Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 105 items.

coursera ابزارهای قدرت اکسل برای تجزیه و تحلیل داده ها (Mitalearn-293009)

  • 4 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nicky Bull,Dr Prashan S. M. Karunaratne
درباره این دوره:

به Excel Power Tools for Data Analysis خوش آمدید. در این دوره چهار هفته ای به معرفی Power Query، Power Pivot و Power BI، سه ابزار قدرت تبدیل، تجزیه و تحلیل و ارائه داده ها می پردازیم. سهولت و انعطاف‌پذیری اکسل مدت‌هاست که آن را به ابزاری منتخب برای انجام تجزیه و تحلیل داده‌ها تبدیل کرده است، اما دارای محدودیت‌های ذاتی است: برای یکی، داده‌های واقعاً «بزرگ» به سادگی در یک صفحه‌گسترده جا نمی‌شوند و برای دیگری، فرآیند وارد کردن و تمیز کردن. داده ها می توانند تکراری، وقت گیر و مستعد خطا باشند. در طول چند سال گذشته، مایکروسافت روی تبدیل تجربه انتها به انتها برای تحلیلگران کار کرده است، و اکسل با گنجاندن Power Query و Power Pivot دستخوش یک ارتقاء اساسی شده است. در این دوره یاد می گیریم که چگونه از Power Query برای خودکارسازی فرآیند وارد کردن و آماده سازی داده ها برای تجزیه و تحلیل استفاده کنیم. خواهیم دید که چگونه Power Pivot با ارائه یک پایگاه داده تحلیلی در داخل کتاب کار اکسل، با قابلیت ذخیره میلیون‌ها ردیف و یک زبان مدل‌سازی قدرتمند به نام DAX که به ما امکان می‌دهد تحلیل‌های پیشرفته روی داده‌های خود انجام دهیم، فرآیند تحلیل واقعی را متحول می‌کند. ما کار خود را با خروج از اکسل و معرفی Power BI، که از معماری Power Query و Power BI نیز استفاده می‌کند، به پایان می‌رسانیم، اما به ما اجازه می‌دهد تا گزارش‌ها و داشبوردهای تعاملی خیره‌کننده ایجاد کنیم. این سومین دوره در تخصص ما در تجزیه و تحلیل داده ها و تجسم است. دوره های قبلی: اصول اکسل برای تجزیه و تحلیل داده ها و تجسم داده ها در اکسل، آماده سازی داده ها، تمیز کردن، تجسم و ایجاد داشبورد را پوشش می دهد. برای استفاده بیشتر از این دوره، توصیه می کنیم دوره های قبلی را انجام دهید یا تجربه ای در این زمینه داشته باشید. در این دوره ما بر روی ابزارهای قدرت اکسل تمرکز می کنیم، برای این سفر هیجان انگیز با ما همراه باشید. لطفاً توجه داشته باشید که Power Query، Power Pivot و Power BI Desktop فقط در پلتفرم ویندوز در دسترس هستند، بنابراین کاربران مک به Bootcamp دارای ویندوز یا یک ماشین مجازی با Windows O/S نیاز دارند. در حالی که Power Query به عنوان یک افزونه اکسل 2010 و 2013 در دسترس است، ابزارها به طور قابل توجهی تغییر کرده اند و این دوره فقط برای اکسل 2016 به بعد طراحی و آزمایش شده است. برای تجربه بهینه، ما Office 365 را توصیه می کنیم.

coursera اصول هوش مصنوعی برای دانشمندان بدون داده (Mitalearn-298823)

  • 4 hours 46 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kartik Hosanagar,Prasanna Tambe
درباره این دوره:

در این دوره، به طور عمیق خواهید فهمید که چگونه یادگیری ماشین برای مدیریت و تفسیر داده های بزرگ استفاده می شود. شما با ابزارهایی مانند Teachable Machine و TensorFlow نگاهی دقیق به راه‌ها و روش‌های مختلف برای ایجاد الگوریتم‌هایی برای ادغام در کسب‌وکار خود خواهید داشت. شما همچنین روش‌های مختلف ML، یادگیری عمیق، و همچنین محدودیت‌ها را یاد می‌گیرید، اما همچنین نحوه دقت و استفاده از بهترین داده‌های آموزشی را برای الگوریتم‌های خود خواهید آموخت. سپس GAN ها و VAE ها را بررسی می کنید و از دانش جدید خود برای تعامل با AutoML استفاده می کنید تا به شما کمک کند شروع به ساخت الگوریتم هایی کنید که مطابق با نیازهای شما کار می کنند. همچنین مصاحبه‌های انحصاری با رهبران صنعت را خواهید دید که Big Data را برای شرکت‌هایی مانند مک‌دونالد و ویزا مدیریت می‌کنند. در پایان این دوره، روش‌های مختلفی برای کدنویسی، از جمله نحوه استفاده از ابزارهای بدون کد، درک عمیق یادگیری، نحوه اندازه‌گیری و بررسی خطاها در الگوریتم‌ها و نحوه استفاده از داده‌های بزرگ نه تنها برای حفظ حریم خصوصی مشتری، بلکه نحوه استفاده از این داده‌ها برای توسعه استراتژی‌های مختلف که کسب‌وکار شما را هدایت می‌کنند، یاد خواهید گرفت.

linkedin اکسل 2016 برای مک: مدیریت و تجزیه و تحلیل داده ها (Mitalearn-140213)

  • 2 hours 17 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Dennis Taylor
درباره این دوره:

حجم زیاد داده می تواند به سرعت غیرقابل مدیریت شود. اما با ویژگی های مدیریت و تجزیه و تحلیل داده ها در Excel 2016، می توانید بزرگترین صفحات گسترده را تحت کنترل داشته باشید. در این دوره آموزشی، دنیس تیلور دستورات، ویژگی‌ها و توابع با کاربرد آسان را برای نگهداری فهرست‌های بزرگ از داده‌ها در اکسل به اشتراک می‌گذارد. او مرتب‌سازی، اضافه کردن جمع‌های فرعی، فیلتر کردن، حذف داده‌های تکراری و استفاده از ویژگی فیلتر پیشرفته برنامه و توابع پایگاه داده تخصصی برای جداسازی و تجزیه و تحلیل داده‌ها را پوشش می‌دهد. با استفاده از این تکنیک ها، می توانید در کمترین زمان، مهم ترین اطلاعات را از داده های خود استخراج کنید.

coursera الگوهای معماری نرم افزار برای داده های بزرگ (Mitalearn-316061)

  • 53 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Tyson Gern,Mike Barinek
درباره این دوره:

این دوره برای افرادی در نظر گرفته شده است که به دنبال درک الگوهای معماری لازم برای استفاده از سیستم های نرم افزاری بزرگی هستند که از داده های بزرگ برای تولید استفاده می کنند. شما نمونه های اولیه داده های بزرگ را به نرم افزار تولید آزمایش شده با کیفیت بالا تبدیل خواهید کرد. پس از اندازه گیری ویژگی های عملکرد سیستم های توزیع شده، مناطق مشکل را شناسایی کرده و راه حل های مقیاس پذیر را برای بهبود عملکرد پیاده سازی خواهید کرد. پس از اتمام دوره، می‌دانید که چگونه ذخیره‌گاه‌های داده تولید را برای انجام تحت بار، طراحی آزمایش‌های بار برای اطمینان از برآورده شدن الزامات عملکرد برنامه‌ها، مقیاس کنید. 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

linkedin باشگاه براکتولوژی: استفاده از جنون مارس برای یادگیری علم داده (Mitalearn-107692)

  • 12 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Brian Tonsoni
درباره این دوره:

وقتی کسی گروهی را به تصویر می کشد که بیش از 100 متخصص ورزشی را برای برنده شدن در ماتریس براکت 2016 - یک مسابقه آنلاین براکت جنون مارس - به تصویر می کشد، یک کلاس درس پر از دانش آموزان دبیرستانی در شهرهای کوچک ممکن است اولین تصویری نباشد که به ذهن می رسد. مطمئناً آن چیزی نبود که معلم مطالعات اجتماعی برایان تونسونی هنگام شروع به کار Delphi Bracketology - یک باشگاه دبیرستانی که از علم داده برای پیش‌بینی تیم‌هایی که NCAA برای مسابقات بسکتبال مردان بخش I انتخاب می‌کند، استفاده می‌کند. اما چیزی که به عنوان یک گردهمایی غیررسمی از طرفداران ورزش شروع شد، خیلی زود به مجموعه ای از قهرمانان تبدیل شد. در این فیلم کوتاه، با برخی از اعضای این تیم قابل توجه آشنا شوید و بیاموزید که چگونه رویکرد غیررسمی و پروژه محور تونسونی به یادگیری به این براکت شناسان جوان کمک کرد تا انواع مهارت های کلیدی - علم داده، سخنرانی در جمع و غیره - را که هر معلمی به دست می آورد. امید است در دانش آموزان خود القا کنند.

linkedin برنامه نویسی R در علم داده: داده های با حجم بالا (Mitalearn-137697)

  • 1 hours 25 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

داده ها تمام فضای موجود را پر می کنند، و اکنون که ذخیره سازی ارزان است، حجم داده ها منفجر شده است. با این حال، همه آن اطلاعات بدون تحلیل و زمینه بی فایده است. زبان برنامه نویسی R به گونه ای طراحی شده است که تجزیه و تحلیل و تجسم حجم عظیمی از داده ها را آسان تر می کند. برای مثال، R توانایی ضرب یک بلوک از متغیرها را در دیگری فراهم می‌کند – فرضی که مزایای ذاتی را نسبت به زبان‌های دیگر فراهم می‌کند. این دوره نشان می‌دهد که چرا R برای حجم بالای داده ایده‌آل است، راه‌های کارآمدتر برای استفاده از زبان را معرفی می‌کند و نحوه اجتناب از مشکلات و استفاده از فرصت‌های کلان داده را توضیح می‌دهد. بیاموزید که چگونه تشخیص دهید که آیا حافظه و قدرت پردازش کافی دارید، تصویرسازی‌هایی از داده‌های بزرگ تولید کنید، کد R خود را بهینه کنید و از تکنیک‌های پیشرفته مانند پردازش موازی برای سرعت بخشیدن به محاسبات خود استفاده کنید. به علاوه، نحوه ادغام R را با راه حل های کلان داده مانند پایگاه های داده SQL و Apache Spark بیابید.

linkedin برنامه نویسی R در علم داده: داده های با سرعت بالا (Mitalearn-137680)

  • 1 hours 21 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

داده‌های با سرعت بالا - مانند اطلاعاتی که از دستگاه‌های توییتر و اینترنت اشیا سرچشمه می‌گیرند - با سرعتی فراتر از درک عادی وارد می‌شوند و نیاز به عملکرد بالا هم از سخت‌افزار و هم از نرم‌افزار دارند. در حالی که ممکن است در ابتدا برای این چالش به نظر نرسد، زبان برنامه نویسی R را می توان برای کار با داده های با سرعت بالا تقویت کرد. R که نزدیک به فلز با قرار گرفتن مستقیم در بالای زبان برنامه نویسی C نوشته شده است، مجموعه ای غنی از ساختارهای داده و مفاهیم را ارائه می دهد. این دوره به برنامه‌نویسی کارآمد R می‌پردازد و استراتژی‌های عملی ارائه می‌دهد که می‌تواند به شما کمک کند موجو خود را روی داده‌های با سرعت بالا کار کنید.\r\n\r\n او سپس نحوه استفاده از R برای به دست آوردن داده های با سرعت بالا و همچنین نحوه استفاده از ابزارهای پروفایل و بهینه سازی کد R برای استفاده با داده های با سرعت بالا را پوشش می دهد. او با بررسی نحوه استفاده از R برای ارائه داده‌ها، از جمله نحوه استفاده از Shiny - یک بسته R که به شما امکان می‌دهد برنامه‌های وب را مستقیماً از R بسازید - برای داشبوردهای تعاملی، به پایان می‌رسد.

linkedin برنامه نویسی R در علم داده: داده های متنوع (Mitalearn-137714)

  • 1 hours 27 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

در یک دنیای کامل، هر مجموعه داده به عنوان متن XML با زمینه برای هر قطعه اطلاعات ذخیره می شود. اعداد هرگز به عنوان رشته ذخیره نمی شوند. مقادیر اعشاری هرگز به عنوان نماد علمی ذخیره نمی شوند. رشته ها هرگز بیشتر از 500 کاراکتر نخواهند بود. اما بدیهی است که ما در دنیای کاملی از داده ها زندگی نمی کنیم. و داده های بزرگ فقط این موضوع را بزرگتر می کند. این مشکل تنوع است. داده ها در قالب های مختلف می رسند. دانشمندان داده زمان زیادی را برای این مشکل صرف می کنند و از نیروی مغزی استفاده می کنند که بهتر است برای کارهای تجزیه و تحلیل ارزشمند صرف شود. در این دوره، Mark Niemann-Ross مسئله تنوع داده ها را معرفی می کند و نحوه استفاده از قابلیت های منحصر به فرد R را برای حل آنها نشان می دهد. با نحوه وارد کردن طیف گسترده ای از داده ها، از Excel گرفته تا فایل های ODS آشنا شوید.

linkedin برنامه نویسی R در علم داده: راه اندازی و شروع (Mitalearn-124386)

  • 1 hours 42 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

R قدرتمند است، اما شهودی نیست. یک اکوسیستم قوی و متنوع R وجود دارد و انتظار می‌رود که دانشمندان داده‌ها را از نسخه‌ها و بسته‌های مختلف با هم ترکیب کنند. حتی قبل از اینکه بتوانید برنامه نویسی را شروع کنید، باید R را انتخاب، نصب و راه اندازی کنید تا برای شما کار کند.\r\n\r\n و از طریق خط فرمان چند بسته مفید برای کار با SQL، گرافیک های سه بعدی، داده ها و خوشه ها در R را معرفی می کند. در پایان این دوره کوتاه، شما یک نسخه از R را به همراه چند کتابخانه اصلی و یک IDE بهینه شده

linkedin برنامه نویسی SAS برای کاربران R، قسمت 1 (Mitalearn-141369)

  • 1 hours 51 minutes
  • مبتدی
  • Update date: 22 June 2026
  • Author: Jordan Bakerman
درباره این دوره:

SAS یک پلت فرم تجزیه و تحلیل داده بسیار محبوب با میلیون ها کاربر است. R زبان داده های بزرگ است. در این دوره، با یادگیری نحوه اعمال درک خود از R در محیط SAS، مجموعه مهارت های برنامه نویسی خود را افزایش دهید. مربی جردن بیکرمن دوره را با مقدمه ای بر SAS و SAS Studio آغاز می کند. او چندین مفهوم اساسی را پوشش می‌دهد، از جمله نحوه نوشتن برنامه در SAS Studio، استفاده از وظایف و قطعه‌ها، و فراخوانی R از SAS. او همچنین وارد کردن و گزارش داده‌ها و ایجاد متغیرها، توابع و جداول داده‌های جدید می‌کند.

توجه: می‌توانید از سایت SAS برای دریافت یک کپی از نرم افزار و استفاده از مجموعه داده های آنلاین شرکت برای انجام تمرینات دوره.

linkedin برنامه نویسی SAS برای کاربران R، قسمت 2 (Mitalearn-141386)

  • 2 hours 1 minutes
  • متوسط
  • Update date: 22 June 2026
  • Author: Jordan Bakerman
درباره این دوره:

برنامه نویسی SAS برای کاربران R بررسی می کند که چگونه می توانید درک خود را از R - زبان داده های بزرگ - در محیط SAS اعمال کنید. در این دوره، جردن بیکرمن مفاهیم اساسی برنامه نویسی SAS را بررسی می کند. برای شروع، او درباره تولید اعداد تصادفی و رسم، از جمله نحوه ایجاد نمودارهای استاندارد R و افزایش نمودار بحث می کند. او سپس به بحث در مورد رویه‌های توصیفی، سیستم تحویل خروجی (ODS) و ماکروها می‌پردازد، نحوه ایجاد جداول داده با ODS، ایجاد برنامه‌های کلان با عبارات کلان و موارد دیگر را به اشتراک می‌گذارد. برای استفاده بیشتر از این دوره، حتماً SAS Programming for R Users, Part 1 را تماشا کنید.

توجه: می توانید از سایت SAS برای دریافت نسخه ای از نرم افزار و استفاده از مجموعه داده های آنلاین شرکت برای انجام تمرینات دوره.

linkedin برنامه نویسی پیشرفته SAS برای کاربران R، قسمت 1 (Mitalearn-141403)

  • 1 hours 44 minutes
  • پیشرفته
  • Release date: 22 June 2026
  • Author: Jordan Bakerman
درباره این دوره:

SAS یکی از پرکاربردترین پلتفرم های تجزیه و تحلیل داده در جهان است. مهارت برنامه نویسی خود را با یادگیری نحوه به کارگیری درک خود از R - زبان داده های بزرگ - در محیط SAS در سطح پیشرفته تقویت کنید. مربی جردن بیکرمن چندین تکنیک پیشرفته مختلف را برای تجزیه و تحلیل داده ها از طریق روش های استنتاجی پوشش می دهد. درباره رگرسیون خطی با PROC REG، تخمین ترکیبات خطی با روش کلی مدل خطی، مدل‌های مختلط و روش MIXED و موارد دیگر بیاموزید.

rnrn مجموعه داده های آنلاین شرکت برای انجام تمرینات دوره.

linkedin برنامه نویسی پیشرفته SAS برای کاربران R، قسمت 2 (Mitalearn-141420)

  • 1 hours 37 minutes
  • پیشرفته
  • Update date: 22 June 2026
  • Author: Jordan Bakerman
درباره این دوره:

برنامه‌نویسی پیشرفته SAS برای کاربران R تکنیک‌ها و مفاهیم پیچیده‌ای را بررسی می‌کند که می‌تواند به شما کمک کند درک خود را از R - زبان داده‌های بزرگ - در محیط SAS در سطح پیشرفته‌ای به کار ببرید. در این دوره، جردن بیکرمن چندین مفهوم برنامه نویسی پیشرفته SAS را طی می کند. برای شروع، او اصول زبان ماتریس تعاملی (IML) را پوشش می‌دهد و درباره تولید اعداد تصادفی در IML، ماژول‌های رایج IML و نحوه وارد کردن مجموعه داده SAS به ماتریس IML بحث می‌کند. سپس نحوه فراخوانی R از SAS، کار با R از IML و موارد دیگر را مورد بحث قرار می دهد. برای استفاده بیشتر از این دوره، حتماً برنامه نویسی پیشرفته SAS برای کاربران R، قسمت 1 را تماشا کنید.

n n مجموعه داده های آنلاین شرکت برای انجام تمرینات دوره.

coursera برنامه های رایانش ابری، بخش 2: داده های بزرگ و برنامه های کاربردی در ابر (Mitalearn-314718)

  • 13 hours 47 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Reza Farivar,Roy H. Campbell
درباره این دوره:

به دوره آموزشی Cloud Computing Applications خوش آمدید، بخش دوم از مجموعه دو دوره ای که برای ارائه دیدی جامع از دنیای رایانش ابری و داده های بزرگ طراحی شده است! در این دوره دوم، ما برنامه‌های رایانش ابری را با بررسی اینکه چگونه ابر، تجزیه و تحلیل داده‌های حجم عظیمی از داده‌ها را که ثابت هستند یا با سرعت بالا پخش می‌شوند و نشان‌دهنده تنوع عظیمی از اطلاعات هستند، باز می‌کند، ادامه می‌دهیم. برنامه های کاربردی ابری و تجزیه و تحلیل داده ها نشان دهنده یک تغییر مخرب در روش هایی است که جامعه از آن مطلع می شود و از اطلاعات استفاده می کند. ما هفته اول را با معرفی برخی از سیستم های اصلی برای تجزیه و تحلیل داده ها از جمله Spark و چارچوب ها و توزیع های اصلی برنامه های تحلیلی از جمله Hortonworks، Cloudera و MapR آغاز می کنیم. در اواسط هفته اول، سیستم فایل توزیع شده و قوی HDFS را معرفی می کنیم که در بسیاری از برنامه ها مانند Hadoop استفاده می شود و هفته اول را با بررسی مدل برنامه نویسی قدرتمند MapReduce و اینکه چگونه سیستم عامل های توزیع شده مانند YARN و Mesos از یک محیط انعطاف پذیر و مقیاس پذیر پشتیبانی می کنند، معرفی می کنیم. تجزیه و تحلیل داده های بزرگ در هفته دوم، دوره ما ذخیره سازی داده در مقیاس بزرگ و مشکلات و مشکلات توافق در فروشگاه های عظیمی را که از مقادیری از پردازنده ها، حافظه ها و دیسک ها استفاده می کنند، معرفی می کند. ما سازگاری نهایی، ACID، و BASE و الگوریتم‌های اجماع مورد استفاده در مراکز داده از جمله Paxos و Zookeeper را مورد بحث قرار می‌دهیم. دوره ما فروشگاه‌های کلید-مقدار توزیع‌شده و پایگاه‌های داده حافظه مانند Redis را که در مراکز داده برای عملکرد استفاده می‌شوند، ارائه می‌کند. در ادامه پایگاه های داده NOSQL را ارائه می کنیم. ما از HBase بازدید می کنیم، پایگاه داده مقیاس پذیر و با تاخیر کم که از عملیات پایگاه داده در برنامه هایی که از Hadoop استفاده می کنند پشتیبانی می کند. سپس دوباره نشان می دهیم که چگونه Spark SQL می تواند پرس و جوهای SQL را روی داده های عظیم برنامه ریزی کند. هفته دوم را با ارائه‌ای در مورد سیستم‌های انتشار/اشتراک توزیع‌شده با استفاده از کافکا به پایان می‌رسانیم، یک سیستم پیام‌رسانی گزارش توزیع‌شده که کاربرد گسترده‌ای در اتصال داده‌های بزرگ و برنامه‌های پخش جریانی به یکدیگر برای تشکیل سیستم‌های پیچیده پیدا می‌کند. هفته سوم به سمت جریان سریع داده ها در زمان واقعی حرکت می کند و فناوری Storm را معرفی می کند که به طور گسترده در صنایعی مانند یاهو استفاده می شود. ما با معماری های Spark Streaming، Lambda و Kappa و ارائه اکوسیستم جریان ادامه می دهیم. هفته چهارم بر پردازش گراف، یادگیری ماشینی و یادگیری عمیق تمرکز دارد. ما ایده های پردازش گراف را معرفی می کنیم و Pregel، Giraph و Spark GraphX ​​را ارائه می کنیم. سپس با مثال هایی از Mahout و Spark به یادگیری ماشین می رویم. Kmeans، Naive Bayes، و fpm به عنوان مثال آورده شده است. Spark ML و Mllib موضوع برنامه نویسی و ساخت برنامه را ادامه می دهند. آخرین موضوعی که در هفته چهارم پوشش می دهیم، فناوری های یادگیری عمیق از جمله Theano، Tensor Flow، CNTK، MXnet و Caffe on Spark را معرفی می کند.

linkedin بینش در علم داده: لیلیان پیرسون (Mitalearn-111279)

  • 23 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Lillian Pierson, P.E.
درباره این دوره:

علم داده حوزه‌ای است که به سرعت در حال گسترش است و امکانات فراوانی را برای مشاهده جهان اطراف ما از طریق لنز دقیق‌تری ارائه می‌دهد. اما برای بسیاری از کسانی که قوه تخیل آنها توسط داده های بزرگ برانگیخته می شود - اما قبلاً شروع به دنبال کردن حرفه ای در زمینه دیگری کرده اند - رویای تبدیل شدن به یک دانشمند داده می تواند دور از ذهن باشد. لیلیان پیرسون، P.E. - یک متخصص برجسته در زمینه داده های بزرگ و علم داده - قصد دارد این تصور را ثابت کند که اشتباه است. در این دوره، او مشاهدات و نکاتی را به اشتراک می‌گذارد که به شما کمک می‌کند بدون توجه به نقطه شروعتان، در این زمینه هیجان‌انگیز شروع به کار کنید.\r\n\r\n در اینجا، او داستان خود را به اشتراک می‌گذارد و درباره نحوه آموزش کدنویسی در پایتون و R و کار با متدولوژی‌های علم داده بحث می‌کند. در نتیجه تجربیات خود، لیلیان مشتاق کمک به علاقه‌مندان به علم داده است - اما کسانی که ممکن است مدرک چهار ساله در این رشته نداشته باشند - برای شروع در این زمینه. او راه‌های عملی برای کسب مهارت‌ها و تجربیات مورد نیاز برای تبدیل شدن به یک دانشمند داده و بهترین شیوه‌ها برای یافتن شغل را به اشتراک می‌گذارد. لیلیان همچنین با چالش‌هایی که در نیروی کار فناوری به سرعت در حال تحول رخ می‌دهد دست و پنجه نرم می‌کند. به علاوه، او در مورد خود صنعت بحث می کند، تغییرات اخیر در زمینه و زمینه های مورد نیاز را پوشش می دهد و برخی از تصورات غلط رایج را پاک می کند.

linkedin پایتون برای تجزیه و تحلیل داده ها: حل چالش های دنیای واقعی (Mitalearn-382293)

  • 2 hours 4 minutes
  • مناسب همه
  • Update date: 14 June 2024
  • Author: Sarah Om
درباره این دوره: 

 

از آنجایی که داده ها و مشاغل مرتبط با داده در دهه گذشته رشد کرده اند، تقاضا برای مهارت های داده نیز افزایش یافته است. اگر حرفه ای در زمینه داده ها هستید، این یک خبر عالی است! با این حال، ادامه سازگاری با تقاضاهای در حال تغییر بازار، که شامل استفاده از ابزارهایی مانند پایتون برای نزدیک شدن به چالش های کلان داده است، مهم است. در این دوره، سارا نوروی یک آزمون عملی و پروژه محور پایتون را به اشتراک می‌گذارد که مهارت‌های مورد نیاز برای کمک به شما را در میان سایرین در بازار رقابتی برجسته می‌کند. سارا یک تجزیه و تحلیل سرتاسر پایتون را انجام می‌دهد، نمونه‌ای از آنچه در کار با آن مواجه می‌شوید – از بیان مسئله شروع می‌کند و شما را تا تحویل بینش می‌برد. سارا به شما کمک می کند تا مشکل را حل کنید، انتظارات خود را تعیین کنید و بهترین روش ها را در مورد پاکسازی داده ها، تجسم داده ها و داستان سرایی پوشش می دهد. در نهایت، او همچنین مشکلات مشترک و مهارت‌های مهم تجاری و نرم را به اشتراک می‌گذارد که به شما کمک می‌کند برجسته شوید.

این دوره با GitHub Codespaces یکپارچه شده است، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید—همه با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه خواهید شد.


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.

coursera پردازش داده با Azure (Mitalearn-322674)

  • 3 hours 52 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Samant Bali,Kenny Mobley
درباره این دوره:

این دوره آموزشی Azure برای تجهیز دانش آموزان به دانش لازم برای پردازش، ذخیره و تجزیه و تحلیل داده ها برای تصمیم گیری آگاهانه تجاری طراحی شده است. از طریق این دوره Azure، دانش‌آموز متوجه خواهد شد که داده‌های بزرگ به همراه اهمیت تجزیه و تحلیل داده‌های بزرگ، که مهارت‌های ریاضی و برنامه‌نویسی دانش‌آموزان را بهبود می‌بخشد. دانش آموزان موثرترین روش استفاده از ابزارهای تحلیلی ضروری مانند پایتون، R و آپاچی اسپارک را خواهند آموخت.

linkedin پردازش متن با R Essential Training (Mitalearn-195225)

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

کلان داده ها و خطوط لوله تحلیلی امروزی داده های متنی تولید شده از طریق وب سایت ها، رسانه های اجتماعی و ارتباطات خصوصی را بیشتر و بیشتر مصرف می کنند. اما استخراج بینش از متن ساده نیست. برای تهیه متن برای تجزیه و تحلیل و یادگیری ماشین به یک سری تکنیک ها و فرم ها نیاز دارد. در این دوره، تکنیک های ضروری برای پاکسازی و پردازش متن در R را بیاموزید و نحوه تبدیل متن به فرمی آماده برای تجزیه و تحلیل و پیش بینی را بیاموزید. Kumaran Ponnambalam با مرور تکنیک‌های استخراج، پاکسازی و پردازش متن شروع می‌کند. سپس نحوه تبدیل متن به فرم آماده تجزیه و تحلیل، از جمله نحوه استفاده از n-gram و TF-IDF را نشان می دهد. در طول دوره، او نمونه هایی برای تمرین این تکنیک ها با استفاده از کتابخانه های R و tm ارائه می دهد.

linkedin پیش بینی مالی با داده های بزرگ (Mitalearn-110939)

  • 1 hours 21 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Michael McDonald
درباره این دوره:

کلان داده ها دنیای تجارت را متحول می کنند. با این حال، بسیاری از مردم نمی‌دانند کلان داده و هوش تجاری چیست، یا نمی‌دانند چگونه این تکنیک‌ها را در مشاغل روزمره خود به کار ببرند. این دوره به این شکاف دانش می پردازد و روش های عملی را به افراد تجاری ارائه می دهد تا با استفاده از داده های بزرگ، پیش بینی های تجاری سریع و مرتبط ایجاد کنند.\r\n\r\n تنها چیزی که نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها، توابع و محاسبات داخلی برای انجام تحلیل رگرسیون، محاسبه فواصل اطمینان و تست استرس نتایج شما استفاده می کند. شما از دوره دور می شوید و می توانید فوراً شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.

Suggestions