدل‌سازان و غیره قابل استفاده است.

linkedin مبانی مباشر داده (Mitalearn-219450)

  • 1 hours 55 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Mike Chapple
درباره این دوره:

برنامه های مدیریت داده به سازمان ها کمک می کند تا حداکثر ارزش را از دارایی های اطلاعاتی خود بدست آورند. در این دوره، مربی مایک چاپل، پایه های اساسی مدیریت داده و بهترین شیوه ها را برای اجرای برنامه مدیریت داده خود به شما نشان می دهد. مایک نقش ها، کیفیت ها و مسئولیت های یک مباشر داده را بررسی می کند. او بهترین شیوه‌ها را برای حفظ کیفیت داده‌ها مرور می‌کند، سپس حفاظت‌های زیادی را که برای حفظ امنیت داده‌ها انجام می‌شود، توضیح می‌دهد. مایک درباره کنترل‌های حریم خصوصی و قوانین بین‌المللی، ملی و محلی که بر امنیت داده‌ها و حریم خصوصی حاکم است، بحث می‌کند. او با گام‌های مفیدی که می‌توانید در ایجاد یک برنامه مدیریت داده بردارید، پایان می‌دهد.

linkedin مبانی مدیریت داده (Mitalearn-170932)

  • 4 hours 56 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Monika Wahi
درباره این دوره:

تنظیم داده ها به عنوان یک مهارت مورد نیاز و عملکرد شغلی در تیم ها و سازمان های داده به سرعت در حال تکامل است. ایجاد و به اشتراک گذاری فایل های مدیریت داده می تواند به شما کمک کند کار تیم ها را به طور موثرتر و موثرتر مدیریت کنید و از داده های آنها برای تجزیه و تحلیل و تصمیم گیری استفاده کنید. در این دوره، مونیکا وحی نشان می دهد که چگونه می توان فایل های سرپرستی را برای مستندسازی اطلاعات در مورد مجموعه داده ها و فرآیندهای تجاری مرتبط ایجاد کرد. مونیکا مروری بر پنج دسته فایل‌های تنظیم داده‌ها ارائه می‌کند: فایل‌ها برای مدیریت پشتیبان، فایل‌های مختلف برای مدیریت پیشانی، فایل‌های سرپرستی نظرسنجی، نمودارهای جریان، و فایل‌های مدیریت مبتنی بر متن. او انواع فایل‌های سرپرستی را از هر دسته مرور می‌کند و راهنمایی می‌کند که چگونه آنها را با استفاده از Microsoft Word، Excel یا PowerPoint توسعه دهید.

linkedin مبانی مهندسی داده (Mitalearn-273918)

  • 1 hours 5 minutes
  • مناسب همه
  • Update date: 17 July 2024
  • Author: Harshit Tyagi
درباره این دوره: 

 علم داده را می توان به طور کلی به عنوان فرآیند مفید ساختن داده ها تعریف کرد و مهندسی داده بخش مهمی از چگونگی و چرایی آن است. اگر به علم داده مانند یک ماشین مسابقه فکر می کنید، مهندسان داده خدمه پیت هستند. آنها ماشین را نمی‌رانند، اما رانندگی ماشین را بسیار آسان‌تر می‌کنند. مهندسان داده اطمینان حاصل می کنند که جریان داده ها به خوبی اجرا می شود، سیستم ها را نظارت می کنند، مشکلات را پیش بینی می کنند و در صورت بروز مشکل خط لوله داده را تعمیر می کنند. آنها داده ها را از چندین منبع استخراج و جمع آوری می کنند و آن را در یک پایگاه داده واحد و آسان برای پرس و جو بارگذاری می کنند. به طور خلاصه، مهندسان داده زندگی دانشمندان داده را آسان تر می کنند.

در این دوره، هارشیت تیاگی اصول مهندسی داده را توضیح می دهد. او موضوعات کلیدی مانند جدال داده ها، طرح واره پایگاه داده و توسعه خطوط لوله ETL را پوشش می دهد. او همچنین چندین ابزار مهندسی داده مانند Hive، Hadoop، Spark و Airflow را شرح می دهد. در پایان این دوره، باید کاملاً مشخص شود که چرا مهندس داده یکی از ارزشمندترین افراد در یک سازمان داده محور است.

Related Skills

linkedin مبانی یادگیری ماشین: آمار (Mitalearn-394482)

  • 1 hours 26 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Terezija Semenski
درباره این دوره:

مدل‌های یادگیری ماشینی نحوه کار ما را در بسیاری از صنایع متحول کرده است. اما عمیق‌تر شدن مدل‌های ML و در واقع درک نحوه عملکرد آنها به شما امکان می‌دهد عملکرد را بهینه کنید، نوآوری کنید، مشکلات را عیب‌یابی کنید و مدل‌های جدید و کارآمدتر ML ایجاد کنید. در این دوره آموزشی، قسمت چهارم از مجموعه مبانی یادگیری ماشینی، Terezija Semenski توضیح می‌دهد که چگونه درک عمیق آمار می‌تواند به شما کمک کند تا در پروژه‌های یادگیری ماشین برتر باشید. Terezija نشان می دهد که چگونه آمار نقش بزرگی در یادگیری ماشین ایفا می کند - فراتر از اعداد خرد - و به شما نشان می دهد که چگونه از آمار برای به دست آوردن بینش در مورد داده ها، درک عدم قطعیت های مرتبط با پیش بینی ها، و تصمیم گیری های مبتنی بر داده با اطمینان استفاده کنید.

linkedin مبانی یادگیری ماشین: احتمال (Mitalearn-394465)

  • 1 hours 29 minutes
  • مناسب همه
  • Update date: 9 June 2025
  • Author: Terezija Semenski
درباره این دوره: 

 

اگر با مدل‌های یادگیری ماشین کار می‌کنید، احتمالاً می‌دانید که مدل‌های شما بر اساس تخمین و تقریب هستند. احتمال همه چیز و بیشتر است — اما چگونه از آن به نفع خود استفاده می کنید؟

در این دوره، سومین قسمت از مجموعه مبانی یادگیری ماشین، به مربی Terezija Semenski برای کاوش عمیق احتمالات بپیوندید. مفاهیم و عملکردهای اصلی آن و نحوه استفاده از آن برای طراحی، پیاده سازی و مدیریت الگوریتم های یادگیری ماشینی قابل اعتمادتر. در طول مسیر، برخی از ضروری‌ترین ابزارها و تکنیک‌هایی را که برای مدل‌سازی احتمالی موفق، بیرون کشیدن از قوانین احتمال، احتمال مشترک و حاشیه‌ای، توزیع‌های احتمال گسسته، توزیع‌های احتمال پیوسته، قضیه بیز و غیره باید بدانید، کشف کنید. /p>


linkedin محافظت از داده های کارت اعتباری مشتری: انطباق PCI (Mitalearn-434738)

  • 1 hours 3 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Laura Louthan
درباره این دوره:

پرداخت کارتهای اعتباری در پشت صحنه چگونه پردازش می شود؟ و هنگامی که یک کارت اعتباری به سرقت رفته است ، چگونه به طور معمول اتفاق می افتد؟ در این دوره ، لورا لوتان به این سؤالات پاسخ می دهد و بیشتر ، توضیح می دهد که چگونه پرداخت از مصرف کنندگان به بانک ها و بازرگانان نهایی و همچنین خطرات مرتبط با سرقت یا سازش داده های کارت اعتباری - هم برای مشتریان و هم بازرگانان. لورا اشخاص مختلف درگیر در پردازش پرداخت و نحوه محافظت در برابر از دست دادن داده های کارت را برجسته می کند. او تفاوت بین پرداخت های درون فروشگاهی و آنلاین ، چگونگی افزایش کارت های تراشه ، و جوانب مثبت و منفی سیستم های پرداخت جایگزین مانند کیف پول های دیجیتال را در بر می گیرد. به علاوه ، در مورد روشهای مختلفی که سازمانها برای گزارش انطباق با شورای استاندارد امنیت صنعت پرداخت (PCI) گزارش می دهند ، بیاموزید. پس از اتمام این دوره ، شما آماده خواهید بود تا توضیح دهید که چرا از داده های کارت اعتباری برای بازرگانان و ارائه دهندگان خدمات برخوردار است. جریان شماره کارت اعتباری را در طی یک فرآیند پرداخت تجزیه کنید. و مشخص کنید که نقاط ضعف امنیتی ممکن است در جریان فرآیند پرداخت باشد.

Related Skills

linkedin مدل سازی داده های Power BI با DAX (Mitalearn-186232)

  • 1 hours 22 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Gini von Courter
درباره این دوره:

Power BI Desktop ایجاد مدل های داده پایه را آسان می کند. اما اگر نیاز به گزارش در دوره‌های زمانی دارید - برای مثال، رشد سال به سال را تجسم کنید یا فروش یا سایر داده‌ها را بر اساس ماه یا سه ماهه مقایسه کنید - به عبارات تحلیل داده (DAX) نیاز دارید. DAX زبانی است که می توانید از آن برای ایجاد فرمول هایی برای Power BI استفاده کنید که مدل داده شما را گسترش می دهد. در این دوره، Gini von Courter اصول کار با DAX، به اشتراک گذاری بهترین روش ها برای طراحی مدل داده و بهینه سازی در طول مسیر را پوشش می دهد. نحوه کار با توابع جمع DAX، اضافه کردن ستون های محاسبه شده، ایجاد اندازه گیری و کار با توابع منطقی و فیلتر DAX را بیاموزید.

linkedin مدیریت اسرار برنامه در NET Core (Mitalearn-165832)

  • 28 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Ervis Trupja
درباره این دوره:

مدیریت اسرار بخش مهمی از ایمن سازی داده ها در برنامه های ASP.NET Core شما است. اسرار می تواند هر چیزی باشد، از کلیدهای API گرفته تا رمزهای عبور کاربر تا رشته های اتصال پایگاه داده. شما باید اطمینان حاصل کنید که این داده های حیاتی برای مدیران و توسعه دهندگان بدون قرار گرفتن در معرض مهاجمان قابل دسترسی است. این دوره کوتاه و متمرکز بر امنیت، محل ذخیره اسرار و نحوه تنظیم، دسترسی، جایگزینی و حذف اسرار را به صورت محلی با استفاده از ASP.NET Core Secret Manager توضیح می دهد. در نهایت، نحوه راه‌اندازی Azure Key Vault را برای کار با اسرار پس از استقرار برنامه‌ها در فضای ابری بیاموزید.

Suggestions