Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 55 items.

linkedin اکسل: مدل سازی برای مبتدیان (Mitalearn-419812)

  • 38 minutes
  • مناسب همه
  • Release date: 6 August 2024
  • Author: Jordan Goldmeier
درباره این دوره: 

 مدل ها با ایجاد یک نسخه ساده از یک فرآیند ، به مشاغل کمک می کنند تا تصمیمات بهتری بگیرند. در اکسل ، تا زمانی که ورودی ها ، فرضیات ، بهترین شیوه ها ، ابزارها و تکنیک ها را می شناسید ، می توانید تقریباً در مورد هر چیزی مدل کنید. در این دوره ، جردن گلدمیر - نویسنده ، کارآفرین و مایکروسافت MVP - تعریف می کند که یک مدل چیست و به شما نشان می دهد که چگونه می توانید از اکسل برای نشان دادن مدل استفاده کنید. عملکردهای مهمی را یاد بگیرید که به شما امکان می دهد پیش بینی ها و پیش بینی های مربوط به داده های خود را انجام دهید. به علاوه ، نحوه ارائه نتایج را به ذینفعان پیدا کنید.

udemy انبار داده - راهنمای نهایی (Mitalearn-407589)

  • 8 hours 47 minutes
  • مناسب همه
  • Update date: 29 July 2026
  • Author: Nikolai Schuler
درباره این دوره:

ذخیره‌سازی اصلی داده، مدل‌سازی بعدی و فرآیند ETL

آیا می‌خواهید نحوه اجرای انبار داده را به روشی مدرن بیاموزید؟

/p>

این تنها دورهی است که برای تسلط بر معماری و پیاده‌سازی انبار داده به آن نیاز دارید. سرتاسر!


مدل‌سازی داده و ذخیره‌سازی داده یکی از مهم‌ترین مهارت‌ها در هوش تجاری و مهندسی داده است!< /p>

این جامع‌ترین و مدرن‌ترین دوره آموزشیی است که می‌توانید در مورد انبار داده بیابید.


در اینجا است چرا:

  • جامع ترین دوره با 9 ساعت سخنرانی تصویری

  • از یک متخصص واقعی بیاموزید - واضح و شفاف مستقیم

  • تئوری و عملی کارشناسی ارشد - نمایش‌های عملی، تکالیف و آزمون‌ها

  • ما یک داده کامل را اجرا خواهیم کرد انبار - انتها به انتها

  • همه چیز را گام به گام از اصول اولیه تا مباحث پیشرفته درک کنید

  • مراحل عملی را بیاموزید و تئوری مهم برای ارتقاء مهارت شغلی شما

این دوره شما را به تمام راهها می رساند تا بتوانید یک انبار داده را در یک شرکت به صورت حرفه ای معماری و پیاده سازی کنید. روش.


در اینجا چیزی است که یاد خواهید گرفت:

  • مبانی انبار داده

  • معماری انبار داده

  • زیرساخت انبار داده

  • مدلسازی داده

  • تنظیم یک فرآیند ETL

  • مدل‌سازی بعدی: حقایق و ابعاد

  • پیاده‌سازی یک انبار داده کامل بصورت عملی

  • تغییر آهسته ابعاد

  • آشنایی با ابزارهای ETL

  • ELT در مقابل. ETL

  • موضوعات پیشرفته مانند: ذخیره‌سازی ستونی، مکعب‌های OLAP، پایگاه‌های داده درون حافظه، پردازش موازی عظیم و انبارهای داده‌های ابری

  • بهینه‌سازی انبار داده با استفاده از نمایه‌ها (شاخص‌های درخت B و نمایه‌های Bitmap)

  • استفاده عملی و اتصال یک انبار داده


در پایان این دوره شما قادر خواهید بود یک انبار داده کامل را از ابتدا طراحی و بسازید. . شما دانش، مهارت‌های عملی و اعتماد به نفس لازم برای پیاده‌سازی حرفه‌ای یک انبار داده مدرن را خواهید داشت.

همه چیزهایی که برای داشتن یک معمار داده، مهندس داده، تحلیلگر داده یا متخصص هوش تجاری بسیار ماهر نیاز دارید.

p>


اکنون بپیوندید تا دسترسی فوری و مادام العمر داشته باشید - البته با پشتوانه 30 روزه بدون سوال تضمین!




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.

linkedin پانداها برای علم داده (Mitalearn-102677)

  • 2 hours 3 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Charles Kelly
درباره این دوره:

pandas for Data Science مقدمه ای بر یکی از داغ ترین ابزارهای جدید در دسترس متخصصان علم داده و تجزیه و تحلیل تجاری است. pandas یک کتابخانه منبع باز است که ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهای تجزیه و تحلیل داده را ارائه می دهد. در حالی که پایتون دارای قابلیت‌های عالی برای دستکاری داده‌ها و آماده‌سازی داده‌ها است، پانداها ابزارهای تحلیل و مدل‌سازی داده‌ها را اضافه می‌کنند تا کاربران بتوانند کل گردش‌های کاری علم داده را انجام دهند.\r\n\r\n چارلز کلی به شما کمک می کند تا با سری های زمانی، فریم های داده، پانل ها، ترسیم و تجسم شروع کنید. تنها چیزی که نیاز دارید یک کپی از برنامه رایگان و تعاملی Jupyter Notebook برای تمرین و پیگیری است.

linkedin پایتون: کار با پیش‌بینی‌کننده آنالیز (Mitalearn-186589)

  • 1 hours 17 minutes
  • پیشرفته
  • Release date: 25 July 2026
  • Author: Isil Berkun
درباره این دوره:

داده ها می توانند داستان های زیادی را بیان کنند: از کجا آمده و به کجا می رود. تجزیه و تحلیل پیشگو به برنامه نویسان ابزاری برای گفتن داستان هایی در مورد آینده می دهد: استخراج اطلاعات قابل استفاده و پیش بینی های دقیق. این پیش‌بینی‌ها به نوبه خود به کسب‌وکار اجازه می‌دهند تا تصمیمات آگاهانه‌تر و تأثیرگذارتری بگیرند. به ایسیل برکون، دانشمند داده، بپیوندید تا تجزیه و تحلیل پیش بینی را با پایتون بررسی کنید. نحوه آماده‌سازی داده‌ها - پر کردن مقادیر از دست رفته، انجام مقیاس‌بندی ویژگی‌ها و موارد دیگر - و استفاده از کتابخانه‌های از پیش ساخته شده پایتون برای ساخت و ارزیابی مدل‌های پیش‌بینی را کشف کنید. او توضیح می‌دهد که چه مدل‌هایی باید در چه زمانی استفاده شوند، و مفاهیم را به گونه‌ای توضیح می‌دهد که بتوانید بلافاصله آنها را در کار خود به کار ببرید. در پایان دوره، می‌توانید از کتابخانه‌های پایتون مانند پانداها و NumPy استفاده کنید و مدل‌های پیش‌بینی مناسب را برای پروژه‌های خود انتخاب کنید.

linkedin تجزیه و تحلیل توصیفی مراقبت های بهداشتی در R (Mitalearn-99413)

  • 4 hours 43 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

تحلیل رفتار و ریسک با استفاده از R، نرم افزار محاسبات آماری منبع باز. R محیط و زبانی را فراهم می کند که می توانید از آن برای تجزیه و تحلیل داده ها استفاده کنید، از جمله مجموعه داده های نظارت بر عوامل خطر رفتاری (BRFSS) که به صورت عمومی در دسترس است. این دوره مهارت های اصلی علوم داده مراقبت های بهداشتی، از جمله اپیدمیولوژی، و همچنین نحوه انجام تجزیه و تحلیل مقطعی، راه اندازی فرهنگ لغت داده، توسعه ابرداده، تعیین عوامل مخدوش کننده، اعمال استثناها، ایجاد نمودارها، تولید متغیرهای پیامد مستمر و طبقه بندی شده و بیشتر. علم برای ویرایش، تجزیه و تحلیل و تفسیر داده ها. یاد بگیرید که چگونه متغیرهای جدید را کدنویسی کنید، از فرآیند مدلسازی گام به گام استفاده کنید و تصمیمات خود را مستند کنید. بیاموزید که چگونه نتایج را با تولید نمودارها و گرافیک ها تجسم کنید و چگونه جداول و شکل ها را به اسناد خود اضافه کنید. این دوره به شما کمک می کند تا به طور مستقل یک تجزیه و تحلیل کامل BRFSS را طراحی، توسعه و اجرا کنید و حتی نتایج خود را در نشریات یا مجلات علمی منتشر کنید.

coursera تجزیه و تحلیل داده های پایتون (Mitalearn-329015)

  • 6 hours 17 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Victor Geislinger
درباره این دوره:

این دوره استفاده از زبان برنامه نویسی پایتون را برای دستکاری مجموعه داده ها به عنوان جایگزینی برای صفحات گسترده معرفی می کند. شما از چارچوب OSEMN تجزیه و تحلیل داده ها پیروی می کنید تا داده ها را بکشید، تمیز کنید، دستکاری کنید و تفسیر کنید و در عین حال اصول برنامه نویسی اساسی و توابع پایه پایتون را یاد بگیرید. شما با کتابخانه پایتون، پانداها و نحوه استفاده از آن برای به دست آوردن، تمیز کردن، کاوش و تجسم داده ها آشنا خواهید شد. در پایان این دوره شما قادر خواهید بود: • از پایتون برای ساخت حلقه ها و ساختارهای داده اولیه استفاده کنید • مرتب سازی، پرس و جو و ساختار داده ها در پانداها، کتابخانه پایتون • تجسم داده ها را با کتابخانه های پایتون ایجاد کنید • مدل سازی و تفسیر داده ها با استفاده از پایتون این دوره برای افرادی طراحی شده است که می خواهند اصول استفاده از پایتون را برای مرتب سازی و ساختار داده ها برای تجزیه و تحلیل داده ها یاد بگیرند. 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.

coursera تجزیه و تحلیل داده های حسابداری با پایتون (Mitalearn-293944)

  • 11 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Ronald Guymon,Linden Lu
درباره این دوره:

این دوره بر توسعه مهارت های پایتون برای جمع آوری داده های تجاری تمرکز دارد. برخی از مطالب مشابه از مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم را پوشش می دهد، اما در یک محیط برنامه نویسی با هدف کلی تر (ژوپیتر نوت بوک برای پایتون)، به جای اکسل و ویرایشگر ویژوال بیسیک. این مفاهیم در چارچوب یک یا چند حوزه داده حسابداری (به عنوان مثال، داده های صورت های مالی از EDGAR، داده های سهام، داده های وام، داده های محل فروش) آموزش داده می شوند. نیمه اول دوره از جایی شروع می شود که مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم متوقف شد: استفاده در یک محیط توسعه یکپارچه برای خودکارسازی وظایف تجزیه و تحلیل داده ها. ما در مورد نحوه مدیریت کد و اشتراک‌گذاری نتایج در Jupyter Notebook، یک محیط توسعه محبوب برای نرم‌افزارهای تجزیه و تحلیل داده‌ها مانند Python و R بحث می‌کنیم. سپس برخی از مهارت‌های برنامه‌نویسی اساسی، مانند عملگرهای ریاضی، توابع، عبارات شرطی و حلقه‌ها را با استفاده از نرم‌افزار پایتون مرور می‌کنیم. نیمه دوم دوره بر روی جمع آوری داده ها برای اهداف یادگیری ماشین تمرکز دارد. ما دانش آموزان را با قالب های داده پاندا و Numpy برای ساختاردهی و دستکاری داده ها آشنا می کنیم. سپس داده ها را با استفاده از تجسم و رگرسیون خطی تجزیه و تحلیل می کنیم. در نهایت نحوه استفاده از پایتون برای تعامل با داده های SQL را توضیح می دهیم.

linkedin تجزیه و تحلیل کسب و کار: پیش بینی با هموارسازی نمایی (Mitalearn-136252)

  • 1 hours 5 minutes
  • پیشرفته
  • Release date: 22 June 2026
  • Author: Conrad Carlberg
درباره این دوره:

هموارسازی نمایی اصطلاحی برای مجموعه ای از رویه های پیش بینی ساده است که اصلاح خود را اعمال می کند. هر پیش بینی شامل دو جزء است. این میانگین وزنی پیش‌بینی قبلی است، به علاوه تعدیلی که پیش‌بینی قبلی را دقیق‌تر می‌کرد. هموارسازی - مانند اکثر رویکردهای معتبر برای پیش‌بینی - برای درست کار کردن به یک خط پایه از مشاهدات، به ترتیب، نیاز دارد. درآمدهای هفتگی و پذیرش روزانه در بیمارستان نمونه های معمولی هستند. چندین نسخه از هموارسازی نمایی وجود دارد که هر کدام مربوط به یک نوع خط پایه است. در این دوره، کنراد کارلبرگ مقدمه ای بر هموارسازی نمایی ساده، غواصی در ایده اصلی پشت آن، و توضیح نحوه جمع آوری معادله پیش بینی و بهینه سازی پیش بینی ها ارائه می دهد.

linkedin تجزیه و تحلیل کسب و کار: تکنیک های کاهش داده با استفاده از Excel و R (Mitalearn-109987)

  • 1 hours 2 minutes
  • پیشرفته
  • Release date: 21 June 2026
  • Author: Conrad Carlberg
درباره این دوره:

با توجه به اینکه مشاغل باید با حجم فزاینده داده دست و پنجه نرم کنند، نیاز به کاهش داده ها در سال های اخیر تشدید شده است. برای درک فراوانی بیش از حد اطلاعات، می‌توانید از تحلیل خوشه‌ای استفاده کنید - که به شما امکان می‌دهد در مورد تعداد انگشت شماری از گروه‌ها به جای یک جمعیت کامل از افراد استنباط ایجاد کنید - و همچنین از تجزیه و تحلیل مؤلفه‌های اصلی که متغیرهای پنهان را آشکار می‌کند.\r\n\r\n سپس او توضیح می‌دهد که چگونه می‌توان همان تحلیل را با استفاده از R، نرم‌افزار محاسباتی آماری منبع باز، که از نظر گزینه‌های تجزیه و تحلیل سریع‌تر و غنی‌تر از Excel است، انجام داد. به علاوه، او نحوه ادغام نتایج تجزیه و تحلیل خوشه‌ای و تحلیل عاملی را توضیح می‌دهد تا به شما کمک کند تا چند عامل اساسی را بر اساس عضویت افراد تنها در چند خوشه تجزیه کنید.

linkedin تجزیه و تحلیل مراقبت های بهداشتی: رگرسیون در R (Mitalearn-107420)

  • 4 hours 20 minutes
  • پیشرفته
  • Update date: 22 June 2026
  • Author: Monika Wahi
درباره این دوره:

مدل های رگرسیون خطی و لجستیک را می توان با استفاده از R، نرم افزار محاسبات آماری منبع باز ایجاد کرد. در این دوره، مونیکا وحی، متخصص بیوتکنولوژی و اپیدمیولوژیست، از مجموعه داده های نظارت بر عوامل خطر رفتاری (BRFSS) در دسترس عموم استفاده می کند تا به شما نشان دهد که چگونه یک فرآیند مدل سازی گام به گام رو به جلو انجام دهید. مونیکا به شما نشان می دهد که چگونه با در نظر گرفتن معقول بودن علمی در انتخاب یک فرضیه، تحقیق خود را طراحی کنید. سپس، او شما را از طریق مراحل تهیه، توسعه و نهایی کردن هر دو مدل رگرسیون خطی و مدل رگرسیون لجستیک راهنمایی می کند. او همچنین تکنیک‌هایی را برای نحوه تفسیر نمودارهای تشخیصی، بهبود تناسب مدل، مقایسه مدل‌ها و موارد دیگر به اشتراک می‌گذارد.

coursera تصمیمات مبتنی بر داده با Power BI (Mitalearn-281772)

  • 4 hours 9 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Keith Gibson
درباره این دوره:

کاربران جدید Power BI دوره را با کسب درک مفهومی از برنامه دسکتاپ Power BI و سرویس Power BI آغاز خواهند کرد. یادگیرندگان رابط Power BI را در حین یادگیری نحوه مدیریت صفحات و درک اصول اولیه تجسم ها بررسی خواهند کرد. فراگیران می توانند مجموعه داده های دوره را دانلود کنند و در تجربیات عملی متعددی شرکت کنند تا نحوه وارد کردن، اتصال، تمیز کردن، تبدیل و مدل سازی داده های خود را در برنامه دسکتاپ Power BI کشف کنند. یادگیرندگان گزارش ها را بررسی می کنند، در مورد فضاهای کاری یاد می گیرند و مشاهده، ایجاد و انتشار گزارش ها در سرویس Power BI را تمرین می کنند. در نهایت، زبان آموزان در ایجاد و استفاده از داشبورد مهارت خواهند داشت.

linkedin تمیز کردن، تبدیل و آماده سازی داده های خود با Tableau Prep (Mitalearn-156601)

  • 2 hours 28 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Matt Francis
درباره این دوره:

به ندرت داده ها کاملاً برای تجسم آماده هستند. Tableau Prep یک ابزار آماده‌سازی داده‌های بصری است که به شما امکان می‌دهد با فعال کردن تمیز کردن، تغییر شکل و آماده‌سازی سریع داده‌ها سریع‌تر به تجزیه و تحلیل داده‌ها برسید - با استفاده از همان پارادایم کشیدن و رها کردن Tableau Desktop. این دوره دقیقا نحوه استفاده از Tableau Prep را برای آماده سازی داده ها نشان می دهد. مربی مت فرانسیس نحوه اتصال به چندین منبع داده و ترکیب آنها را در یک منبع واحد داده با استفاده از اتصالات و اتحادها نشان می دهد. سپس نحوه فیلتر کردن، تقسیم و تغییر نام داده ها و نحوه چرخش داده ها برای تبدیل داده های گسترده به داده های بلندی که Tableau Desktop ترجیح می دهد را بیاموزید. Matt همچنین نحوه نمونه‌برداری از داده‌ها، تنظیم اندازه نمونه‌گیری و پیش‌نمایش و اشتراک‌گذاری خروجی نهایی خود را با Tableau Desktop نشان می‌دهد. آموزش با چند نمونه جریان پایان می یابد که Tableau Prep را در عمل نشان می دهد. در پایان دوره، مهارت‌هایی را فرا خواهید گرفت که می‌توانید Tableau Prep را به بخشی ضروری از فرآیند داده‌های Tableau خود تبدیل کنید.

linkedin جولیا برای دانشمندان داده نگاه اول (Mitalearn-101096)

  • 33 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

برای اولین بار به جولیا، زبان برنامه نویسی قدرتمند و سریع برای علم داده و تجزیه و تحلیل نگاه کنید. محبوبیت جولیا به سرعت در حال افزایش است و بسیاری از متخصصان علوم داده علاقه مند به یادگیری بیشتر هستند. این دوره سریع مقدمه ای کلی در مورد عملکرد، قدرت و محدودیت های زبان ارائه می دهد. نحوه مقایسه جولیا با C، R و Python و نحوه فراخوانی آن زبان ها، نحوه قالب بندی داده ها با انواع مختلف داده، نحوه انجام عملیات ریاضی و برداری، نحوه ایجاد عبارات و اجرای ماکروها و موارد دیگر را بیابید. شما می توانید تصمیم بگیرید که آیا جولیا را در گردش کار علم داده خود بگنجانید یا برای کسب اطلاعات بیشتر مراحل بعدی را دنبال کنید.

linkedin داده های باز: آزاد کردن مقدار پنهان (Mitalearn-94653)

  • 1 hours 6 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Jonathan Reichental
درباره این دوره:

مشاهده خبرنامه لینکدین جاناتان دولت‌ها در سراسر جهان در حال کشف ارزش و مسئولیت هستند که داده‌هایی را که جمع‌آوری و ذخیره می‌کنند به راحتی در دسترس هر کسی که می‌خواهد به آن دسترسی داشته باشد، پیدا می‌کند. تصمیم گیری برای باز کردن مجموعه داده ها یک انتخاب استراتژیک است که نیاز به تاکتیک های دقیق دارد. فرآیندها و فن آوری هایی برای دسترسی به داده ها و در عین حال به حداقل رساندن خطر وجود دارد. اگر می‌خواهید باز کردن داده‌های سازمان خود را برای فعال کردن شفافیت و تسریع نوآوری شروع کنید، یا از داده‌های باز برای هدایت تحلیل و تصمیم‌گیری آگاهانه‌تر استفاده کنید، این دوره برای شما مناسب است.\n\n او همچنین توضیح می دهد که چگونه دانشمندان داده از داده های باز برای گفتن داستان ها و ایجاد تجسم داده ها استفاده می کنند. در طول مسیر، او نمونه‌های متعددی از داده‌های باز را در عمل ارائه می‌کند: بهبود دولت، توانمندسازی شهروندان، ایجاد فرصت و حل مشکلات عمومی.

coursera دوره تمرینی Oracle SQL (Mitalearn-324527)

  • 42 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rafiq Wayani
درباره این دوره:

این دوره برای مبتدیان SQL طراحی شده است تا دستورات SQL را بررسی کنند، از جمله ایجاد جداول، اضافه کردن ستون ها و اصلاح جداول. ما به استفاده از دستورات تغییر نگاه خواهیم کرد و زبان آموزان برای تکمیل تمرینات، استفاده از دستورات DDL و DML را تمرین خواهند کرد.

linkedin راهنمای کامل برای R: درگیری ، تجسم و داده های مدل سازی (Mitalearn-415341)

  • 8 hours 15 minutes
  • مناسب همه
  • Release date: 15 March 2024
  • Author: Barton Poulson
درباره این دوره: 

 تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این دوره با متخصص تجزیه و تحلیل داده ها، بارتون پولسون، مقدمه ای کامل با R، همراه با دستورالعمل های دقیق برای نصب و پیمایش R و RStudio و مثال های عملی، از گرافیک اکتشافی گرفته تا شبکه های عصبی، ارائه می دهد. بارتون نشان می دهد که چگونه می توان بسته های R و R محبوب را راه اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات تحقیق شما و الزامات الگوریتم های شما باشد.

linkedin روش‌های علم داده: ایجاد حس کسب‌وکار (Mitalearn-209930)

  • 1 hours 50 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Neelam Dwivedi
درباره این دوره:

درک روزافزونی وجود دارد که علم داده باید فراتر از آزمایش در مقیاس کوچک به یک پیاده سازی در مقیاس بزرگ برود. در این دوره، Neelam Dwivedi روش‌های مهندسی نرم‌افزار و داده‌کاوی را برای دانشمندان داده ارائه می‌کند، سپس این ایده‌ها را با در نظر گرفتن یک نیاز ساده کسب‌وکار در طول یک چرخه زندگی به کار می‌گیرد - میزبانی یک مدل، مصرف آن در یک برنامه وب و راه‌اندازی CI/ خط لوله سی دی. Neelam با توضیح روش های مورد استفاده در دوره و نحوه ترکیب آنها شروع می کند. او به شما نشان می دهد که در توسعه معماری و استقرار یک مدل از کجا شروع کنید، سپس توضیح می دهد که چگونه برنامه های کاربردی وب بزرگتر ممکن است مدل را به عنوان یک سرویس مصرف کنند. Neelam نحوه مرحله بندی مدل و برنامه خود و همچنین نحوه برنامه ریزی پیش رو با یک نقشه راه کلی را پوشش می دهد. او با افکاری در مورد چگونگی کاربردهای بیشتر روش‌شناسی علم داده به پایان می‌رسد.

Suggestions