Course catalog

Course duration

Course provider

Topic

Categories

Showing 201-220 of 555 items.

coursera بینش معنادار بازاریابی (Mitalearn-294114)

  • 3 hours 12 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: David Schweidel
درباره این دوره:

با توجه به اینکه بازاریابان بزرگ‌ترین کاربران داده‌ها در سازمان هستند، نیاز به درک تنوع داده‌های مصرف‌کننده که سازمان جمع‌آوری می‌کند وجود دارد. نظرسنجی‌ها، تاریخچه تراکنش‌ها و سوابق صورت‌حساب، همگی می‌توانند بینشی در مورد رفتار آینده مصرف‌کنندگان ارائه دهند، مشروط بر اینکه به درستی تفسیر شوند. در مقدمه ای بر تجزیه و تحلیل بازاریابی، ابزارهایی را معرفی می کنیم که زبان آموزان برای تبدیل داده های خام به بینش بازاریابی به آن نیاز دارند. تمرین‌های ارائه شده با استفاده از مایکروسافت اکسل انجام می‌شوند تا اطمینان حاصل شود که زبان‌آموزان ابزارهای مورد نیاز برای استخراج اطلاعات از داده‌های در دسترس را در اختیار خواهند داشت. این دوره فراگیران را با ابزارهای ضروری از جمله تجزیه و تحلیل داده های اکتشافی و همچنین روش های رگرسیونی آشنا می کند که می تواند برای بررسی تأثیر فعالیت بازاریابی بر داده های کل (مانند فروش) و داده های انتخاب در سطح فردی (مثلاً انتخاب نام تجاری) استفاده شود. ). برای انجام موفقیت آمیز تکالیف در این دوره، به Microsoft Excel نیاز دارید. اگر اکسل ندارید، می توانید یک نسخه آزمایشی رایگان 30 روزه را از اینجا دانلود کنید: https://products.office.com/en-us/try

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 پانداهای سریعتر (Mitalearn-230789)

  • 1 hours 24 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Miki Tebeka
درباره این دوره:

دانشمندان داده اغلب پانداها را ترجیح می دهند، زیرا به آنها اجازه می دهد تا با حجم بیشتری از داده ها به طور موثر کار کنند - کیفیت مفیدی با بزرگتر و بزرگتر شدن مجموعه داده ها. در این دوره، مربی Miki Tebeka به شما نشان می دهد که چگونه سرعت و کارایی کد پانداهای خود را بهبود ببخشید. ابتدا، Miki توضیح می دهد که چرا عملکرد مهم است و چگونه می توانید آن را با پروفایلرهای پایتون اندازه گیری کنید. سپس، این دوره به شما می آموزد که چگونه از برداری برای دستکاری داده ها استفاده کنید. این دوره همچنین برخی از اشتباهات رایج و نحوه رسیدگی به آنها را بررسی می کند.

پایتون و پانداها دارای عملکردهای داخلی با کارایی بالا هستند و Miki نحوه استفاده از آنها را توضیح می دهد. پانداها می توانند از حافظه زیادی استفاده کنند، بنابراین Miki نکات خوبی در مورد نحوه ذخیره حافظه ارائه می دهد. این دوره نحوه سریال سازی داده ها با SQL و HDF5 را نشان می دهد. سپس Miki به چگونگی سرعت بخشیدن به کد خود با Numba و Cython می پردازد. DataFrames جایگزین همچنین می‌تواند سرعت کد شما را افزایش دهد و Miki از برخی گزینه‌ها عبور می‌کند. به علاوه، چند منبع اضافی را که می توانید بررسی کنید، کاوش کنید.

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.


coursera پایتون برای علم داده (Mitalearn-327145)

  • 10 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Fractal Analytics Academy
درباره این دوره:

استاد پایتون برای علم داده با پروژه های عملی. پانداها، آمار و تجسم را برای حل مشکلات تجارت در دنیای واقعی بیاموزید. ایجاد مهارت‌های آماده برای کار در بحث و گفتگوی داده‌ها، تجزیه و تحلیل داده‌های اکتشافی (EDA) و ترسیم نمودار با matplotlib/seaborn—بدون نیاز به تجربه قبلی. این دوره آموزشی مبتدی شما را از طریق پاکسازی داده های نامرتب، استفاده از آمار توصیفی و استنباطی و تهیه مجموعه داده ها برای یادگیری ماشین راهنمایی می کند. شما تجزیه و تحلیل هایی را طراحی خواهید کرد که به سؤالات تجاری پاسخ می دهند، بینش ها را با تصاویر متقاعد کننده ارتباط برقرار می کنند و ارزیابی های چالش برانگیز را کامل می کنند که با سناریوهای محل کار هماهنگ هستند. در پایان، با اطمینان داده‌ها را در پانداها دستکاری می‌کنید، گردش کار را خودکار می‌کنید و داشبوردهایی می‌سازید که ذینفعان آن را درک کنند. سفر مبتنی بر داده خود را شروع کنید و داده های خام را به تصمیم گیری تبدیل کنید.

coursera پایتون برای علم داده های ژنومی (Mitalearn-335271)

  • 3 hours 11 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Mihaela Pertea, PhD,Steven Salzberg, PhD
درباره این دوره:

این کلاس مقدمه ای بر زبان برنامه نویسی پایتون و نوت بوک آی پایتون ارائه می دهد. این سومین دوره در رشته تخصصی علم داده های بزرگ ژنومی از دانشگاه جان هاپکینز است.

coursera پایتون برای علم داده، هوش مصنوعی و توسعه (Mitalearn-270178)

  • 2 hours 23 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Joseph Santarcangelo
درباره این دوره:

سفر پایتون خود را با این دوره مبتدی و خودگام که توسط یک متخصص آموزش داده شده است، شروع کنید. پایتون یکی از محبوب ترین زبان های برنامه نویسی است و تقاضا برای افرادی که مهارت های پایتون دارند همچنان در حال افزایش است. این دوره شما را در عرض چند ساعت از صفر به برنامه نویسی در پایتون می رساند—هیچ تجربه قبلی برنامه نویسی لازم نیست! شما با اصول اولیه پایتون، از جمله انواع داده، عبارات، متغیرها و عملیات رشته شروع خواهید کرد. شما ساختارهای داده ضروری مانند لیست ها، تاپل ها، دیکشنری ها و مجموعه ها را بررسی خواهید کرد و نحوه ایجاد، دسترسی و دستکاری آنها را یاد خواهید گرفت. در مرحله بعد، مفاهیم منطقی مانند شرایط و انشعاب، یادگیری نحوه استفاده از حلقه ها و توابع، همراه با اصول مهم برنامه نویسی مانند مدیریت استثنا و برنامه نویسی شی گرا را بررسی خواهید کرد. با پیشرفت، تجربه عملی در خواندن و نوشتن روی فایل ها و کار با فرمت های رایج فایل به دست خواهید آورد. همچنین از کتابخانه های قدرتمند پایتون مانند NumPy و Pandas برای دستکاری و تجزیه و تحلیل داده ها استفاده خواهید کرد. این دوره همچنین APIها و وب اسکرپینگ را پوشش می دهد و به شما یاد می دهد که چگونه با استفاده از کتابخانه هایی مانند درخواست ها با REST API تعامل کنید و داده ها را از وب سایت ها با استفاده از BeautifulSoup استخراج کنید. شما آنچه را که از طریق آزمایشگاه های عملی با استفاده از نوت بوک های Jupyter می آموزید، تمرین کرده و به کار خواهید برد. در پایان این دوره، ایجاد برنامه های اساسی، کار با داده ها و خودکارسازی کارهای دنیای واقعی با استفاده از پایتون احساس راحتی خواهید کرد. این دوره برای افرادی که علاقه مند به دنبال کردن مشاغل در علوم داده، تجزیه و تحلیل داده، توسعه نرم افزار، مهندسی داده، هوش مصنوعی و DevOps و انواع دیگر نقش های مرتبط با فناوری هستند مناسب است.

linkedin پایتون در اکسل برای متخصصان مالی (Mitalearn-433718)

  • 48 minutes
  • مناسب همه
  • Release date: 9 April 2024
  • Author: Christian Martinez
درباره این دوره: 

 اکنون که مایکروسافت از ادغام پایتون در اکسل خبر داد ، متخصصان دارایی باید یاد بگیرند که چگونه این ادغام را برای تجزیه و تحلیل داده ها ، اتوماسیون و راه های بهبود کار خود استفاده کنند. در این دوره ، کریستین مارتینز ، مدیر تحلیلی مالی ، شما را از طریق روش های استفاده از تجزیه و تحلیل داده ها برای تقویت توانایی های تحلیلی و مدل سازی شما راهنمایی می کند.

linkedin پایتون در اکسل: شروع با تجزیه و تحلیل داده ها (Mitalearn-433735)

  • 1 hours 40 minutes
  • مناسب همه
  • Release date: 12 March 2024
  • Author: Joe Marini
درباره این دوره: 

 آیا به دنبال این هستید که یک شیرجه عمیق تر را به ویژگی ها و عملکردهای اصلی پایتون در اکسل برسانید؟ این دوره دستی اصول کار با داده ها را با استفاده از پایتون در اکسل از جمله ساختار داده ها ، داده های داده ها ، توابع و موارد دیگر پوشش می دهد. به مربی و متخصص صنعت جو مارینی بپیوندید ، زیرا او شما را با استفاده از نقاط قوت مربوطه خود در کنار هم ، از این دو فناوری پیشرو بیشتر می کند. در طول راه ، مهارت های جدید و دانش فنی خود را در چالش های تمرینی در پایان هر بخش آزمایش کنید. در طول دوره ، جو تعداد انگشت شماری از نمونه های عملی پایتون درسل را مانند تعیین تاریخ با DateUtil ، ایجاد یک دنباله تصادفی ، ایجاد یک طرح پراکندگی با Seaborn ، ایجاد نمودار گانت و استخراج داده ها با استفاده از عبارات منظم برجسته می کند.

coursera پایتون و پانداها برای مهندسی داده (Mitalearn-328505)

  • 4 hours 7 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kennedy Behrman,Alfredo Deza,Noah Gift
درباره این دوره:

در این اولین دوره از Python، Bash و SQL Essentials for Data Engineering Specialization، شما یاد خواهید گرفت که چگونه یک محیط کاری پایتون کنترل شده با نسخه راه اندازی کنید که می تواند از کتابخانه های شخص ثالث استفاده کند. شما یاد خواهید گرفت که از پایتون و کتابخانه قدرتمند پانداها برای تجزیه و تحلیل و دستکاری داده ها استفاده کنید. علاوه بر این، با Vim و Visual Studio Code که دو ابزار محبوب برای نوشتن نرم افزار هستند نیز آشنا خواهید شد. این دوره برای دانش‌آموزان مبتدی و متوسط ​​برای شروع تبدیل و دستکاری داده‌ها به عنوان یک مهندس داده ارزشمند است.

coursera پردازش داده AWS (Mitalearn-329304)

  • 3 hours
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

دوره AWS: Data Processing Course دومین دوره تخصصی تخصصی تجزیه و تحلیل داده تایید شده AWS است. این دوره بر ارائه راه حل های پردازش داده تمرکز دارد. کل دوره برای آموزش مفهوم EMR و Extract، Transform و Load به فراگیران طراحی شده است. این دوره همچنین بر خدمات ETL و راه حل های پردازش داده در AWS تأکید دارد. این دوره به سه ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره آموزشی با سخنرانی‌های ویدیویی در حدود 3:30-4:00 ساعت که هم تئوری و هم دانش عملی را ارائه می‌کند، به زبان‌آموزان تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: مقدمه: استخراج، تبدیل و بارگذاری مشاغل ماژول 2: مقدمه: EMR ماژول 3: خدمات ETL و راه حل پردازش داده در AWS توصیه می شود که افراد باید تجربه کار با خدمات AWS برای طراحی، ساخت، ایمن سازی و نگهداری را داشته باشند. راه حل های تحلیلی برای درک این دوره در پایان این دوره، فراگیران قادر خواهند بود: -مفاهیم مدلسازی را تجزیه و تحلیل کنند و مدل های یادگیری ماشینی را آموزش دهند - عملکرد مدل های یادگیری ماشینی را بررسی کنند - با آموزش یک مدل، تنظیم خودکار مدل را پیاده سازی کنند.

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.

coursera پردازش داده ها و مهندسی ویژگی ها با متلب (Mitalearn-331276)

  • 3 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

در این دوره، مهارت‌های آموخته‌شده در تجزیه و تحلیل داده‌های اکتشافی با متلب را ایجاد می‌کنید تا پایه‌های مورد نیاز برای مدل‌سازی پیش‌بینی‌کننده را ایجاد کنید. این دوره سطح متوسط ​​برای هر کسی که نیاز به ترکیب داده ها از چندین منبع یا زمان دارد و علاقه مند به مدل سازی است مفید است. این مهارت ها برای کسانی که دانش حوزه و مقداری در معرض ابزارهای محاسباتی هستند، اما هیچ پیشینه برنامه نویسی ندارند، ارزشمند است. برای موفقیت در این دوره، باید پیشینه ای در زمینه آمار پایه (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید و تجزیه و تحلیل داده های اکتشافی را با متلب تکمیل کرده باشید. در طول دوره، شما داده ها را از مجموعه داده های مختلف ادغام خواهید کرد و سناریوهای رایج مانند داده های از دست رفته را مدیریت خواهید کرد. در آخرین ماژول دوره، تکنیک های ویژه ای را برای مدیریت داده های متنی، صوتی و تصویری که در علم داده و مدل سازی پیشرفته تر رایج است، بررسی خواهید کرد. در پایان این دوره، شما یاد خواهید گرفت که چگونه داده های خود را تجسم کنید، آنها را تمیز کنید و برای تجزیه و تحلیل مرتب کنید، و کیفیت های لازم برای پاسخ به سوالات خود را شناسایی کنید. شما می‌توانید توزیع داده‌های خود را تجسم کنید و از بازرسی بصری برای رسیدگی به مصنوعاتی که بر مدل‌سازی دقیق تأثیر می‌گذارند، استفاده کنید.

coursera پردازش داده های بدون سرور با Dataflow: توسعه خطوط لوله (Mitalearn-336223)

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

در این قسمت دوم از سری دوره های Dataflow، ما قصد داریم در توسعه خطوط لوله با استفاده از Beam SDK بیشتر غواصی کنیم. ما با بررسی مفاهیم پرتو آپاچی شروع می کنیم. در مرحله بعد، ما در مورد پردازش داده های جریان با استفاده از پنجره ها، واترمارک ها و تریگرها بحث می کنیم. سپس گزینه‌هایی را برای منابع و سینک‌ها در خطوط لوله، طرح‌واره‌ها برای بیان داده‌های ساختاریافته و نحوه انجام تبدیل‌های حالت با استفاده از APIهای State و Timer پوشش می‌دهیم. ما به بررسی بهترین شیوه‌هایی می‌رویم که به حداکثر رساندن عملکرد خط لوله شما کمک می‌کنند. در پایان دوره، ما SQL و Dataframes را معرفی می کنیم تا منطق کسب و کار شما را در Beam و نحوه توسعه مکرر خطوط لوله با استفاده از نوت بوک های Beam را نشان دهیم.

coursera پردازش داده های بدون سرور با جریان داده: عملیات (Mitalearn-336359)

  • 1 hours 52 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

در آخرین قسمت از سری دوره های Dataflow به معرفی اجزای مدل عملیاتی Dataflow می پردازیم. ما ابزارها و تکنیک های عیب یابی و بهینه سازی عملکرد خط لوله را بررسی خواهیم کرد. سپس بهترین روش‌های آزمایش، استقرار و قابلیت اطمینان را برای خطوط لوله Dataflow بررسی می‌کنیم. ما با بررسی الگوها نتیجه گیری خواهیم کرد، که مقیاس خطوط لوله جریان داده را برای سازمان هایی با صدها کاربر آسان می کند. این درس ها به شما کمک می کند تا مطمئن شوید که پلت فرم داده شما در برابر شرایط پیش بینی نشده پایدار و مقاوم است.

coursera پردازش داده های بدون سرور با جریان داده: مبانی (Mitalearn-331038)

  • 45 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

این دوره قسمت 1 از مجموعه 3 دوره ای در مورد پردازش داده های بدون سرور با جریان داده است. در این دوره اول، ما با تجدید نظر در مورد پرتو آپاچی و ارتباط آن با Dataflow شروع می کنیم. در مرحله بعد، در مورد چشم انداز پرتو آپاچی و مزایای فریم ورک Beam Portability صحبت می کنیم. چارچوب Beam Portability به این چشم‌انداز دست می‌یابد که یک توسعه‌دهنده می‌تواند از زبان برنامه‌نویسی مورد علاقه خود با اجرای مطلوب خود استفاده کند. سپس به شما نشان می‌دهیم که چگونه Dataflow به شما اجازه می‌دهد تا محاسبات و ذخیره‌سازی را در حین صرفه‌جویی در هزینه جدا کنید، و چگونه هویت، دسترسی، و ابزارهای مدیریتی با خطوط لوله Dataflow شما تعامل دارند. در نهایت، ما به نحوه پیاده‌سازی مدل امنیتی مناسب برای استفاده شما در Dataflow نگاه می‌کنیم. پیش نیازها: سری دوره های پردازش داده های بدون سرور با جریان داده مبتنی بر مفاهیمی است که در تخصص مهندسی داده ها پوشش داده شده است. ما دوره های پیش نیاز زیر را توصیه می کنیم: (i) ساخت خطوط لوله داده دسته ای در Google Cloud: اصول اصلی جریان داده را پوشش می دهد (ii) ساختن سیستم‌های تجزیه و تحلیل جریان انعطاف‌پذیر در Google Cloud: مفاهیم اولیه استریم مانند پنجره‌سازی، محرک‌ها و واترمارک‌ها را پوشش می‌دهد. >>> با ثبت نام در این دوره، با شرایط خدمات Qwiklabs که در پرسش های متداول و در آدرس زیر آمده است موافقت می کنید: https://qwiklabs.com/terms_of_service <<<

coursera پردازش زبان طبیعی بالینی (Mitalearn-331429)

  • 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laura K. Wiley, PhD
درباره این دوره:

این دوره به شما اصول پردازش زبان طبیعی بالینی (NLP) را می آموزد. در این دوره شما اصول زبانی اساسی زیربنای NLP و همچنین نحوه نوشتن عبارات منظم و مدیریت داده های متنی در R را خواهید آموخت. همچنین تکنیک های عملی برای پردازش متن را یاد خواهید گرفت تا بتوانید اطلاعات را از یادداشت های بالینی استخراج کنید. در نهایت، شما فرصتی خواهید داشت که مهارت های خود را با یک برنامه عملی در دنیای واقعی آزمایش کنید که در آن الگوریتم های پردازش متن را برای شناسایی عوارض دیابت از یادداشت های بالینی ایجاد می کنید. شما این کار را با استفاده از یک محیط محاسباتی آنلاین رایگان برای علم داده که توسط شریک صنعتی Google Cloud میزبانی شده است، تکمیل خواهید کرد.

coursera پردازش زبان طبیعی و تکلیف Capstone (Mitalearn-333367)

  • 6 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julie Pai
درباره این دوره:

به پردازش زبان طبیعی و تخصیص Capstone خوش آمدید. در این دوره ما با یک شناخت نحوه استفاده از تکنیک های فنی و تجاری برای ارائه بینش تجاری، هوش رقابتی و احساسات مصرف کننده شروع می کنیم. این دوره با یک تکلیف اصلی پایان می یابد که در آن شما طیف گسترده ای از آنچه در این تخصص پوشش داده شده است را اعمال خواهید کرد.

linkedin پردازش متن با Python Essential Training (Mitalearn-192607)

  • 33 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

در دنیای داده های بزرگ، اطلاعات بیشتر و بیشتری به صورت متنی مصرف و تحلیل می شود. وب‌سایت‌ها، رسانه‌های اجتماعی، ایمیل‌ها و چت‌ها به منابع کلیدی داده‌ها و بینش‌ها تبدیل شده‌اند. اگر با داده ها کار می کنید، درک نحوه برخورد با داده های متنی بدون ساختار ضروری است. در این دوره، مربی Kumaran Ponnambalam به شما کمک می کند تا مجموعه مهارت های متن کاوی خود را بسازید و تکنیک های کلیدی استخراج، پاکسازی و پردازش متن در پایتون را پوشش دهد. کوماران مفاهیم کلیدی پردازش متن مانند رمزگذاری و ریشه‌یابی را بررسی می‌کند. او همچنین به تکنیک هایی برای تبدیل متن به فرم آماده تجزیه و تحلیل، از جمله n-gram و TF-IDF نگاه می کند. در طول مسیر، او نمونه هایی از این تکنیک ها را با استفاده از پایتون و کتابخانه NLTK ارائه می کند.

coursera پردازش و تجسم داده های پایه (Mitalearn-331242)

  • 3 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julian McAuley,Ilkay Altintas
درباره این دوره:

این اولین دوره آموزشی چهار دوره تخصصی Python Data Products for Predictive Analytics است که اصول اولیه خواندن و دستکاری مجموعه داده ها را در پایتون معرفی می کند. در این دوره شما یاد می گیرید که محصول داده چیست و از چندین کتابخانه پایتون برای انجام بازیابی، پردازش و تجسم داده ها عبور می کنید. این دوره شما را با رشته علم داده آشنا می کند و شما را برای سه دوره بعدی در تخصص: طراحی تفکر و تجزیه و تحلیل پیش بینی برای محصولات داده، مدل سازی پیش بینی معنادار، و استقرار مدل های یادگیری ماشین آماده می کند. در هر مرحله از تخصص، شما تجربه عملی در دستکاری داده ها و ایجاد مهارت های خود را به دست خواهید آورد، و در نهایت به پروژه ای که شامل تمام مفاهیم آموزش داده شده در تخصص می شود، ختم می شود.

Suggestions