کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 14,421 تا 14,440 مورد از کل 16,544 مورد.

coursera مقدمه ای بر تبدیل دیجیتال قسمت 2 (Mitalearn-290833)

  • 2 ساعت 6 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Rajkumar Venkatesan,Yael Grushka-Cockayne ,Michael Lenox
درباره این دوره:

این دوره برای افزایش درک شما از تحول دیجیتال طراحی شده است تا بتوانید از دیجیتالی سازی برای بهبود عملکرد عملکرد کسب و کار استفاده کنید. شما یاد خواهید گرفت که چگونه زیرساخت دیجیتال اصلی خود را با تمرکز بر رایانش ابری، یکپارچگی داده ها و پلتفرم های دیجیتال بسازید. شما کشف خواهید کرد که چگونه دیجیتالی کردن عملکردهای مختلف کسب و کار و واحدهای سازمانی را متحول می کند و یاد خواهید گرفت که چگونه این کار را انجام دهید عوامل کلیدی و خطرات ذاتی تحول دیجیتال را شناسایی کنید و تأثیر روندهای نوظهور را در نظر بگیرید. در پایان این دوره، می‌توانید تلاش‌های تحول دیجیتال صنعت خود را تجزیه و تحلیل کنید و روش‌های جدیدی را برای به حداکثر رساندن عملکرد توصیه کنید.

coursera مقدمه ای بر تبلیغات دیجیتال (Mitalearn-282520)

  • 3 ساعت 38 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Chris J. Vargo,Harsha Gangadharbatla
درباره این دوره:

چشم انداز تبلیغات دیجیتال پیچیده است. انواع مختلفی از تبلیغات وجود دارد، از جمله: نمایش، ویدیو، صوتی، حمایت مالی، بومی، رسانه های اجتماعی و جستجو. داده‌های مصرف‌کننده و فناوری تبلیغاتی که بر روی آن داده‌ها عمل می‌کنند، هم در همه جا حاضر و هم پیچیده هستند. در نتیجه، درک و مدیریت تعداد زیادی از گزینه های موجود برای بازاریابان دیجیتال دشوار است. این دوره، اشکال عمده تبلیغات دیجیتال، از تبلیغات نمایشی اولیه گرفته تا جستجو تا مفاهیم تبلیغات برنامه‌ای پیشرفته را پوشش می‌دهد. Trade Desk، ارائه‌دهنده پیشرو تبلیغات برنامه‌ای، به عنوان کارشناسان برنامه‌ریزی ما به ما می‌پیوندد و یک نقشه راه عملی در مورد اینکه چگونه کسب‌وکارهای کوچک می‌توانند از فناوری‌های پیشرفته تبلیغاتی برای دستیابی به اهداف تجاری استفاده کنند، ارائه می‌کند. در مجموع، این دوره دانش آموزان را با درک درستی از تبلیغات دیجیتال در اشکال مختلف آن و چگونگی شناسایی استراتژیک فرصت های تبلیغات دیجیتال آشنا می کند.

مهارت‌های مرتبط

coursera مقدمه ای بر تجارت، یادگیری ماشین و GCP (Mitalearn-332347)

  • 4 ساعت
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Jack Farmer
درباره این دوره:

در این دوره آموزشی، با اصول معاملاتی، از جمله مفهوم روند، بازده، توقف ضرر و نوسانات آشنا خواهید شد. شما یاد خواهید گرفت که چگونه منبع سود و ساختار استراتژی های معاملاتی کمی را شناسایی کنید. این دوره به شما کمک می‌کند اندازه‌گیری کنید که مدل چقدر یادگیری خود را تعمیم می‌دهد، تفاوت‌های بین رگرسیون و پیش‌بینی را توضیح می‌دهد و مراحل مورد نیاز برای ایجاد پشتیبان‌های توسعه و پیاده‌سازی را شناسایی می‌کند. در پایان دوره، می‌توانید از Google Cloud Platform برای ساخت مدل‌های یادگیری ماشینی اولیه در نوت‌بوک‌های Jupyter استفاده کنید. برای موفقیت در این دوره، باید صلاحیت پیشرفته در برنامه نویسی پایتون و آشنایی با کتابخانه های مربوط به یادگیری ماشین، مانند Scikit-Learn، StatsModels و Pandas داشته باشید. تجربه با SQL توصیه می شود. شما باید پیشینه ای در زمینه آمار (مقادیر مورد انتظار و انحراف استاندارد، توزیع های گاوسی، ممان های بالاتر، احتمال، رگرسیون های خطی) و دانش پایه ای از بازارهای مالی (سهام، اوراق قرضه، مشتقات، ساختار بازار، پوشش ریسک) داشته باشید.

datacamp مقدمه ای بر تجزیه و تحلیل پورتفولیو در R (Mitalearn-406076)

  • 48 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Kris Boudt
درباره این دوره:

یک قانون طلایی در سرمایه‌گذاری این است که همیشه استراتژی پرتفوی را بر روی داده‌های تاریخی آزمایش کنید، و هنگامی که استراتژی را معامله می‌کنید، به طور مداوم بر عملکرد آن نظارت کنید. در این دوره، با تجزیه و تحلیل انتقادی بازده پورتفولیو با استفاده از بسته PerformanceAnalytics، این را یاد خواهید گرفت. این دوره همچنین نشان می دهد که چگونه می توان وزن های پرتفوی را که به طور بهینه ریسک و بازده را متعادل می کند، تخمین زد. این یک دوره آموزشی مبتنی بر داده است که تئوری پورتفولیو را با تمرین در R ترکیب می کند، که در نمونه های واقعی از پرتفوی سهام و مشکلات تخصیص دارایی نشان داده شده است. اگر می‌خواهید پس از پایان این دوره به کاوش در داده‌ها ادامه دهید، داده‌های استفاده شده در سه فصل اول را می‌توان با استفاده از tseries-package به‌دست آورد.

مهارت‌های مرتبط

datacamp مقدمه ای بر تجزیه و تحلیل پورتفولیو در پایتون (Mitalearn-402234)

  • 1 ساعت 2 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Charlotte Werger
درباره این دوره:

آیا تا به حال به این فکر کرده اید که آیا صندوق سرمایه گذاری واقعاً یک سرمایه گذاری خوب است؟ یا دو گزینه سرمایه گذاری را با هم مقایسه کرد و پرسید که تفاوت این دو چیست؟ شاخص ریسک این صندوق ها اصلا به چه معناست؟ یا اینکه اغلب در کار روزانه خود با داده های مالی کار می کنید و می خواهید برتری داشته باشید؟ در این دوره آموزشی، با یادگیری پرتفوی، ریسک و بازده و نحوه تحلیل انتقادی آنها، با دنیای هیجان انگیز سرمایه گذاری آشنا می شوید. با کار بر روی داده‌های تاریخی واقعی سهام، یاد می‌گیرید که چگونه معیارهای معنی‌دار ریسک را محاسبه کنید، چگونه عملکرد را تجزیه کنید و چگونه یک پرتفوی بهینه برای ریسک و بازده مورد نظر محاسبه کنید. پس از این دوره، می‌توانید در مورد سرمایه‌گذاری تصمیم‌های مبتنی بر داده بگیرید و درک بهتری از سبد سرمایه‌گذاری داشته باشید.

مهارت‌های مرتبط

datacamp مقدمه ای بر تجزیه و تحلیل پیش بینی کننده در پایتون (Mitalearn-404393)

  • 37 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Nele Verbiest
درباره این دوره:

در این دوره آموزشی یاد خواهید گرفت که چگونه یک مدل رگرسیون لجستیک با متغیرهای معنادار بسازید. همچنین نحوه استفاده از این مدل را برای پیش‌بینی و نحوه ارائه آن و عملکرد آن به سهامداران کسب‌وکار خواهید آموخت.

مهارت‌های مرتبط

coursera مقدمه ای بر تجزیه و تحلیل خودکار (Mitalearn-312168)

  • 4 ساعت 36 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Mike,Kevin Wendt
درباره این دوره:

این دوره به معرفی تکنیک های پیشرفته برای تجزیه و تحلیل خودکار می پردازد. تجزیه و تحلیل خودکار شامل هر دو رویکرد برای تولید خودکار تعداد بسیار زیادی آزمایش برای بررسی اینکه آیا برنامه‌ها نیازها را برآورده می‌کنند، و همچنین ابزارهایی را در بر می‌گیرد که با آن می‌توان *ثابت کرد که نرم‌افزار مطابق با الزامات است و عاری از نقص‌های معمولی است، مانند به‌عنوان تقسیم بر صفر، سرریز/زیر جریان، بن‌بست، آزادی شرایط مسابقه، سرریز بافر/آرایه، استثناهای کشف نشده و چندین باگ رایج دیگر که می تواند منجر به خرابی برنامه یا مشکلات امنیتی شود. یادگیرنده با تئوری اساسی و کاربردهای چنین رویکردهایی آشنا می شود و انواع تکنیک های تجزیه و تحلیل خودکار را بر روی برنامه های نمونه اعمال می کند. پس از اتمام این دوره، زبان آموز قادر خواهد بود: - پایه های تأیید خودکار را درک کنید: تصادفی سازی و نمایش های نمادین - تشخیص نقاط قوت و ضعف تست تصادفی، تحلیل نمادین، تحلیل استاتیک و بررسی مدل - استفاده از انواع پیشرفته ترین تجزیه و تحلیل استاتیک و ابزارهای تست خودکار برای تأیید خودکار - ایجاد الزامات اجرایی به عنوان یک اوراکل مناسب برای آزمایش خودکار و تجزیه و تحلیل نمادین - درک کنید که چگونه انتخاب اوراکل بر عیب یابی برای استراتژی های تجزیه و تحلیل خودکار تأثیر می گذارد. - از تست خودکار برای دستیابی به پوشش کامل جهش استفاده کنید - یک طرح آزمایشی ایجاد کنید که هم از تست های دستی و هم از تست های خودکار برای به حداکثر رساندن دقت، به حداقل رساندن تلاش و زمان و به حداقل رساندن هزینه های تست استفاده می کند. این دوره برای فراگیران علاقه مند به درک اصول اتوماسیون و کاربرد ابزارها در نظر گرفته شده است برای تجزیه و تحلیل و آزمایش نرم افزار این دانش به چندین نقش معمولی سود می برد: مهندس نرم افزار، مهندس نرم افزار در تست، مهندس اتوماسیون تست، مهندس DevOps، توسعه دهنده نرم افزار، برنامه نویس، علاقه مندان به کامپیوتر. ما انتظار داریم که شما با چرخه حیات توسعه نرم افزار آشنایی داشته باشید، درکی از اصول تست نرم افزار، مشابه آنچه در مقدمه تست نرم افزار و دوره های تست جعبه سیاه و سفید پوشش داده شده است. آشنایی با یک زبان شی گرا مانند جاوا یا توانایی برداشتن سریع نحو جاوا برای نوشتن و اصلاح کد و تمایل به استفاده از ابزارها و IDE ها فرض می شود.

coursera مقدمه ای بر تجزیه و تحلیل داده ها با استفاده از اکسل (Mitalearn-213194)

  • 3 ساعت 18 دقیقه
  • مناسب همه
  • انتشار: 23 June 2026
  • مدرس: Sharad Borle
درباره این دوره:

استفاده از اکسل در صنعت بسیار گسترده است. این یک ابزار تجزیه و تحلیل داده بسیار قدرتمند است و تقریباً همه مشاغل بزرگ و کوچک از Excel در عملکرد روزمره خود استفاده می کنند. این یک دوره مقدماتی در استفاده از اکسل است و طراحی شده است تا دانش کاری اکسل را به شما بدهد تا بعداً از آن برای موضوعات پیشرفته تر در آمار کسب و کار استفاده کنید. این دوره با در نظر گرفتن دو نوع یادگیرنده طراحی شده است - کسانی که دانش عملکردی بسیار کمی از اکسل دارند و کسانی که به طور منظم اما در سطح پیرامونی از اکسل استفاده می کنند و می خواهند مهارت های خود را افزایش دهند. این دوره شما را از عملیات اساسی مانند خواندن داده ها به اکسل با استفاده از فرمت های مختلف داده، سازماندهی و دستکاری داده ها تا برخی از عملکردهای پیشرفته تر اکسل می برد. در طول این مدت، عملکرد اکسل با استفاده از مثال‌های قابل فهم معرفی می‌شود که به گونه‌ای نشان داده می‌شوند که زبان‌آموزان بتوانند در درک و استفاده از آنها راحت باشند. برای انجام موفقیت آمیز تکالیف دوره، دانش آموزان باید به نسخه ویندوز Microsoft Excel 2010 یا جدیدتر دسترسی داشته باشند. _____________________________________ هفته 1 ماژول 1: مقدمه ای بر صفحات گسترده در این ماژول با استفاده از صفحات گسترده اکسل و توابع مختلف داده پایه اکسل آشنا می شوید. موضوعات تحت پوشش عبارتند از: • خواندن داده ها در اکسل با استفاده از فرمت های مختلف • توابع اساسی در اکسل، حسابی و همچنین توابع مختلف منطقی • قالب بندی سطرها و ستون ها • استفاده از فرمول ها در اکسل و کپی و پیست آنها با استفاده از ارجاع مطلق و نسبی _____________________________________ هفته 2 ماژول 2: توابع صفحه گسترده برای سازماندهی داده ها این ماژول توابع مختلف اکسل را برای سازماندهی و جستجوی داده ها معرفی می کند. زبان آموزان با توابع IF، تو در تو، VLOOKUP و HLOOKUP اکسل آشنا می شوند. موضوعات تحت پوشش عبارتند از: • IF و توابع IF تو در تو • VLOOKUP و HLOOKUP • تابع RANDBETWEEN _____________________________________ هفته 3 ماژول 3: مقدمه ای بر فیلتر کردن، جداول محوری و نمودارها این ماژول قابلیت های مختلف فیلتر داده اکسل را معرفی می کند. شما یاد خواهید گرفت که چگونه فیلترهایی را در داده ها برای دسترسی انتخابی به داده ها تنظیم کنید. ابزار جمع بندی داده های بسیار قدرتمند، Pivot Table نیز توضیح داده شده است و ما شروع به معرفی ویژگی نمودار اکسل می کنیم. موضوعات تحت پوشش عبارتند از: • VLOOKUP در صفحات کاری • فیلتر کردن داده ها در اکسل • استفاده از جداول محوری با داده های دسته بندی و همچنین عددی • آشنایی با قابلیت نمودار نویسی اکسل _____________________________________ هفته 4 ماژول 4: نمودار و نمودارهای پیشرفته این ماژول به بررسی تکنیک های مختلف نمودار و نمودارهای پیشرفته موجود در اکسل می پردازد. با شروع با نمودارهای مختلف خطی، میله ای و دایره ای، نمودارهای محوری، نمودارهای پراکندگی و هیستوگرام ها را معرفی می کنیم. شما می توانید این نمودارهای مختلف را درک کنید و خودتان آنها را بسازید. موضوعات تحت پوشش شامل • نمودارهای خط، میله و دایره • نمودارهای محوری • نمودارهای پراکنده • هیستوگرام ها

coursera مقدمه ای بر تجزیه و تحلیل داده ها برای حرفه ای های حسابداری (Mitalearn-328522)

  • 2 ساعت 30 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: AICPA
درباره این دوره:

این دوره مبانی تجزیه و تحلیل داده ها و نحوه انجام و اعمال آن در پروژه های سازمان شما را پوشش می دهد. این شامل موارد زیر است: - داشتن ذهنیت داده محور به چه معناست؟ داشتن طرز فکر صحیح به شما این امکان را می دهد که مشکلی را که باید حل شود درک کنید و تصمیمات مناسب مبتنی بر داده را در زمینه استراتژی و فناوری های سازمان اتخاذ یا توصیه کنید. - ملاحظات کلیدی هنگام شناسایی، ایجاد و اجرای یک پروژه تجزیه و تحلیل داده چیست؟ این دوره مفاهیم و ملاحظات مهم را معرفی و مورد بحث قرار می دهد، بنابراین شما آماده هستید که بدون توجه به تغییر سازمان یا صنعت شما، موثر باشید. این شامل همه چیز از چارچوب بندی مشکل و تعریف محدوده، درک الزامات و شکاف های سازمانی تا کار موثر با سهامداران کلیدی است. - دانش فنی مورد نیاز شما برای درک داده ها چیست؟ چه داده‌هایی که به آنها نگاه می‌کنید، داده‌های مالی یا غیرمالی، ساختاریافته یا بدون ساختار، باید زبان تجزیه و تحلیل داده‌ها را بدانید تا بتوانید به طور مؤثر با همکاران ارتباط برقرار کنید و هنگام استفاده از تجزیه و تحلیل داده‌ها در سازمان خود، ارزش افزوده داشته باشید. با گذراندن این دوره، در موقعیت بهتری برای پرسیدن سؤالات درست، افزودن ارزش بیشتر و بهبود کیفیت خدمات به ذینفعان خود خواهید بود.

مهارت‌های مرتبط

coursera مقدمه ای بر تجزیه و تحلیل داده، سیگنال و تصویر با متلب (Mitalearn-330715)

  • 11 ساعت 50 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Jack Noble
درباره این دوره:

به مقدمه ای بر تجزیه و تحلیل داده، سیگنال و تصویر با متلب خوش آمدید! MATLAB یک زبان برنامه نویسی بسیار همه کاره برای وظایف تجزیه و تحلیل داده، سیگنال و تصویر است. این دوره مقدمه ای در مورد نحوه استفاده از MATLAB برای تجزیه و تحلیل داده، سیگنال و تصویر ارائه می دهد. پس از اتمام دوره، فراگیران متوجه خواهند شد که چگونه می توان از روش های یادگیری ماشین در MATLAB برای طبقه بندی و پیش بینی داده ها استفاده کرد. نحوه انجام تجسم داده ها، از جمله تجسم داده ها برای مجموعه داده های با ابعاد بالا. نحوه انجام روش های پردازش و تجزیه و تحلیل تصویر، از جمله فیلتر کردن تصویر و تقسیم بندی تصویر؛ و نحوه انجام وظایف رایج آنالیز سیگنال، از جمله طراحی فیلتر و تحلیل فرکانس.

مهارت‌های مرتبط

linkedin مقدمه ای بر تجزیه و تحلیل کسب و کار (2020) (Mitalearn-189003)

  • 1 ساعت 22 دقیقه
  • مبتدی
  • انتشار: 1 June 2020
  • مدرس: Madecraft,John David Ariansen
درباره این دوره: 

 داده ها منبع بسیار ارزشمندی هستند. اما بدون مطالعه، نمی توان از آن برای ایجاد یک استراتژی مبتنی بر داده استفاده کرد. تجزیه و تحلیل تجاری به سازمان ها کمک می کند تا از داده ها برای تصمیم گیری بهتر و آگاهانه تر استفاده کنند. این دوره مقدمه ای اساسی است که پایه های تجزیه و تحلیل را به روشی آسان و جذاب بیان می کند. کارشناس جان دیوید آریانسن توضیح می‌دهد که چرا داده‌ها بسیار قدرتمند هستند، بینش‌ها واقعاً چه اهمیتی دارند و چگونه از ابزارها و تکنیک‌های تحلیل رایج استفاده کنیم. علاوه بر این، جان دیوید نقشه های منبع داده، مدیریت پایگاه داده، و همه منابع داده های مختلفی را که ممکن است با آنها مواجه شوید را بررسی می کند. در پایان دوره، شما باید مهارت های لازم برای شروع جمع آوری، ردیابی و تجزیه و تحلیل انواع داده ها، از جمله فروش، بازاریابی، و معیارهای روانشناختی را داشته باشید.

nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

مهارت‌های مرتبط

coursera مقدمه ای بر تجزیه و تحلیل کسب و کار با R (Mitalearn-287620)

  • 6 ساعت 31 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Ronald Guymon,Ashish Khandelwal
درباره این دوره:

تقریباً هر جنبه ای از تجارت تحت تأثیر تجزیه و تحلیل داده ها قرار می گیرد. برای اینکه کسب‌وکارها بر روی تجزیه و تحلیل داده‌ها سرمایه‌گذاری کنند، به رهبرانی نیاز دارند که گردش کار تحلیلی کسب‌وکار را درک کنند. این دوره با ارائه مجموعه‌ای اساسی از مهارت‌های پردازش داده که می‌تواند در بسیاری از محیط‌های تجاری اعمال شود، به شکاف مهارت‌های انسانی می‌پردازد. در این دوره شما از یک زبان تجزیه و تحلیل داده، R، برای آماده سازی کارآمد داده های تجاری برای ابزارهای تحلیلی مانند الگوریتم ها و تجسم ها استفاده خواهید کرد. تمیز کردن، تبدیل، جمع‌آوری و شکل‌دهی مجدد داده‌ها یک گام مهم، اما نامحسوس در گردش کار تحلیلی کسب‌وکار است. همانطور که یاد می گیرید چگونه از R برای آماده سازی داده ها برای تجزیه و تحلیل استفاده کنید، با استفاده از RStudio، یک محیط توسعه یکپارچه قدرتمند (IDE)، که دارای بسیاری از ویژگی های داخلی است که کدنویسی با R را ساده می کند، تجربه کسب خواهید کرد. همانطور که در مورد گردش کار تجزیه و تحلیل کسب و کار یاد می گیرید، تعامل بین اصول کسب و کار و تجزیه و تحلیل داده ها را نیز در نظر خواهید گرفت. به طور خاص، بررسی خواهید کرد که چگونه تفویض اختیار، کنترل و امکان‌سنجی بر روش پردازش داده‌ها تأثیر می‌گذارد. همچنین با نمونه هایی از مشکلات تجاری که با اتوماسیون و تجزیه و تحلیل داده ها قابل حل هستند و روش هایی برای برقراری ارتباط نتایج تحلیل داده ها که نیازی به کپی و چسباندن از یک پلتفرم به پلتفرم دیگر ندارند، آشنا خواهید شد.

coursera مقدمه ای بر تجزیه و تحلیل کسب و کار: ارتباط با داده ها (Mitalearn-289779)

  • 2 ساعت 23 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Kevin Hartman,Unnati Narang
درباره این دوره:

این دوره دانش‌آموزان را با علم تجزیه و تحلیل کسب‌وکار آشنا می‌کند و در عین حال نگاهی دقیق به استفاده هنرمندانه از اعداد موجود در فضای دیجیتال دارد. هدف این است که به کسب و کارها و مدیران پایه و اساس مورد نیاز برای اعمال تجزیه و تحلیل داده ها در چالش های دنیای واقعی که روزانه در زندگی حرفه ای خود با آن مواجه می شوند، ارائه دهد. دانش آموزان یاد خواهند گرفت که ابزار تحلیلی ایده آل را برای نیازهای خاص خود شناسایی کنند. درک روش های معتبر و قابل اعتماد برای جمع آوری، تجزیه و تحلیل و تجسم داده ها؛ و از داده ها در تصمیم گیری برای آژانس ها، سازمان ها یا مشتریان خود استفاده کنند.

datacamp مقدمه ای بر تجسم داده ها با ggplot2 (Mitalearn-400092)

  • 37 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Rick Scavetta
درباره این دوره:

توانایی ایجاد تجسم داده‌های معنی‌دار و زیبا بخش مهمی از مجموعه مهارت‌های شما به عنوان یک دانشمند داده است. این دوره، اولین آموزش تجسم داده های R در این مجموعه، شما را با اصول تجسم خوب و گرامر مفاهیم ترسیم گرافیک پیاده سازی شده در بسته ggplot2 آشنا می کند. ggplot2 به ابزاری برای طرح‌های منعطف و حرفه‌ای در R تبدیل شده است. در اینجا، سه لایه ضروری اولیه برای ساخت طرح - داده‌ها، زیبایی‌شناسی و هندسه را بررسی می‌کنیم. در پایان دوره می توانید نقشه های اکتشافی پیچیده بسازید.

مهارت‌های مرتبط

datacamp مقدمه ای بر تجسم داده ها با Matplotlib (Mitalearn-399667)

  • 1 ساعت 5 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Ariel Rokem
درباره این دوره:

تجسم داده‌ها در نمودارها و شکل‌ها، الگوهای اساسی در داده‌ها را آشکار می‌کند و بینش‌هایی را ارائه می‌دهد. تجسم خوب همچنین به شما کمک می کند تا داده های خود را به دیگران منتقل کنید و برای تحلیلگران داده و سایر مصرف کنندگان داده مفید است. در این دوره آموزشی، نحوه استفاده از Matplotlib، یک کتابخانه قدرتمند تجسم داده پایتون را خواهید آموخت. Matplotlib بلوک های ساختمانی را برای ایجاد تجسم های غنی از انواع مختلف مجموعه داده ها فراهم می کند. نحوه ایجاد تجسم برای انواع مختلف داده ها و نحوه سفارشی سازی، خودکارسازی و اشتراک گذاری این تجسم ها را خواهید آموخت.

مهارت‌های مرتبط

datacamp مقدمه ای بر تجسم داده ها با Plotly در پایتون (Mitalearn-404461)

  • 55 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Alex Scriven
درباره این دوره:

تولید تجسم‌های تعاملی با کیفیت بالا از نظر تاریخی نیازمند کد پیچیده، زمان و تلاش فراوان است. دیگر نه. در این دوره آموزشی، نحوه ایجاد نمودارهایی با کیفیت انتشار، با استفاده از قدرت جاوا اسکریپت، بدون ترک راحتی زبان برنامه نویسی پایتون که همه ما دوست داریم، ایجاد کنید. شما با استفاده از مجموعه داده‌های مختلف از قیمت سهام گرفته تا آمار تیم بسکتبال و حتی اندازه منقار پنگوئن، انواع نمودارهای تعاملی و خیره‌کننده را ایجاد، سبک و سفارشی خواهید کرد! با استفاده از کتابخانه نموداری Plotly، همچنین یاد خواهید گرفت که تعاملی مانند اطلاعات شناور، لغزنده های محدوده، دکمه های سفارشی و حتی کشویی هایی که به طور واکنشی تجسم را تغییر می دهند، سفارشی کنید. آیا آماده هستید تا مهارت های تجسم داده های خود را ارتقا دهید؟

مهارت‌های مرتبط

datacamp مقدمه ای بر تجسم داده ها با Seaborn (Mitalearn-400211)

  • 54 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: DataCamp Content Creator
درباره این دوره:

Seaborn یک کتابخانه قدرتمند پایتون است که ایجاد تصاویر آموزنده و جذاب داده را آسان می کند. این دوره 4 ساعته مقدمه ای را ارائه می دهد که چگونه می توانید از Seaborn برای ایجاد انواع طرح ها، از جمله نمودارهای پراکنده، نمودارهای شمارش، نمودارهای نواری، و نمودارهای جعبه استفاده کنید و چگونه می توانید تجسم های خود را سفارشی کنید. شما این کتابخانه را کاوش خواهید کرد و طرح‌های Seaborn را بر اساس مجموعه‌های داده‌های دنیای واقعی ایجاد خواهید کرد، از جمله کاوش در چگونگی تغییر آلودگی هوا در یک شهر در طول روز و نگاه کردن به آنچه که جوانان دوست دارند در اوقات فراغت خود انجام دهند. این داده‌ها به شما این فرصت را می‌دهد که در مورد مزایای Seaborn، از جمله اینکه چگونه می‌توانید به راحتی نمودارهای فرعی را در یک شکل ایجاد کنید و نحوه محاسبه خودکار فواصل اطمینان را بدانید. در پایان این دوره، می‌توانید از Seaborn در موقعیت‌های مختلف برای کشف داده‌های خود استفاده کنید و نتایج تجزیه و تحلیل داده‌های خود را به طور مؤثر به دیگران منتقل کنید. این مهارت ها برای تحلیلگران داده، دانشمندان داده و هر شغل دیگری که ممکن است شامل ایجاد تجسم داده ها باشد، بسیار مورد توجه است. اگر می‌خواهید به یادگیری خود ادامه دهید، این دوره بخشی از چندین مسیر است، از جمله مسیر تجسم داده‌ها، که در آن می‌توانید کتابخانه‌ها و تکنیک‌های بیشتری را به مجموعه مهارت‌های خود اضافه کنید.

مهارت‌های مرتبط

datacamp مقدمه ای بر تجسم داده ها با جولیا (Mitalearn-406654)

  • 1 ساعت
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Gustavo Vieira Sune
درباره این دوره:

تصویرسازی داده‌ها را با استفاده از جولیا مسلط کنید. از اصول اولیه تا روش های پیشرفته، توانایی ایجاد تصاویری تاثیرگذار و ارتباط موثر بینش ها را به دست آورید. یاد بگیرید که از تجسم‌های متنوع جولیا مانند طرح‌های خطی، نمودارهای پراکنده، هیستوگرام، طرح‌های جعبه‌ای، یا طرح‌های ویولن استفاده کنید و بدانید که چه زمانی و چگونه از آنها استفاده کنید. مهارت های خود را با درک تکنیک هایی مانند ترکیب چند طرح، سفارشی کردن هر جنبه ای از تجسم های خود، ساختن دستور العمل های رسم و تجسم DataFrames ارتقا دهید.

مهارت‌های مرتبط

coursera مقدمه ای بر تحقیق برای مقاله نویسی (Mitalearn-367741)

  • 1 ساعت 3 دقیقه
  • مناسب همه
  • انتشار: 23 June 2026
  • مدرس: Tamy Chapman,Helen Nam
درباره این دوره:

درس چهارم: مقدمه ای بر تحقیق برای مقاله نویسی این آخرین دوره در تخصص نویسندگی دانشگاهی قبل از پروژه Capstone است. در پایان این دوره، شما قادر خواهید بود تمامی مراحل برنامه ریزی یک مقاله پژوهشی را طی کنید. پس از اتمام این دوره، شما قادر خواهید بود: - موضوعات تحقیقی مناسب را برای کلاس های کالج انتخاب کنید - رئوس مطالب مفصل را برای مقالات تحقیقاتی بنویسید - یافتن منبع برای مقالات تحقیقاتی - یادداشت های خوبی برای تحقیق بردارید و سازماندهی کنید - از لحن و زبان آکادمیک مناسب استفاده کنید - منابع سند با ایجاد یک لیست Works Cited در قالب MLA - از سرقت ادبی منابع خود اجتناب کنید

مهارت‌های مرتبط

coursera مقدمه ای بر تحقیقات بازار (Mitalearn-289830)

  • 52 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Athanasia Lampraki,Evangelia Katsikea
درباره این دوره:

این دوره بر پایه های تحقیقات بازار متمرکز است. شما با اصول و ماهیت تحقیقات بازار، فرآیند تحقیق و اهمیت پروپوزال تحقیق آشنا خواهید شد. تمرکز به فرمول بندی مسئله، حل مسئله، سؤالات تحقیق و اهداف تحقیق اختصاص خواهد یافت. این دوره با بحث در مورد اخلاق در تحقیقات بازار تکمیل خواهد شد. فراگیرانی که این دوره را با موفقیت پشت سر بگذارند قادر خواهند بود: - درباره مبانی تحقیقات بازار بحث کنید - در مورد فرآیند تحقیق فکر کنید - طرح سوالات تحقیق و اهداف تحقیق - یک پروپوزال تحقیق تهیه کنید - اخلاق در تحقیقات بازار این دوره برای تحلیلگران تحقیقات بازار، استراتژیست های رسانه های اجتماعی، مدیران بازاریابی، مدیران محصول و محققان بازار است.

مهارت‌های مرتبط

دوره‌های پیشنهادی