Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 47 items.

linkedin پایتون برای نکات، ترفندها و تکنیک های علوم داده (Mitalearn-123264)

  • 47 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Ben Sullins
درباره این دوره:

کار مدرن در علم داده نیاز به متخصصان ماهر دارد که در جریان کار تجزیه و تحلیل و استفاده از ابزارهای قدرتمند مهارت داشته باشند. پایتون می‌تواند تقریباً در هر جنبه‌ای از کار با داده‌ها نقش مهمی ایفا کند - از دریافت، پرس و جو، استخراج و تجسم. این دوره دوازده نکته و ترفندی را که می توانید برای بهبود مهارت های خود در پایتون به کار ببرید، برجسته می کند. این تکنیک‌ها به آسانی و در وظایف رایج مدیریت داده اعمال می‌شوند و شامل موارد زیر می‌شوند: نحوه دریافت داده‌ها با استفاده از فایل‌های CSV، JSON، و TXT. چگونه داده ها را با استفاده از کتابخانه هایی مانند پانداها کاوش کنیم. نحوه سازماندهی و پیوستن داده ها با استفاده از DataFrames. نحوه ایجاد نمودارها و نمایش های گرافیکی داده ها با استفاده از ggplot در پایتون. و بیشتر.

linkedin پایه های علوم داده: اصول (Mitalearn-417313)

  • 5 hours 24 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

Data Science مجموعه ای از زمینه های درگیر در هوش مصنوعی ، یادگیری ماشین و هوش تجاری است. این یکی از سریعترین و با ارزش ترین مشاغل با استفاده از تحلیلگران و مهندسان در سراسر جهان است. این دوره مقدمه ای در دسترس و غیر فنی در زمینه علوم داده ، پوشش واژگان ، مهارت ها ، شغل ها ، ابزارها و تکنیک های علوم داده را ارائه می دهد و آن را به انقلاب داده متصل می کند و پایه و اساس توسعه خود را در علم داده در اختیار شما قرار می دهد.

به مربی بارتون پولسون بپیوندید زیرا او مؤلفه هایی را که علوم داده را تشکیل می دهند ، شناسایی می کند و چگونگی رشد و تکامل علم داده را بررسی می کند ، به ویژه با ظهور هوش مصنوعی.

linkedin تجزیه و تحلیل اپلیکیشن موبایل برای توسعه دهندگان (Mitalearn-117297)

  • 1 hours 12 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Joe Marini
درباره این دوره:

برنامه شما واقعاً چگونه استفاده می شود؟ آیا کاربران برخی از ویژگی ها را بیشتر از سایرین دوست دارند؟ کاربران شما در کدام کشورها زندگی می کنند؟ کدام مناطق بهترین درآمد را دارند؟ با استفاده از تجزیه و تحلیل در برنامه خود، می توانید پاسخ این سؤالات را بیابید و به طور کلی درباره نحوه استفاده از برنامه خود در دنیای واقعی اطلاعات بیشتری کسب کنید. در این دوره آموزشی، نحوه پیاده‌سازی تحلیل‌های اولیه، جمع‌آوری داده‌ها و تجزیه و تحلیل نتایج خود را بیابید تا مشخص کنید کدام ویژگی‌ها را بسازید، و چگونه آن ویژگی‌ها را به بهترین نحو به کاربران خود ارائه دهید. مربی جو مارینی دلیلی برای استفاده از تجزیه و تحلیل در برنامه خود توضیح می دهد. سپس نحوه کار با Google Analytics for Firebase - یک بسته تحلیلی بین پلتفرمی - برای اندازه‌گیری میزان استفاده از یک برنامه، بررسی مجموعه رویدادها، و نحوه تجزیه و تحلیل داده‌های خود را توضیح می‌دهد.

linkedin تجزیه و تحلیل داده ها برای دانش آموزان (2020) (Mitalearn-240156)

  • 1 hours
  • مناسب همه
  • Release date: 3 December 2020
  • Author: Madecraft,John David Ariansen
درباره این دوره: 

 تجزیه و تحلیل موضوع بسیار گسترده ای است که به سختی می توان از کجا شروع کرد. در این دوره آموزشی که برای دانش‌آموزان طراحی شده است، نحوه استفاده از تجزیه و تحلیل داده‌ها را برای تصمیم‌گیری آگاهانه و ایجاد مهارت‌های اصلی تجزیه و تحلیل که می‌تواند شما را برای ورود به عرصه کسب‌وکار یا علم داده آماده کند، بررسی کنید. در مورد اصول اولیه تجزیه و تحلیل، نحوه جمع‌آوری داده‌ها، و تأثیر آن بر روزمره یک تجارت بیاموزید. این دوره همچنین مقدمه‌ای بر ابزارهای رایج مورد استفاده در تجزیه و تحلیل و همچنین داستان‌هایی را ارائه می‌کند که برای کمک به دانش‌آموزان طراحی شده‌اند تا دیدی کلی از مشاغلی داشته باشند که به مهارت‌های تحلیلی قوی نیاز دارند.

Related Skills

linkedin تجزیه و تحلیل داده ها برای متخصصان مشاغل (Mitalearn-417075)

  • 1 hours 20 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: John Johnson
درباره این دوره:

شنیدن عبارت "AI Analytics" می تواند دلهره آور به نظر برسد اما دلهره آور نیست. در این دوره ، مربی جان جانسون به شما می آموزد که چگونه در مورد هوش مصنوعی به عنوان ابزاری فوق العاده فکر کنید که می تواند شما را کارآمدتر و مؤثرتر کند. تجزیه و تحلیل داده ها می تواند به کاهش هزینه ها ، سرعت بخشیدن به تحویل ، تولید پیش بینی ها و بهبود نتایج برای تجارت شما در طول زمان کمک کند.

جان به جای تلاش برای آموزش تکنیک های پیچیده ریاضی و آماری که ممکن است یک ابزار هوش مصنوعی از آن استفاده کند ، جان بر نقش یک متخصص مشاغل در ارزیابی ، تفسیر و استفاده از خروجی های آنها در زمینه تصمیمات پیچیده تجارت از طریق مطالعات موردی هدف قرار می گیرد. نحوه جمع آوری ، تمیز کردن و جمع آوری داده ها را از منابع مختلف در سراسر سازمان خود پیدا کنید و هنگام نقص داده ها را مشخص کنید. جان در مورد برنامه ریزی و استفاده از یک استراتژی تحلیلی که متناسب با نیازهای خاص تجارت شما باشد ، به شما اشاره می کند و انواع تکنیک های ساده را پوشش می دهد: میانگین ، نمونه گیری ، انتخاب گیلاس ، پیش بینی ، همبستگی ، علیت و موارد دیگر.

linkedin تجزیه و تحلیل داده ها برای متخصصان مشاغل (2022) (Mitalearn-417058)

  • 1 hours 16 minutes
  • مناسب همه
  • Release date: 28 June 2022
  • Author: John Johnson
درباره این دوره: 

 تجزیه و تحلیل داده ها برای تجارت شما چه کاری می تواند انجام دهد؟ درسی از شرکت هایی مانند Xerox و UPS درس بگیرید ، با نمونه های کیفی و کمی در طول مسیر. تجزیه و تحلیل داده ها می تواند به کاهش هزینه ها ، سرعت بخشیدن به تحویل ، تولید پیش بینی ها و بهبود نتایج برای تجارت شما در طول زمان کمک کند. در این دوره مقدماتی ، اقتصاددان و نویسنده جان جانسون به شما نشان می دهد که چگونه می توانید از تجزیه و تحلیل برای تصمیم گیری های مبتنی بر داده استفاده کنید و از مزیت رقابتی استفاده کنید.

نمونه هایی از تجزیه و تحلیل زندگی واقعی در عمل ، تمایز بین رویکردهای پیش بینی و تجویز و یادگیری نحوه تدوین و ایجاد سؤالات خود را کشف کنید. نحوه جمع آوری ، تمیز کردن و جمع آوری داده ها را از منابع مختلف در سراسر سازمان خود پیدا کنید و هنگام نقص داده ها را مشخص کنید. جان در مورد برنامه ریزی و استفاده از یک استراتژی تحلیلی که متناسب با نیازهای خاص تجارت شما باشد ، به شما اشاره می کند و انواع تکنیک های ساده را پوشش می دهد: میانگین ، نمونه گیری ، انتخاب گیلاس ، پیش بینی ، همبستگی ، علیت و موارد دیگر.

linkedin تجزیه و تحلیل داده ها: تجزیه و تحلیل نمودار (Mitalearn-213806)

  • 19 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Madecraft,Heather Johnson
درباره این دوره:

از زمان پیدایش تجزیه و تحلیل داده ها، روشی که در آن تحلیل گران به داده ها نگاه می کنند و تفسیر می کنند، به شدت تکامل یافته است. فناوری‌ها، ابزارها و رویکردهای جدید آنچه را که با تجزیه و تحلیل داده‌ها امکان‌پذیر است، ارتقا داده‌اند و تحلیل شبکه نیز از این قاعده مستثنی نیست. در این دوره، هدر جانسون، تحلیلگر قدیمی داده و متخصص تجسم داده، اصول استفاده از تجزیه و تحلیل گراف یا تجزیه و تحلیل شبکه را هنگام تجزیه و تحلیل داده ها به اشتراک می گذارد. هدر با بررسی اجزای تجزیه و تحلیل شبکه و جزئیات مزایای استفاده از رویکرد تجزیه و تحلیل گراف شروع می کند. او سپس از طریق کاربردهای کلیدی استفاده از تجزیه و تحلیل گراف هنگام بررسی داده ها قدم می زند. برای پایان دادن به دوره، هدر فرصت های شغلی را در حوزه تجزیه و تحلیل گراف مورد بحث قرار می دهد. پس از اتمام، به دانشی در مورد اینکه تجزیه و تحلیل گراف چیست و چگونه می توان از آن در حرفه تجزیه و تحلیل خود استفاده کرد، مجهز خواهید شد.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

Related Skills

linkedin تجزیه و تحلیل داده ها: داشبوردها در مقابل داستان های داده (Mitalearn-218158)

  • 17 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Madecraft,Sara Anstey
درباره این دوره:

در دنیای تجزیه و تحلیل داده‌ها، زمانی که صحبت از نحوه انتقال داده‌ها و بینش‌هایتان به میان می‌آید، دائماً با همین تصمیم مواجه می‌شوید. برای هر پروژه، باید تصمیم بگیرید که از داشبورد استفاده کنید یا داستان داده را بگویید. در این دوره، معمار هوش تجاری سارا آنستی، اطلاعات لازم برای گرفتن این تصمیم را با اطمینان در اختیار شما قرار می دهد. ابتدا، سارا مبانی تصمیم گیری با داده ها را پوشش می دهد و به اشتراک می گذارد که چگونه نقش یک تحلیلگر داده این امر را برای سازمان ها ممکن می سازد. سپس به موضوعات داشبوردهای علم داده و داستان سرایی داده می پردازد، مزایا و معایب هر کدام را برجسته می کند و جزئیاتی را که برای تعیین اینکه کدام رویکرد برای شما مناسب است، ارائه می دهد. سارا با جمع بندی مجدد مفاهیم کلیدی به پایان می رسد و شما را آماده می کند تا بین هر یک از این گزینه ها به راحتی و با عمد انتخاب کنید.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

Related Skills

linkedin تجزیه و تحلیل داده های شطرنجی زمین در پایتون (Mitalearn-421240)

  • 2 hours 38 minutes
  • مناسب همه
  • Release date: 8 January 2025
  • Author: Milan Janosov, Ph.D.
درباره این دوره: 

 آیا به دنبال یک مرور کلی از تجزیه و تحلیل داده های شطرنجی در پایتون هستید؟ این دوره که یک مناسب برای دانشمندان داده و پزشکان جغرافیایی است ، این دوره به منظور کمک به شما در استفاده از داده های بردار و ابزارهای مختلف در پایتون ، مانند ژئوپاندا و شکل ، طراحی شده است. مربی میلان Janosov اصول اولیه را پوشش می دهد ، از ایجاد داده های شطرنجی مصنوعی گرفته تا جمع آوری ، تجسم و اصلاح داده های شطرنجی موجود در دنیای واقعی. در طول راه ، تجربه عملی را در مورد کاوش در داده های شطرنجی هم از نظر آماری و هم بصری کسب کنید. در پایان این دوره ، شما به مهارت های تقاضا برای تغییر شکل مجدد و دوباره ساخت مجدد داده های شطرنجی ، ترکیب داده های شطرنجی تک باند در داده های شطرنجی چند منظوره ، انجام تجزیه و تحلیل پیشرفته بر روی داده های شطرنجی چند بندی و موارد دیگر مجهز خواهید شد.

linkedin تجزیه و تحلیل داده های یادگیری بخش 2: گسترش و بکارگیری دانش اصلی (Mitalearn-215591)

  • 3 hours 22 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Robin Hunt
درباره این دوره:

کار با داده ها یک چیز است. ارائه مجموعه داده‌های با کیفیت و تجسم‌های دقیق برای تصمیم‌گیری، دیگری است. اگر به یک دوره آموزشی یا حرفه ای در تجزیه و تحلیل داده ها فکر می کنید، این دوره می تواند به شما کمک کند تا شروع خوبی داشته باشید. رابین هانت، مدیرعامل و یکی از بنیانگذاران ThinkData Solutions، مهارت‌های عملی را به اشتراک می‌گذارد تا به شما کمک کند از داده‌های خود بیشترین بهره را ببرید و حرفه خود را در داده‌ها شروع کنید. رابین در مورد قوانین کسب و کار، فیلتر کردن نویز در داده‌هایی که همه ما با آن سروکار داریم، و نحوه ارائه آنچه تصمیم گیرندگان می‌خواهند صحبت می‌کند. او نحوه ایجاد مجموعه‌های داده با پرس‌و‌جوها، پیوستن و ضمیمه‌ها را پوشش می‌دهد، سپس به ساخت داده‌های انبوه با کل کوئری‌ها می‌پردازد. رابین به محورها، نحوه استفاده از محورها برای ساخت داشبوردها و تجسم‌های اولیه و نحوه استفاده از Power Query برای تبدیل داده‌ها می‌پردازد. او با بهترین شیوه ها برای جلسات و رساندن کار شما به سطح بعدی برای سازمان شما به پایان می رسد.

Related Skills

linkedin تجزیه و تحلیل داده های یادگیری: 1 مبانی (Mitalearn-210576)

  • 3 hours 29 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Robin Hunt
درباره این دوره:

آیا شما علاقه مند به دنبال کردن حرفه ای در تجزیه و تحلیل داده هستید؟ در این دوره، مربی رابین هانت شما را به ذهن یک تحلیلگر می آورد. او مفاهیم اساسی را تعریف و توضیح می دهد، مانند نحوه تفکر در مورد داده ها، نحوه کار با دیگران در نقش های مختلف برای به دست آوردن داده های مورد نیاز، و ابزارهایی که برای کار با داده ها نیاز دارید، مانند اکسل و مایکروسافت اکسس. او شما را با پرس و جوهای SQL، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و توضیح می دهد که چگونه داده هایی را که می بینید تفسیر کنید، داده های مورد نیاز خود را پیدا کنید و داده ها را برای کار داده موثر پاک کنید. او درباره حاکمیت داده ها و نحوه پرسیدن سؤالات صحیح از بخش های مختلف برای جمع آوری داده های مورد نیاز توضیح می دهد. Robin نحوه کار با داده ها، از جمله نحوه وارد کردن داده، کار با فایل های مسطح مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل‌سازی و همچنین نحوه استفاده از Power Query در اکسل می‌پردازد. او همچنین مجموعه‌های چالش/راه‌حل را در هر فصل اضافه کرده است تا به شما در ارزیابی مهارت‌هایتان کمک کند.

Related Skills

linkedin راهنمای کامل برای هوش مصنوعی تولیدی برای تجزیه و تحلیل داده ها و علوم داده (Mitalearn-415120)

  • 10 hours 21 minutes
  • مناسب همه
  • Release date: 27 September 2024
  • Author: Dan Sullivan
درباره این دوره: 

 GenAI این پتانسیل را دارد که افراد بیشتری را قادر به کار و تجزیه و تحلیل داده ها کند، اما برای موفقیت، به یک پایه محکم در مدیریت داده، آمار و یادگیری ماشین نیاز دارید. این دوره آن پایه را فراهم می کند. مدرس Dan Sullivan به شما آموزش می‌دهد که چگونه سؤالات کسب‌وکار و سؤالات علم داده را به اجزایی که می‌توان به صورت برنامه‌نویسی به آنها پرداخت و سپس چگونه از genAI برای ایجاد برنامه‌ها و اسکریپت‌ها برای پیاده‌سازی یک راه‌حل استفاده کرد. این دوره بر روی سه رکن مورد نیاز برای یک تحلیلگر داده یا دانشمند داده موفق تمرکز می کند: مهارت های حل مسئله، درک آمار و یادگیری ماشین، و تجربه عملی با رویه های مدیریت داده.

linkedin راهنمای کامل مهندسی تحلیلی (Mitalearn-414916)

  • 4 hours
  • مناسب همه
  • Release date: 9 September 2025
  • Author: Connor Dickson
درباره این دوره: 

 این دوره مفصل موضوعات و مهارتهای مورد نیاز برای موفقیت را به عنوان یک مهندس تحلیلی در بر می گیرد. مربی کانر دیکسون نشان می دهد که چگونه مهندسی تحلیلی شکاف بین مهندسی داده ها و تجزیه و تحلیل داده ها را نشان می دهد و می تواند به شما کمک کند یک چاقوی ارتش سوئیس مهارت های تحلیلی باشید. پس از اتمام این دوره ، شما باید بتوانید با استفاده از محبوب ترین ابزارهایی مانند SQL ، Python ، DBT ، Tableau و موارد دیگر با داده ها کار کنید.

coursera ساخت دریاچه های داده در AWS (Mitalearn-332738)

  • 2 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Alex G.
درباره این دوره:

دوره سطح پایه معمولاً برای افرادی طراحی شده است که درک پایه ای از مفاهیم ذخیره سازی و پردازش داده دارند، اما تجربه قبلی در مورد ساخت دریاچه های داده در AWS به طور خاص کم یا بدون تجربه هستند. پس از مقدمه ای کوتاه در مورد دریاچه های داده، دریافت داده ها، فهرست نویسی و آماده سازی را معرفی می کنیم و در پایان با مروری بر داده های پرس و جو با آمازون آتنا به پایان می رسیم. این دوره با مروری بر سازند دریاچه AWS، از جمله یک آزمایشگاه عملی که در آن یک دریاچه داده بسازید، ادامه خواهد یافت. سپس پردازش داده و تجزیه و تحلیل را با استفاده از چسب AWS قبل از فرو رفتن در ایجاد دریاچه داده‌های خودکار با استفاده از طرح‌های Lake Formation معرفی می‌کنیم. در نهایت، ما با Modern Data Architectures در AWS با آزمایشگاهی که انتشار و مصرف محصولات داده را به عنوان یک سرویس پوشش می دهد، پایان می دهیم.

linkedin طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم (Mitalearn-127990)

  • 1 hours 44 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

برای انجام تجزیه و تحلیل دقیق داده های مراقبت های بهداشتی، باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید - که در قسمت اول این مجموعه آموزشی پوشش داده شده است. اما شما همچنین باید بتوانید تحلیل توصیفی و رگرسیون انجام دهید و از تصمیمات خود در مورد انتخاب مدل، تفسیر و ارائه دفاع کنید. بخش دوم مجموعه ما در زمینه طراحی مطالعات مراقبت بهداشتی داده های بزرگ، تدارکات برنامه ریزی و اجرای تجزیه و تحلیل بر روی مجموعه داده های تحلیلی تهیه شده در دوره قبلی را پوشش می دهد. مربی مونیکا وحی نحوه انجام تحلیل و تفسیر مدل نهایی را در زمینه فرضیه اصلی خود نشان می دهد. در طول مسیر، او در مورد بهترین شیوه‌ها برای نام‌گذاری و ترتیب، مدل‌سازی انتخاب مرحله‌ای، نسبت‌های عجیب و غریب و شیوع، و ریسک نسبی آموزش می‌دهد. با استفاده از این آموزش‌ها، شما باید بتوانید مطالعات مراقبت‌های بهداشتی عالی را طراحی کنید که از تمام داده‌های بزرگی که ارائه می‌کند، بهره می‌برد.

linkedin طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول (Mitalearn-127973)

  • 2 hours 31 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

حتی اگر درک قوی از آمار و انفورماتیک دارید، همچنین باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید تا تجزیه و تحلیل دقیق و دقیق داده های مراقبت های بهداشتی را انجام دهید. این دوره به شما کمک می کند تا مطالعات تحقیقاتی را پیرامون فرضیه ها طراحی کنید و شکاف دانشی را که بسیاری از تحلیلگران امروزی هنگام ورود به حوزه مراقبت های بهداشتی با آن مواجه هستند، پر کنید. مربی مونیکا وحی اصطلاحات و مفاهیم اساسی در اپیدمیولوژی را تعریف می کند و رویکردهای مختلف طراحی مطالعه را مرور می کند: توصیفی، تحلیلی، مقطعی و کنترل موردی. او به جزئیات در مطالعات مقطعی و مورد شاهدی می پردازد و نحوه برنامه ریزی مجموعه داده های تحلیلی را نشان می دهد: کشف متغیرهای بومی ضروری و عملیاتی کردن آنها در فرهنگ لغت داده. در آخر، او درس های آموخته شده از دوره را مرور می کند و شما را برای قسمت دوم مجموعه آموزشی آماده می کند که به تحلیل توصیفی و رگرسیون برای مجموعه داده هایی که طراحی کرده اید می پردازد.

linkedin علم داده در Google Cloud Platform: راه حل های معماری (Mitalearn-156618)

  • 58 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

علم داده یک حوزه کاربردی است که به طور تصاعدی در حال رشد است، حجم عظیمی از داده را مصرف می کند و پیش بینی های انقلابی می کند. در همان زمان، Google Cloud Platform (GCP) با ارائه ابزارها و گزینه‌های پیشرفته به سرعت حرکت ابر را ردیابی می‌کند. در این دوره آموزشی، یاد بگیرید که چگونه راه حل های علم داده را بر روی GCP معماری کنید و از قدرت این دو فناوری برای تجارت خود استفاده کنید. مربی Kumaran Ponnambalam با بررسی گزینه‌های فناوری موجود در GCP برای اجرای فرآیندهای مختلف علم داده و همچنین مزایا و معایب این مجموعه از خدمات رایانش ابری شروع می‌کند. او سپس فن‌آوری‌ها و مراحل مختلف را از طریق فرآیند ساخت معماری برای موارد استفاده مختلف، از جمله تجزیه و تحلیل مشتری و کوپن تلفن همراه در زمان واقعی، تجزیه و تحلیل می‌کند.

linkedin علم داده در پلتفرم ابری گوگل: تجزیه و تحلیل داده های اکتشافی (Mitalearn-143307)

  • 57 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر و دانشمند داده کوماران پونامبالام - نحوه انجام تجزیه و تحلیل داده‌های اکتشافی با GCP را نشان می‌دهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس دست به کار شوید، همانطور که یاد می گیرید هم تجزیه و تحلیل متنی و هم بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab، BigQuery، Cloud Dataflow، و Data Studio. در نهایت، به یک مورد استفاده نهایی نگاه کنید که آنچه را که در دوره یاد گرفته‌اید اعمال می‌کند.

linkedin قانون 80/20 علم داده (Mitalearn-440586)

  • 1 hours 26 minutes
  • مناسب همه
  • Release date: 4 September 2024
  • Author: Howard Friedman
درباره این دوره: 

 در این دوره آموزشی، به مربی هاوارد فریدمن بپیوندید تا مفاهیم اصلی قانون 20/80 را برای علم داده و چگونگی به دست آوردن بیشترین ارزش با حداقل تلاش بیان می کند. گام‌های اساسی مورد نیاز برای ارزش دادن به بخش‌های مختلف کارتان، از جمله تعریف موفقیت، به‌دست آوردن مجموعه داده‌های با کیفیت بالا، شروع با آمار اولیه، ساخت مدل‌های اولیه اولیه، و اجتناب از گرفتار شدن در جزئیات کمتر تاثیرگذار را بررسی کنید. این دوره برای رهبران تیم داده و اعضای ارشد تیم داده در دنیای فناوری که علاقه مند به شرکای تجاری کارآمد و مؤثر هستند، هدف قرار می گیرد.

linkedin کیفیت داده ها: تجزیه و تحلیل و خدمت (Mitalearn-417279)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 27 June 2025
  • Author: Mark Freeman
درباره این دوره: 

 

در این دوره دستی که شما را با مهارت های کد نویسی دستی در یک محیط ماسهبازی مجهز می کند ، به جنبه های عملی کیفیت داده ها شیرجه بزنید. مهندس داده مارک فریمن به شما نشان می دهد که چگونه می توانید با استفاده از رویکردهای قوی مانند تجزیه و تحلیل علت اصلی و مهندسی هرج و مرج ، مسائل مربوط به کیفیت داده ها را شناسایی ، تجزیه و تحلیل و حل کنید. نحوه استفاده از پرسشنامه های SQL و آزمایشات DBT را برای محافظت از خطوط لوله داده و اطمینان از قابلیت اطمینان مجموعه داده های خود کشف کنید. در مورد تحقیقات خط لوله پایین دست بیاموزید و از منطق کسب و کار که بر کیفیت داده ها تأثیر می گذارد ، کشف کنید. نحوه استفاده از استراتژی های SBAR را برای انتقال بینش خود به ذینفعان پیدا کنید. این که آیا شما یک دانشمند داده ، تحلیلگر و چه به سادگی مشتاق بهبود گردش کار داده ها هستید ، این دوره به شما کمک می کند تا پتانسیل خود را برای حل مشکلات پیچیده کیفیت داده ها در عین حال تأثیر بسزایی در محیط های مبتنی بر داده باز کنید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


Suggestions