Neurohacking نحوه استفاده از زبان برنامه نویسی R (https://cran.r-project.org/) و بسته مرتبط با آن را برای انجام دستکاری، پردازش و تجزیه و تحلیل داده های تصویربرداری عصبی توضیح می دهد. ما بر روی تصویربرداری تشدید مغناطیسی ساختاری (MRI) در دسترس عموم تمرکز می‌کنیم. ما مفاهیمی مانند تصحیح ناهمگنی، ثبت تصویر و تجسم تصویر را مورد بحث قرار می دهیم. در پایان این دوره، شما قادر خواهید بود: خواندن/نوشتن تصاویر مغز در قالب NIfTI (ابتکار فناوری اطلاعات انفورماتیک عصبی) این تصاویر را تجسم و کشف کنید تصحیح ناهمگنی، استخراج مغز و ثبت تصویر (در یک موضوع و یک الگو) را انجام دهید.

NFT (توکن‌های غیرقابل تعویض) افراد را قادر می‌سازد اقلام دیجیتالی مانند موسیقی، هنر، عکس و موارد دیگر را بفروشند. سازندگان به NFT ها به عنوان راهی برای محافظت و کسب درآمد از آثار اصلی خود علاقه مند هستند و مجموعه داران در حال خرید هستند. مدل NFT تأثیر چشمگیری بر نحوه تفکر مردم در مورد ارزش گذاری کالاهای غیر ملموس خواهد داشت. با این حال، منتقدانی وجود دارند که می گویند آنها یک مد موقتی هستند. این دوره دقیقاً توضیح می‌دهد که NFTها چه هستند - از جمله اساس آنها در بلاک چین - و چگونه می‌توانید NFT‌های خود را با استفاده از یک پلتفرم ارزهای دیجیتال مانند اتریوم ایجاد کنید. مربی Jonathan Reichental همچنین انتقادات NFT ها را بررسی می کند تا بتوانید چالش های این فناوری در حال ظهور را درک کنید. به علاوه، بیاموزید که چگونه NFTها آماده هستند تا صنایع دیگر را مختل کنند: با جلوگیری از جعل، تأیید گواهینامه ها، نوآوری خدمات مالی و موارد دیگر.

 

پردازش زبان طبیعی (NLP) یکی از مهمترین اجزای هوش مصنوعی است. این به شما امکان می دهد تا حجم زیادی از داده ها را در قالب زبان طبیعی پردازش، تجزیه و تحلیل و درک کنید. در این دوره، مربی مارک نیمن راس به شما نشان می دهد که چگونه با استفاده از R، زبان برنامه نویسی محبوب برای محاسبات آماری و گرافیک، پیاده سازی الگوریتم های NLP را شروع کنید.

اصول دستکاری ماتریس ها و تولید آمار، هر دو را بررسی کنید. که هسته اصلی NLP موفق هستند. نحوه استفاده از ابزارها و چارچوب‌های متن‌کاوی مانند tm، quanteda، و tidytext و همچنین کار با corpora، منابع و دیگر انواع ابرداده سند NLP را بیاموزید. Mark بهترین روش‌ها را برای پیش‌پردازش متن در آماده‌سازی برای NLP، ایجاد داده‌های ساختاریافته، اعمال آمار در متن، انجام تجزیه و تحلیل احساسات، تجسم مجموعه‌های داده، و موارد دیگر را پوشش می‌دهد.

هدف از این دوره معرفی PyMC3 برای مدل سازی و استنتاج بیزی است، شرکت کنندگان با یادگیری اصول اولیه PyMC3 شروع می کنند و یاد می گیرند که چگونه استنتاج مقیاس پذیر را برای مسائل مختلف انجام دهند. این دوره نهایی در یک تخصص از سه دوره خواهد بود. از نوت بوک های پایتون و ژوپیتر در طول این دوره برای نشان دادن و انجام مدل سازی بیزی با PyMC3 استفاده می شود. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics قرار دارد. /docs/index.html. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرس این دوره دکتر Srijith Rajamohan خواهد بود.

به "مقدمه ای بر Replit and Ghostwriter"، دوره مقدماتی برای درک اصول Replit و Ghostwriter خوش آمدید. این دوره شما را با ملزومات استفاده از Replit به عنوان یک محیط توسعه یکپارچه (IDE) و اتوماسیون کد با Ghostwriter آشنا می کند. در پایان این دوره، شما قادر خواهید بود: 1. در داشبورد Replit حرکت کنید و از طیف وسیعی از ویژگی های آن استفاده کنید 2. با استفاده از رابط کاربر پسند Replit کد بنویسید، اشکال زدایی کنید و اجرا کنید 3. قابلیت های Ghostwriter در تولید کد، تبدیل و توضیح را درک کنید 4. با استفاده از ابزارهای یکپارچه Replit در پروژه های کدگذاری با همتایان خود همکاری کنید برای پروژه نهایی در این دوره، از Replit و Ghostwriter برای توسعه یک پروژه نرم افزاری کوچک استفاده خواهید کرد. شما با استفاده از Ghostwriter کد ایجاد، اصلاح و درک خواهید کرد و پروژه خود را در محیط Replit اجرا خواهید کرد. این پروژه عملی درک شما را از هر دو پلتفرم تقویت می کند و راحتی و کارایی آنها را برای فرآیند کدنویسی نشان می دهد. این یک دوره مقدماتی است، ایده آل برای زبان آموزانی که یا وارد حوزه علوم و مهندسی کامپیوتر می شوند یا به دنبال شروع سریع در برنامه نویسی هستند. هیچ تجربه قبلی لازم نیست، اگرچه آشنایی با عملیات اولیه کامپیوتر مفید است. با این دوره آموزشی منحصر به فرد که محیط کدنویسی ساده Replit را با قدرت های کد خودکارسازی Ghostwriter ترکیب می کند، به آینده کدنویسی قدم بگذارید. به ما بپیوندید تا مهارت های اساسی را به دست آورید که در هر تلاشی برای توسعه نرم افزار به شما کمک می کند.

تنها با دانستن سرورها، یا شبکه، یا فضای ذخیره‌سازی، دیگر نمی‌توانید به‌عنوان یک متخصص فناوری اطلاعات به کار خود ادامه دهید. برای پیشرفت شغلی خود به درک هر سه مورد نیاز دارید. فناوری‌های ذخیره‌سازی متمرکز – NAS و SAN – این قابلیت‌ها را ترکیب می‌کنند و همه مهارت‌های شما را آزمایش می‌کنند. این دوره آموزشی دانش مورد نیاز برای درک و کار با ذخیره سازی SAN و NAS را ارائه می دهد. در مورد انواع ذخیره سازی، مزایا و نقاط قوت SAN در مقابل NAS بیاموزید. مربی نیل اندرسون پروتکل های NAS و SAN را معرفی می کند - SMB، CIFS، NFS، کانال فیبر، FCoE، iSCSI، و NVMeOF - و نحوه پیکربندی یک سیستم ذخیره سازی و اتصال از مشتری را در نمایش های آزمایشگاهی کاربردی نشان می دهد.

ابزارهای هوش تجاری (BI) و انبار تجاری (BW) را در SAP معرفی کنید. این دوره مروری گسترده برای همه کسانی که می خواهند بدانند چه چیزی برای توسعه در راه حل های BI و BW لازم است ارزشمند است. بیاموزید که چه چیزی سیستم‌ها، اشیاء مورد استفاده را تشکیل می‌دهند و چگونه همه با هم کار می‌کنند تا یک راه‌حل منسجم را تشکیل دهند که آن را به ابزاری عالی تبدیل می‌کند. نحوه جمع‌آوری و سازمان‌دهی داده‌ها از منابع، نقشه‌برداری داده‌ها در InfoObjects، اصلاح داده‌ها، ترکیب داده‌ها از چندین منبع و ذخیره داده‌های خود را در حافظه با SAP HANA بیابید.

این دوره توسط Michael Management ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود ارائه می دهیم.

این دوره یک درک جامع از مفاهیم امنیتی و مدیریت رویداد (SIEM) و مهارت های عملی با استفاده از Splunk به عنوان یک راه حل SIEM ارائه می دهد. شما اصول SIEM، معماری Splunk، جمع آوری و مدیریت داده ها، تجزیه و تحلیل داده ها، و موضوعات پیشرفته مانند همبستگی و پاسخ حادثه را کشف خواهید کرد. در پایان دوره، شما به طور موثر Splunk را برای تجزیه و تحلیل گزارش، تشخیص تهدید و نظارت بر امنیت اعمال خواهید کرد. اهداف آموزشی: ماژول 1: مقدمه ای بر SIEM و مدیریت لاگ • اصول SIEM و نقش آن در امنیت سایبری را بشناسید. • اهمیت SIEM در عملیات امنیتی را درک کنید. • مزایایی مانند بهبود یافته تشخیص تهدید و انطباق با مقررات را کشف کنید. ماژول 2: معماری و نصب Splunk • با Splunk به عنوان یک پلتفرم پیشرو SIEM آشنا شوید. • با ویژگی های Splunk تجربه عملی کسب کنید. • قابلیت های Splunk را با راه حل های دیگر SIEM ارزیابی کنید. ماژول 3: جمع آوری و مدیریت داده ها در Splunk • هضم، تجزیه و نمایه سازی داده ها را در Splunk کشف کنید. • سازماندهی ورودی داده های موثر و سازماندهی کارآمد داده ها. • سیاست های حفظ داده ها را برای مدیریت بهینه داده ها شناسایی کنید. ماژول 1: مقدمه ای بر SIEM و مدیریت لاگ توضیحات: در این ماژول، اصول SIEM و اهمیت آن در امنیت سایبری مدرن را درک خواهید کرد. شما می توانید مفاهیم اصلی SIEM (اطلاعات امنیتی و مدیریت رویداد) را توصیف کنید و اهمیت آن را در شیوه های امنیت سایبری معاصر برجسته کنید. شما می توانید نقش حیاتی SIEM را در عملیات امنیتی و واکنش به حادثه شناسایی کنید. مزایایی را که سازمان‌ها می‌توانند با اجرای راه‌حل‌های SIEM به دست آورند، از جمله تشخیص تهدید بهبودیافته، افزایش پاسخ به حادثه، انطباق با مقررات و کارایی عملیاتی را یاد خواهید گرفت. ماژول 2: معماری و نصب Splunk توضیحات: در این ماژول با Splunk به عنوان یک پلتفرم پیشرو SIEM آشنا خواهید شد. ویژگی ها و قابلیت های گسترده ارائه شده توسط Splunk را کشف کنید که آن را به عنوان یک راه حل برجسته SIEM قرار می دهد. توانایی های Splunk در مدیریت گزارش، جمع آوری داده ها و تکنیک های تجزیه و تحلیل پیشرفته را بررسی کنید. با رابط کاربری Splunk و عملکردهای اولیه، تجربه عملی به دست آورید. با رابط Splunk تعامل کنید تا درک جامعی از اجزای مختلف و ناوبری آن ایجاد کنید. شما مدیریت لاگ، جمع آوری داده ها و تکنیک های تجزیه و تحلیل پیشرفته Splunk را بررسی کرده و در مورد آن بحث خواهید کرد. توانایی های Splunk را با سایر راه حل های SIEM موجود در بازار مقایسه و مقایسه کنید. مزایای کلیدی استفاده از Splunk برای مدیریت لاگ و تجزیه و تحلیل داده ها را خلاصه کنید. ماژول 3: جمع آوری و مدیریت داده ها در Splunk توضیحات: ماژول "جمع آوری و مدیریت داده ها" در Splunk بر روش ها و تکنیک های مختلف برای جذب، سازماندهی و مدیریت کارآمد داده ها در پلت فرم Splunk تمرکز دارد. این اطلاعات دریافت داده ها را با استفاده از فورواردها، API ها و منابع دیگر و همچنین تجزیه، فهرست بندی و استراتژی های حفظ اطلاعات گزارش می کند تا اطمینان حاصل شود که داده ها برای تجزیه و تحلیل و نظارت مؤثر در Splunk قابل دسترسی و قابل استفاده هستند. شما نحوه پیکربندی و مدیریت موثر ورودی های داده را برای اطمینان از ورود به موقع و دقیق داده ها در Splunk کشف خواهید کرد. مفاهیم فیلدها، برچسب‌ها و انواع رویداد را در Splunk برای سازماندهی و دسته‌بندی کارآمد داده‌ها کشف کنید. سیاست ها و استراتژی های حفظ داده ها را برای کنترل چرخه عمر داده ها در Splunk بشناسید و اطمینان حاصل کنید که داده های مربوطه در حین مدیریت هزینه های ذخیره سازی حفظ می شوند. یادگیرنده هدف: این دوره برای متخصصان امنیت سایبری، مدیران فناوری اطلاعات و تحلیلگرانی طراحی شده است که به دنبال افزایش مهارت های SIEM خود هستند. همچنین برای کسانی که علاقه مند به استفاده از Splunk برای نظارت بر امنیت و پاسخ به حوادث هستند مناسب است. پیش نیازهای زبان آموز: شما باید دانش پایه ای از مفاهیم امنیت سایبری و آشنایی با سیستم ها و شبکه های فناوری اطلاعات داشته باشید. هیچ تجربه قبلی با Splunk یا SIEM مورد نیاز نیست. فایل های مرجع: در قسمت منابع به فایل های کد دسترسی خواهید داشت. مدت دوره: 7 ساعت 20 دقیقه این دوره به گونه ای طراحی شده است که در 3 هفته تکمیل شود، شامل سخنرانی، عملی و آزمون

مقدمه ای بر نرم افزار زیمنس Solid Edge شما را قادر می سازد تا مفاهیم اولیه طراحی را در محیط های دو بعدی و سه بعدی با استفاده از نرم افزار طراحی به کمک کامپیوتر (CAD) یاد بگیرید. این مفاهیم شامل طرح های دو بعدی، اشکال اساسی، مدل های سه بعدی و مجموعه های ساده است. شما با استفاده از دستوراتی مانند extrude، revolve، round، blend و thinwall برای طراحی موثرتر مدل های جامد، تجربه کسب خواهید کرد. علاوه بر این، در مورد مفاهیم پیش‌نویسی مانند جزئیات، نمای طراحی، برش‌های بخش و هدف طراحی یاد خواهید گرفت. در نهایت، نحوه ویرایش سریع فایل های CAD وارد شده از سایر برنامه های نرم افزاری را یاد خواهید گرفت. این دوره مقدمه ای بر Solid Edge ارائه می دهد که همچنین به شما کمک می کند تا برای آزمون گواهینامه کاردانی مکانیکی Solid Edge آماده شوید. در پایان دوره، شما باید بتوانید: -ویژگی های کلیدی Solid Edge را شناسایی کنید. -اصول کلیدی طراحی با Solid Edge را بشناسید. -اجرای مفاهیم اولیه مدل سازی مانند طراحی، اشکال اساسی، روابط هندسی و محدودیت. -مفاهیم پایه مدلسازی سه بعدی و همچنین بهترین شیوه ها را برای مدلسازی کارآمدتر با استفاده از مفاهیمی مانند اکسترود، چرخش، دور، ترکیب و دیوار نازک شناسایی کنید. -با استفاده از ویژگی‌های Solid Edge مانند فرمان یاب، هدف طراحی، صفحه طرح، اتاق زیر شیروانی و ویژگی‌های الگو، مهارت خود را افزایش دهید. -از مهارت‌های ضروری برای ساخت و کار با مجموعه‌ها، مانند نحوه باز کردن قطعات از مجموعه‌ها، قرار دادن مسیرها، تراز کردن، اضافه کردن حرکت و کار با روابط اسمبلی استفاده کنید. -شناسایی نحوه ویرایش در محیط‌های مختلف Solid Edge مانند پیش‌نویس و افزایش کارایی کار با داده‌های وارد شده از سایر برنامه‌های نرم‌افزار CAD. -تمرین و آماده شدن برای آزمون گواهینامه کاردانی Solid Edge. این دوره هیچ پیش نیاز رسمی ندارد. هر کسی که علاقه مند به یادگیری استفاده از نرم افزار CAD باشد می تواند در این دوره شرکت کند. برای تکمیل موفقیت آمیز این دوره، نسخه رایگان نرم افزار Solid Edge را دانلود کرده و از فایل های دوره ارائه شده استفاده خواهید کرد.

DataFrames، یک ساختار داده پرکاربرد در Apache Spark را کاوش کنید. DataFrames به توسعه دهندگان Spark اجازه می دهد تا عملیات داده های رایج مانند فیلتر کردن و تجمیع و همچنین تجزیه و تحلیل داده های پیشرفته را روی مجموعه های بزرگ داده های توزیع شده انجام دهند. با اضافه شدن Spark SQL، توسعه دهندگان به زبان جستجوی محبوب تر و قدرتمندتر از DataFrames API داخلی دسترسی دارند. در این دوره، مدرس دن سالیوان نحوه انجام عملیات اساسی - بارگیری، فیلتر کردن، و جمع آوری داده ها در DataFrames - با API و SQL و همچنین تکنیک های پیشرفته تری را که به راحتی در SQL انجام می شود را نشان می دهد. در این بخش از دوره، Dan نحوه اتصال داده ها، حذف موارد تکراری و مقابله با مقادیر null یا NA را توضیح می دهد. دروس با سه مثال عمیق از استفاده از DataFrames برای علم داده به پایان می رسد: تجزیه و تحلیل داده های اکتشافی، تجزیه و تحلیل سری های زمانی، و یادگیری ماشین.

شما هر روز از طریق رایانه شخصی (رایانه شخصی)، لپ تاپ، تبلت، پد هوشمند و تلفن هوشمند خود از اینترنت در هر کاری که انجام می دهید استفاده می کنید. از طریق رایانه شخصی / لپ تاپ خود، می توانید به راحتی همه چیز را در مورد اینترنت بیاموزید، و این همان چیزی است که این دوره بر روی آن متمرکز شده است. در این دوره آموزشی "مقدمه ای بر TCP/IP"، کارکردهای عملیاتی فناوری های اینترنت (که شامل IPv4، IPv6، TCP، UDP، آدرس دهی، مسیریابی، نام های دامنه، و غیره) و امنیت رایانه شخصی/لپ تاپ خود و دروازه اینترنت را خواهید آموخت. راه اندازی و اصول اولیه علاوه بر این، از طریق یک آزمایش ساده Wireshark، بسته‌های TCP/IP و سیستم‌های امنیتی را خواهید دید که در حال خدمت به رایانه شخصی/لپ‌تاپ شما هستند که به شما خدمات می‌دهند.

اگر توسعه‌دهنده نرم‌افزاری هستید که می‌خواهید الگوریتم‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی بسازید، باید بدانید که چگونه از ابزارهای ساخت آنها استفاده کنید. این دوره بخشی از DeepLearning.AI TensorFlow Developer Specialization است و بهترین روش ها برای استفاده از TensorFlow، یک چارچوب منبع باز محبوب برای یادگیری ماشین را به شما آموزش می دهد. دوره یادگیری ماشین و تخصص یادگیری عمیق از Andrew Ng مهمترین و اساسی ترین اصول یادگیری ماشین و یادگیری عمیق را آموزش می دهد. این تخصص توسعه‌دهنده DeepLearning.AI TensorFlow به شما می‌آموزد که چگونه از TensorFlow برای پیاده‌سازی این اصول استفاده کنید تا بتوانید شروع به ساخت و استفاده از مدل‌های مقیاس‌پذیر برای مشکلات دنیای واقعی کنید. برای ایجاد درک عمیق تر از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

متخصصان منابع انسانی باید در مورد روندهای منابع انسانی، بهترین شیوه ها و قوانین جاری باقی بمانند. صدور گواهینامه یکی از راه های نشان دادن این تعهد است. مؤسسه صدور گواهینامه منابع انسانی (HRCI®) گواهینامه حرفه ای منابع انسانی (PHR) استاندارد صنعت است. اگر به گواهینامه PHR و فرآیند امتحان علاقه دارید، این دوره مکانی برای شروع است. جوآن والترز فرمت آزمون و شش حوزه اصلی موضوع را بررسی می کند: مدیریت و استراتژی کسب و کار، توسعه منابع انسانی، حقوق و مزایا، برنامه ریزی نیروی کار و اشتغال، روابط کارمند و کار، و مدیریت ریسک. او همچنین توضیح می دهد که چگونه آزمون نمره گذاری می شود و پس از دریافت گواهی اولیه یا مردود شدن در روز امتحان چه انتظاری می توانید داشته باشید.\r\n\r\n

کسب اعتبار انجمن حرفه‌ای دارای گواهینامه مدیریت منابع انسانی (SHRM-CP) می‌تواند شما را از سایرین در زمینه منابع انسانی متمایز کند و نشان می‌دهد که دانش لازم برای یک رهبر مؤثر را دارید. این دوره برای کمک به شما در درک آنچه در روز آزمون انتظار دارید طراحی شده است و شما را برای موفقیت در امتحان آماده می کند. مربی جوآن والترز یک نمای کلی از محتوای امتحان SHRM-CP ارائه می دهد که توسط انجمن مدیریت منابع انسانی (SHRM®) توضیح داده شده است، و نحوه اندازه گیری شایستگی های رفتاری و حوزه های دانش در SHRM-CP® را به اشتراک می گذارد. جوآن همچنین راهنمایی های عمومی آماده سازی آزمون را ارائه می دهد و آنچه را که پس از شرکت در آزمون انتظار دارید را به اشتراک می گذارد.\r\n\r\n

این دوره با استفاده از مفهوم امپدانس به معرفی آکوستیک می پردازد. این دوره با ارتعاشات و امواج شروع می شود و نشان می دهد که چگونه ارتعاش را می توان به عنوان نوعی موج از نظر ریاضی و فیزیکی در نظر گرفت. آنها با مثال های تک بعدی، که از نظر ریاضی ساده ترین اما به اندازه کافی روشن بینش فیزیکی را ارائه می دهند، تحقق می یابند. سپس قسمت 1 با توضیح امواج بر روی سطح صاف ناپیوستگی به پایان می رسد و نشان می دهد که چگونه ویژگی های انتشار امواج در فضایی که عدم تطابق امپدانس توزیع شده وجود دارد تغییر می کند.

"مقدمه ای بر آمار" استنفورد به شما مفاهیم تفکر آماری را می آموزد که برای یادگیری از داده ها و ارتباط بینش ضروری هستند. در پایان دوره، می‌توانید تجزیه و تحلیل داده‌های اکتشافی را انجام دهید، اصول کلیدی نمونه‌گیری را درک کنید، و آزمون‌های اهمیت مناسب را برای زمینه‌های مختلف انتخاب کنید. شما مهارت های اساسی را به دست خواهید آورد که شما را برای پیگیری موضوعات پیشرفته تر در تفکر آماری و یادگیری ماشین آماده می کند. موضوعات شامل آمار توصیفی، نمونه‌گیری و آزمایش‌های کنترل شده تصادفی، احتمال، توزیع‌های نمونه‌گیری و قضیه حد مرکزی، رگرسیون، آزمون‌های رایج اهمیت، نمونه‌گیری مجدد، مقایسه‌های چندگانه است.

هدف از این دوره، معرفی آمار محاسباتی به دانشمندان مشتاق یا جدید داده است. شرکت کنندگان با یادگیری مبانی احتمال، مدل سازی بیزی و استنتاج شروع خواهند کرد. این اولین دوره در یک تخصص شامل سه دوره خواهد بود. از نوت بوک پایتون و ژوپیتر در طول این دوره برای تصویرسازی و اجرای مدلسازی بیزی استفاده خواهد شد. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics/docs/index.html قرار دارد. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرسان این دوره دکتر سریجیت راجاموهان و دکتر رابرت ستلاژ خواهند بود.

به مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی خوش آمدید! این دوره به شما بلوک‌های اصلی تجزیه و تحلیل آماری - انواع متغیرها، توزیع‌های رایج، آزمایش فرضیه‌ها را آموزش می‌دهد، اما بیش از آن، شما را قادر می‌سازد مجموعه داده‌ای را که قبلاً هرگز ندیده‌اید، بگیرید، ویژگی‌های کلیدی آن را شرح دهید. نقاط قوت و ویژگی های آن را بشناسید، تحلیل های اساسی اساسی انجام دهید و سپس فرضیه ها را بر اساس میانگین ها و نسبت ها تدوین و آزمایش کنید. سپس پایه محکمی برای رفتن به تحلیل پیچیده تر و گذراندن دوره های دیگر در این مجموعه خواهید داشت. نرم افزار محبوب، منعطف و کاملا رایگان R را که توسط متخصصان آمار و یادگیری ماشین در همه جا استفاده می شود، یاد خواهید گرفت. این کار عملی است، بنابراین ابتدا با نحوه بیان یک فرضیه قابل آزمایش از طریق نمونه هایی از تحقیقات پزشکی که توسط رسانه ها گزارش شده است، آشنا خواهید شد. سپس با مجموعه داده‌های مربوط به عادات غذایی میوه و سبزیجات کار می‌کنید: داده‌هایی که به‌طور واقع بینانه نامرتب هستند، زیرا مجموعه داده‌های بهداشت عمومی در واقعیت چنین هستند. در طول مسیر، مینی آزمون هایی با بازخورد برای بررسی درک شما وجود خواهد داشت. این دوره توانایی شما را برای تفکر انتقادی و عدم پذیرش چیزها بدیهی تر می کند: در این عصر الگوریتم های کنترل نشده و اخبار جعلی، این مهارت ها بیش از همیشه مهم هستند. پیش نیازها برخی از فرمول ها برای کمک به درک ارائه شده است، اما این از آن دوره هایی نیست که برای دنبال کردن آن نیاز به مدرک ریاضی دارید. شما فقط به اعداد اولیه (مثلاً از حساب دیفرانسیل و انتگرال استفاده نمی کنیم) و آشنایی با روش های نموداری و جدولی برای ارائه نتایج نیاز دارید. هیچ دانشی از R یا برنامه نویسی فرض نمی شود.

این دوره برای کمک به مبتدیان اسکرام طراحی شده است که دانش پایه را برای مهارت در استفاده از Agile Scrum بیاموزند. در طول دوره، فراگیران روش‌های Agile و مزایای ساختن تدریجی را بررسی خواهند کرد. آن‌ها همچنین درباره نقش‌های درون تیم‌های اسکرام، رویدادهایی که در طول یک اسپرینت اتفاق می‌افتند، مصنوعات Agile و تعریف Done for a Sprint را یاد می‌گیرند.