آیا می خواهید ساختار شبکه داده خود و نحوه تغییر آن در شرایط مختلف را درک کنید؟ کنجکاو هستید که بدانید چگونه می توان خوشه های تعامل نزدیک در یک نمودار را شناسایی کرد؟ آیا در مورد منطقه به سرعت در حال رشد تجزیه و تحلیل گراف شنیده اید و می خواهید بیشتر بدانید؟ این دوره به شما یک نمای کلی از حوزه تجزیه و تحلیل گراف ارائه می دهد تا بتوانید روش های جدیدی برای مدل سازی، ذخیره سازی، بازیابی و تجزیه و تحلیل داده های ساختار یافته نمودار بیاموزید. پس از اتمام این دوره، شما قادر خواهید بود یک مسئله را در پایگاه داده گراف مدل کنید و کارهای تحلیلی را بر روی نمودار به صورت مقیاس پذیر انجام دهید. بهتر از آن، شما قادر خواهید بود از این تکنیک ها برای درک اهمیت مجموعه داده های خود برای پروژه های خود استفاده کنید.

گنجاندن یادگیری ماشین در خطوط لوله داده، توانایی استخراج بینش از داده ها را افزایش می دهد. این دوره روش‌هایی را که می‌توان یادگیری ماشین را در خطوط لوله داده در Google Cloud گنجاند، پوشش می‌دهد. برای سفارشی سازی اندک یا بدون سفارشی سازی، این دوره AutoML را پوشش می دهد. برای قابلیت‌های یادگیری ماشینی مناسب‌تر، این دوره نوت‌بوک‌ها و یادگیری ماشینی BigQuery (BigQuery ML) را معرفی می‌کند. همچنین، این دوره نحوه تولید راه حل های یادگیری ماشین را با استفاده از Vertex AI پوشش می دهد.

این تجربه یادگیری شما را در فرآیند استفاده از منابع داده های مختلف و چندین محصول Google Cloud (از جمله BigQuery و Google Sheets با استفاده از صفحات متصل) برای تجزیه و تحلیل، تجسم و تفسیر داده ها برای پاسخ به سؤالات خاص و به اشتراک گذاشتن بینش با تصمیم گیرندگان کلیدی راهنمایی می کند.

در این دوره آموزشی، نحوه کاوش و تجزیه و تحلیل داده ها را در Looker که قبلاً عمدتاً توسط توسعه دهندگان یا تحلیلگران SQL انجام می شد، یاد می گیرید. پس از اتمام این دوره، شما قادر خواهید بود از پلتفرم تحلیلی مدرن Looker برای یافتن و کاوش محتوای مرتبط در نمونه Looker سازمان خود استفاده کنید، از داده های خود سؤال بپرسید، در صورت نیاز معیارهای جدیدی ایجاد کنید، و تجسم ها و داشبوردهایی را برای تسهیل داده ها بسازید و به اشتراک بگذارید. -تصمیم گیری محوری

این دوره بر تجزیه و تحلیل و تفسیر داده ها تمرکز دارد. تمرکز بر تهیه و توصیف داده ها و تجزیه و تحلیل کمی و کیفی داده ها خواهد بود. این دوره با بحث در مورد آماده سازی داده ها، سازگاری درونی مقیاس، تجزیه و تحلیل داده های مناسب و همبستگی پیرسون شروع می شود. ما به آماری خواهیم پرداخت که می تواند برای بررسی روابط مورد استفاده قرار گیرد و در مورد آمار برای بررسی روابط با تمرکز بر رگرسیون چندگانه بحث خواهیم کرد. این دوره با تمرکز بر رگرسیون لجستیک، تحلیل عاملی اکتشافی و نتیجه تحلیل عاملی ادامه می یابد. ما قصد داریم نحوه انجام آزمایش و مطالعه مشاهده ای و همچنین تجزیه و تحلیل محتوا و استفاده از تجزیه و تحلیل دیجیتال در تحقیقات بازار را بررسی کنیم. این دوره با در نظر گرفتن تجزیه و تحلیل دیجیتال، با تاکید بر تجزیه و تحلیل برند دیجیتال، تجزیه و تحلیل مخاطب، تجزیه و تحلیل اکوسیستم دیجیتال، بازگشت سرمایه (ROI) و نقش تجزیه و تحلیل دیجیتال در تحقیقات بازار به پایان می رسد.

 تجزیه و تحلیل زنجیره تأمین دو هدف مهم دارد: کشف آنچه در یک زنجیره تأمین اتفاق می افتد ، و سپس توضیح آن داستان برای رهبری به روشی قانع کننده. این کارآگاه و داستان نویس قطعات برابر است. در این دوره ، با اتصال ابزارهای فناوری و انتظارات روزانه از مدیران زنجیره تأمین ، در هر دو بخش بهتر شوید. مربی ادی دیویلا توضیح می دهد که چگونه ابزارها - ارتباطات و داده ها - می توانند به نیازهای ذینفعان کمک کنند و تجزیه و تحلیل و فرآیندها را بهبود بخشند. در مورد ابزارهایی که می تواند به فروش ایده ها ، تصمیم گیری ، حل مشکلات ، مدیریت روابط و موارد دیگر کمک کند ، اطلاعات کسب کنید.

موفقیت شما در املاک و مستغلات به دلیل داشتن تجربه زیاد، اعتبار، پول نقد یا حتی مهارت های افراد خوب نیست. این از دانستن نحوه خرید ملک مناسب با قیمت مناسب ناشی می شود. بنابراین قبل از اینکه اولین (یا بعدی) ملک سرمایه گذاری خود را بخرید، باید دقیقاً بدانید: چقدر ملک را بخرید، ملک را به چه قیمتی بفروشید، و در نتیجه چقدر سود خواهید داشت. وقتی این اعداد را بدانید، ریسک سرمایه گذاری در املاک و مستغلات بسیار کمتر می شود. این دوره نحوه اجرای اعداد را در هر ملکی و اطلاع از اینکه آیا معامله ای دارید توضیح می دهد. بیاموزید که چگونه یک سرنخ را در تلفن، روی دسکتاپ یا شخصاً تجزیه و تحلیل کنید. محاسبه ارزش پس از تعمیر؛ انجام تحقیقات بیشتر از طریق MLS؛ به دنبال ناهنجاری های بازار باشید. و برای مشاهده حضوری خانه ها و انجام معاملات هوشمند آماده شوید.nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

در این دوره، ما در مورد تأثیر متقابل قانون، تجزیه و تحلیل داده ها و نمایندگی ورزشکاران با استفاده از مسیر مسیر شغلی ورزشکار به عنوان تمرکز بحث خواهیم کرد. هدف معرفی ابزارهای تحلیلی داده ها، قوانین و مقررات قابل اجرا برای نمایندگی ورزشکاران در طول مراحل مختلف حرفه یک ورزشکار است. تمرکز اصلی بر توسعه و نمایندگی ورزشکاران در چارچوب‌های نظارتی قوانین فدرال و ایالتی و سایر مقامات مربوطه، از جمله اتحادیه‌های ورزشی حرفه‌ای است.

در این دوره، مهارت های عملیاتی پیشرفته تری را که شما و تیمتان برای اجرای یک کارآزمایی بالینی موفق نیاز دارید، یاد خواهید گرفت. شما در مورد محاسبه اندازه نمونه و نحوه ایجاد یک محاسبه اندازه نمونه که برای طراحی آزمایشی و معیارهای نتیجه شما مناسب است، یاد خواهید گرفت. همچنین یاد خواهید گرفت که از روش‌های آماری برای نظارت بر کارآزمایی خود از نظر ایمنی، یکپارچگی و اثربخشی استفاده کنید. در مرحله بعد، یاد خواهید گرفت که چگونه نتایج کارآزمایی های بالینی خود را از طریق مقالات مجلات و گزارش های نظارت بر داده ها گزارش دهید. در نهایت، نقش تحلیلگر را در طول فرآیند آزمایشی، به علاوه چند موضوع اضافی مانند شبیه‌سازی و طرح‌های تطبیقی ​​مورد بحث قرار خواهیم داد.

هدف این ماژول معرفی مفاهیم اساسی ادراک بصری به کار رفته در تجسم اطلاعات است. این مفاهیم به دانش‌آموز کمک می‌کند تا طرح‌های تجسم را از نظر اینکه چقدر از قابلیت‌های ماشین ادراکی انسان استفاده می‌کنند، ایده‌پردازی و ارزیابی کند.

در این دوره آموزشی یاد خواهید گرفت که چگونه از D3.js برای ایجاد تجسم های قدرتمند برای وب استفاده کنید. یادگیری D3.js شما را قادر می سازد انواع مختلفی از تجسم ایجاد کنید و انواع مختلف داده را تجسم کنید. این به شما آزادی می دهد تا چیزی به سادگی یک نمودار میله ای و همچنین تکنیک انقلابی جدید خود را ایجاد کنید. در این دوره به اصول ایجاد تجسم با D3 و همچنین نحوه برخورد با داده های جدولی، جغرافیا و شبکه ها خواهیم پرداخت. در پایان این دوره شما قادر خواهید بود: - ایجاد نمودارهای میله ای و خطی - ایجاد نقشه های choropleth و نمادها - ایجاد نمودارهای پیوند گره و نقشه های درختی - پیاده سازی زوم و براشینگ - پیوند دو یا چند نمایش از طریق تعامل. و سخنرانی های عملی ما گام به گام به شما نشان خواهیم داد که چگونه از کتابخانه برای ایجاد تجسم های واقعی استفاده کنید و چه مفاهیم نظری در پشت آنها نهفته است. در طول دوره شما مهارت هایی را یاد خواهید گرفت که شما را به ساخت یک برنامه کامل در پایان سخنرانی ها هدایت می کند (یک سیستم تجسم کاملاً کارآمد برای تجسم مسیرهای خطوط هوایی). این دوره سومین دوره از "تخصص در تجسم اطلاعات" است.این دوره از شما انتظار دارد که دانش اولیه برنامه نویسی و همچنین مهارت های اولیه تجسم را داشته باشید.

این دوره با هدف آشنایی فراگیران با تکنیک های تجسم پیشرفته فراتر از نمودارهای اساسی تحت پوشش در تجسم اطلاعات: مبانی است. این تکنیک‌ها حول انواع داده‌ها سازماندهی شده‌اند تا روش‌های پیشرفته را برای: داده‌های زمانی و مکانی، شبکه‌ها و درختان و داده‌های متنی پوشش دهند. در این ماژول همچنین به زبان آموزان یاد می دهیم که چگونه تکنیک های نوآورانه را در D3.js توسعه دهند. اهداف یادگیری هدف: تجزیه و تحلیل فضای طراحی راه حل های تجسم برای انواع مختلف مشکلات تجسم داده ها. بیاموزید که چه طرح هایی برای یک مشکل مشخص وجود دارد و مزایا و معایب مربوط به آنها چیست. - زمانی - مکانی - فضایی- زمانی - شبکه ها - درختان - متن این چهارمین دوره تخصصی تجسم اطلاعات است. این دوره از شما انتظار دارد که برخی از دانش های اولیه برنامه نویسی و همچنین برخی از مهارت های اولیه تجسم (همانطور که در اولین دوره تخصصی معرفی شد) داشته باشید.

هدف اصلی این تخصص، ارائه دانش و مهارت های عملی لازم برای ایجاد یک پایه قوی در تجسم اطلاعات و طراحی و توسعه برنامه های کاربردی پیشرفته برای تجزیه و تحلیل داده های بصری است. هدف این دوره معرفی دانش اساسی برای تجسم اطلاعات است. هدف اصلی این است که دانش‌آموزان را با "واژگان" لازم برای توصیف تجسم‌ها به گونه‌ای که به آنها کمک کند در مورد طرح‌هایی که برای یک مسئله معین مناسب هستند، استدلال کنند. این ماژول همچنین یک نمای کلی از زمینه تجسم ارائه می دهد و اهداف، روش ها و کاربردهای آن را معرفی می کند. یادگیرنده ای که دانش قبلی در زمینه تجسم اطلاعات داشته باشد یا بدون آن باشد، متوجه می شود که تجسم چیست، برای چیست و در چند موقعیت مختلف می توان آن را به کار برد. تمرین خواهد کرد که داده ها را به گونه ای توصیف کند که برای طراحی تجسم مفید باشد. با نمودارهای اساسی آشنا می شود تا در مورد مفهوم رمزگذاری و رمزگشایی بصری صحبت کند.

این دوره اصول اساسی رادیوگرافی معمولی، توموگرافی محوری کامپیوتری (CT)، تصویربرداری رزونانس مغناطیسی (MRI) و سونوگرافی را به فراگیران آموزش می دهد. رادیولوژی قفسه سینه، شکم، لگن، اندام‌ها، ستون فقرات و مغز در این دوره با استفاده از ترکیبی از سخنرانی‌ها و فعالیت‌ها و ارزیابی‌های عملی گسترده آموزش داده می‌شود. در پایان دوره شما قادر خواهید بود: اصول رادیوگرافی معمولی، سی تی ام آر آی و سونوگرافی را شرح دهید رویکردهای سیستماتیک برای تفسیر تصویربرداری را شرح دهید کاربرد پنجره سازی در سی تی را شرح دهید توالی در MRI و ارتباط آنها را شرح دهید. این دوره قسمت 4/4 در تخصص آناتومی انسان ییل است. موضوعات مطرح شده در این سخنرانی ها عبارتند از: مقدمه ای بر رادیوگرافی معمولی، توموگرافی کامپیوتری (CT)، سونوگرافی، تصویربرداری رزونانس مغناطیسی (MRI)، رادیولوژی قفسه سینه، سی تی قفسه سینه، رادیولوژی قفسه سینه: مقدمه ای بر آسیب شناسی، سی تی آناتومی طبیعی شکم، آناتومی کلیه سرطان کولون، نئوپلاسم کلیه، تصویربرداری لگن طبیعی، تصویربرداری لگن طبیعی مردان، زنان طبیعی تصویربرداری لگن، رادیولوژی اندام فوقانی، رادیولوژی اندام تحتانی، روش های تصویربرداری اسکلتی عضلانی، مقدمه ای بر رادیوگرافی ستون فقرات، رادیوگرافی جمجمه، اصول تصویربرداری CT مغز، آسیب شناسی تصویربرداری CT مغز، تصویربرداری رزونانس مغناطیسی مغز (MRI) و آسیب شناسی MRI مغز

در حالی که داستان‌گویی با داده‌ها بخشی از رویه خبری از روزهای اولیه آن بوده است، اما در بحبوحه یک رنسانس است. میزهای گرافیکی که قبلاً به عنوان "بخش هنر" در نظر گرفته می شدند، زیر شاخه ای خارج از کار اتاق های خبر، در حال تبدیل شدن به بخش اصلی فعالیت اتاق های خبر هستند. انتظار می رود از افرادی که گرافیک خبری طراحی می کنند (آنها اغلب عناوین مختلفی دارند: روزنامه نگاران داده، هنرمندان خبری، گزارشگران گرافیکی، توسعه دهندگان و غیره) روزنامه نگاران تمام عیار باشند و از نزدیک با خبرنگاران و سردبیران کار کنند. هدف از این کلاس این است که یاد بگیریم چگونه در مورد ارائه بصری داده ها فکر کنیم، چگونه و چرا کار می کند، و چگونه به روش صحیح انجام دهیم. ما یاد خواهیم گرفت که چگونه نمودارهایی مانند The New York Times، Vox، Pew و FiveThirtyEight بسازیم. در پایان، می‌توانید نمودارهای زیبای خود را در نشریات، پست‌های وبلاگ و وب‌سایت‌ها به اشتراک بگذارید. این دوره فرض می کند که شما مهارت های اولیه کدنویسی، ترجیحا پایتون را درک می کنید. با این حال، ما در ماژول 1 نیز بررسی مختصری در مورد پایتون ارائه می‌کنیم، در صورتی که می‌خواهید خود را در اصول اولیه تجدید کنید و تجزیه و تحلیل ساده داده‌ها را انجام دهید.

یونیتی فقط برای بازی نیست. از موتور قدرتمند سه بعدی می توان برای ایجاد دارایی های آموزشی استفاده کرد، مانند تجسم پزشکی که در این مجموعه سه قسمتی نشان داده شده است: قلب انسان سه بعدی متحرک. در سومین دوره از این مجموعه، مربی Alan Thorn بر روی افزودن ویژگی‌های قابلیت استفاده – یک سیستم کنترل دوربین ایجاد شده با C# و Cinemachine – و ایجاد ساختن نهایی برای استقرار در دستگاه‌های تلفن همراه اندروید تمرکز می‌کند. نحوه ایجاد کنترل‌های کاربرپسند، انجام هر گونه سازگاری لازم برای تلفن همراه و ایجاد و آزمایش فایل ساخت اندروید را بیاموزید. این مراحل نهایی به شما کمک می کند تا به تصویرسازی زیبا و کاربردی دست یابید تا با دانش آموزان خود به اشتراک بگذارید.

یونیتی فقط برای بازی نیست. از موتور قدرتمند سه بعدی می توان برای ایجاد دارایی های آموزشی استفاده کرد، مانند تجسم پزشکی که در این مجموعه سه قسمتی نشان داده شده است: قلب انسان سه بعدی متحرک. در اولین دوره از این مجموعه، مربی Alan Thorn نحوه برنامه ریزی و طراحی این پروژه تعاملی سه بعدی را نشان می دهد که جنبه هایی مانند مدیریت دارایی، طراحی صحنه و سطح، نورپردازی، تجربه کاربر و پردازش پست را پوشش می دهد. نحوه استفاده از خط لوله رندر جهانی Unity، وارد کردن و پیکربندی دارایی های مش و استفاده از رفتارهای Cinemachine و اسکریپت ها برای افزودن تعامل معنادار را بیاموزید.

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی دشوار است. این دوره سومین دوره تخصصی "تجسم داده ها و داشبورد در R" است. زبان آموزان با استفاده از R برای ایجاد بسیاری از انواع اصلی تجسم، عمدتاً با بسته ggplot2، وارد این دوره می شوند. بر این اساس، این دوره بر گسترش فهرست موجودی زبان آموزان از گزینه های تجسم داده ها تمرکز دارد. با استفاده از بسته‌های اضافی برای تکمیل ggplot2، زبان‌آموزان انواع بیشتری از شکل‌های سنتی را ایجاد می‌کنند و همچنین به داده‌های مکانی می‌پردازند. پایان دوره ساخت فیگورهای تعاملی و متحرک. برای رفع این نیاز، این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه کمی با R دارند یا اصلاً تجربه ندارند اما به دنبال معرفی این ابزار هستند. در پایان این دوره، دانش‌آموزان می‌توانند داده‌ها را به R وارد کنند، آن داده‌ها را با استفاده از ابزارهای بسته محبوب tidyverse دستکاری کنند و با استفاده از R Markdown گزارش‌های ساده‌ای تهیه کنند. این دوره برای دانش آموزان با مهارت های محاسباتی پایه خوب طراحی شده است، اما در صورت داشتن تجربه در برنامه نویسی محدود است.

دوره تجسم پیشرفته داده با تابلو به شما می آموزد که چگونه تجسم داده های پیشرفته مانند نمودارهای دو محوره، نمودارهای نوار در میله و غیره ایجاد کنید. همچنین می‌آموزید که چگونه با استفاده از ویژگی‌هایی مانند نقشه‌ها، سفارشی‌سازی نقشه، داده‌های فضایی چند ضلعی و غیره، تجسم‌های خود را سفارشی کنید و به آن پیچیدگی اضافه کنید. این مهارت ها به شما این امکان را می دهد که بینش های خود را به طور موثر به ذینفعان خود انتقال دهید. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -تجسم‌های پیشرفته داده‌ها را برای برقراری ارتباط بینش‌های تحلیلی با ذینفعان مورد نظر ایجاد کنید، مانند نمودارهای دو محوره، نمودارهای میله‌ای و غیره. -تجسم داده های تجزیه و تحلیل مکانی را ایجاد و سفارشی کنید تا بینش ها را به ذینفعان مورد نظر منتقل کنید، مانند نقشه ها، سفارشی سازی نقشه، داده های فضایی چند ضلعی و موارد دیگر. -با ترکیب جزئیات و چند لایه، به تجسم های تولید شده در تحلیل خود پیچیدگی اضافه کنید.

هنگامی که بازاریابان نمودارهای درهم و گیج کننده را در ارائه خود به نمایش می گذارند، می توانند معنای پشت داده ها را پنهان کنند و بدتر از آن، توجه مخاطبان خود را از دست بدهند. در این دوره یاد بگیرید که چگونه داده های بازاریابی را به روش های جذاب به نمایش بگذارید. ایان لوری، بازاریاب کهنه کار، نحوه ایجاد تجسم داده های قانع کننده را طی می کند، و نکاتی را ارائه می دهد که می تواند به شما کمک کند تا ارائه های بازاریابی واضح، مختصر و عمل محور داشته باشید. همانطور که ایان به بررسی مثال‌های خوب و بد از گزارش‌های بازاریابی می‌پردازد، بهترین روش‌ها را برای کاهش وظایف ذهنی برای مخاطبان با حذف جوهر داده‌های اضافی، استفاده مؤثر از رنگ، و ظریف‌تر کردن تایپوگرافی در ارائه‌تان به اشتراک می‌گذارد. بعلاوه، یاد بگیرید که چگونه روندها را در طول زمان نشان دهید، تعیین کنید از کدام تجسم استفاده کنید، الگوهای اکسل با صرفه جویی در زمان ایجاد کنید و موارد دیگر.