Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 587 items.

linkedin DevOps for Data Scientists (Mitalearn-113999)

  • 32 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Dan Sullivan
درباره این دوره:

دانشمندان داده مدل های داده ای را ایجاد می کنند که باید در محیط های تولیدی اجرا شوند. بسیاری از شیوه‌های DevOps مربوط به برنامه‌های علم داده تولید محور هستند، اما این شیوه‌ها اغلب در آموزش علم داده نادیده گرفته می‌شوند. علاوه بر این، علم داده و یادگیری ماشین الزامات مشخصی دارند، مانند نیاز به تجدید نظر در مدل‌ها در حین استفاده. این دوره برای دانشمندان داده طراحی شده است که نیاز به پشتیبانی از مدل های خود در تولید دارند، و همچنین برای متخصصان DevOps که وظیفه پشتیبانی از علم داده و برنامه های کاربردی یادگیری ماشین را دارند. درباره شیوه های کلیدی توسعه علم داده، از جمله آزمایش و اعتبارسنجی مدل های علم داده، بیاموزید. این دوره همچنین نحوه استفاده از زبان نشانه گذاری مدل پیش بینی کننده (PMML)، مدل های نظارت در تولید، کار با ظروف Docker و موارد دیگر را پوشش می دهد.

coursera DevOps, DataOps, MLOps (Mitalearn-336121)

  • 18 hours 48 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

یاد بگیرید که چگونه از عملیات یادگیری ماشین (MLOps) برای حل مشکلات دنیای واقعی استفاده کنید. این دوره راه حل های انتها به انتها با برنامه نویسی جفت هوش مصنوعی (AI) را با استفاده از فناوری هایی مانند GitHub Copilot برای ساخت راه حل هایی برای یادگیری ماشین (ML) و برنامه های کاربردی هوش مصنوعی پوشش می دهد. این دوره برای افرادی است که به عنوان دانشمندان داده، مهندسان نرم افزار یا توسعه دهندگان، تحلیلگران داده یا سایر نقش هایی که از ML استفاده می کنند (یا به دنبال کار) هستند. در پایان دوره، می‌توانید از چارچوب‌های وب (مانند Gradio و Hugging Face) برای راه‌حل‌های ML استفاده کنید، یک ابزار خط فرمان با استفاده از چارچوب کلیک بسازید، و از Rust برای وظایف ML شتاب‌دهی شده توسط GPU استفاده کنید. هفته 1: فناوری های MLOps و مدل های از پیش آموزش دیده را برای حل مشکلات مشتریان کاوش کنید. هفته 2: ML و AI را در عمل از طریق بهینه سازی، اکتشافی و شبیه سازی اعمال کنید. هفته 3: خطوط لوله عملیات، از جمله DevOps، DataOps و MLOps را با Github توسعه دهید. هفته 4: کانتینرهایی برای راه حل های ML و بسته به شیوه ای یکسان بسازید تا امکان استقرار در سیستم های Cloud که کانتینرها را می پذیرند، فراهم شود. هفته 5: برای ایجاد راه حل برای Kubernetes، Docker، Serverless، Data Engineering، Data Science و MLOps، از Python به Rust بروید.

linkedin Edge Analytics: IoT and Data Science (Mitalearn-118674)

  • 2 hours 37 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Alan Simon
درباره این دوره:

دستگاه های تلفن همراه، اینترنت اشیا (IoT) و سایر سیستم های موجود در لبه شرکت، حجم وسیعی از داده های غیرمتمرکز را تولید می کنند. به جای ادغام و همگام سازی آن داده ها برای انجام تجزیه و تحلیل، چرا تجزیه و تحلیل را در لبه تولید نکنید و دسترسی و استفاده از بینش های مبتنی بر داده را به طور چشمگیری افزایش دهید؟ همه فروشندگان بزرگ فناوری، از جمله سیسکو، اوراکل، و IBM، تحلیل لبه را پذیرفته اند. این یک موضوع مهم و نوظهور برای همه کسانی است که در توسعه کسب و کار، عملیات یا تجزیه و تحلیل درگیر هستند. این دوره مفاهیم مربوط به تجزیه و تحلیل لبه را معرفی می کند و توضیح می دهد که چگونه تجزیه و تحلیل لبه در کنار داده های بزرگ، انبار داده سنتی و سایر محیط های تحلیلی قرار می گیرد. مربی آلن سایمون نمونه معماری و فناوری‌های اصلی مانند ویدئوهای دیجیتال هوشمند و داده‌های تولید شده توسط حسگر را نشان می‌دهد. او همچنین راه‌حل‌های خاص اینتل، سیسکو و سایر فروشندگان را بررسی می‌کند و نشان می‌دهد که چگونه تجزیه و تحلیل لبه را می‌توان در چهار مورد مختلف استفاده کرد: خرده‌فروشی، تولید، امنیت فناوری اطلاعات و مدیریت سیستم‌ها، و اکتشاف انرژی.

coursera GenAI for Everyone (Mitalearn-328216)

  • 1 hours 29 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Fractal Analytics
درباره این دوره:

این دوره جنبه های مختلف هوش مصنوعی Generative یا GenAI را بررسی می کند. این دوره مقدماتی "GenAI برای همه" شما را در مورد قابلیت های مختلف هوش مصنوعی Generative آگاه می کند. در پایان این دوره، شما قادر خواهید بود در مورد مبانی هوش مصنوعی یا GenAI صحبت کنید و در مورد برخی از کاربردهای GenAI در زندگی روزمره مانند دستیاران مجازی، چت بات ها و توصیه های شخصی صحبت کنید. همچنین می‌توانید استراتژی‌های استقرار اخلاقی را بررسی کنید و یاد بگیرید که چگونه شیوه‌های مسئولانه را اعمال کنید، درباره تأثیر GenAI بر کارایی سازمانی بحث کنید، و اهمیت استقرار اخلاقی را از طریق اصول طراحی انسان محور و شیوه‌های مهندسی قوی بیاموزید.

linkedin GitHub for Data Scientists (Mitalearn-200138)

  • 44 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Sara Anstey,Madecraft
درباره این دوره:

کنترل نسخه به سرعت در حال تبدیل شدن به یک مهارت ضروری برای دانشمندان داده است. در این دوره آموزشی، یاد بگیرید که چگونه از GitHub نهایت استفاده را ببرید، نه تنها به عنوان یک مخزن کد، بلکه به عنوان منبعی برای یافتن نرم افزار و ارتباط با یک جامعه درگیر. مفاهیم اساسی GitHub را مرور کنید، از نحوه عملکرد GitHub در واقع، اصطلاحات کلیدی، تا اینکه چگونه GitHub همکاری برای پروژه های علم داده را تسهیل می کند. نحوه استفاده موثر از مخازن در GitHub، از جمله نحوه ایجاد و شبیه سازی مخزن و حل مشکلات رایج ادغام را بیاموزید. به علاوه، یاد بگیرید که چگونه با GitHub یک نمونه کار قوی از علم داده ایجاد کنید، به مخازن منبع باز کمک کنید و موارد دیگر.

coursera Google Advanced Data Analytics Capstone (Mitalearn-336546)

  • 48 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

شما تقریباً آنجا هستید! این هفتمین دوره و آخرین دوره گواهی تحلیل داده های پیشرفته گوگل است. در این دوره، شما این فرصت را دارید که یک پروژه اختیاری را تکمیل کنید که شامل مفاهیم کلیدی از هر یک از شش دوره قبلی است. در طول این پروژه سنگ بنا، شما از مهارت ها و دانش جدید خود برای ایجاد بینش های مبتنی بر داده برای یک مشکل تجاری خاص استفاده خواهید کرد. کارمندان Google که در حال حاضر در این زمینه کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، به اشتراک گذاشتن نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در تقویت مهارت‌های تجزیه و تحلیل داده‌ها برای آماده شدن برای حرفه‌تان، شما را در این دوره راهنمایی می‌کنند. فراگیرانی که هفت دوره در این برنامه را تکمیل می کنند، مهارت های مورد نیاز برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم آگاهی قبلی از اصول، مهارت‌ها و ابزارهای تحلیلی پایه است که در گواهی تجزیه و تحلیل داده‌های Google پوشش داده شده است. در پایان این دوره، شما: رزومه خود را ایجاد و/یا به روز کنید سبد حرفه ای خود را ایجاد و/یا به روز کنید - یک چارچوب داده ایجاد کنید -تجسم داده ها را بنویسید -استفاده از آمار برای تجزیه و تحلیل و تفسیر داده ها -ساخت، تفسیر، و ارزیابی مدل های رگرسیون -از تکنیک های یادگیری ماشین در پایتون استفاده کنید

coursera Google Data Analytics Capstone: Complete a Case Study (Mitalearn-327927)

  • 1 hours 20 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این دوره هشتمین دوره گواهینامه Google Data Analytics است. شما این فرصت را خواهید داشت که یک مطالعه موردی را تکمیل کنید، که به شما کمک می کند تا برای شکار شغل تجزیه و تحلیل داده خود آماده شوید. مطالعات موردی معمولاً توسط کارفرمایان برای ارزیابی مهارت های تحلیلی استفاده می شود. برای مطالعه موردی خود، یک سناریوی مبتنی بر تجزیه و تحلیل را انتخاب خواهید کرد. سپس سوالاتی می‌پرسید، آماده می‌کنید، پردازش می‌کنید، تجزیه و تحلیل می‌کنید، تجسم می‌کنید و روی داده‌های سناریو عمل می‌کنید. همچنین در مورد مهارت‌های مفید جستجوی شغل، پرسش‌ها و پاسخ‌های رایج مصاحبه، و مواد لازم برای ساختن یک نمونه کار به صورت آنلاین، یاد خواهید گرفت. تحلیلگران فعلی داده‌های Google به آموزش و ارائه روش‌های عملی برای انجام وظایف رایج تحلیلگر داده با بهترین ابزار و منابع ادامه خواهند داد. فراگیرانی که این برنامه گواهینامه را تکمیل می کنند، برای درخواست مشاغل سطح مقدماتی به عنوان تحلیلگر داده مجهز خواهند شد. هیچ تجربه قبلی لازم نیست. در پایان این دوره، فراگیران: - با مزایا و کاربردهای مطالعات موردی و نمونه کارها در جستجوی کار آشنا شوید. - سناریوهای مصاحبه شغلی در دنیای واقعی و سوالات رایج مصاحبه را کاوش کنید. - کشف کنید که چگونه مطالعات موردی می تواند بخشی از فرآیند مصاحبه شغلی باشد. - سناریوهای مطالعه موردی مختلف را بررسی و در نظر بگیرید. - این شانس را داشته باشید که مطالعه موردی خود را برای نمونه کار خود تکمیل کنید. - مهارت های هوش مصنوعی را از کارشناسان گوگل بیاموزید تا به تکمیل وظایف تجزیه و تحلیل داده کمک کنید.

coursera Machine Learning Capstone (Mitalearn-308054)

  • 27 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Yan Luo,Artem Arutyunov
درباره این دوره:

این دوره آموزشی Capstone یادگیری ماشینی از کتابخانه‌های مختلف یادگیری ماشین مبتنی بر پایتون مانند Pandas، Sci-Kit-Learn و Tensorflow/Kera استفاده می‌کند. همچنین یاد خواهید گرفت که مهارت های یادگیری ماشینی خود را به کار ببرید و مهارت خود را در آنها نشان دهید. قبل از شرکت در این دوره، باید تمام دوره های قبلی در گواهینامه حرفه ای یادگیری ماشین آی بی ام را بگذرانید.    در این دوره، شما همچنین یاد خواهید گرفت که یک سیستم توصیه‌کننده دوره بسازید، مجموعه داده‌های مربوط به دوره را تجزیه و تحلیل کنید، شباهت کسینوس را محاسبه کنید و یک ماتریس شباهت ایجاد کنید. علاوه بر این، با به کارگیری دانش خود در مورد KNN، PCA، و فیلتر مشارکتی ماتریس غیرمنفی، سیستم‌های توصیه‌ای را ایجاد خواهید کرد.  در نهایت، کار خود را با همسالان خود به اشتراک می گذارید و از آنها می خواهید که آن را ارزیابی کنند و تجربه یادگیری مشترک را تسهیل کنید. 

coursera Microsoft Azure Databricks for Data Engineering (Mitalearn-330647)

  • 2 hours 22 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره آموزشی، یاد خواهید گرفت که چگونه از قدرت Apache Spark و خوشه های قدرتمندی که بر روی پلتفرم Azure Databricks اجرا می شوند، برای اجرای حجم های کاری مهندسی داده های بزرگ در فضای ابری استفاده کنید. شما قابلیت های Azure Databricks و نوت بوک Apache Spark را برای پردازش فایل های عظیم کشف خواهید کرد. شما با پلتفرم Azure Databricks آشنا خواهید شد و انواع وظایف مناسب برای Apache Spark را شناسایی خواهید کرد. همچنین با معماری Azure Databricks Spark Cluster و Spark Jobs آشنا خواهید شد. شما با حجم زیادی از داده ها از منابع متعدد در قالب های خام مختلف کار خواهید کرد. شما یاد خواهید گرفت که چگونه Azure Databricks از توابع مدیریت روزانه داده مانند خواندن، نوشتن و پرس و جو پشتیبانی می کند. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این هشتمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera Microsoft Azure for Data Engineering (Mitalearn-332534)

  • 1 hours 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

دنیای داده ها تکامل یافته است و ظهور فناوری های ابری فرصت های جدیدی را برای کسب و کارها فراهم می کند. در این دوره، فناوری‌های مختلف پلتفرم داده موجود را یاد خواهید گرفت و اینکه چگونه یک مهندس داده می‌تواند از این فناوری به نفع یک سازمان استفاده کند. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این اولین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera Neural Networks and Random Forests (Mitalearn-334115)

  • 26 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

در این دوره، دانش خود را در مورد مدل‌های پایه ایجاد می‌کنیم و تکنیک‌های پیشرفته هوش مصنوعی را بررسی می‌کنیم. ما با یک فرو رفتن عمیق در شبکه های عصبی شروع می کنیم و دانش خود را از پایه با بررسی ساختار و ویژگی ها ایجاد می کنیم. سپس چند مدل ساده شبکه عصبی را کدنویسی می‌کنیم و یاد می‌گیریم که از تطبیق بیش‌ازحد، منظم‌سازی و دیگر ترفندهای فراپارامتری خودداری کنیم. پس از پروژه ای که احتمال بیماری قلبی را با توجه به ویژگی های سلامتی پیش بینی می کند، به جنگل های تصادفی می رویم. ما تفاوت‌های بین این دو تکنیک را شرح می‌دهیم و ریشه‌های متفاوت آن‌ها را با جزئیات بررسی می‌کنیم. در نهایت، ما پروژه ای را تکمیل می کنیم که شباهت بین بیماران سلامت را با استفاده از جنگل های تصادفی پیش بینی می کند.

coursera Python Essentials for MLOps (Mitalearn-330477)

  • 5 hours 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

Python Essentials for MLOps (عملیات یادگیری ماشین) دوره ای است که برای ارائه مهارت های اساسی پایتون مورد نیاز برای موفقیت در نقش MLOps به زبان آموزان طراحی شده است. این دوره اصول اولیه زبان برنامه نویسی پایتون را شامل انواع داده ها، توابع، ماژول ها و تکنیک های تست می کند. همچنین نحوه کار موثر با مجموعه داده ها و سایر وظایف علم داده با Pandas و NumPy را پوشش می دهد. از طریق یک سری تمرینات عملی، فراگیران تجربه عملی کار با پایتون را در زمینه گردش کار MLOps به دست خواهند آورد. در پایان دوره، زبان آموزان مهارت های لازم برای نوشتن اسکریپت های پایتون برای خودکارسازی وظایف رایج MLOps را خواهند داشت. این دوره برای کسانی که به دنبال ورود به حوزه MLOps هستند یا برای متخصصان با تجربه MLOps که می خواهند مهارت های پایتون خود را بهبود بخشند ایده آل است.

linkedin Python for Data Science and Machine Learning Essential Training قسمت 1 (Mitalearn-386560)

  • 7 hours 44 minutes
  • مناسب همه
  • Release date: 12 March 2024
  • Author: Lillian Pierson, P.E.
درباره این دوره: 

 

Python for Data Science and Machine Learning Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. اکنون به روز شده و به دو قسمت گسترش یافته است و تجربه عملی و واقعی تری از پایتون به شما می دهد. در بخش اول، مربی لیلیان پیرسون شما را گام به گام از طریق یک پروژه علم داده و یادگیری ماشین راهنمایی می کند: یک اسکراپر وب که داده ها را از وب دانلود و تجزیه و تحلیل می کند. در طول راه، او تکنیک هایی را برای پاکسازی، قالب بندی مجدد، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم؛ حذف نقاط پرت؛ انجام تجزیه و تحلیل ساده داده ها؛ و با استفاده از Streamlit نمودارهای مبتنی بر وب تولید کنید. در پایان این دوره، شما تجربه کدنویسی اولیه ای را کسب خواهید کرد که می توانید آن را در سازمان خود ببرید و به سرعت در پروژه های علم داده سفارشی و یادگیری ماشین خود اعمال کنید.

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 با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه می‌شوید، تمرین عملی را از هر ماشینی، در هر زمان انجام دهید. برای یادگیری نحوه شروع، ویدیوی "استفاده از فضاهای کد GitHub با این دوره" را بررسی کنید.


coursera R Programming and Tidyverse Capstone Project (Mitalearn-329219)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Jane Wall
درباره این دوره:

در این سومین و آخرین دوره از تخصص "Expressway to Science: R Programming and Tidyverse" مهارت های R و Tidyverse خود را با تکمیل تجزیه و تحلیل داده های COVID-19 تقویت و نمایش خواهید داد! در اینجا فرصتی برای اعمال مهارت های خود در مجموعه داده های دنیای واقعی است که همه ما را تحت تأثیر قرار داده است. در سرتاسر سقف، داده‌های COVID-19 را وارد خواهید کرد. تمیز، مرتب، و پیوستن به مجموعه داده ها؛ و تجسم ها را توسعه دهید. شما همچنین تجزیه و تحلیل و تفسیری را برای نتایج خود ارائه خواهید داد و شما را برای سفر خود به علم داده آماده می کند. در پایان دوره، گزارشی تهیه خواهید کرد که می توانید آن را اضافه کنید یا از آن برای شروع یک نمونه کار علوم داده استفاده کنید. لوگوی دوره با استفاده از تصاویر برچسب های فروشگاه RStudio ایجاد شده است. لطفاً به https://swag.rstudio.com/s/shop مراجعه کنید.

coursera Spark, Hadoop, and Snowflake for Data Engineering (Mitalearn-336529)

  • 10 hours 25 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Noah Gift,Kennedy Behrman,Matt Harrison
درباره این دوره:

به عنوان مثال این در درجه اول برای دانشجویان سال اول و دوم لیسانس علاقه مند به مهندسی یا علوم، همراه با دانش آموزان دبیرستانی و متخصصان با علاقه به برنامه نویسی است که مهارت هایی را برای ایجاد خطوط لوله داده کارآمد و مقیاس پذیر به دست می آورند. پلتفرم های مهندسی داده های ضروری (Hadoop، Spark و Snowflake) را کاوش کنید و همچنین نحوه بهینه سازی و مدیریت آنها را بیاموزید. در Databricks، یک پلتفرم قدرتمند برای اجرای تجزیه و تحلیل داده ها و وظایف یادگیری ماشین، در حالی که مهارت های علم داده پایتون خود را با PySpark تقویت می کنید، وارد شوید. در نهایت، مفاهیم کلیدی MLflow را کشف کنید، یک پلتفرم منبع باز برای مدیریت چرخه زندگی یادگیری ماشینی سرتاسر، و یاد بگیرید که چگونه آن را با Databricks یکپارچه کنید. این دوره برای زبان آموزانی طراحی شده است که می خواهند حرفه خود را در علم داده یا مهندسی داده دنبال کنند یا پیشرفت کنند، یا برای توسعه دهندگان نرم افزار یا مهندسانی که می خواهند مجموعه مهارت های مدیریت داده خود را افزایش دهند. علاوه بر فناوری‌هایی که یاد خواهید گرفت، متدولوژی‌هایی نیز به دست خواهید آورد که به شما کمک می‌کنند مهارت‌های مدیریت پروژه و گردش کار خود را برای مهندسی داده تقویت کنید، از جمله استفاده از روش‌ها و بهترین روش‌های Kaizen، DevOps و Data Ops. این دوره جامع با آزمون هایی برای آزمایش دانش شما در سراسر جهان، به راهنمای سفر یادگیری شما برای تبدیل شدن به یک مهندس داده ماهر، آماده برای مقابله با چالش های دنیای داده محور امروزی کمک می کند.

coursera Splunk Search Expert 102 (Mitalearn-317897)

  • 4 hours 11 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Splunk Instructor
درباره این دوره:

گام بعدی را در دانش خود از Splunk بردارید. در این دوره آموزشی، نحوه استفاده متفاوت از زمان بر اساس سناریوها، یادگیری دستورات برای کمک به پردازش، دستکاری و ارتباط داده ها را خواهید آموخت.

coursera SQL for Data Science (Mitalearn-328012)

  • 3 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sadie St. Lawrence
درباره این دوره:

با افزایش تصاعدی جمع آوری داده ها، نیاز به افراد ماهر در استفاده و تعامل با داده ها نیز افزایش یافته است. قادر به تفکر انتقادی و ارائه بینش برای تصمیم گیری بهتر و بهینه سازی کسب و کار خود باشند. این یک دانشمند داده، "بخشی ریاضیدان، بخشی دانشمند کامپیوتر، و بخشی از نقطه نظر روند" (SAS Institute, Inc.) است. به گفته Glassdoor، دانشمند داده بودن بهترین شغل در آمریکا است. با میانگین حقوق پایه 110000 دلار و هزاران فرصت شغلی در یک زمان. مهارت های لازم برای دانشمند داده خوب بودن شامل توانایی بازیابی و کار با داده ها است، و برای انجام این کار باید به خوبی در SQL، زبان استاندارد برای برقراری ارتباط با سیستم های پایگاه داده، آشنا باشید. این دوره به منظور ارائه مقدماتی در زمینه اصول SQL و کار با داده ها طراحی شده است تا بتوانید تجزیه و تحلیل آن را برای اهداف علم داده آغاز کنید. شما شروع به پرسیدن سوالات درست خواهید کرد و پاسخ های خوبی برای ارائه بینش ارزشمند برای سازمان خود خواهید داشت. این دوره با اصول اولیه شروع می شود و فرض می کند که شما هیچ دانش یا مهارتی در SQL ندارید. این بر اساس آن پایه است و به تدریج از شما می‌خواهد پرس و جوهای ساده و پیچیده بنویسید تا به شما در انتخاب داده‌ها از جداول کمک کند. شما شروع به کار با انواع مختلف داده‌ها مانند رشته‌ها و اعداد خواهید کرد و درباره روش‌های فیلتر کردن و کاهش نتایج خود بحث خواهید کرد. شما جداول جدیدی ایجاد خواهید کرد و می توانید داده ها را به آنها منتقل کنید. اپراتورهای رایج و نحوه ترکیب داده ها را یاد خواهید گرفت. شما از عبارات موردی و مفاهیمی مانند حاکمیت داده و نمایه سازی استفاده خواهید کرد. شما در مورد موضوعات مربوط به داده ها بحث خواهید کرد و با استفاده از تکالیف برنامه نویسی در دنیای واقعی تمرین خواهید کرد. شما ساختار، معنا و روابط را در داده های منبع تفسیر می کنید و از SQL به عنوان یک حرفه ای برای شکل دادن به داده های خود برای اهداف تجزیه و تحلیل هدفمند استفاده می کنید. اگرچه برای گذراندن این دوره هیچ پیش نیاز یا نرم افزار خاصی نداریم، اما برای پروژه نهایی یک ویرایشگر متن ساده توصیه می شود. پس منتظر چی هستی؟ این اولین قدم شما برای یافتن شغل در بهترین شغل در ایالات متحده و به زودی در جهان است!

coursera SQL for Data Science Capstone Project (Mitalearn-332925)

  • 2 hours 56 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Don Noxon
درباره این دوره:

علم داده یک زمینه شغلی پویا و رو به رشد است که برای موفقیت نیاز به دانش و مهارت مبتنی بر SQL دارد. این دوره طراحی شده است تا پایه ای محکم در استفاده از مهارت های SQL برای تجزیه و تحلیل داده ها و حل مشکلات واقعی کسب و کار به شما ارائه دهد. چه سایر دوره‌های آموزشی را با موفقیت گذرانده باشید و چه فقط در این دوره شرکت می‌کنید، این پروژه فرصتی برای شماست تا دانش و مهارت‌هایی را که کسب کرده‌اید برای تمرین پرسش‌های مهم SQL و حل مشکلات داده‌ها به کار ببرید. شما در سفر شخصی یا حرفه ای خود شرکت خواهید کرد تا از ابتدا تا انتها یک قطعه با ارزش نمونه کارها ایجاد کنید. شما یک مجموعه داده را انتخاب می کنید و یک پروژه پیشنهادی ایجاد می کنید. شما داده های خود را کاوش خواهید کرد و برخی از آمارهای اولیه را که از طریق این تخصص آموخته اید، انجام خواهید داد. شما تجزیه و تحلیل داده های کیفی را کشف خواهید کرد و معیارهای جدیدی را در نظر خواهید گرفت که از الگوهایی که در تجزیه و تحلیل شما ظاهر می شوند، منطقی هستند. شما تمام کارهای خود را در قالب یک ارائه قرار می دهید که در آن داستان یافته های خود را بیان می کنید. در طول مسیر، از طریق فرآیند بررسی همتا بازخورد دریافت خواهید کرد. این انجمن از دانش آموزان همکار، ورودی های بیشتری را برای کمک به شما در اصلاح رویکرد خود برای تجزیه و تحلیل داده ها با SQL و ارائه یافته های خود به مشتریان و مدیریت ارائه می دهد.

coursera SQL: A Practical Introduction for Querying Databases (Mitalearn-326788)

  • 1 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja
درباره این دوره:

بسیاری از داده های جهان در پایگاه های داده زندگی می کنند. SQL (یا زبان پرس و جوی ساختاریافته) یک زبان برنامه نویسی قدرتمند است که برای برقراری ارتباط و دستکاری داده ها در پایگاه های داده استفاده می شود. دانش کاری پایگاه‌های داده و SQL برای هر کسی که می‌خواهد شغلی در مهندسی داده، انبار داده، تجزیه و تحلیل داده، علم داده یا هوش تجاری شروع کند، ضروری است. هدف از این دوره کمک به شما در یادگیری و به کارگیری دانش پایه و متوسط ​​زبان SQL و آشنایی با بسیاری از مفاهیم پایگاه داده رابطه ای (RDBMS) در طول مسیر است. شما با انجام عملیات اصلی Create، Read، Update و Delete (CRUD) با استفاده از دستورات CREATE، SELECT، INSERT، UPDATE و DELETE شروع خواهید کرد. سپس فیلتر کردن، ترتیب، مرتب‌سازی و جمع‌آوری داده‌ها را خواهید آموخت. شما با توابع کار خواهید کرد، انتخاب های فرعی و پرس و جوهای تودرتو و همچنین داده های JOIN را در چندین جدول انجام خواهید داد. شما همچنین با VIEWS، تراکنش ها و ایجاد رویه های ذخیره شده کار خواهید کرد. تاکید در این دوره بر یادگیری عملی و عملی است. به این ترتیب، شما با سیستم های پایگاه داده واقعی کار خواهید کرد، از ابزارهای واقعی و مجموعه داده های دنیای واقعی استفاده خواهید کرد. شما یک نمونه پایگاه داده در فضای ابری ایجاد خواهید کرد. از طریق یک سری از آزمایشگاه های عملی، ساخت و اجرای پرس و جوهای SQL را تمرین خواهید کرد. در پایان دوره شما درخواست داده و مهارت های خود را با یک پروژه نهایی نشان خواهید داد. مهارت های SQL که در این دوره یاد می گیرید برای انواع RDBMS ها مانند MySQL، PostgreSQL، IBM Db2، Oracle، SQL Server و غیره قابل اجرا خواهند بود. هیچ دانش قبلی از پایگاه های داده، SQL یا برنامه نویسی مورد نیاز نیست، با این حال برخی از سواد داده های اولیه مفید است.

linkedin Tableau 10 for Data Scientists (Mitalearn-225145)

  • 2 hours 24 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Matt Francis
درباره این دوره:

Tableau برای علم داده طراحی شده است! فراتر از اصول اولیه حرکت کنید و در قدرت این نرم افزار تجسم داده ها عمیق تر شوید. بیاموزید که چگونه با داده های نامرتب یا بد فرمت شده برخورد کنید، از Tableau برای پاسخ به سوالات کلیدی تجزیه و تحلیل داده ها استفاده کنید و نتایج خود را با نقشه ها و داشبوردها تجسم کنید. مت فرانسیس "Zen Master" دارای گواهی تابلو به شما نشان می دهد که چگونه از پارامترها برای بهبود تجسم ها، ایجاد فیلترهای متقابل منبع، استفاده از استخراج داده ها برای بهینه سازی اتصالات آهسته و موارد دیگر استفاده کنید.

rnrn سپس نحوه اضافه کردن نقشه‌های جدید و ایجاد داشبوردهای مؤثرتر را بیابید که املاک و مستغلات صفحه را به حداکثر برسانند. کشف کنید که چگونه کنش‌ها می‌توانند برگه‌ها را به هم پیوند دهند و سطوح بیشتری از تعامل و عملکرد را ارائه دهند، و چگونه قالب‌بندی می‌تواند یک داشبورد معمولی را به توجه نیاز داشته باشد. به‌علاوه، نکات پاداشی در مورد انجام محاسبات تاریخ و زمان در Tableau دریافت کنید. این دوره به مهارت‌های عملی، کاربردی و ضروری می‌پردازد که هر کسی که در یک محیط حرفه‌ای به انجام تجسم و تجزیه و تحلیل داده‌ها نیاز دارد، باید داشته باشد.

Suggestions