مهارت های خود را در این پروژه مهندسی داده به نمایش بگذارید! در این دوره شما انواع مهارت ها و تکنیک های مهندسی داده را که به عنوان بخشی از دوره های قبلی در گواهینامه حرفه ای مهندسی داده IBM آموخته اید، به کار می گیرید. شما دانش خود را در زمینه مهندسی داده با در نظر گرفتن نقش یک مهندس داده جوان که اخیراً به یک سازمان پیوسته است، نشان خواهید داد و با یک مورد استفاده در دنیای واقعی که نیاز به معماری و پیاده سازی یک پلت فرم تجزیه و تحلیل داده دارد، به شما ارائه می شود. در این پروژه Capstone شما چندین آزمایشگاه عملی را تکمیل خواهید کرد. شما با استفاده از پایگاه داده های رابطه ای و NoSQL مانند MySQL و MongoDB، مخازن داده ایجاد و پرس و جو خواهید کرد. شما همچنین یک انبار داده را با استفاده از PostgreSQL و IBM Db2 طراحی و پر می کنید و برای انجام عملیات Cube و Rollup کوئری می نویسید. شما از داده های موجود در انبار داده گزارش تولید می کنید و با استفاده از Cognos Analytics یک داشبورد می سازید. همچنین با ایجاد خطوط لوله داده برای جابجایی داده ها از مخازن مختلف، مهارت خود را در فرآیندهای استخراج، تبدیل و بارگذاری (ETL) نشان خواهید داد. شما تجزیه و تحلیل داده های بزرگ را با استفاده از Apache Spark انجام خواهید داد تا با کمک یک مدل یادگیری ماشینی پیش بینی کنید. این دوره آخرین دوره در گواهینامه حرفه ای مهندسی داده IBM است. توصیه می شود قبل از شروع این دوره، تمام دوره های قبلی در این گواهینامه حرفه ای را تکمیل کنید.

در این دوره، پیش‌بینی‌هایی در مورد استفاده از محصول انجام می‌دهیم و ذخیره‌سازی بهینه انبار ایمنی را محاسبه می‌کنیم. ما با یک سری زمانی فروش کفش در چندین فروشگاه در سه قاره مختلف شروع خواهیم کرد. برای شروع، با انجام گروه‌بندی و مقایسه محصولات در هر فروشگاه، به دنبال بینش‌های منحصربه‌فرد و چیزهای جالب دیگری می‌گردیم که می‌توانیم در داده‌ها پیدا کنیم. سپس، ما از مدل میانگین متحرک یکپارچه اتورگرسیو فصلی (SARIMA) برای پیش‌بینی فروش آینده استفاده می‌کنیم. علاوه بر پیش‌بینی، آمار ارائه شده (مانند p-score) را برای قضاوت در مورد قابلیت استفاده از مدل SARIMA برای پیش‌بینی تجزیه و تحلیل خواهیم کرد. سپس، ما فراپارامترهای مدل را تنظیم می کنیم تا نتایج بهتر و اهمیت آماری بالاتری به دست آوریم. در نهایت، با نگاه کردن به داده‌ها برای پیش‌بینی‌های استفاده ماهانه و محاسبه موجودی ایمنی از فرمول مربوط به زمان تحویل، پیش‌بینی‌هایی در مورد سهام ایمنی انجام خواهیم داد.

در این دوره پروژه اصلی، توالی ژنوم جهش‌های COVID-19 را برای شناسایی مناطق بالقوه ای که درمان دارویی می‌تواند هدف قرار دهد، مقایسه می‌کنیم. اولین گام در کشف دارو شامل شناسایی دنباله های هدف از ژنوم آنها به هدف است. ما با مقایسه ژنوم جهش های ویروس برای جستجوی شباهت ها شروع می کنیم. سپس، ما PCA را برای کاهش تعداد ابعاد خود و شناسایی رایج ترین ویژگی ها انجام می دهیم. در مرحله بعد، از خوشه بندی K-means در پایتون برای یافتن تعداد بهینه گروه ها و ردیابی اصل و نسب ویروس استفاده می کنیم. در نهایت، شباهت بین دنباله‌ها را پیش‌بینی می‌کنیم و از آن برای انتخاب دنباله هدف استفاده می‌کنیم. در طول دوره، هر بخش شامل یک تکلیف برنامه نویسی همراه با یک ویدیوی راهنما و نکات مفید خواهد بود. در پایان، شما به خوبی در مسیر کشف راه های مبارزه با بیماری با توالی ژنوم خواهید بود.

دانش‌آموزان یک بازی شبکه‌ای تولید خواهند کرد که از حسگرهای روی تلفن برای ایجاد یک تجربه بازی منحصر به فرد استفاده می‌کند. تمرکز بازی روی فیزیکی کردن آن از طریق ژست‌های دنیای واقعی، حرکت و آگاهی از موقعیت مکانی دیگر بازیکنان خواهد بود. برای انجام این کار، دانش‌آموزان باید دانش گرافیک، شبکه، حسگرها و طراحی رابط کاربری را در کنار مجموعه‌ای از مهارت‌های استفاده از ابزار ادغام کنند. پروژه نهایی شامل نقاط عطف با فرصت‌هایی برای دریافت بازخورد ارزیابی نشده از همتایان خواهد بود تا بتوانند برنامه بازی خود را تکرار کرده و بهبود بخشند. آخرین بازی شبکه‌ای که دانش‌آموزان تولید می‌کنند چیزی است که می‌توانند در مطالب درخواست شغل، در مصاحبه یا در فروشگاه iTunes ارائه کنند.

 

علم داده های جغرافیایی در حال حاضر رونق می گیرد ، و جذابیت آن فقط به چند قسمت انتخابی محدود نمی شود. کاربردهای آن در دنیای واقعی GAMUT را اجرا می کند و کاربرد خود را در طیف گسترده ای از صنایع از جمله هوافضا ، کشاورزی ، برنامه ریزی شهری و فناوری اثبات می کند. در این دوره تعاملی دستی ، مربی مگی ماس مروری بر نحوه انجام عملیات پیشرفته فضایی SQL در یک پایگاه داده محلی ارائه می دهد. مگی به شما نشان می دهد که چگونه می توانید یک پایگاه داده محلی DBEAVER PGADMIN 4 را تنظیم کنید ، مجموعه داده های عمومی را وارد کنید و نمایش داده های Postgis SQL را برای اجرای پیوندهای مکانی اجرا کنید. این دوره برای مدیران پایگاه داده و دانشمندان داده ای ایده آل است که به دنبال کسب اطلاعات بیشتر در مورد ارزش داده های جغرافیایی هستند. با استفاده از برنامه های GitHub ، می توانید از هر دستگاهی ، در هر زمان و در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، از هر دستگاهی استفاده کنید. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.

 درک خود را از امنیت کانتینر با این پروژه آزمایش کنید. تصاویر را برای کاهش ریسک بررسی کنید ، تصاویر Docker را از بهترین شیوه ها دنبال کنید و تصاویر را برای نرم افزارهای آسیب پذیر اسکن کنید. پروژه را تکمیل کنید (و اگر گیر کرده اید نکات را دریافت کنید) ، سپس راه حل خود را در پایان مقایسه کنید.

این دوره همچنین می تواند برای اعتبار آکادمیک به عنوان ECEA 5318، بخشی از مدرک کارشناسی ارشد CU Boulder در مهندسی برق، اخذ شود. دوره پایانی بر ساخت عملی یک برنامه کاربردی با استفاده از بینایی ماشین بلادرنگ و چندین سرویس بلادرنگ برای همگام سازی وضعیت داخلی لینوکس با ساعت خارجی از طریق مشاهده تاکید می کند. عملکرد واقعی را با تئوری و تحلیل مقایسه کنید تا زمان‌بندی زمان‌بندی را تعیین کنید و هرگونه انباشت تاخیر را کاهش دهید. راستی‌آزمایی پروژه نهایی شامل مقایسه گزارش‌های مُهر زمانی سیستم با مجموعه بزرگی از تصاویر است که می‌توانند در یک ویدیو کدگذاری شوند. گزارش نهایی بررسی خواهد شد و فریم های گرفته شده و ویدئو برای ارزیابی اسکریپت آپلود می شود. نتایج آموزشی دوره: ● نتیجه 1: تجزیه یک مشکل و مجموعه ای از الزامات اولیه در زمان واقعی به ماژول های نرم افزار و رشته های زمان واقعی Linux POSIX ● نتیجه 2: تجزیه و تحلیل خدمات بر حسب C (زمان اجرا)، T (دوره درخواست)، و D (مهلت‌های تکمیل) برای ایجاد امکان‌سنجی و حاشیه برای برآوردن الزامات ● نتیجه 3: طراحی و ساخت راه حلی برای یک سیستم لینوکس بومی مجهز به وب کم برای تأیید و نشان دادن همگام سازی سیستم با استفاده از پردازش بینایی ماشین

یکی از اهداف تخصص نویسندگی تدریس این بوده است که به هر زبان آموز کمک کند تا راه هایی را برای انطباق آنچه می آموزد و اعمال آن با موقعیت، نیازها و علایق خاص خود بیاندیشد. تئوری ها، استراتژی ها و شیوه های ارائه شده در این دوره ها صحیح است و می تواند با هر دانش آموزی در هر سن و سطح مهارتی کار کند، مشروط بر اینکه هر زبان آموز بتواند یادگیری خود را تطبیق دهد و آن را برای دانش آموزان خاص فعلی یا آینده خود به کار گیرد. در این پروژه نهایی، فراگیران از هر چهار درس یک جزء را انتخاب می کنند که از مهمترین چیزهایی است که از آن درس یاد گرفته اند. آنها توضیح خواهند داد که این مؤلفه ها چیست، توضیح می دهند که چرا برای یادگیرنده مهم هستند، و برنامه ای برای گنجاندن آن یادگیری جدید در تدریس یا نوشته های خود در آینده ایجاد می کنند.

این مینی دوره برای شما در نظر گرفته شده است تا مهارت های پایه پایتون را برای کار با داده ها نشان دهید. این دوره در درجه اول شامل تکمیل پروژه ای است که در آن نقش یک دانشمند داده یا یک تحلیلگر داده را بر عهده می گیرید و مجموعه داده های دنیای واقعی و سناریوی الهام گرفته شده از دنیای واقعی برای شناسایی الگوها و روندها به شما ارائه می شود. شما کارهای خاص علم داده و تجزیه و تحلیل داده مانند استخراج داده ها، خراش دادن وب، تجسم داده ها و ایجاد داشبورد را انجام خواهید داد. این پروژه مهارت شما را با پایتون و استفاده از کتابخانه هایی مانند پانداها و سوپ زیبا در یک نوت بوک Jupyter نشان می دهد. پس از اتمام، یک پروژه چشمگیر برای اضافه کردن به سبد شغلی خود خواهید داشت. پیش نیاز: **دوره پایتون برای علوم داده، هوش مصنوعی و توسعه** از IBM پیش نیاز این دوره پروژه است. لطفاً مطمئن شوید که قبل از گذراندن این دوره، دوره پایتون برای علوم داده، هوش مصنوعی و توسعه از IBM را گذرانده باشید یا مهارتی معادل در کار با پایتون و داده داشته باشید. توجه: این دوره آموزشی برای آموزش پایتون به شما نیست و محتوای آموزشی زیادی ندارد. این برای شما در نظر گرفته شده است که دانش قبلی پایتون را به کار ببرید.

مهارت های پایتون خود را در این پروژه مهندسی داده به نمایش بگذارید! این دوره کوتاه برای به کارگیری مهارت های پایتون شما از طریق اجرای تکنیک های مختلف برای جمع آوری و دستکاری داده ها طراحی شده است. شما نقش یک مهندس داده را با استخراج داده ها از منابع متعدد و تبدیل داده ها به فرمت های خاص و آماده سازی آن برای بارگذاری در پایگاه داده برای تجزیه و تحلیل، بر عهده خواهید گرفت. همچنین دانش خود را در مورد خراش دادن وب و استفاده از APIها برای استخراج داده ها نشان خواهید داد. در پایان این پروژه عملی، شما مهارت خود را در مهارت های مهم برای استخراج تبدیل و بارگذاری داده ها با استفاده از یک IDE و البته برنامه نویسی پایتون نشان خواهید داد. پس از اتمام این دوره، شما همچنین یک محصول جدید عالی به مجموعه خود خواهید داشت! پیش نیاز: **دوره پایتون برای علم داده، هوش مصنوعی و توسعه** از IBM پیش نیاز این دوره پروژه است. لطفاً مطمئن شوید که قبل از گذراندن این دوره، دوره پایتون برای علوم داده، هوش مصنوعی و توسعه از IBM را گذرانده باشید یا مهارتی معادل در کار با پایتون و داده داشته باشید. توجه: این دوره آموزشی برای آموزش پایتون به شما نیست و محتوای آموزشی جدید زیادی ندارد. این برای شما در نظر گرفته شده است که بیشتر از دانش قبلی پایتون استفاده کنید.

 فکر می کنید به پایتون تسلط دارید؟ به دنبال راه هایی برای بهبود مهارت های برنامه نویسی خود هستید؟ یکی از بهترین راه ها این است که مهارت های خود را عملی کنید و چیزی واقعی بسازید. در این دوره به جو مارینی بپیوندید، زیرا او به شما نحوه استفاده از پایتون برای ساختن یک برنامه مسابقه را آموزش می دهد، و نحوه ساخت و آزمایش هر ویژگی را در حین پیشبرد توضیح می دهد. جو با طراحی ویژگی های اساسی شروع می کند و با یک برنامه تکمیل شده که یک رابط منو محور به کاربر ارائه می دهد، آزمون ها را مدیریت می کند و نتایج را در یک فایل ذخیره می کند، به پایان می رساند. هنگامی که برنامه ساخته شد، او راه هایی را برای بهبود برنامه و افزودن ویژگی های جدید نشان می دهد، مانند ارائه سوالات به ترتیب تصادفی و اندازه گیری مدت زمانی که کاربر برای تکمیل مسابقه نیاز دارد. اگر می خواهید مطالعه و تئوری برنامه نویسی را کنار بگذارید و از طریق ساختن چیزی واقعی یاد بگیرید، برای این دوره عملی به جو بپیوندید.

این دوره شما را از طریق یک پروژه عملی مناسب برای نمونه کارها راهنمایی می کند. شما با API های شخص ثالث آشنا می شوید و نحوه دستکاری تصاویر با استفاده از کتابخانه تصویربرداری پایتون (بالش)، نحوه اعمال تشخیص نویسه نوری روی تصاویر برای تشخیص متن (tesseract و pytesseract) به شما نشان داده می شود. در پایان دوره شما با این کتابخانه های مختلف موجود برای پایتون 3 کار کرده اید تا یک پروژه در دنیای واقعی ایجاد کنید. این دوره برای زبان آموزانی مناسب است که چهار دوره اول تخصص برنامه نویسی پایتون 3 را گذرانده اند. زبان آموزانی که قبلاً مهارت های برنامه نویسی پایتون دارند اما می خواهند با یک پروژه عملی و واقعی تمرین کنند نیز می توانند از این دوره بهره مند شوند. این پنجمین و آخرین دوره در تخصص برنامه نویسی پایتون 3 است.

 

نحوه طراحی، پیاده سازی و بهینه سازی پایگاه داده با استفاده از فرآیندهای SQL و ETL را بیاموزید. تفاوت های ظریف نیازها و برنامه ریزی پایگاه داده را مرور کنید و سپس یک پایگاه داده موسیقی را مفهوم سازی کنید، نیازمندی ها را شناسایی کنید و مدل های مفهومی اولیه را ایجاد کنید. تکنیک‌های عادی‌سازی، طراحی خطوط لوله داده‌ها و بکارگیری استراتژی‌های مدیریت خطای پیشرفته را کاوش کنید. نوشتن طیف وسیعی از پرس و جوهای SQL از پایه تا پیچیده را تمرین کنید و این پرس و جوها را برای عملکرد و کارایی بهینه کنید. به Walter Shields در این دوره پیشرفته بپیوندید که شامل پروژه های عملی است تا بتوانید پایگاه داده خود را طراحی کنید. این دوره برای DBAها، مهندسان داده و هر حرفه ای IT که مشتاق به تسلط بر مدیریت پایگاه داده است ایده آل است.

در این دوره مبتنی بر پروژه، شما یک تجزیه و تحلیل کامل مبتنی بر GIS را طراحی و اجرا خواهید کرد - از شناسایی یک مفهوم، سوال یا موضوعی که می خواهید توسعه دهید، تا محصولات داده نهایی و نقشه هایی که می توانید به مجموعه خود اضافه کنید. پروژه تکمیل شده شما تسلط شما را بر محتوا در تخصص GIS نشان می دهد و به چهار مرحله تقسیم می شود: نقطه عطف 1: پیشنهاد پروژه - پروژه خود را به صورت انتزاعی مفهوم و طراحی کنید و یک پیشنهاد کوتاه بنویسید که شامل توضیحات پروژه، داده های مورد انتظار است. نیازها، جدول زمانی و نحوه تکمیل آن. Milestone 2: Workflow Design - گردش کار تجزیه و تحلیل پروژه خود را توسعه دهید، که معمولاً شامل ایجاد حداقل یک الگوریتم اصلی برای پردازش داده های شما می شود. این مدل نباید پیچیده یا پیچیده باشد، اما باید به شما امکان تجزیه و تحلیل داده‌های مکانی را برای خروجی جدید یا ایجاد یک نقشه تحلیلی جدید از نوع خاصی بدهد. نقطه عطف 3: تجزیه و تحلیل داده ها - داده ها را به دست آورید و از قبل پردازش کنید، آنها را از طریق مدل ها یا سایر گردش های کاری خود اجرا کنید تا محصولات داده های خام خود را بدست آورید، و شروع به ایجاد محصولات نقشه نهایی و/یا تجزیه و تحلیل کنید. نقطه عطف 4: ایجاد نقشه وب و چاپ - پروژه خود را با ارسال نقشه های قابل استفاده و جذاب و داده ها و الگوریتم خود برای بررسی و بازخورد همتایان تکمیل کنید.

در دوره پایانی دوره تخصصی The Pronunciation of American English، شما یک پروژه نهایی خود انعکاسی را با استفاده از آنچه در سه دوره اول در مورد صامت ها، مصوت ها و "موسیقی" انگلیسی آموخته اید تکمیل خواهید کرد. در آماده سازی برای پروژه، یک پس آزمون شرکت می کنید، تمام صداهای انگلیسی را مرور می کنید، یک سخنرانی را تجزیه و تحلیل می کنید و توصیه های خود را در مورد بهبود تلفظ با دیگر زبان آموزان به اشتراک می گذارید. فقط فراگیرانی که هزینه دوره را پرداخت می کنند، می توانند در آزمون های درجه بندی شده شرکت کنند یا تکالیفی را برای بازخورد ارسال کنند. نسخه رایگان فقط دسترسی به سخنرانی ها و فعالیت های تمرینی را فراهم می کند.

در این دوره، مهارت های مربوط به توسعه آزمایش محور را در یک پروژه Capstone به کار خواهیم برد. این توانایی شما را برای استفاده از مدیریت استثنا، اشیاء ساختگی و تست های واحد در چرخه حیات TDD آزمایش می کند. پس از تکمیل، شما یک برنامه نمونه کارها خواهید داشت که نشان می دهد درک کاملی از تمام مفاهیم مربوط به TDD دارید!

با تکمیل این پروژه capstone، تسلط خود را در توسعه برنامه کامل پشته نشان دهید! در این دوره، دانش و مهارت های خود را در یک چالش الهام گرفته از زندگی واقعی به کار می گیرید و از تخصص خود برای ایجاد یک راه حل موفق استفاده می کنید. این پروژه فرصتی را برای شما فراهم می کند تا مهارت کامل پشته خود را تقویت کنید. همانطور که تجربه کاربری پویا را طراحی می کنید، صفحات frontend را توسعه می دهید، مدیریت کاربر را اضافه می کنید، اقداماتی را برای عملیات پایگاه داده ایجاد می کنید، خدمات Backend ایجاد می کنید و خطوط لوله CI/CD را پیکربندی می کنید. شما توانایی های خود را با HTML، CSS، جاوا اسکریپت، جنگو، React، Node js و NoSQL (Mongo)، Containerization، IBM Code Engine، Python و Kubernetes تقویت خواهید کرد. سپس راه حلی برای مدیریت استقرار کانتینری برنامه خود ابداع خواهید کرد. این پروژه برای شما ایجاد شده است تا دانش مهارت های مرتبط و مورد تقاضا مانند: - طراحی اپلیکیشن ها و معماری آنها - ایجاد صفحات وب با صفحات استاتیک و پویا با استفاده از HTML، CSS، جاوا اسکریپت و REACT - پیاده سازی مدیریت کاربر و احراز هویت - توسعه خدمات Backend و برقراری ارتباط با پایگاه های داده - یکپارچه سازی و استقرار مداوم تغییرات با استفاده از خطوط لوله CI/CD - استقرار برنامه های بدون سرور در Code Engine - ایجاد و فراخوانی میکروسرویس های RESTful - استقرار کل راه حل در Cloud با استفاده از Kubernetes وقتی این پروژه را تکمیل کردید، یک برنامه کاربردی Full Stack خواهید داشت که کارفرمایان بالقوه را تحت تأثیر قرار می دهد. قبل از تکمیل این پروژه، به شدت توصیه می شود که تمام دوره های قبلی ارائه شده در گواهینامه حرفه ای توسعه دهنده نرم افزار IBM Full Stack را تکمیل کنید.

پروژه داده کاوی راهنمایی گام به گام و تجربه عملی طراحی و اجرای یک پروژه داده کاوی در دنیای واقعی، از جمله فرمول بندی مسئله، بررسی ادبیات، کار پیشنهادی، ارزیابی، بحث و کار آینده را ارائه می دهد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر نشان‌واره دوره توسط Mariana Proença، در اینجا در Unsplash موجود است: https://unsplash.com/photos/_WgnXndHmQ4

این دوره سومین و آخرین دوره تخصصی دینامیک و کنترل فضاپیماهای پیشرفته است. فرض بر این است که شما دوره های قبلی در مورد "کنترل نگرش با دستگاه های تبادل حرکت" و "مکانیک تحلیلی برای دینامیک فضاپیما" را تکمیل کرده اید. این دوره پروژه به بررسی پویایی یک سیستم فضاپیما پیچیده می‌پردازد که در آن یک هاب صلب وجود دارد که یک پانل لولایی به آن متصل است. این یک فضاپیما با هندسه متغیر زمانی شبیه سازی می کند. ابتدا سینماتیک سه بعدی این سیستم بررسی می شود. روابط تحلیلی وضعیت بدنه و پانل و حالت‌های سرعت مشتق شده و مرکز جرم این سیستم بررسی می‌شود. سپس، از یک سیستم ساده شده برای استفاده از معادلات حرکت لاگرانژ برای پیش‌بینی پاسخ دینامیکی استفاده می‌شود. با این معادلات دیفرانسیل، می‌توانیم گشتاورهای کنترل نگرش را اعمال کنیم و پاسخ چرخشی را در صورتی که توپی فضاپیما یک پانل لولایی فنری متصل باشد، بررسی کنیم. دو راه حل کنترل گشتاور حلقه باز بررسی شده است. راه حل کنترل حداقل زمان کلاسیک بنگ-بنگ ابتدا اعمال می شود و نشان می دهد که چگونه چنین کنترلی می تواند نوسانات پانل ناخواسته ایجاد کند. در نهایت، یک نسخه فیلتر شده از کنترل بنگ-بنگ استفاده می‌شود تا نشان دهد که چگونه نوسانات پانل را می‌توان به میزان قابل توجهی با هزینه زمان مانور اسمی کمی طولانی‌تر کاهش داد.