Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-31 of 31 items.

datacamp مصرف ساده داده با پانداها (Mitalearn-401860)

  • 1 hours 9 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Amany Mahfouz
درباره این دوره:

قبل از اینکه بتوانید داده ها را تجزیه و تحلیل کنید، ابتدا باید آنها را بدست آورید. این دوره به شما می آموزد که چگونه خطوط لوله بسازید تا داده های ذخیره شده در قالب های ذخیره سازی رایج را وارد کنید. شما از پانداها، یک کتابخانه اصلی پایتون برای تجزیه و تحلیل، برای دریافت داده‌ها از منابع مختلف، از صفحات گسترده پاسخ‌های نظرسنجی، پایگاه داده درخواست‌های خدمات عمومی، تا یک API برای یک سایت بررسی محبوب استفاده خواهید کرد. در طول مسیر، یاد می‌گیرید که چگونه واردات را تنظیم کنید تا فقط آنچه را که نیاز دارید به دست آورید و به مشکلاتی مانند انواع داده‌های نادرست رسیدگی کنید. در نهایت، یک مجموعه داده سفارشی را از ترکیبی از منابع جمع آوری خواهید کرد.

datacamp مقابله با داده های از دست رفته در R (Mitalearn-405209)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
درباره این دوره:

داده های از دست رفته بخشی از هر تجزیه و تحلیل داده های دنیای واقعی است. می‌تواند در مکان‌های غیرمنتظره ظاهر شود و درک تحلیل‌ها را دشوار کند. در این دوره آموزشی، نحوه استفاده از ابزار tidyverse و پکیج naniar R را برای تجسم مقادیر از دست رفته یاد خواهید گرفت. شما مقادیر از دست رفته را مرتب می کنید تا بتوان از آنها در تجزیه و تحلیل استفاده کرد و مقادیر گمشده را برای یافتن سوگیری در داده ها کاوش کرد. در نهایت، دیگر الگوهای زیربنایی غیبت را آشکار خواهید کرد. همچنین می‌آموزید که چگونه «جای‌های خالی» مقادیر از دست رفته را با مدل‌های انتساب پر کنید، و چگونه می‌توانید بر اساس این مجموعه داده‌های منتسب، تجسم، ارزیابی و تصمیم بگیرید.

Related Skills

datacamp مقدمه ای بر Google Sheets [Datacamp] (Mitalearn-400007)

  • 25 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: James Chapman
درباره این دوره:

Google Sheets یکی از محبوب‌ترین و قدرتمندترین ابزارهای تجزیه و تحلیل داده است. میلیون‌ها نفر از نرم‌افزارهایی مانند Google Sheets استفاده می‌کنند تا بینش معنی‌داری از داده‌ها به دست آورند.

در این دوره، با کار با داده های جدولی و انجام محاسبات، اصول اولیه صفحات گسترده را خواهید آموخت. همچنین فرمول‌های خود را ایجاد می‌کنید و یاد می‌گیرید که چگونه از مراجع برای اتصال سلول‌ها و زنده کردن صفحات گسترده خود استفاده کنید.

datacamp مقدمه ای بر KNIME (Mitalearn-447369)

  • 26 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Emilio Silvestri
درباره این دوره:

KNIME یک پلتفرم علمی و تجزیه و تحلیل داده رایگان و منبع باز با رابط بصری است که در آن می‌توانید گردش‌های کاری بصری ایجاد کنید تا داده‌های خود را درک کنید. شرکت‌ها در سراسر جهان از KNIME برای خودکارسازی وظایف تکراری و ساخت و استقرار مدل‌های یادگیری ماشینی استفاده می‌کنند. در این دوره آموزشی، یاد می گیرید که چگونه داده ها را از چندین منبع بخوانید و ادغام کنید و در صورت عدم تمایل، داده های خود را بدون کد نویسی، تبدیل و تجمیع کنید. KNIME بدون کد/ سفر ارتقای مهارت داده کم کد خود را اکنون شروع کنید.

datacamp مقدمه ای بر Power Query در اکسل (Mitalearn-400823)

  • 39 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Lyndsay Girard
درباره این دوره:

پتانسیل واقعی داده های خود را باز کنید! با بحث دستی داده ها خداحافظی کنید و به تبدیل داده های کارآمد و کارآمد سلام کنید. در این دوره مقدماتی Excel Power Query، یاد خواهید گرفت که چگونه به طور یکپارچه به چندین منبع داده متصل شوید، داده های خود را به راحتی تمیز کرده و شکل دهید، و آن را بارگذاری کنید تا برای تجزیه و تحلیل آماده شود. در طول مسیر، با بسیاری از توابع موجود که Power Query ارائه می‌کند آشنا می‌شوید و به شما اطمینان می‌دهد که گزارش بعدی مبتنی بر اکسل خود را ساده کنید. چه یک تحلیلگر داده، حرفه ای کسب و کار یا علاقه مند به صفحات گسترده باشید، این دوره به شما این امکان را می دهد که در زمان خود صرفه جویی کنید، تصمیمات آگاهانه تری بگیرید و بینش های ارزشمندی را از داده های خود استخراج کنید.

datacamp مقدمه ای بر آلتریکس (Mitalearn-400517)

  • 32 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Iason Prassides
درباره این دوره:

Alteryx Designer یک پلت فرم پیشرو برای تجزیه و تحلیل داده است که یک رابط بصری ایده آل برای حرفه ای ها در همه سطوح ارائه می دهد. این دوره شما را با ملزومات Alteryx Designer Desktop آشنا می‌کند، از پیمایش رابط آن گرفته تا استفاده از قابلیت کشیدن و رها کردن آن برای گردش کار داده‌های کارآمد. وارد کردن، پاکسازی و پیوستن داده ها را خواهید آموخت و به سمت تکنیک های پیشرفته پیش بینی، آماری و تجزیه و تحلیل فضایی می روید. در پایان این دوره، شما در تبدیل داده‌های خام به بینش‌های عملی مهارت خواهید داشت و مهارت‌های پردازش و تحلیل داده‌های خود را افزایش می‌دهید. سفر Alteryx Designer خود را برای باز کردن قابلیت های قدرتمند تجزیه و تحلیل داده آغاز کنید!

coursera مقدمه ای بر مدل سازی پیش بینی کننده (Mitalearn-335577)

  • 6 hours 11 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: De Liu
درباره این دوره:

به مقدمه ای بر مدل سازی پیش بینی کننده، اولین دوره در تجزیه و تحلیل دانشگاه مینه سوتا برای تخصص تصمیم گیری خوش آمدید. این دوره مفاهیم، ​​فرآیندها و کاربردهای مدل سازی پیش بینی را با تمرکز بر مدل های پیش بینی رگرسیون خطی و سری های زمانی و استفاده عملی از آنها در مایکروسافت اکسل به شما معرفی می کند. در پایان دوره، شما قادر خواهید بود: - مفاهیم، ​​فرآیندها و کاربردهای مدل سازی پیش بینی را درک کنید. - ساختار و شهود پشت مدل های رگرسیون خطی را درک کنید. - قادر به برازش مدل های رگرسیون خطی ساده و چندگانه با داده ها، تفسیر نتایج، ارزیابی خوب بودن برازش و استفاده از مدل های برازش برای پیش بینی. - مشکل اضافه برازش و عدم تناسب را درک کرده و قادر به انتخاب مدل ساده باشد. - درک مفاهیم، ​​فرآیندها و کاربردهای پیش بینی سری های زمانی به عنوان یک نوع خاص از مدل سازی پیش بینی کننده. - بتوانید چندین مدل پیش‌بینی سری زمانی (به عنوان مثال، هموارسازی نمایی و روش Holt-Winter) را در اکسل جاسازی کنید، خوب بودن تناسب را ارزیابی کنید و از مدل‌های برازش برای پیش‌بینی استفاده کنید. - انواع مختلف داده ها و نحوه استفاده از آنها در مدل های پیش بینی را درک کنید. - از Excel برای آماده سازی داده ها برای مدل سازی پیش بینی، از جمله کاوش الگوهای داده، تبدیل داده ها و مقابله با مقادیر گمشده استفاده کنید. این یک دوره مقدماتی برای مدل سازی پیش بینی است. این دوره ترکیبی از یادگیری مفهومی و عملی را ارائه می دهد. در طول دوره، ما به شما فرصت هایی برای تمرین تکنیک های مدل سازی پیش بینی بر روی مجموعه داده های دنیای واقعی با استفاده از Excel ارائه می دهیم. برای موفقیت در این دوره باید ریاضی پایه (مفهوم توابع، متغیرها و نمادهای ریاضی پایه مانند جمع و شاخص ها) و آمار پایه (همبستگی، میانگین نمونه، انحراف معیار و واریانس) را بدانید. این دوره نیازی به پیشینه برنامه نویسی ندارد، اما شما باید با عملیات اصلی اکسل (به عنوان مثال، فرمول های اولیه و نمودار) آشنا باشید. برای بهترین تجربه، باید نسخه اخیر مایکروسافت اکسل را روی رایانه خود نصب کنید (به عنوان مثال، اکسل 2013، 2016، 2019، یا آفیس 365).

datacamp مقدمه ای بر وارد کردن داده ها در پایتون (Mitalearn-399820)

  • 39 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hugo Bowne-Anderson
درباره این دوره:

به‌عنوان یک دانشمند داده، باید داده‌ها را پاکسازی کنید، آن‌ها را با هم درگیر کنید، آن‌ها را تجسم کنید، مدل‌های پیش‌بینی‌کننده بسازید، و این مدل‌ها را تفسیر کنید. قبل از اینکه بتوانید این کار را انجام دهید، باید بدانید که چگونه داده ها را به پایتون وارد کنید. در این دوره آموزشی، راه های زیادی برای وارد کردن داده ها به پایتون خواهید آموخت: از فایل های مسطح مانند txt. و .csv. از فایل‌های بومی به نرم‌افزارهای دیگر مانند صفحات گسترده Excel، Stata، SAS و فایل‌های MATLAB. و از پایگاه داده های رابطه ای مانند SQLite و PostgreSQL.

datacamp مقدمه ای بر واردات داده ها در R (Mitalearn-400551)

  • 25 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Filip Schouwenaars
درباره این دوره:

وارد کردن داده ها به R باید ساده ترین مرحله در تجزیه و تحلیل شما باشد. متأسفانه، تقریباً هرگز چنین نیست. داده‌ها می‌توانند در قالب‌های مختلفی از csv. و فایل‌های متنی، فایل‌های نرم‌افزار آماری، پایگاه‌های داده و داده‌های HTML باشند. دانستن اینکه از کدام رویکرد استفاده کنید، کلید شروع تحلیل واقعی است. در این دوره، با یادگیری نحوه خواندن csv. و فایل‌های متنی در R شروع می‌کنید. سپس بسته‌های reader و data.table را برای وارد کردن آسان و کارآمد داده‌های فایل مسطح پوشش می‌دهید. پس از آن، نحوه خواندن فایل های .xls در R با استفاده از readxl را خواهید آموخت.

Related Skills

datacamp واردات متوسط ​​داده در پایتون (Mitalearn-399718)

  • 24 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hugo Bowne-Anderson
درباره این دوره:

به‌عنوان یک دانشمند داده، باید داده‌ها را پاکسازی کنید، آن‌ها را مورد بحث و بررسی قرار دهید، آن‌ها را تجسم کنید، مدل‌های پیش‌بینی‌کننده بسازید و این مدل‌ها را تفسیر کنید. قبل از اینکه بتوانید این کار را انجام دهید، باید بدانید که چگونه داده ها را به پایتون وارد کنید. در پیش درآمد این دوره، راه های زیادی برای وارد کردن داده ها به پایتون آموختید: از فایل های مسطح مانند txt. و .csv. از فایل‌های بومی به نرم‌افزارهای دیگر مانند صفحات گسترده Excel، Stata، SAS و فایل‌های MATLAB. و از پایگاه داده های رابطه ای مانند SQLite و PostgreSQL. در این دوره آموزشی، شما این پایگاه دانش را با یادگیری وارد کردن داده ها از وب و با کشیدن داده ها از رابط های برنامه نویسی برنامه - APIها - مانند API پخش جریانی توییتر، که به ما امکان می دهد توییت های بلادرنگ را پخش کنیم، گسترش دهید.

coursera یک تور سریع در کلان داده و هوش تجاری (Mitalearn-350231)

  • 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Elio Masciari
درباره این دوره:

این دوره به مبتدیان و شاغلین حوزه های Big Data و AI اختصاص داده شده است. این یک مرور سریع از برخی مفاهیم اساسی است که می تواند توسط متخصصان بیشتر توضیح داده شود. از قضیه CAP تا فرض تورینگ، راهنمای شروعی برای غواصی در این موضوعات جذاب ارائه خواهیم داد.

Suggestions