Course catalog

Course duration

Course provider

Topic

Categories

Showing 221-240 of 587 items.

coursera تجزیه و تحلیل قوانین انجمن (Mitalearn-331820)

  • 1 hours 15 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "قوانین انجمن و تجزیه و تحلیل نقاط پرت" دانش آموزان را با مفاهیم اساسی روش های یادگیری بدون نظارت، با تمرکز بر قوانین ارتباط و تشخیص نقاط پرت آشنا می کند. شرکت‌کنندگان در الگوریتم‌های مکرر و قوانین تداعی، بینشی در مورد الگوریتم‌های Apriori و استخراج قوانین تداعی مبتنی بر محدودیت به دست خواهند آورد. علاوه بر این، دانش‌آموزان روش‌های تشخیص پرت را با درک عمیقی از موارد پرت متنی بررسی خواهند کرد. از طریق آموزش‌های تعاملی و مطالعات موردی عملی، دانش‌آموزان تجربه عملی را در استفاده از قوانین ارتباط و تکنیک‌های تشخیص نقاط پرت در مجموعه داده‌های متنوع به دست خواهند آورد. اهداف آموزشی دوره: در پایان این دوره، دانشجویان قادر خواهند بود: 1. اصول و اهمیت روش‌های یادگیری بدون نظارت، به‌ویژه قوانین ارتباط و تشخیص موارد دور از دسترس را درک کنید. 2. مفاهیم و کاربردهای الگوهای مکرر و قوانین تداعی را در کشف روابط جالب بین آیتم ها درک کنید. 3. الگوریتم های Apriori را کاوش کنید تا مجموعه آیتم های مکرر را به طور کارآمد استخراج کنید و قوانین ارتباط را ایجاد کنید. 4. معیارهای حمایت، اطمینان، و افزایش را در استخراج قوانین تداعی اجرا و تفسیر کنید. 5. مفهوم استخراج قوانین انجمن مبتنی بر محدودیت و نقش آن در گرفتن الگوهای تداعی خاص را درک کنید. 6. اهمیت تشخیص پرت را در تحلیل داده ها و کاربردهای دنیای واقعی تجزیه و تحلیل کنید. 7. برای شناسایی نقاط داده غیرعادی، از روش‌های مختلف تشخیص پرت، از جمله رویکردهای آماری و مبتنی بر فاصله استفاده کنید. 8. درک متنی پرت و تکنیک های تشخیص نقاط پرت متنی برای گرفتن نقاط پرت در زمینه های خاص. 9. قوانین تداعی و تکنیک‌های تشخیص پرت را در مطالعات موردی در دنیای واقعی به کار ببرید تا بینش‌های معناداری به دست آورید. در طول دوره، دانش‌آموزان فعالانه در آموزش‌ها و مطالعات موردی شرکت می‌کنند، مهارت‌های مربوط به قانون‌کاوی و تشخیص موارد پرت را تقویت می‌کنند و تجربه عملی در کاربرد این تکنیک‌ها در مجموعه داده‌های متنوع به دست می‌آورند. با دستیابی به اهداف یادگیری، شرکت کنندگان به خوبی مجهز خواهند شد تا در وظایف یادگیری بدون نظارت برتری پیدا کنند و با استفاده از قوانین تداعی و تکنیک های تشخیص پرت، تصمیمات آگاهانه بگیرند.

coursera تجزیه و تحلیل مجموعه داده ها و آموزش مدل های ML با استفاده از AutoML (Mitalearn-336512)

  • 2 hours 51 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Antje Barth
درباره این دوره:

در اولین دوره تخصصی تخصصی علم داده های عملی، مفاهیم اساسی برای تجزیه و تحلیل داده های اکتشافی (EDA)، یادگیری ماشین خودکار (AutoML) و الگوریتم های طبقه بندی متن را خواهید آموخت. با Amazon SageMaker Clarify و Amazon SageMaker Data Wrangler، یک مجموعه داده را برای سوگیری آماری تجزیه و تحلیل می‌کنید، مجموعه داده را به ویژگی‌های قابل خواندن ماشین تبدیل می‌کنید و مهم‌ترین ویژگی‌ها را برای آموزش یک طبقه‌بندی متن چند کلاسه انتخاب می‌کنید. سپس یادگیری ماشین خودکار (AutoML) را برای آموزش خودکار، تنظیم و استقرار بهترین الگوریتم طبقه بندی متن برای مجموعه داده داده شده با استفاده از Amazon SageMaker Autopilot انجام خواهید داد. در مرحله بعد، شما با Amazon SageMaker BlazingText، یک پیاده سازی بسیار بهینه و مقیاس پذیر از الگوریتم محبوب FastText، برای آموزش یک طبقه بندی متن با کد بسیار کمی کار خواهید کرد. علم داده های عملی برای مدیریت مجموعه داده های عظیمی طراحی شده است که در سخت افزار محلی شما مناسب نیستند و می توانند از منابع متعدد نشات گرفته باشند. یکی از بزرگترین مزایای توسعه و اجرای پروژه‌های علم داده در فضای ابری، چابکی و انعطاف‌پذیری است که ابر برای افزایش و کاهش با حداقل هزینه ارائه می‌دهد. تخصص عملی علم داده به شما کمک می کند تا مهارت های عملی را برای به کارگیری مؤثر پروژه های علم داده خود و غلبه بر چالش ها در هر مرحله از گردش کار ML با استفاده از Amazon SageMaker توسعه دهید. این تخصص برای توسعه دهندگان، دانشمندان و تحلیلگران متمرکز بر داده طراحی شده است که با زبان های برنامه نویسی Python و SQL آشنا هستند و می خواهند یاد بگیرند که چگونه خطوط لوله ML مقیاس پذیر و سرتاسر مقیاس پذیر را بیاموزند - هم خودکار و هم انسانی. -the-loop - در ابر AWS.

coursera تجزیه و تحلیل محصول و هوش مصنوعی (Mitalearn-304501)

  • 5 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Alex Cowan
درباره این دوره:

تعداد کمی از قابلیت‌ها مانند یک برنامه تحلیلی قوی، چابکی را متمرکز می‌کنند. چنین برنامه ای تعیین می کند که یک تیم باید از یک تکرار چابک (sprint) به بعدی تمرکز کند. تجزیه و تحلیل های موفق به ندرت به سختی قابل درک هستند و اغلب در وضوح خود شگفت انگیز هستند. در این دوره آموزشی که در مدرسه کسب و کار Darden در دانشگاه ویرجینیا توسعه یافته است، یاد خواهید گرفت که چگونه یک زیرساخت تجزیه و تحلیل قوی برای تیم خود بسازید و آن را با هسته حرکت خود به سمت ارزش ادغام کنید.

coursera تجزیه و تحلیل منابع (Mitalearn-328998)

  • 1 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yao Zhao
درباره این دوره:

خرج کردن پول آسان است، اما بدست آوردن ارزش آن سخت است. از سال 2007 تا 2010، اپل 27 میلیارد دلار از آیفون با سود 15.6 میلیارد دلار به دست آورد. اپل بدون استراتژی منبع یابی جهانی خود نمی توانست به این موفقیت مالی دست یابد. با این حال، یکی از تامین کنندگان کلیدی اپل، سامسونگ الکترونیکس، تبدیل به یک رقیب شد و از مزیت هزینه خود برای پیشی گرفتن از اپل در بازار جهانی استفاده کرد. در همین حال، بسیاری از تامین کنندگان و محصولات جدید به طور مداوم در حال ظهور هستند. برای ادامه موفقیت، اپل باید بازارهای جهانی را برای شناسایی و انتخاب تامین کنندگان جدید که توانمند، ارزان و از نظر مالی قوی هستند، بررسی کند. سوال این است که چگونه این کار را برای امسال درست انجام دهیم؟ آنچه اپل تجربه کرد در عمل معمول است، زیرا یک شرکت ممکن است هزاران تامین کننده داشته باشد، و تعداد زیادی تامین کننده و محصولات/خدمات جدید به طور مداوم و در سطح جهانی ظاهر می شوند، که نیاز به تنظیم مکرر پایه تامین دارد. در این دوره، تجزیه و تحلیل منبع یابی را یاد می گیرید که تجزیه و تحلیل داده ها و هوش تجاری را برای توسعه و مدیریت تامین کنندگان به کار می برد. به طور خاص، شما هوش بازار، تجزیه و تحلیل قدرت چانه زنی، و تجزیه و تحلیل تامین کننده را یاد خواهید گرفت تا تامین کنندگان را با هدف به دست آوردن ارزش بیشتر با هزینه کمتر، شناسایی و انتخاب کنید.

coursera تجزیه و تحلیل نمودار برای داده های بزرگ (Mitalearn-334642)

  • 4 hours
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Amarnath Gupta
درباره این دوره:

آیا می خواهید ساختار شبکه داده خود و نحوه تغییر آن در شرایط مختلف را درک کنید؟ کنجکاو هستید که بدانید چگونه می توان خوشه های تعامل نزدیک در یک نمودار را شناسایی کرد؟ آیا در مورد منطقه به سرعت در حال رشد تجزیه و تحلیل گراف شنیده اید و می خواهید بیشتر بدانید؟ این دوره به شما یک نمای کلی از حوزه تجزیه و تحلیل گراف ارائه می دهد تا بتوانید روش های جدیدی برای مدل سازی، ذخیره سازی، بازیابی و تجزیه و تحلیل داده های ساختار یافته نمودار بیاموزید. پس از اتمام این دوره، شما قادر خواهید بود یک مسئله را در پایگاه داده گراف مدل کنید و کارهای تحلیلی را بر روی نمودار به صورت مقیاس پذیر انجام دهید. بهتر از آن، شما قادر خواهید بود از این تکنیک ها برای درک اهمیت مجموعه داده های خود برای پروژه های خود استفاده کنید.

coursera تجزیه و تحلیل و تجسم داده ها در Looker (Mitalearn-326686)

  • 1 hours 58 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

در این دوره آموزشی، نحوه کاوش و تجزیه و تحلیل داده ها را در Looker که قبلاً عمدتاً توسط توسعه دهندگان یا تحلیلگران SQL انجام می شد، یاد می گیرید. پس از اتمام این دوره، شما قادر خواهید بود از پلتفرم تحلیلی مدرن Looker برای یافتن و کاوش محتوای مرتبط در نمونه Looker سازمان خود استفاده کنید، از داده های خود سؤال بپرسید، در صورت نیاز معیارهای جدیدی ایجاد کنید، و تجسم ها و داشبوردهایی را برای تسهیل داده ها بسازید و به اشتراک بگذارید. -تصمیم گیری محوری

coursera تجسم اطلاعات: ادراک کاربردی (Mitalearn-329185)

  • 6 hours 16 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Enrico Bertini
درباره این دوره:

هدف این ماژول معرفی مفاهیم اساسی ادراک بصری به کار رفته در تجسم اطلاعات است. این مفاهیم به دانش‌آموز کمک می‌کند تا طرح‌های تجسم را از نظر اینکه چقدر از قابلیت‌های ماشین ادراکی انسان استفاده می‌کنند، ایده‌پردازی و ارزیابی کند.

coursera تجسم اطلاعات: تکنیک های پیشرفته (Mitalearn-334268)

  • 6 hours 59 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Enrico Bertini
درباره این دوره:

این دوره با هدف آشنایی فراگیران با تکنیک های تجسم پیشرفته فراتر از نمودارهای اساسی تحت پوشش در تجسم اطلاعات: مبانی است. این تکنیک‌ها حول انواع داده‌ها سازماندهی شده‌اند تا روش‌های پیشرفته را برای: داده‌های زمانی و مکانی، شبکه‌ها و درختان و داده‌های متنی پوشش دهند. در این ماژول همچنین به زبان آموزان یاد می دهیم که چگونه تکنیک های نوآورانه را در D3.js توسعه دهند. اهداف یادگیری هدف: تجزیه و تحلیل فضای طراحی راه حل های تجسم برای انواع مختلف مشکلات تجسم داده ها. بیاموزید که چه طرح هایی برای یک مشکل مشخص وجود دارد و مزایا و معایب مربوط به آنها چیست. - زمانی - مکانی - فضایی- زمانی - شبکه ها - درختان - متن این چهارمین دوره تخصصی تجسم اطلاعات است. این دوره از شما انتظار دارد که برخی از دانش های اولیه برنامه نویسی و همچنین برخی از مهارت های اولیه تجسم (همانطور که در اولین دوره تخصصی معرفی شد) داشته باشید.

coursera تجسم برای روزنامه نگاری داده (Mitalearn-326822)

  • 2 hours 21 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Margaret Ng
درباره این دوره:

در حالی که داستان‌گویی با داده‌ها بخشی از رویه خبری از روزهای اولیه آن بوده است، اما در بحبوحه یک رنسانس است. میزهای گرافیکی که قبلاً به عنوان "بخش هنر" در نظر گرفته می شدند، زیر شاخه ای خارج از کار اتاق های خبر، در حال تبدیل شدن به بخش اصلی فعالیت اتاق های خبر هستند. انتظار می رود از افرادی که گرافیک خبری طراحی می کنند (آنها اغلب عناوین مختلفی دارند: روزنامه نگاران داده، هنرمندان خبری، گزارشگران گرافیکی، توسعه دهندگان و غیره) روزنامه نگاران تمام عیار باشند و از نزدیک با خبرنگاران و سردبیران کار کنند. هدف از این کلاس این است که یاد بگیریم چگونه در مورد ارائه بصری داده ها فکر کنیم، چگونه و چرا کار می کند، و چگونه به روش صحیح انجام دهیم. ما یاد خواهیم گرفت که چگونه نمودارهایی مانند The New York Times، Vox، Pew و FiveThirtyEight بسازیم. در پایان، می‌توانید نمودارهای زیبای خود را در نشریات، پست‌های وبلاگ و وب‌سایت‌ها به اشتراک بگذارید. این دوره فرض می کند که شما مهارت های اولیه کدنویسی، ترجیحا پایتون را درک می کنید. با این حال، ما در ماژول 1 نیز بررسی مختصری در مورد پایتون ارائه می‌کنیم، در صورتی که می‌خواهید خود را در اصول اولیه تجدید کنید و تجزیه و تحلیل ساده داده‌ها را انجام دهید.

coursera تجسم پیشرفته داده با R (Mitalearn-335441)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Collin Paschall
درباره این دوره:

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی دشوار است. این دوره سومین دوره تخصصی "تجسم داده ها و داشبورد در R" است. زبان آموزان با استفاده از R برای ایجاد بسیاری از انواع اصلی تجسم، عمدتاً با بسته ggplot2، وارد این دوره می شوند. بر این اساس، این دوره بر گسترش فهرست موجودی زبان آموزان از گزینه های تجسم داده ها تمرکز دارد. با استفاده از بسته‌های اضافی برای تکمیل ggplot2، زبان‌آموزان انواع بیشتری از شکل‌های سنتی را ایجاد می‌کنند و همچنین به داده‌های مکانی می‌پردازند. پایان دوره ساخت فیگورهای تعاملی و متحرک. برای رفع این نیاز، این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه کمی با R دارند یا اصلاً تجربه ندارند اما به دنبال معرفی این ابزار هستند. در پایان این دوره، دانش‌آموزان می‌توانند داده‌ها را به R وارد کنند، آن داده‌ها را با استفاده از ابزارهای بسته محبوب tidyverse دستکاری کنند و با استفاده از R Markdown گزارش‌های ساده‌ای تهیه کنند. این دوره برای دانش آموزان با مهارت های محاسباتی پایه خوب طراحی شده است، اما در صورت داشتن تجربه در برنامه نویسی محدود است.

coursera تجسم پیشرفته داده با Tableau (Mitalearn-329151)

  • 1 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Tableau Learning Partner Instructor
درباره این دوره:

دوره تجسم پیشرفته داده با تابلو به شما می آموزد که چگونه تجسم داده های پیشرفته مانند نمودارهای دو محوره، نمودارهای نوار در میله و غیره ایجاد کنید. همچنین می‌آموزید که چگونه با استفاده از ویژگی‌هایی مانند نقشه‌ها، سفارشی‌سازی نقشه، داده‌های فضایی چند ضلعی و غیره، تجسم‌های خود را سفارشی کنید و به آن پیچیدگی اضافه کنید. این مهارت ها به شما این امکان را می دهد که بینش های خود را به طور موثر به ذینفعان خود انتقال دهید. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -تجسم‌های پیشرفته داده‌ها را برای برقراری ارتباط بینش‌های تحلیلی با ذینفعان مورد نظر ایجاد کنید، مانند نمودارهای دو محوره، نمودارهای میله‌ای و غیره. -تجسم داده های تجزیه و تحلیل مکانی را ایجاد و سفارشی کنید تا بینش ها را به ذینفعان مورد نظر منتقل کنید، مانند نقشه ها، سفارشی سازی نقشه، داده های فضایی چند ضلعی و موارد دیگر. -با ترکیب جزئیات و چند لایه، به تجسم های تولید شده در تحلیل خود پیچیدگی اضافه کنید.

coursera تجسم داده در R با ggplot2 [coursera] (Mitalearn-333180)

  • 1 hours 42 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Collin Paschall
درباره این دوره:

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی ممکن است دشوار باشد. این دوره دومین دوره تخصصی در زمینه تجسم داده است که توسط جانز هاپکینز ارائه شده است. این برای زبان آموزانی در نظر گرفته شده است که یا تجربه ای با R و بحث در مورد داده ها در نظم دارند یا دوره قبلی را در این تخصص گذرانده اند. تمرکز در این دوره یادگیری استفاده از ggplot2 برای ایجاد انواع تجسم ها و صیقل دادن آن تجسم ها با استفاده از ابزارهای درون ggplot و همچنین نرم افزار ویرایش گرافیک برداری است. این دوره به جزئیات در مورد نحوه عملکرد مدیریت داده در پشت صحنه نمی پردازد.

coursera تجسم داده ها (Mitalearn-330936)

  • 3 hours 38 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Aihua Li
درباره این دوره:

در عصر کلان داده، دستیابی به توانایی تجزیه و تحلیل و نمایش بصری "داده های بزرگ" به شیوه ای قانع کننده بسیار مهم است. بنابراین، برای دانشمندان داده ضروری است که مهارت های تولید و تفسیر انتقادی نقشه ها، نمودارها و نمودارهای دیجیتال را توسعه دهند. تجسم داده ها موضوع مهمی در جامعه جهانی و دیجیتالی ما است. این شامل نمایش گرافیکی داده ها یا اطلاعات است و تصمیم گیرندگان در صنایع مختلف را قادر می سازد تا مفاهیم و فرآیندهای پیچیده ای را درک کنند که در غیر این صورت ممکن است درک آنها چالش برانگیز باشد. DSCI 605 تجسم داده ها به عنوان پایه ای برای درک اصول، مفاهیم، ​​تکنیک ها و ابزارهای مورد استفاده برای تجسم اطلاعات در مجموعه داده های بزرگ و پیچیده عمل می کند. همچنین تجربه عملی را در تجسم داده‌های بزرگ با استفاده از نرم‌افزار منبع باز R فراهم می‌کند. از طریق این دوره، دانش‌آموزان یاد می‌گیرند که اثربخشی طرح‌های تجسم را ارزیابی کنند و درباره تصمیم‌هایی مانند انتخاب رنگ و رمزگذاری بصری فکر انتقادی کنند. علاوه بر این، دانش آموزان تجسم داده های خود را ایجاد می کنند و در استفاده از R مهارت خواهند داشت. این دوره شامل چهار بخش است. بخش اول به یادگیرندگان با حداقل یا بدون تجربه در R پاسخ می‌دهد و زمینه را برای تجسم داده‌ها با R ایجاد می‌کند. بخش دوم تکنیک‌های اولیه تجسم داده‌ها را معرفی می‌کند و به دانش‌آموزان اجازه می‌دهد تا تجربه عملی با شیوه‌های تجسم رایج برای تجزیه و تحلیل داده‌های اکتشافی (EDA) به دست آورند. ) با استفاده از ggplot2. این بخش بر کاوش داده ها قبل از پرداختن به داده کاوی پیشرفته تاکید دارد. بخش سوم بر مهارت‌های موجود در تجسم داده‌ها با بررسی موضوعات پیشرفته تجسم داده‌ها، از جمله تجسم داده‌های تعاملی، ترسیم سری‌های زمانی، و نقشه‌برداری فضایی استوار است. هدف اصلی سه بخش اول تجهیز دانش‌آموزان به مجموعه‌ای از مهارت‌های توسعه‌یافته است که آنها را قادر می‌سازد تا طیف وسیعی از تجسم‌ها را در R ایجاد کنند. ، و تجربیات به دست آمده از بخش های قبلی. این پروژه مستلزم ایجاد یک تجسم داده است که به طور مؤثر یک داستان جذاب را به مخاطبان و خوانندگان منتقل می کند.

coursera تجسم داده ها [coursera] (Mitalearn-334829)

  • 5 hours 59 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: John C. Hart
درباره این دوره:

این دوره به شما یاد می دهد که چگونه داده ها را تجسم موثرتری ایجاد کنید. نه تنها بینش عمیق تری نسبت به داده ها به دست خواهید آورد، بلکه یاد خواهید گرفت که چگونه این بینش را بهتر به دیگران انتقال دهید. روش های جدیدی برای نمایش داده ها، به کارگیری برخی از اصول اساسی طراحی و شناخت انسان برای انتخاب موثرترین راه برای نمایش انواع مختلف داده ها را خواهید آموخت. این دوره نه تنها به شما می آموزد که چگونه از برنامه های محبوب مانند Tableau برای اتصال به انبارهای داده برای استخراج و تجسم داده های مربوطه استفاده کنید، بلکه به شما می آموزد که چگونه Tableau کار می کند تا بتوانید از تکنیک های مشابه برای ایجاد تجسم داده ها به تنهایی با هر تصویرسازی استفاده کنید. سیستم

coursera تجسم داده ها با R (Mitalearn-328811)

  • 1 hours 24 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yiwen Li,Tiffany Zhu,Saishruthi Swaminathan
درباره این دوره:

در این دوره آموزشی، گرامر گرافیک، سیستمی برای توصیف و ساختن نمودارها، و اینکه چگونه بسته تجسم داده ggplot2 برای R این مفهوم را در نمودارهای میله ای پایه، هیستوگرام ها، نمودارهای دایره ای، نمودارهای پراکنده، نمودارهای خطی و جعبه به کار می برد، یاد خواهید گرفت. توطئه ها همچنین یاد خواهید گرفت که چگونه نمودارها و نمودارهای خود را با استفاده از تم ها و تکنیک های دیگر سفارشی کنید. سپس یاد خواهید گرفت که چگونه از بسته تجسم داده دیگری برای R به نام Leaflet برای ایجاد نمودارهای نقشه استفاده کنید، روشی منحصر به فرد برای رسم داده ها بر اساس داده های موقعیت جغرافیایی. در نهایت با ایجاد داشبوردهای تعاملی با استفاده از پکیج R Shiny آشنا می شوید. شما یاد خواهید گرفت که چگونه برنامه های براق را ایجاد و سفارشی کنید، ظاهر برنامه ها را با افزودن اجزای HTML و تصویر تغییر دهید، و برنامه های داده تعاملی خود را در وب مستقر کنید. شما آنچه را که یاد می گیرید تمرین می کنید و با تکمیل آزمایشگاه ها در هر ماژول و یک پروژه نهایی در پایان دوره، تجربه عملی ایجاد می کنید. ویدیوها را تماشا کنید، از طریق آزمایشگاه‌ها کار کنید و مهارت‌های علم داده خود را مشاهده کنید. موفق باشید! توجه: این دوره به دانش کار با R و داده نیاز دارد. اگر این مهارت ها را ندارید، به شدت توصیه می شود قبل از شروع این دوره، ابتدا دوره های مقدماتی برنامه نویسی R برای علم داده و همچنین دوره های تجزیه و تحلیل داده ها با R را از IBM بخوانید. توجه: پیش نیاز این دوره، مهارت های اولیه برنامه نویسی R است.

coursera تجسم داده ها با Tableau (Mitalearn-326975)

  • 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Tableau Learning Partner Instructor
درباره این دوره:

دوره تجسم داده ها با تابلو به شما درک اساسی از ارائه داده ها از طریق تصاویر واضح و قابل درک با استفاده از Tableau می دهد. در طول دوره، طیف متنوعی از انواع تجسم و کاربردهای ایده آل آنها را با پلتفرم Tableau Public کاوش خواهید کرد. با بررسی اینکه چگونه کارشناسان از Tableau برای ایجاد نمودارها و نقشه‌های استثنایی استفاده می‌کنند و مهارت‌های ساخت جداول تعاملی را به دست می‌آورند، در تکنیک‌های تجسم ضروری مهارت کسب خواهید کرد. درک این تکنیک ها برای کسانی که به دنبال نقش های سطح ابتدایی در زمینه تجزیه و تحلیل تجاری هستند، بسیار مهم است. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: -شناسایی ارزش و ساختار Tableau Public همانطور که برای تجسم داده ها در صنعت تجزیه و تحلیل تجاری کاربرد دارد. -تصویرسازی داده‌ها را ایجاد کنید تا بینش‌های تحلیلی را به مخاطبان مورد نظر، مانند سهامداران تجاری، منتقل کنید. با اتصال، آماده سازی و سفارشی کردن داده ها در Tableau Public جداول تعاملی بسازید.

coursera تجسم داده ها با Tableau [coursera] (Mitalearn-328862)

  • 7 hours 27 minutes
  • مبتدی
  • Release date: 27 June 2026
  • Author: Board Infinity
درباره این دوره:

با این دوره آموزشی مناسب برای مبتدیان، عمیقاً در دنیای متقاعد کننده تجسم داده ها شیرجه بزنید و هنر تبدیل داده ها به تصاویر بصری با استفاده از Tableau را روشن کنید. این دوره که در چهار ماژول جامع تنظیم شده است، یک مسیر یادگیری واضح را ترسیم می کند، که از مفاهیم اساسی به تکنیک های تجسم پیشرفته تبدیل می شود. در ماژول اولیه، تمرکز بر درک نکات ضروری Tableau، سنگ بنای تجسم موثر داده ها است. در اینجا، شما خود را با ابزارها و ویژگی های اساسی Tableau آشنا خواهید کرد، که پایه ای محکم برای سفر داستان سرایی داده شما ایجاد می کند. ماژول بعدی شما را به دنیای تبدیل داده ها سوق می دهد. عمیقاً در عملکردهای اصلی Tableau، از درک پویایی Marks Cards و Legends گرفته تا نقش‌های مهم قرص‌های سبز و آبی، شیرجه بزنید. این مرحله به شما قدرت می‌دهد تا داده‌های خام را در داستان‌های بصری قانع‌کننده درآورید. با پیشرفت بیشتر، ماژول سوم شما را با طیف گسترده ای از نمودارهای Tableau آشنا می کند. از نمودارهای میله ای اولیه تا تجسم های پیچیده، یاد خواهید گرفت که رسانه بصری مناسب را انتخاب کنید، و اطمینان حاصل کنید که روایت های داده شما طنین انداز و مجذوب کننده هستند. در پایان سفر، ماژول چهارم شما را در تکنیک های پیشرفته Tableau و طراحی داشبورد غرق می کند. با استفاده از ویژگی‌های پیچیده و ایجاد داشبوردهای تعاملی، می‌توانید بینش‌های خود را با تأثیر بیشتری ارائه دهید. در پایان دوره، نه تنها مجموعه ای از تجسم های داده قانع کننده را برای نمایش خواهید داشت، بلکه درک عمیقی از اصول تجسم داده ها و مهارت قوی در Tableau خواهید داشت.

coursera تجسم داده ها با اکسل پیشرفته (Mitalearn-328352)

  • 5 hours 16 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Alex Mannella
درباره این دوره:

در این دوره آموزشی، توابع پیشرفته اکسل 2013 را به صورت عملی آموزش خواهید دید. شما یاد خواهید گرفت که از PowerPivot برای ساخت پایگاه داده و مدل های داده استفاده کنید. ما به شما نشان خواهیم داد که چگونه انواع مختلف تحلیل سناریو و شبیه سازی را انجام دهید و شما فرصتی خواهید داشت که این مهارت ها را با استفاده از ابزارهای داخلی اکسل از جمله حل کننده، جداول داده، مدیر سناریو و جستجوی هدف تمرین کنید. در نیمه دوم دوره، نحوه تجسم داده ها، گفتن یک داستان و کاوش داده ها با مرور اصول اصلی تجسم داده ها و داشبورد را پوشش می دهد. از اکسل برای ایجاد نمودارهای پیچیده و گزارش های Power View استفاده می کنید و سپس شروع به ترکیب آنها در داشبوردهای پویا می کنید. توجه: زبان آموزان برای تکمیل برخی از تمرینات به PowerPivot نیاز دارند. لطفا از نسخه MS Excel 2013 استفاده کنید. اگر نسخه‌های MS Excel یا MAC دیگری دارید، ممکن است نتوانید همه تکالیف را تکمیل کنید. این دوره توسط PricewaterhouseCoopers LLP با آدرسی در 300 Madison Avenue, New York, New York, 10017 ایجاد شده است.

coursera تجسم داده ها با پایتون (Mitalearn-333010)

  • 2 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Matt Harrison,Noah Gift,Kennedy Behrman
درباره این دوره:

در دنیای امروزی مبتنی بر داده، توانایی ایجاد تجسم‌های متقاعدکننده و بیان داستان‌های تاثیرگذار با داده‌ها یک مهارت بسیار مهم است. این دوره جامع شما را در فرآیند تجسم با استفاده از ابزارهای کدنویسی با پایتون، صفحات گسترده و ابزارهای BI (هوش تجاری) راهنمایی می کند. چه یک تحلیلگر داده، یک حرفه ای در کسب و کار یا یک داستان نویس مشتاق داده باشید، این دوره دانش و بهترین شیوه ها را برای برتری در هنر داستان سرایی بصری در اختیار شما قرار می دهد. در طول دوره، یک مجموعه داده ثابت برای تمرین ها استفاده خواهد شد، که به شما امکان می دهد به جای گرفتار شدن در پیچیدگی های داده ها، بر تسلط بر ابزارهای تجسم تمرکز کنید. تاکید بر کاربرد عملی است که به شما امکان می دهد ابزارها را در یک زمینه دنیای واقعی یاد بگیرید و تمرین کنید. برای استفاده کامل از بخش های پایتون این دوره، برنامه نویسی با تجربه قبلی در پایتون توصیه می شود. علاوه بر این، درک کاملی از ریاضیات سطح دبیرستان انتظار می رود. آشنایی با کتابخانه پانداها نیز مفید خواهد بود. در پایان این دوره، شما مهارت های لازم برای تبدیل شدن به یک داستان گوی داده و ارتباط تصویری ماهر را خواهید داشت. با توانایی ایجاد تجسم های قانع کننده و استفاده از ابزارهای مناسب، به خوبی مجهز خواهید بود تا در دنیای داده ها حرکت کنید و تصمیمات آگاهانه ای بگیرید که تأثیر معنی داری داشته باشد.

coursera تجسم داده ها با پایتون [coursera] (Mitalearn-330018)

  • 2 hours 6 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Saishruthi Swaminathan,Dr. Pooja
درباره این دوره:

یکی از مهم‌ترین مهارت‌های دانشمندان داده و تحلیلگران داده موفق، توانایی بیان یک داستان متقاعدکننده با تجسم داده‌ها و یافته‌ها به روشی قابل دسترس و محرک است. در این دوره راه های زیادی را برای تجسم موثر داده های کوچک و بزرگ یاد خواهید گرفت. شما قادر خواهید بود داده هایی را که در نگاه اول معنی کمی دارند بردارید و آن داده ها را به شکلی ارائه دهید که بینش را منتقل کند. این دوره به شما آموزش می دهد که با بسیاری از ابزارها و تکنیک های تجسم داده کار کنید. شما یاد خواهید گرفت که انواع مختلف نمودارها و نمودارهای اساسی و پیشرفته مانند: نمودارهای وافل، نمودارهای منطقه، هیستوگرام، نمودار میله ای، نمودار دایره ای، نمودار پراکندگی، ابرهای ورد، نقشه های کروپلث، و بسیاری موارد دیگر را ایجاد کنید! همچنین داشبوردهای تعاملی ایجاد خواهید کرد که به افرادی که هیچ تجربه ای در علم داده ندارند نیز اجازه می دهد تا داده ها را بهتر درک کنند و تصمیمات مؤثرتر و آگاهانه تری بگیرند. با تکمیل آزمایشگاه های متعدد و یک پروژه نهایی برای تمرین و به کارگیری بسیاری از جنبه ها و تکنیک های تجسم داده ها با استفاده از نوت بوک های Jupyter و یک IDE مبتنی بر ابر، به طور عملی یاد خواهید گرفت. شما از چندین کتابخانه تجسم داده در پایتون استفاده خواهید کرد، از جمله Matplotlib، Seaborn، Folium، Plotly و Dash.

Suggestions