Course catalog

Course duration

Course provider

Topic

Categories

Showing 141-160 of 238 items.

linkedin داده های مصنوعی به عنوان آینده حریم خصوصی هوش مصنوعی ، توضیح و انصاف: مقدمه ای برای دانشمندان داده و مدیران داده (Mitalearn-436489)

  • 2 hours 11 minutes
  • مناسب همه
  • Release date: 31 August 2023
  • Author: Alexandra Ebert
درباره این دوره: 

 

JRC کمیسیون اروپا داده های مصنوعی را "اصلی ترین عامل هوش مصنوعی" می داند و شرکت تحلیلگر گارتنر پیش بینی می کند که تا سال 2024 ، 60 ٪ از کل داده های آموزش هوش مصنوعی مصنوعی خواهد بود-با توجه به بسیاری از داده ها و متخصصان هوش مصنوعی هنوز با این فناوری تقویت حریم خصوصی آشنا نیستند. در این دوره ، داده های مصنوعی و کارشناس حریم خصوصی الکساندرا ابرت اصول داده های مصنوعی تولید شده توسط AI را به شما می آموزد. بیاموزید که چگونه داده های مصنوعی می توانند به شما در رعایت قوانین حفظ حریم خصوصی کمک کنند. دریابید که داده های مصنوعی تولید شده توسط AI چیست و از مزایا و محدودیت های آن استفاده کنید. بررسی کنید که چگونه داده های مصنوعی می توانند از اهداف استراتژیک سازمان شما پشتیبانی کنند. به روش هایی برای ارزیابی کیفیت داده های مصنوعی و کشف بهترین شیوه ها برای شروع با داده های مصنوعی و معرفی آن در سازمان خود بروید. به علاوه ، در مورد روشهای مختلف از داده های مصنوعی استفاده می شود ، به ویژه در زمینه AI مسئول یا هوش مصنوعی اخلاقی.


linkedin درک و اولویت بندی حریم خصوصی داده ها (Mitalearn-120748)

  • 1 hours 14 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: Michelle Dennedy
درباره این دوره:

مقدمه‌ای با اصول حریم خصوصی داده‌ها: چیست، چرا اهمیت دارد و بر چه کسانی تأثیر می‌گذارد، از مصرف‌کنندگان و شهروندان خصوصی گرفته تا سیاست‌گذاران و رهبران مشاغل C-suite. میشل دندی، یکی از قوی‌ترین مدافعان جامعه حریم خصوصی داده‌ها، از صحبت‌های مستقیم و داستان‌ها و سناریوهای جذاب استفاده می‌کند تا نشان دهد چرا حریم خصوصی داده‌ها به یکی از حیاتی‌ترین مسائل فناوری در دنیای امروز تبدیل شده است. دریابید که چگونه سازمان ها می توانند سیستم های قوی تری بسازند و حداکثر ارزش را از داده هایی که ما به آنها دسترسی داریم استخراج کنند. کاوش کنید که چه اتفاقی می‌افتد وقتی داده‌ها در دستان اشتباه قرار می‌گیرد، و آنچه را که باید بدانیم برای محافظت از خود در مواجهه با آینده‌ای مبتنی بر داده‌ها، باید بدانیم.

Related Skills

linkedin دریافت داده ها با پایتون (Mitalearn-185212)

  • 1 hours 24 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Miki Tebeka
درباره این دوره:

بخش قابل توجهی از روز یک دانشمند داده اغلب صرف واکشی و تمیز کردن داده هایی می شود که برای آموزش الگوریتم های خود نیاز دارند. در این دوره آموزشی، یاد بگیرید که چگونه از ابزارها و تکنیک های پایتون برای به دست آوردن داده های مرتبط و با کیفیت مورد نیاز خود استفاده کنید. مربی Miki Tebeka خواندن فایل‌ها، از جمله نحوه کار با فایل‌های CSV، XML و JSON را پوشش می‌دهد. او همچنین در مورد فراخوانی APIها، خراش دادن وب (و اینکه چرا باید آخرین راه حل باشد)، و اعتبارسنجی و تمیز کردن داده ها بحث می کند. به علاوه، نحوه ایجاد و نظارت بر شاخص‌های عملکرد کلیدی (KPI) را بیابید که به شما در نظارت بر خط لوله داده‌هایتان کمک می‌کنند.

linkedin ذخیره سازی و پردازش داده های مقیاس پذیر برای بارهای کاری هوش مصنوعی (Mitalearn-440875)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 17 March 2025
  • Author: Janani Ravi
درباره این دوره: 

 راه‌حل‌هایی برای ذخیره‌سازی و پردازش داده‌ها ضروری هستند، اما چگونه می‌توانید آنها را به طور مؤثر در مقیاس مدیریت کنید؟ در این دوره، مربی جانانی راوی اصول طراحی و پیاده‌سازی سیستم‌های ذخیره‌سازی داده‌ها را پوشش می‌دهد که می‌توانند به طور کارآمدی نیازهای مقیاس بزرگ برنامه‌های کاربردی مبتنی بر هوش مصنوعی را مدیریت کنند. تکنیک‌های مدیریت، پردازش و بهینه‌سازی جریان داده در محیط‌های توزیع‌شده را برای اطمینان از اجرای مدل هوش مصنوعی با کارایی بالا بررسی کنید. این دوره آموزشی مناسب برای متخصصان فناوری که با هوش مصنوعی، زیرساخت داده و عملیات یادگیری ماشین کار می کنند، شما را با مهارت هایی که نه تنها برای مدیریت، بلکه برای بهینه سازی حجم کاری هوش مصنوعی خود نیاز دارید، مجهز می کند.

linkedin راهنمای کامل Google BigQuery برای داده ها و مهندسان ML (Mitalearn-415171)

  • 4 hours 22 minutes
  • مناسب همه
  • Release date: 15 August 2025
  • Author: Pearson,Dan Sullivan
درباره این دوره: 

 داده ها و امکان تجزیه و تحلیل آن و استفاده از آن برای ساخت مدل های یادگیری ماشین ، نوآوری و روش های جدید سازماندهی کار در مشاغل است. Google BigQuery ، پلت فرم داده گسترده استفاده شده را برای انبارداری داده ، تجزیه و تحلیل و یادگیری ماشین وارد کنید. BigQuery به عنوان یک پیشنهاد سرور مدیریت شده و بدون سرور از Google Cloud ارائه می شود که به شما امکان می دهد زمان کمتری را برای حفظ زیرساخت ها و زمان بیشتری برای ساختن سیستم های یادگیری ماشین و استخراج بینش از داده ها صرف کنید. در این دوره ، به مربی دن سالیوان بپیوندید زیرا او به شما نشان می دهد که چگونه می توانید از BigQuery به عنوان یک مهندس داده یا یادگیری ماشین استفاده کنید. در طول راه ، مهارت های اساسی را برای مصرف داده ها ، تبدیل داده ها برای تهیه آن برای تجزیه و تحلیل ، و ساخت ، ارزیابی ، استقرار و نظارت بر مدل ها در تولید کشف کنید.

linkedin راهنمای کامل NLP با R (Mitalearn-443238)

  • 5 hours 4 minutes
  • مناسب همه
  • Release date: 1 August 2024
  • Author: Mark Niemann-Ross
درباره این دوره: 

 

پردازش زبان طبیعی برای کلمات مانند دید کامپیوتری برای تصاویر است! NLP را با زبان برنامه نویسی R یاد بگیرید. در این دوره، مارک نیمن راس، فن‌شناس با تجربه به شما نشان می‌دهد که چگونه از زبان برنامه‌نویسی R برای پیاده‌سازی الگوریتم‌های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. در مورد چارچوب هایی که می توانید با NLP استفاده کنید و همچنین اهمیت corpora و منابع بیاموزید. نحوه کار با فراداده NLP و پیش پردازش متن در آماده سازی برای NLP را بیاموزید. ایجاد داده های ساختاریافته، اعمال آمار در متن، و انجام تجزیه و تحلیل احساسات را کاوش کنید و سپس در تجسم NLP غوطه ور شوید. راه هایی برای استفاده از متن دقیق و کوانتدا R برای NLP کشف کنید. درک خود را از بدنه ها، نشانه ها و ماتریس ویژگی سند (DFM) ایجاد کنید. به علاوه، به تحلیل و تجسم بپردازید.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


linkedin راهنمای کامل آپاچی کافکا برای مبتدیان (Mitalearn-414950)

  • 7 hours 48 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Stephane Maarek
درباره این دوره:

Kafka is the leading open-source, enterprise-scale data streaming technology. این به شما کمک می کند تا داده های خود را در جایی که به آن نیاز دارید منتقل کنید ، در زمان واقعی ، سردردهایی را که با ادغام بین چندین منبع و سیستم های هدف همراه است ، کاهش دهید. این دوره آموزشی به شما کمک می کند تا با تمام عملیات اساسی کافکا شروع کنید ، کافکا CLI و API را کشف کنید و کارهای کلیدی مانند ساخت تولید کنندگان و مصرف کنندگان خود را انجام دهید. بیاموزید که چگونه یک خوشه کافکا شخصی را در مک ، ویندوز یا لینوکس شروع کنید. مفاهیم اساسی استاد از جمله مباحث ، پارتیشن ها ، کارگزاران ، تولید کنندگان و مصرف کنندگان. و شروع به نوشتن ، ذخیره و خواندن داده ها با تولید کنندگان ، موضوعات و مصرف کنندگان کنید. مربی Stephane Maarek شامل موارد استفاده عملی و نمونه هایی مانند مصرف داده ها از منابعی مانند ویکی پدیا و Elasticsearch است که دارای معماری در دنیای واقعی و استقرار تولید است. استفان دوره را با نگاهی به موضوعات پیشرفته مانند سیاست های پاکسازی ورود به سیستم و پیام های بزرگ در کافکا به پایان رساند.

Related Skills

linkedin راهنمای کامل برای دریاچه های داده و خانه های دریاچه (Mitalearn-415052)

  • 5 hours 39 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Thalia Barrera
درباره این دوره:

در این دوره، مهندس داده و نویسنده فنی Thalia Barrera یک مرور کلی مقدماتی و در عین حال جامع از دریاچه های داده ارائه می دهد. در مورد مفاهیم کلیدی مانند معماری دریاچه داده، عملیات، و ادغام با سیستم های داده موجود بیاموزید. بررسی کنید که دریاچه های داده چگونه در جریان کار هوش مصنوعی و یادگیری ماشینی یکپارچه هستند. تفاوت‌های بین دریاچه‌های داده، انبارهای داده و پایگاه‌های داده را بررسی کنید. فرمت های مختلف داده و کاربرد آنها را در محیط دریاچه داده کاوش کنید. از تمرین‌های عملی برای تمرین راه‌اندازی یک دریاچه داده اولیه و انجام عملیات داده ساده استفاده کنید. پس از اتمام این دوره، برای تصمیم گیری آگاهانه در مورد پیاده سازی و مدیریت دریاچه های داده در سازمان خود مجهز خواهید شد.

linkedin راهنمای کامل برای دیتابیک ها برای مهندسی داده ها (Mitalearn-415035)

  • 6 hours 9 minutes
  • مناسب همه
  • Release date: 28 February 2025
  • Author: Deepak Goyal
درباره این دوره: 

 در این دوره ، Master Databricks برای تبدیل شدن به یک مهندس داده ACE. بیاموزید که چگونه می توانید به صورت تخصصی اشکال زدایی ، پردازش و تجزیه و تحلیل مقادیر عظیمی از داده ها و ایجاد راه حل های مقیاس پذیر به عنوان مربی Deepak Goyal شما را از طریق شیرجه عمیق در مورد نحوه عملکرد پلت فرم Databricks راهنمایی کنید. تحول pyspark و Spark SQL را در پایگاه داده ها ، به همراه نحوه خواندن و نوشتن DataFrame در Databricks کاوش کنید. به علاوه ، در مورد دریاچه دلتا ، به بهینه سازی ها ، برنامه ریزی نوت بوک ، مدیریت خوشه ، گردش کار و موارد دیگر بیاموزید.

linkedin راهنمای کامل پایتون برای مهندسی داده ها: از مبتدی تا پیشرفته (Mitalearn-415290)

  • 5 hours 26 minutes
  • مناسب همه
  • Update date: 1 April 2025
  • Author: Deepak Goyal
درباره این دوره: 

 قبل از پیشرفت به موضوعات پیشرفته تر مخصوص مهندسی داده ، با اصول اولیه پایتون بلند شوید و اجرا کنید. در این دوره دستی و تعاملی ، به مربی Deepak Goyal بپیوندید تا طیف گسترده ای از کارهای مهندسی داده را در پایتون انجام دهید تا دانش فنی خود را تقویت کنید ، برای مصاحبه آماده شوید یا نقش جدیدی را به وجود آورید. این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، از تمرین کد نویسی استفاده کنید. Deepak به شما کمک می کند تا مهارت های خود را به عنوان یک برنامه نویس پایتون با شش چالش برنامه نویسی خاص تقویت کنید. اصول اولیه زبان ، مجموعه های پایتون ، دست زدن به پرونده ، پاندا ، Numpy ، OOP و ابزارهای پیشرفته مهندسی داده را که از پایتون استفاده می کنند ، کاوش کنید. این دوره با یک پروژه نهایی متمرکز بر تجزیه و تحلیل خرده فروشی به پایان می رسد.

linkedin روش‌های علم داده: ایجاد حس کسب‌وکار (Mitalearn-209930)

  • 1 hours 50 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Neelam Dwivedi
درباره این دوره:

درک روزافزونی وجود دارد که علم داده باید فراتر از آزمایش در مقیاس کوچک به یک پیاده سازی در مقیاس بزرگ برود. در این دوره، Neelam Dwivedi روش‌های مهندسی نرم‌افزار و داده‌کاوی را برای دانشمندان داده ارائه می‌کند، سپس این ایده‌ها را با در نظر گرفتن یک نیاز ساده کسب‌وکار در طول یک چرخه زندگی به کار می‌گیرد - میزبانی یک مدل، مصرف آن در یک برنامه وب و راه‌اندازی CI/ خط لوله سی دی. Neelam با توضیح روش های مورد استفاده در دوره و نحوه ترکیب آنها شروع می کند. او به شما نشان می دهد که در توسعه معماری و استقرار یک مدل از کجا شروع کنید، سپس توضیح می دهد که چگونه برنامه های کاربردی وب بزرگتر ممکن است مدل را به عنوان یک سرویس مصرف کنند. Neelam نحوه مرحله بندی مدل و برنامه خود و همچنین نحوه برنامه ریزی پیش رو با یک نقشه راه کلی را پوشش می دهد. او با افکاری در مورد چگونگی کاربردهای بیشتر روش‌شناسی علم داده به پایان می‌رسد.

linkedin زنان در STEM (Mitalearn-59684)

  • 13 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Sheeri Cabral,Peggy Fisher,Jess Stratton
درباره این دوره:

پشت بازی‌ها، فیلم‌ها، ماشین‌ها، رایانه‌ها، برنامه‌ها و لوازم مورد علاقه‌تان، STEM-علم، فناوری، مهندسی و ریاضیات- نهفته است. پس زمینه در STEM درها را به روی مشاغل رویایی امروزی باز می کند. و لازم نیست با مدرک پیشرفته شروع کنید. آموزش یک زبان برنامه نویسی به خودتان می تواند راهی برای یادگیری مادام العمر باشد - و یک حرفه جدید پربار. این فیلم کوتاه نمونه‌هایی الهام‌بخش از زنانی را نشان می‌دهد که در STEM شروع کردند و تماس خود را پیدا کردند. این ویژگی Sheeri K. Cabal، مدیر پایگاه داده در موزیلا و نویسنده پادکست محبوب OurSQL است. جس استراتن، نویسنده lynda.com و بنیانگذار Solace Learning. و پگی فیشر، استاد علوم کامپیوتر در ایالت پن و رهبر چندین برنامه بعد از مدرسه متمرکز بر فناوری برای جوانان محروم.

rn تماشا کنید و دریابید که آیا آینده ای در این زمینه ها برای شما وجود دارد یا خیر.

linkedin ساختارها و الگوریتم های داده پایتون (Mitalearn-193763)

  • 2 hours 19 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Robin Andrews
درباره این دوره:

توسعه دهندگان نرم افزار می دانند که معماری زیربنایی کارآمد برای فناوری هایی که ما هر روز استفاده می کنیم ضروری است. دانش ساختارهای داده و الگوریتم‌هایی که آنها پشتیبانی می‌کنند به توسعه‌دهندگان کمک می‌کند تا مناسب‌ترین راه‌حل را برای یک زمینه معین انتخاب کنند، و آنها را به برنامه‌نویسان بهتری تبدیل می‌کند که برای شرکت، مشتریان یا کارفرمایان احتمالی خود متمایز هستند. در این دوره آموزشی با استفاده از زبان برنامه نویسی پایتون، مربی رابین اندروز از ترکیبی از رویکردهای برنامه نویسی بصری، نظری و عملی برای توضیح مفاهیم به شیوه ای سرگرم کننده و در دسترس استفاده می کند. رابین برخی از مهم‌ترین ساختارهای داده مانند پشته‌ها، صف‌ها و صف‌های اولویت‌دار را توضیح می‌دهد و نحوه استفاده از این ساختارها توسط الگوریتم‌های جستجو مانند جستجوی عمقی، جستجوی پهنای اول و الگوریتم A-star (A*) را توضیح می‌دهد. او نحوه ردیابی اجرای الگوریتم ها را نشان می دهد. در طول مسیر، او چالش هایی را فراهم می کند که به شما امکان می دهد مهارت های جدید خود را آزمایش کنید.

linkedin ساختارهای داده پایتون: پشته ها، Deques و Queues (Mitalearn-381069)

  • 35 minutes
  • مناسب همه
  • Update date: 11 March 2024
  • Author: Dhhyey Desai
درباره این دوره: 

 پشته ها، دکه ها و صف ها سه ساختار داده ضروری پایتون هستند. آنها ستون فقرات بسیاری از الگوریتم های علوم کامپیوتر را تشکیل می دهند، و نشان دادن تسلط بر این مفاهیم می تواند به شما در شغل فعلی کمک کند یا به شما کمک کند تا نقش بعدی خود را به دست آورید. در این دوره، Dhhyey Desai به شما نشان می‌دهد که چگونه پشته‌ها، صف‌ها و deques بسازید و از این ساختارهای داده خطی برای حل مشکلات دنیای واقعی که ممکن است در کار خود با آن‌ها مواجه شوید، استفاده کنید. یاد بگیرید که چگونه هر کلاس را تعریف کنید و از متدهای داخلی پایتون برای انجام رفتارهای لازم مانند فشار، پاپ و زیرچشمی استفاده کنید. نوبت دهی و add_front و remove_rear. به Dhhyey در این دوره بپیوندید تا مزایای هر یک از این ساختارهای داده رایج را بیاموزید و مهارت هایی را به جعبه ابزار کدنویسی خود بیافزایید.

linkedin ساختارهای داده پایتون: پشته ها، صف ها و دک ها (2018) (Mitalearn-157927)

  • 1 hours 24 minutes
  • پیشرفته
  • Release date: 25 July 2026
  • Author: Erin Allard
درباره این دوره:

ساختارهای داده مانند پشته ها و صف ها اغلب در مصاحبه ها برای نقش های فنی ظاهر می شوند. اگرچه بسیاری از داوطلبان ممکن است هرگز با ساختارهای داده در برنامه نویسی روزمره مواجه نشوند، نشان دادن تسلط بر این مفاهیم می تواند به شما کمک کند مصاحبه بعدی خود را تکان دهید - و به مجموعه ابزار کدنویسی خود اضافه کنید. در این دوره، ارین آلارد نحوه استفاده از پایتون را برای ساختن سه ساختار داده خطی برتر نشان می دهد: پشته ها، صف ها و deques. او ساختارهای داده را مقایسه و مقایسه می کند و نحوه پیاده سازی آنها را به روشی شی گرا در پایتون نشان می دهد. یاد بگیرید که چگونه هر کلاس را تعریف کنید و از متدهای داخلی پایتون برای انجام رفتارهای لازم مانند فشار، پاپ و زیرچشمی استفاده کنید. نوبت دهی و add_front و remove_rear. چالش های هر فصل به تمرین مهارت های جدید و آماده شدن برای مصاحبه بعدی کمک می کند.

linkedin ساختارهای داده پایتون: درختان (Mitalearn-199254)

  • 1 hours 16 minutes
  • متوسط
  • Release date: 25 February 2021
  • Author: Ryan Mitchell
درباره این دوره: 

 درختان در پایتون چیست و چگونه با سایر ساختارهای داده مانند لیست های پیوندی و نمودارها مطابقت دارند؟ در این دوره، مربی رایان میچل درباره درختان جستجوی دودویی (BSTs) و آنچه که می توانید با آنها در یک زمینه دنیای واقعی انجام دهید بحث می کند. رایان به شما نشان می دهد که چگونه با استفاده از چند خط پایتون یک درخت پایه بسازید. او نحوه جستجو و پیمایش یک درخت و همچنین نحوه چاپ درخت در ترمینال را بررسی می کند. رایان توضیح می دهد که چگونه گره ها را به درخت خود اضافه کنید، آنها را حذف کنید و درختان نامتعادل را شناسایی کنید. وقتی درختی نامتعادل پیدا کردید، مهم است که آن را مجدداً متعادل کنید. رایان شما را در ایجاد تعادل مجدد چهار نوع درخت نامتعادل راهنمایی می کند. او با چالشی که دارای تعادل مجدد خودکار هوشمندتر است به پایان می رسد.

linkedin ساختارهای داده پایتون: لیست های پیوندی (Mitalearn-180605)

  • 1 hours 29 minutes
  • پیشرفته
  • Update date: 25 July 2026
  • Author: Erin Allard
درباره این دوره:

مصاحبه فنی بعدی خود را با استفاده از پایتون برای کدنویسی برخی از رایج‌ترین ساختارهای داده خطی: لیست‌های منفرد و دوتایی مرتبط کنید. در این دوره، مدرس ارین آلارد موضوع فهرست‌های پیوندی را بررسی می‌کند و آنچه را که باید بدانید برای انتقال درک خود از این ساختار داده به مصاحبه‌گر به اشتراک می‌گذارد. ارین به انواع داده های انتزاعی می پردازد و به شما کمک می کند تا گره ها را در لیست های پیوندی مفهوم سازی کنید. او همچنین در مورد چگونگی ایجاد هر دو لیست لیست پیوندی و کلاس های لیست پیوندی مضاعف بحث می کند و به نحوه پیاده سازی روش های کلیدی می پردازد. در طول دوره، او نه تنها نحوه کدنویسی کلاس و متدهای هر ساختار داده را نشان می‌دهد، بلکه توضیح می‌دهد که چرا هر روش مورد نیاز است.

linkedin ساختارهای داده پایتون: مجموعه ها و مجموعه های منجمد (Mitalearn-210865)

  • 1 hours 37 minutes
  • مناسب همه
  • Release date: 13 May 2021
  • Author: Mridu Bhatnagar
درباره این دوره:

در این دوره آموزشی، مربی Mridu Bhatnagar شما را با اصول استفاده از مجموعه‌های پایتون و مجموعه‌های منجمد آشنا می‌کند. اگر در مراحل اولیه حرفه برنامه نویسی پایتون خود هستید، یا اگر فقط به یک تجدید نظر نیاز دارید، به Mridu بپیوندید تا در مورد مکانیک و عملکردهای اساسی این ساختارهای داده بحث کند. Mridu یک نمای کلی از ست ها و ست های فریز شده ارائه می دهد و سپس به روش های مختلف برای کار با آنها می پردازد. او در مورد موارد استفاده و موضوعاتی مانند نحوه تغییر یک مجموعه و استفاده از توابع داخلی بحث می کند. Mridu همچنین ویدیوهای چالش و راه حل را برای آزمایش دانش شما در حین پیشبرد ارائه می دهد. اگر به دنبال یادگیری جنبه‌های مهم در مورد مجموعه‌ها و مجموعه‌های منجمد در پایتون هستید، بدون اینکه وارد یک دوره طولانی پروژه‌ای شوید، دوره آموزشی Mridu برای شما مناسب است.

linkedin طراحی حاکمیت داده (Mitalearn-390674)

  • 39 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Lauren Maffeo
درباره این دوره:

داده‌های بیشتری نسبت به قبل تولید و دریافت می‌شود، با این حال تعداد رهبرانی که می‌گویند داده‌محور هستند در حال کاهش است. کسب‌وکارهای امروزی داده‌های بسیار زیادی تولید و مصرف می‌کنند تا یک تیم یا رهبر بتواند همه آن‌ها را مدیریت کند. اینجاست که حاکمیت داده وارد می‌شود. امروزه سازمان‌ها باید حاکمیت داده را در برنامه‌های تجاری خود طراحی کنند - افراد، فرآیندها و ابزارهایی برای مدیریت داده‌های شما در مقیاس.

در این دوره یاد بگیرید که چگونه یک برنامه حاکمیت داده را از ابتدا طراحی کنید. مربی Lauren Maffeo توضیح می دهد که حاکمیت داده چیست، چرا هر سازمانی به آن نیاز دارد و چه کسی باید مالک آن باشد. لورن ارزش چارچوب های حاکمیت داده را نشان می دهد و به شما نشان می دهد که چگونه یک بیانیه ماموریت برای استفاده از داده در سازمان خود بنویسید. او توضیح می‌دهد که مباشرهای داده چیست، چرا این نقش‌ها صرفاً نقش‌های فنی نیستند، و چگونه می‌توان مهمانداران خود را برای ایجاد یک شورای حاکمیت داده‌ها تشکیل داد که با ارزش‌ترین ابتکارات را در اولویت قرار می‌دهد.

linkedin علم داده بازی و ورزش های فانتزی (Mitalearn-137612)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Curt Frye
درباره این دوره:

آیا می خواهید بدانید کازینوها چگونه شانس را محاسبه می کنند و سود می کنند؟ کنجکاو هستید که لیگ های ورزشی فانتزی چگونه آمار را در طول فصل پیگیری می کنند؟ یک مرور سریع، سرگرم کننده و غیر فنی از نحوه ساختار صنایع قمار و ورزش های فانتزی ارائه دهید. کرت فرای از علم داده برای بررسی نحوه کسب درآمد کازینوها، طراحی بازی‌های خود، ارائه خدمات به مشتریان و گسترش جریان درآمد خود از طریق غذاخوری، گلف، سرگرمی و سایر جاذبه‌ها استفاده می‌کند. او همچنین ورزش‌های فانتزی را مرور می‌کند و لیگ‌های کم ریسک مانند براکت مسابقات NCAA را با مسابقات روزانه که در آن بازیکنان با پول واقعی قمار می‌کنند، مقایسه می‌کند.

Suggestions