Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-34 of 34 items.

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.

coursera فرمت‌ها، طراحی و کیفیت داده‌های GIS (Mitalearn-352696)

  • 7 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nick Santos,Eric Howard
درباره این دوره:

در این دوره، دومین دوره تخصصی سیستم‌های اطلاعات جغرافیایی (GIS)، با انواع داده‌های رایج (مانند داده‌های شطرنجی و برداری)، ساختارها، کیفیت و ذخیره‌سازی در طول چهار ماژول یک هفته‌ای آشنا می‌شوید: هفته 1: با مدل ها و قالب های داده، از جمله درک کامل داده های برداری و مفاهیم شطرنجی آشنا شوید. همچنین در مورد مفاهیم مقیاس داده و نحوه بارگیری لایه ها از سرویس های وب خواهید آموخت. هفته 2: با استفاده از جداول ویژگی برداری، نوشتن رشته های پرس و جو، تعریف کوئری ها، و افزودن و محاسبه فیلدها، یک مدل داده برداری ایجاد کنید. همچنین یاد خواهید گرفت که چگونه داده های جدید را از طریق فرآیند دیجیتالی سازی ایجاد کنید و از ابزارهای ویرایشگر داخلی در ArcGIS استفاده خواهید کرد. هفته 3: با مکانیسم های رایج ذخیره سازی داده ها در GIS، از جمله پایگاه های جغرافیایی و فایل های شکل، آشنا شوید. یاد بگیرید که چگونه بین آنها برای پروژه های خود انتخاب کنید و چگونه آنها را برای سرعت و اندازه بهینه کنید. همچنین با استفاده از مدل‌های دیجیتال ارتفاع و ایجاد محصولات تجزیه و تحلیل شیب و فاصله، برای اولین بار با رسترها کار خواهید کرد. هفته 4: مجموعه داده ها را بررسی کنید و آنها را از نظر کیفیت و عدم قطعیت ارزیابی کنید. همچنین یاد خواهید گرفت که چگونه با ArcGIS Online نقشه ها و داده های خود را به اینترنت بیاورید و نقشه های وب را به سرعت ایجاد کنید. فرمت‌ها، طراحی و کیفیت داده‌های GIS را به عنوان یک دوره مستقل یا به عنوان بخشی از تخصص سیستم‌های اطلاعات جغرافیایی (GIS) بخوانید. شما باید قبل از گذراندن این دوره، تجربه ای معادل با گذراندن اولین دوره در این تخصص، مبانی GIS داشته باشید. با تکمیل کلاس دوم در تخصص، مهارت های مورد نیاز برای موفقیت در برنامه کامل را به دست خواهید آورد.

coursera کاربرد تجاری یادگیری ماشین و هوش مصنوعی در بهداشت و درمان (Mitalearn-296222)

  • 4 hours 29 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Craig Johnson
درباره این دوره:

آینده مراقبت‌های بهداشتی به توانایی ما برای ادغام یادگیری ماشین و هوش مصنوعی در سازمان‌هایمان وابسته است. اما تشخیص فرصت های هوش مصنوعی کافی نیست. ما به عنوان رهبران صنعت مراقبت‌های بهداشتی باید ابتدا بهترین کاربرد را برای این برنامه‌ها تعیین کنیم تا اطمینان حاصل کنیم که سرمایه‌گذاری خود را بر حل مشکلاتی متمرکز می‌کنیم که نتیجه نهایی را تحت تأثیر قرار می‌دهند. در طول این چهار ماژول، استفاده از پشتیبانی تصمیم، نقشه سفر، تجزیه و تحلیل پیش‌بینی‌کننده، و تعبیه یادگیری ماشین و هوش مصنوعی در صنعت مراقبت‌های بهداشتی را بررسی خواهیم کرد. در پایان این دوره شما قادر خواهید بود: 1. تعیین عوامل دخیل در پشتیبانی تصمیم گیری که می تواند عملکرد کسب و کار را در اکوسیستم ارائه دهنده/پرداخت کننده بهبود بخشد. 2. شناسایی فرصت ها برای برنامه های کاربردی تجاری در مراقبت های بهداشتی با استفاده از نقشه سفر و تجزیه و تحلیل نقطه درد در یک زمینه دنیای واقعی. 3. شناسایی تفاوت در روش ها و تکنیک ها به منظور اعمال مناسب در نقاط درد با استفاده از مطالعات موردی. 4. ارزیابی انتقادی فرصت ها برای اهرم پشتیبانی تصمیم گیری در انطباق با روندهای صنعت.

coursera کاوش تغییر شکل داده با Google Cloud (Mitalearn-317013)

  • 54 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

فناوری ابری می‌تواند ارزش زیادی برای یک سازمان به ارمغان بیاورد و ترکیب قدرت فناوری ابری با داده‌ها این پتانسیل را دارد که ارزش بیشتری را باز کند و تجربیات جدیدی برای مشتری ایجاد کند. «کاوش در تبدیل داده‌ها با Google Cloud» ارزشی را که داده‌ها برای یک سازمان به ارمغان می‌آورند و راه‌هایی را که Google Cloud می‌تواند داده‌ها را مفید و قابل دسترس کند بررسی می‌کند. بخشی از مسیر یادگیری Cloud Digital Leader، این دوره با هدف کمک به افراد در رشد نقش خود و ساختن آینده کسب و کارشان است.

coursera کاوش تغییر شکل داده با Google Cloud - Français (Mitalearn-318985)

  • 54 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

فناوری ابری است که منبع بزرگی برای شرکت‌ها است. ترکیبی از فناوری‌های ترکیبی با استفاده از فناوری‌های جدید، می‌تواند برای مشتری‌های جدید به‌علاوه ارزش‌ها و تجربه‌های نوین امکان‌پذیر باشد. «کاوش در تبدیل داده با Google Cloud» vous fait découvrir la valeur que les données peuvent apporter à une entreprise et les façons dont Google Cloud peut les rendre utiles et accessibles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il a pour but d'aider les partners à évoluer dans leur poste et à façonner l'avenir de leur entreprise.

coursera کلان داده، هوش مصنوعی و اخلاق (Mitalearn-329049)

  • 5 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Hilbert
درباره این دوره:

این دوره زمینه و تجربه دست اول را با دو کاتالیزور اصلی انقلاب علوم محاسباتی به شما می دهد: داده های بزرگ و هوش مصنوعی. با بیش از 99 درصد از تمام اطلاعات رسانه ای در قالب دیجیتال و با استفاده از 98 درصد از جمعیت جهان از فناوری دیجیتال، بشریت ردپای دیجیتالی چشمگیری ایجاد می کند. در تئوری، این فرصت‌های بی‌سابقه‌ای برای درک و شکل دادن به جامعه فراهم می‌کند. در عمل، تنها راهی که می‌توان این سیل اطلاعات را پردازش کرد، استفاده از همان فناوری‌های دیجیتالی است که آن را تولید کرده‌اند. داده ها سوخت هستند، اما یادگیری ماشینی موتوری است که دانش جدید قابل توجهی را از حجم عظیمی از داده ها استخراج می کند. از آنجایی که بخش مهمی از این داده‌ها مربوط به خودمان است، استفاده از الگوریتم‌ها به منظور کسب اطلاعات بیشتر در مورد خود، به طور طبیعی منجر به پرسش‌های اخلاقی می‌شود. بنابراین، ما نمی‌توانیم این دوره را بدون صحبت در مورد اخلاق تحقیق و برخی از خطوط قدیمی و جدیدی که دانشمندان علوم اجتماعی محاسباتی باید در نظر داشته باشند، به پایان برسانیم. به‌عنوان آزمایشگاه‌های عملی، از هوش مصنوعی IBM Watson برای استخراج شخصیت افراد از ردپای متن دیجیتالی آن‌ها استفاده خواهید کرد و با آموزش دو ماشین قابل آموزش از Google خودتان، قدرت و محدودیت‌های یادگیری ماشینی را تجربه خواهید کرد.

linkedin کیت زنده ماندن مهارت های داده (Mitalearn-437101)

  • 10 hours 33 minutes
  • مناسب همه
  • Update date: 29 October 2025
  • Author: Robin Hunt
درباره این دوره: 

 

اگر شما یک تحلیلگر داده هستید ، بدون شک مهارت ها ، تکنیک ها و ابزارهای مختلف مربوط به داده ها را آموخته اید. اما گاهی اوقات می توان دانست که چه موقع و چرا استفاده از این ابزارها دشوار است. در این سری ، مربی رابین هانت مهارت جدید ، مخفی ، نوک ، تکنیک ، بهترین تمرین یا توصیه های طلایی را در هر قسط توضیح می دهد. رابین مباحثی را در بر می گیرد که می تواند به تعداد فزاینده ای از پزشکان تجزیه و تحلیل و کارگران داده کمک کند تا کار خود را بهتر انجام دهند ، مانند پیوستن به داده ها و طراحی داده ها ، حفظ حریم خصوصی داده ها ، تبدیل و تمیز کردن داده ها و ساخت مجموعه داده ها و تجسم داده ها. برای فیلم های جدید هر هفته دیگر را بررسی کنید!

توجه: از آنجا که این یک سری در حال انجام است ، بینندگان گواهی تکمیل دریافت نمی کنند.


coursera مدل های پیشرفته برای تصمیم گیری (Mitalearn-329440)

  • 4 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Soumya Sen
درباره این دوره:

تحلیلگران کسب و کار باید بتوانند راه حل بهینه را برای مشکلات تجویز کنند. اما دوره‌های تجزیه و تحلیل اغلب بر آموزش دانش‌آموزان در تجزیه و تحلیل داده‌ها و تجسم تمرکز می‌کنند، نه این که به آنها کمک کند چگونه داده‌های موجود را جمع‌آوری کنند و آن را با مدل ریاضی مناسب برای فرمول‌بندی راه‌حل جفت کنند. این دوره برای اتصال داده ها و مدل ها به سناریوهای تصمیم گیری در دنیای واقعی در تولید، زنجیره تامین، امور مالی، مدیریت منابع انسانی و غیره طراحی شده است. به طور خاص، ما درک می کنیم که چگونه بهینه سازی خطی - یک روش تجزیه و تحلیل تجویزی - می تواند برای تصمیم گیری استفاده شود. مشکلات و ارائه راه حل های بهینه مبتنی بر داده ها. در طول این دوره ما روی مشکلات کاربردی در صنایع مختلف کار خواهیم کرد، مانند: (الف) تصمیمات مالی: چگونه یک مدیر سرمایه گذاری باید یک سبد بهینه ایجاد کند که بازده خالص را به حداکثر برساند و در عین حال ریسک زیادی را در سرمایه گذاری های مختلف انجام ندهد؟ (ب) تصمیمات تولید: با توجه به تقاضای پیش بینی شده، عرضه مواد خام و هزینه های حمل و نقل، حجم بهینه محصولات برای تولید در مکان های مختلف کارخانه چقدر خواهد بود؟ (ج) تصمیمات منابع انسانی: چه تعداد کارگر باید در یک افق برنامه ریزی استخدام یا اخراج شوند تا در حین رفع نیازهای عملیاتی یک شرکت، هزینه ها به حداقل برسد؟ (ج) تولید: با توجه به در دسترس بودن مواد خام و تقاضای مشتری، ترکیب محصولی که باید حداکثر سود را تولید کند، چه خواهد بود؟ ما یاد خواهیم گرفت که چگونه این مسائل را به عنوان مدل های ریاضی فرموله کرده و با استفاده از صفحه گسترده اکسل حل کنیم.

coursera مشارکت در بهبود تجربه بیمار از طریق تجزیه و تحلیل (Mitalearn-288946)

  • 48 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Craig Johnson
درباره این دوره:

این دوره برای افرادی که در حال حاضر در بخش مراقبت های بهداشتی هستند، به عنوان ارائه دهنده، پرداخت کننده یا مدیر مناسب است. افرادی که به دنبال تغییر شغل در بخش مراقبت های بهداشتی هستند نیز ممکن است به این دوره علاقه مند شوند. این دومین بخش از یک دوره دو قسمتی است که به بررسی مفاهیم و موضوعات مرتبط با بهبود تجربه بیمار و کاهش نقاط درد در فرآیندهای مراقبت های بهداشتی از طریق چارچوب های تحلیلی و پشتیبانی تصمیم می پردازد. در این دوره، نوع داده‌هایی را که برای انتخاب‌های پشتیبانی تصمیم‌گیری مؤثر استفاده می‌شود، بررسی می‌کنید و اطلاعاتی را در مورد نحوه استفاده از داده‌ها برای پیش‌بینی نتایج دنبال می‌کنید. در طول این دوره، به شما این فرصت داده می شود که مفاهیم دوره را برای بهبودهای عملیاتی در سازمان خود به کار ببرید.

linkedin معرفی همه به تابلو (Mitalearn-276026)

  • 1 hours 14 minutes
  • مناسب همه
  • Release date: 22 November 2022
  • Author: Tim Ngwena
درباره این دوره: 

 از زمانی که برای اولین بار در سال 2003 منتشر شد، Tableau به یکی از پرکاربردترین پلتفرم های هوش تجاری در جهان تبدیل شده است. ابزارهای داخلی و عملکرد یکپارچه آن به کاربران اجازه می دهد تا داده ها را به راحتی در یک محیط کاملاً پشتیبانی شده کاوش، مدیریت و تجسم کنند. از نقشه‌های فضایی گرفته تا پیش‌بینی‌ها، رندرهای تعاملی، ابزارهای داستان‌گویی بصری و موارد دیگر، Tableau می‌تواند به تغییر روش تصمیم‌گیری‌های تجاری، صرف نظر از تجربه، تحصیلات یا صنعت شما کمک کند.

به مربی تیم نگونا در این کتاب غیر فنی بپیوندید. مروری بر اجزای اصلی پلتفرم با کاوش در برخی از رایج ترین ابزارهای Tableau، از جمله Tableau Server، Tableau Cloud، Tableau Prep، CRM Analytics، Advanced Management، API ها، رابط ها، برنامه های افزودنی، برنامه ها و موارد دیگر، ارزش هوش تجاری را کشف کنید. در طول مسیر، تیم تعداد انگشت شماری از بینش های کاربردی کاربر را به اشتراک می گذارد که از نمونه های کسب و کار در دنیای واقعی استخراج شده اند.

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

  • 2 hours 23 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: 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.

coursera مقدمه ای بر تحلیل داده ها (Mitalearn-287841)

  • 4 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Anke Audenaert
درباره این دوره:

این دوره یک درک عملی و چارچوبی برای وظایف اصلی تجزیه و تحلیل، از جمله استخراج داده، تمیز کردن، دستکاری و تجزیه و تحلیل ارائه می دهد. این چرخه OSEMN را برای مدیریت پروژه های تحلیلی معرفی می کند و شما نمونه های واقعی از نحوه استفاده شرکت ها از بینش داده ها برای بهبود تصمیم گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، KPI و معیارهای مرتبط را تدوین کنید • یک فرآیند تجزیه و تحلیل داده ها را با استفاده از چارچوب OSEMN اعمال کنید • داده های مربوطه را که برای بازاریابی جمع آوری می شود، شناسایی و تعریف کنید • فرمت های مختلف داده و کاربردهای آنها را در سناریوهای مختلف مقایسه و مقایسه کنید • شکاف های داده ها را شناسایی کنید و نقاط قوت و ضعف داده های جمع آوری شده را بیان کنید شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید. در حالت ایده آل، شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی را در این برنامه تکمیل کرده اید.

coursera مقدمه ای بر تحلیل داده ها [coursera] (Mitalearn-326346)

  • 3 hours 44 minutes
  • مبتدی
  • Release date: 27 June 2026
  • Author: Rav Ahuja
درباره این دوره:

برای شروع حرفه ای در تجزیه و تحلیل داده ها آماده هستید اما نمی دانید از کجا شروع کنید؟ این دوره به شما معرفی ملایمی با تجزیه و تحلیل داده ها، نقش یک تحلیلگر داده و ابزارهای مورد استفاده در این شغل می دهد. شما در مورد مهارت ها و مسئولیت های یک تحلیلگر داده یاد خواهید گرفت و از چندین متخصص داده که نکات و توصیه های خود را برای شروع یک حرفه به اشتراک می گذارند، خواهید شنید. این دوره به شما کمک می کند تا بین نقش های تحلیلگران داده، دانشمندان داده و مهندسان داده تفاوت قائل شوید. شما با اکوسیستم داده ها، در کنار پایگاه های داده، انبارهای داده، مارت های داده، دریاچه های داده و خطوط لوله داده آشنا خواهید شد. این سفر هیجان انگیز را ادامه دهید و پلتفرم های Big Data مانند Hadoop، Hive و Spark را کشف کنید. در پایان این دوره شما قادر خواهید بود مبانی فرآیند تجزیه و تحلیل داده ها از جمله جمع آوری، تمیز کردن، تجزیه و تحلیل و به اشتراک گذاری داده ها و ارتباط بینش خود را با استفاده از تجسم ها و ابزارهای داشبورد درک کنید. همه اینها در پروژه نهایی گرد هم می آیند، جایی که دانش شما را از مواد درسی آزمایش می کند و سناریوی واقعی از وظایف تجزیه و تحلیل داده ها را ارائه می دهد. این دوره نیازی به تجزیه و تحلیل داده، صفحه گسترده یا تجربه علوم کامپیوتر ندارد.

coursera نردبان هوش مصنوعی: چارچوبی برای استقرار هوش مصنوعی در سازمان شما (Mitalearn-287824)

  • 1 hours 20 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mark J Grover,Ray Lopez, Ph.D.
درباره این دوره:

این دوره برای حرفه ای های تجاری و فنی درگیر در تصمیم گیری استراتژیک با تمرکز بر آوردن هوش مصنوعی به شرکت های خود در نظر گرفته شده است. شرکت کنندگان در این دوره با استفاده از یک مدل مفهومی به نام "نردبان هوش مصنوعی" الزامات، اصطلاحات و مفاهیم مرتبط با موفقیت در توسعه و استقرار راه حل های هوش مصنوعی در شرکت های خود را خواهند آموخت. پس از تکمیل این دوره، می‌توانید هر یک از مراحل مورد نیاز برای اطمینان از موفقیت را در هنگام ساخت و استقرار راه‌حل‌های هوش مصنوعی در شرکت تجاری خود توضیح و تشریح کنید.

Suggestions