Course catalog

Course duration

Course provider

Topic

Categories

Showing 221-240 of 555 items.

coursera پردازش و دستکاری داده ها (Mitalearn-334251)

  • 1 hours 32 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "پردازش و دستکاری داده ها" درک جامعی از مفاهیم و ابزارهای مختلف پردازش و دستکاری داده ها را در اختیار دانشجویان قرار می دهد. شرکت‌کنندگان یاد می‌گیرند که چگونه مقادیر از دست رفته را مدیریت کنند، نقاط پرت را شناسایی کنند، نمونه‌برداری و کاهش ابعاد را انجام دهند، تکنیک‌های مقیاس‌بندی و گسسته‌سازی را اعمال کنند، و عملیات‌های مکعب داده و جدول محوری را کاوش کنند. این دوره دانش آموزان را با مهارت های ضروری برای آماده سازی کارآمد و تبدیل داده ها برای تجزیه و تحلیل و تصمیم گیری مجهز می کند. اهداف آموزشی: 1. درک اهمیت پردازش و دستکاری داده ها در خط لوله تجزیه و تحلیل داده ها. 2. تکنیک های مدیریت مقادیر از دست رفته در مجموعه داده ها، از جمله راهبردهای انتساب و حذف را بیاموزید. 3. شناسایی و شناسایی موارد پرت برای ارزیابی تأثیر آنها بر تجزیه و تحلیل داده ها و تصمیم گیری. 4. روش های نمونه برداری و تکنیک های کاهش ابعاد را برای مجموعه داده های بزرگ و داده های با ابعاد بالا کاوش کنید. 5. از تکنیک های مقیاس بندی داده ها برای عادی سازی و استانداردسازی متغیرها برای مقایسه های معنادار استفاده کنید. 6. از گسسته سازی برای تبدیل داده های پیوسته به نمایش های طبقه بندی شده استفاده کنید و تجزیه و تحلیل را ساده کنید. 7. درک مفهوم مکعب داده و انجام تجمیع چند بعدی برای تجزیه و تحلیل اکتشافی. 8. جداول محوری برای خلاصه کردن و شکل دادن به داده ها ایجاد کنید و بینش های ارزشمندی را از مجموعه داده های پیچیده به دست آورید. در طول دوره، دانش‌آموزان فعالانه در تمرین‌ها و پروژه‌های عملی شرکت می‌کنند و به آن‌ها اجازه می‌دهد تا تکنیک‌های پردازش و دستکاری داده‌ها را در مجموعه داده‌های دنیای واقعی اعمال کنند. در پایان دوره، شرکت کنندگان به خوبی مجهز خواهند شد تا به طور موثر داده ها را برای کارهای تجزیه و تحلیل بعدی و تصمیم گیری مبتنی بر داده آماده کنند، تمیز کنند و تبدیل کنند.

coursera پروژه Capstone تحلیلگر داده IBM (Mitalearn-330137)

  • 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Ramesh Sannareddy
درباره این دوره:

با تکمیل این پروژه نهایی، مهارت ها و تکنیک های تجزیه و تحلیل داده های مختلفی را که به عنوان بخشی از دوره های قبلی در گواهینامه حرفه ای تحلیلگر داده IBM آموخته اید، به کار خواهید گرفت. شما نقش یک تحلیلگر داده‌های مرتبط را که اخیراً به سازمان پیوسته است را بر عهده خواهید گرفت و با یک چالش تجاری مواجه می‌شوید که نیاز به تجزیه و تحلیل داده‌ها دارد تا بر روی مجموعه داده‌های دنیای واقعی انجام شود. شما وظایف مختلفی را که تحلیلگران حرفه ای داده به عنوان بخشی از وظایف خود انجام می دهند، انجام خواهید داد، از جمله: - جمع آوری داده ها از منابع متعدد - جدال داده ها و آماده سازی داده ها - تجزیه و تحلیل داده های اکتشافی - تجزیه و تحلیل آماری و داده کاوی - تجسم داده ها با نمودارها و نمودارهای مختلف و - ایجاد داشبورد تعاملی پروژه با ارائه گزارش تجزیه و تحلیل داده های شما برای سهامداران مختلف در سازمان به اوج خود می رسد. این گزارش شامل یک خلاصه اجرایی، تجزیه و تحلیل شما و یک نتیجه خواهد بود. شما هم از نظر کارتان برای مراحل مختلف فرآیند تجزیه و تحلیل داده ها و هم برای تحویل نهایی ارزیابی خواهید شد. به عنوان بخشی از این پروژه، مهارت خود را در استفاده از نوت‌بوک‌های Jupyter، SQL، پایگاه‌های داده رابطه‌ای (RDBMS)، ابزارهای هوش تجاری (BI) مانند Cognos، و کتابخانه‌های پایتون مانند Pandas، Numpy، Scikit-learn، Scipy، Matplotlib، Seaborn نشان خواهید داد. و دیگران این پروژه افزودنی عالی به مجموعه شما و فرصتی برای به نمایش گذاشتن مهارت های تجزیه و تحلیل داده های خود به کارفرمایان احتمالی است.

coursera پروژه Capstone علوم اجتماعی محاسباتی (Mitalearn-333894)

  • 1 hours 58 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Martin Hilbert
درباره این دوره:

تبریک میگم شما نه تنها موفق شدید که گشت و گذار فکری ما را به پایان برسانید، بلکه در حال حاضر، تمام مهارت های لازم برای اجرای یک گردش کار چند روشی جامع علوم اجتماعی محاسباتی را نیز دارید. ما این مهارت‌ها را در این آزمایشگاه یکپارچه نهایی، جایی که همه آن‌ها را گرد هم می‌آوریم، به کار خواهیم برد. ما داده‌ها را از یک سایت رسانه‌های اجتماعی جمع‌آوری می‌کنیم (با تکیه بر مهارت‌های به‌دست‌آمده در دوره اول این تخصص). سپس داده‌های جمع‌آوری‌شده را با تجسم شبکه‌های حاصل (بر اساس مهارت‌های به‌دست‌آمده در دوره سوم) تجزیه و تحلیل می‌کنیم. ما برخی از جنبه های کلیدی آن را با استفاده از پردازش زبان طبیعی مبتنی بر یادگیری ماشین (به کار انداختن بینش های به دست آمده در دوره دوم) به طور عمیق تجزیه و تحلیل می کنیم. در نهایت، ما از یک مدل شبیه‌سازی کامپیوتری برای کشف مکانیسم‌های مولد احتمالی استفاده می‌کنیم و جنبه‌هایی را که در واقعیت تجربی خود نیافته‌ایم، اما به ما در بهبود این جنبه از جامعه کمک می‌کنند (با تکیه بر مهارت‌های به‌دست‌آمده در دوره چهارم این تخصص) بررسی می‌کنیم. . نتیجه اولین نگاه اجمالی به روش جدیدی از انجام علوم اجتماعی در عصر دیجیتال است: علوم اجتماعی محاسباتی. تبریک می گویم! با انجام همه این کارها، می توانید خود را یک دانشمند علوم اجتماعی محاسباتی نوپا بدانید!

coursera پروژه پایتون برای علم داده (Mitalearn-332143)

  • 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Azim Hirjani,Joseph Santarcangelo
درباره این دوره:

این مینی دوره برای شما در نظر گرفته شده است تا مهارت های پایه پایتون را برای کار با داده ها نشان دهید. این دوره در درجه اول شامل تکمیل پروژه ای است که در آن نقش یک دانشمند داده یا یک تحلیلگر داده را بر عهده می گیرید و مجموعه داده های دنیای واقعی و سناریوی الهام گرفته شده از دنیای واقعی برای شناسایی الگوها و روندها به شما ارائه می شود. شما کارهای خاص علم داده و تجزیه و تحلیل داده مانند استخراج داده ها، خراش دادن وب، تجسم داده ها و ایجاد داشبورد را انجام خواهید داد. این پروژه مهارت شما را با پایتون و استفاده از کتابخانه هایی مانند پانداها و سوپ زیبا در یک نوت بوک Jupyter نشان می دهد. پس از اتمام، یک پروژه چشمگیر برای اضافه کردن به سبد شغلی خود خواهید داشت. پیش نیاز: **دوره پایتون برای علوم داده، هوش مصنوعی و توسعه** از IBM پیش نیاز این دوره پروژه است. لطفاً مطمئن شوید که قبل از گذراندن این دوره، دوره پایتون برای علوم داده، هوش مصنوعی و توسعه از IBM را گذرانده باشید یا مهارتی معادل در کار با پایتون و داده داشته باشید. توجه: این دوره آموزشی برای آموزش پایتون به شما نیست و محتوای آموزشی زیادی ندارد. این برای شما در نظر گرفته شده است که دانش قبلی پایتون را به کار ببرید.

coursera پروژه تحلیل جغرافیایی (Mitalearn-335033)

  • 3 hours 38 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Nick Santos
درباره این دوره:

در این دوره مبتنی بر پروژه، شما یک تجزیه و تحلیل کامل مبتنی بر GIS را طراحی و اجرا خواهید کرد - از شناسایی یک مفهوم، سوال یا موضوعی که می خواهید توسعه دهید، تا محصولات داده نهایی و نقشه هایی که می توانید به مجموعه خود اضافه کنید. پروژه تکمیل شده شما تسلط شما را بر محتوا در تخصص GIS نشان می دهد و به چهار مرحله تقسیم می شود: نقطه عطف 1: پیشنهاد پروژه - پروژه خود را به صورت انتزاعی مفهوم و طراحی کنید و یک پیشنهاد کوتاه بنویسید که شامل توضیحات پروژه، داده های مورد انتظار است. نیازها، جدول زمانی و نحوه تکمیل آن. Milestone 2: Workflow Design - گردش کار تجزیه و تحلیل پروژه خود را توسعه دهید، که معمولاً شامل ایجاد حداقل یک الگوریتم اصلی برای پردازش داده های شما می شود. این مدل نباید پیچیده یا پیچیده باشد، اما باید به شما امکان تجزیه و تحلیل داده‌های مکانی را برای خروجی جدید یا ایجاد یک نقشه تحلیلی جدید از نوع خاصی بدهد. نقطه عطف 3: تجزیه و تحلیل داده ها - داده ها را به دست آورید و از قبل پردازش کنید، آنها را از طریق مدل ها یا سایر گردش های کاری خود اجرا کنید تا محصولات داده های خام خود را بدست آورید، و شروع به ایجاد محصولات نقشه نهایی و/یا تجزیه و تحلیل کنید. نقطه عطف 4: ایجاد نقشه وب و چاپ - پروژه خود را با ارسال نقشه های قابل استفاده و جذاب و داده ها و الگوریتم خود برای بررسی و بازخورد همتایان تکمیل کنید.

coursera پروژه جمع آوری داده های نظرسنجی و تجزیه و تحلیل (Capstone) (Mitalearn-344706)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: Frauke Kreuter, Ph.D.
درباره این دوره:

پروژه Capstone به فراگیران واجد شرایط این فرصت را می دهد تا دانش خود را با تجزیه و تحلیل و مقایسه منابع داده های متعدد در یک موضوع به کار گیرند. دانش آموزان یک سوال تحقیقاتی ایجاد می کنند، به داده های مربوطه دسترسی پیدا کرده و تجزیه و تحلیل می کنند و کیفیت هر منبع داده را به طور انتقادی بررسی می کنند. در تکمیل این سنگ بنا، دانش‌آموزان توانایی تحلیل عملی داده‌ها را نشان می‌دهند، کیفیت منابع داده‌های مختلف را با استفاده از رویکرد خطای نظرسنجی کل ارزیابی می‌کنند، که شامل حداقل برخی از موارد زیر است: مقایسه نمونه‌های غیراحتمالی وزنی با داده‌های جمع‌آوری‌شده از نمونه‌های احتمال، استفاده از تکنیک‌های نمونه‌گیری برای تصحیح خطاهای پوشش، و ردیابی و ارزیابی سهولت استفاده از پرسشنامه آنلاینی که پیاده‌سازی می‌کنید.

coursera پروژه داده کاوی (Mitalearn-333826)

  • 5 hours 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Qin (Christine) Lv
درباره این دوره:

پروژه داده کاوی راهنمایی گام به گام و تجربه عملی طراحی و اجرای یک پروژه داده کاوی در دنیای واقعی، از جمله فرمول بندی مسئله، بررسی ادبیات، کار پیشنهادی، ارزیابی، بحث و کار آینده را ارائه می دهد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر نشان‌واره دوره توسط Mariana Proença، در اینجا در Unsplash موجود است: https://unsplash.com/photos/_WgnXndHmQ4

coursera پروژه داده کاوی [coursera] (Mitalearn-334778)

  • 13 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Jiawei Han,ChengXiang Zhai,John C. Hart
درباره این دوره:

توجه: قبل از شروع این دوره باید تمام دوره های دیگر این تخصص را تکمیل کنید. این دوره شش هفته ای پروژه تخصصی داده کاوی به شما این امکان را می دهد که الگوریتم ها و تکنیک های آموخته شده برای داده کاوی را از دوره های قبلی در تخصص، از جمله کشف الگو، خوشه بندی، بازیابی متن، متن کاوی و تجسم، برای حل استفاده کنید. چالش های جالب داده کاوی در دنیای واقعی به طور خاص، شما روی مجموعه داده‌های مرور رستوران از Yelp کار خواهید کرد و از تمام دانش و مهارت‌هایی که از دوره‌های قبلی آموخته‌اید برای استخراج این مجموعه داده‌ها برای کشف دانش جالب و مفید استفاده خواهید کرد. طراحی پروژه بر این موارد تاکید دارد: 1) شبیه سازی گردش کار یک داده کاوی در یک محیط کار واقعی. 2) ادغام تکنیک های مختلف استخراج تحت پوشش در چندین دوره فردی؛ 3) آزمایش راه های مختلف برای حل یک مشکل برای عمیق تر کردن درک خود از تکنیک ها. و 4) به شما این امکان را می دهد که ایده های خود را به طور خلاقانه پیشنهاد و بررسی کنید. هدف این پروژه تجزیه و تحلیل و استخراج مجموعه بزرگی از داده‌های مرور Yelp برای کشف دانش مفید برای کمک به مردم در تصمیم‌گیری در مورد غذا خوردن است. این پروژه شامل خروجی های زیر خواهد بود: 1. تجسم نظر: محتوای بررسی را کاوش و تجسم کنید تا بفهمید افراد در آن نظرات چه گفته اند. 2. ساخت نقشه آشپزی: مجموعه داده ها را برای درک چشم انداز انواع مختلف غذاها و شباهت های آنها استخراج کنید. 3. کشف غذاهای محبوب برای یک آشپزی: مجموعه داده ها را استخراج کنید تا غذاهای رایج/محبوب یک غذای خاص را کشف کنید. 4. توصیه رستوران‌ها برای کمک به مردم در تصمیم‌گیری برای غذا خوردن: مجموعه داده‌ها را استخراج کنید تا رستوران‌ها را برای یک غذای خاص رتبه‌بندی کنید و وضعیت بهداشتی یک رستوران را پیش‌بینی کنید. از دیدگاه کاربران، یک نقشه آشپزی می تواند به آنها کمک کند تا بفهمند چه غذاهایی وجود دارد و تصویر بزرگ انواع غذاها و روابط آنها را ببینند. هنگامی که آنها تصمیم می گیرند چه غذاهایی را امتحان کنند، علاقه مند می شوند که بدانند غذاهای محبوب آن آشپزی چیست و تصمیم بگیرند که چه غذاهایی داشته باشند. در نهایت، آنها باید یک رستوران را انتخاب کنند. بنابراین، توصیه رستوران ها بر اساس یک غذای خاص مفید خواهد بود. علاوه بر این، پیش بینی وضعیت بهداشتی یک رستوران نیز مفید خواهد بود. با کار بر روی این وظایف، تجربه ای با یک گردش کار معمولی در داده کاوی به دست خواهید آورد که شامل پیش پردازش داده ها، کاوش داده ها، تجزیه و تحلیل داده ها، بهبود روش های تجزیه و تحلیل و ارائه نتایج است. شما این فرصت را خواهید داشت که چندین الگوریتم از دوره های مختلف را برای تکمیل یک کار معدنی نسبتاً پیچیده ترکیب کنید و با روش های مختلف برای حل یک مسئله آزمایش کنید تا بهترین راه حل آن را درک کنید. ما روش‌های خاصی را پیشنهاد می‌کنیم، اما شما بسیار تشویق می‌شوید که ایده‌های خود را کشف کنید، زیرا اکتشاف باز، با طراحی، هدف پروژه است. شما ملزم به ارائه گزارش مختصری برای هر یک از وظایف برای درجه بندی همتا هستید. گزارش تلفیقی نهایی نیز مورد نیاز است که به صورت همتا رتبه بندی می شود.

coursera پروژه علم داده: متلب برای دنیای واقعی (Mitalearn-333605)

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

مانند بسیاری از موضوعات، تمرین در علم داده کامل می شود. در پروژه Capstone، مهارت‌های آموخته‌شده در دوره‌های علوم داده‌های عملی با تخصص MATLAB را برای کاوش، پردازش، تجزیه و تحلیل و مدل‌سازی داده‌ها به کار خواهید برد. شما مسیر خود را برای پاسخ به سوالات کلیدی با داده های ارائه شده انتخاب خواهید کرد. برای تکمیل پروژه، باید بر مهارت های تحت پوشش در سایر دوره های تخصصی تسلط داشته باشید. این پروژه توانایی شما را برای وارد کردن و کاوش داده های شما، آماده سازی داده ها برای تجزیه و تحلیل، آموزش یک مدل پیش بینی، ارزیابی و بهبود مدل شما، و ارتباط نتایج شما را آزمایش می کند.

coursera پشتیبانی از پایگاه داده رابطه ای برای انبارهای داده (Mitalearn-335084)

  • 4 hours 27 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael Mannino
درباره این دوره:

پشتیبانی از پایگاه داده رابطه ای برای انبارهای داده، سومین دوره تخصصی در زمینه ذخیره سازی داده برای هوش تجاری است. در این دوره از عناصر تحلیلی SQL برای پاسخ به سوالات هوش تجاری استفاده خواهید کرد. شما ویژگی های سیستم های مدیریت پایگاه داده رابطه ای را برای مدیریت داده های خلاصه که معمولاً در گزارشگری هوش تجاری استفاده می شود، یاد خواهید گرفت. به دلیل اهمیت و دشواری مدیریت پیاده‌سازی انبارهای داده، ما همچنین به معماری‌های ذخیره‌سازی، پردازش موازی مقیاس‌پذیر، حاکمیت داده‌ها و تأثیرات کلان داده خواهیم پرداخت. در تکالیف این دوره می توانید از Oracle یا PostgreSQL استفاده کنید.

coursera پکیج های R ساختمان (Mitalearn-334047)

  • 2 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Brooke Anderson
درباره این دوره:

نوشتن کد خوب برای علم داده تنها بخشی از کار است. به منظور به حداکثر رساندن سودمندی و قابلیت استفاده مجدد از نرم افزار علم داده، کد باید به گونه ای سازماندهی و توزیع شود که مطابق با استانداردهای جامعه محور باشد و تجربه کاربری خوبی را ارائه دهد. این دوره ابزارهای اولیه ای را که به وسیله آنها نرم افزار R سازماندهی و به دیگران توزیع می شود را پوشش می دهد. ما توسعه بسته‌های R، نوشتن اسناد و نگاره‌های خوب، نوشتن نرم‌افزار قوی، توسعه بین پلتفرم‌ها، ابزارهای یکپارچه‌سازی مداوم، و توزیع بسته‌ها از طریق CRAN و GitHub را پوشش می‌دهیم. فراگیران بسته های R را تولید می کنند که معیارهای ارسال به CRAN را برآورده می کند.

coursera پلتفرم Hadoop و چارچوب برنامه (Mitalearn-334982)

  • 4 hours 38 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Natasha Balac, Ph.D.,Paul Rodriguez,Andrea Zonca
درباره این دوره:

این دوره برای برنامه نویسان تازه کار یا افراد تجاری است که می خواهند ابزارهای اصلی مورد استفاده برای بحث و تحلیل داده های بزرگ را درک کنند. بدون هیچ تجربه قبلی، این فرصت را خواهید داشت که نمونه های عملی را با چارچوب های Hadoop و Spark که دو مورد از رایج ترین آنها در صنعت هستند، مرور کنید. با توضیح اجزای خاص و فرآیندهای اساسی معماری Hadoop، پشته نرم افزار و محیط اجرا راحت خواهید بود. در تکالیف به شما راهنمایی می‌شود که چگونه دانشمندان داده مفاهیم و تکنیک‌های مهمی مانند Map-Reduce را که برای حل مشکلات اساسی در داده‌های بزرگ استفاده می‌شوند، به کار می‌برند. برای گفتگو در مورد کلان داده ها و فرآیند تجزیه و تحلیل داده ها احساس قدرت خواهید کرد.

coursera پیاده سازی و کاربردهای پایگاه داده رابطه ای (Mitalearn-331871)

  • 9 hours 2 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Gerald Balekaki,Yousef Elmehdwi
درباره این دوره:

در دنیای داده محور امروزی، توانایی کار با پایگاه داده های رابطه ای یک مهارت ضروری برای متخصصان در زمینه های مختلف است. این دوره آموزشی برای تجهیز شما به دانش و مهارت های عملی مورد نیاز برای مهارت در مدیریت پایگاه داده و توسعه اپلیکیشن طراحی شده است. چه به عنوان مدیر پایگاه داده، توسعه‌دهنده نرم‌افزار، یا تحلیلگر داده‌ها شغلی را دنبال کنید، این دوره پایه‌ای قوی برای برتری در زمینه انتخابی شما فراهم می‌کند. در پایان این دوره، دانشجویان قادر خواهند بود: • پایگاه داده های رابطه ای و اجزای اصلی آنها شامل جداول، ردیف ها، ستون ها و کلیدها را شرح دهید. • پیاده سازی پایگاه داده رابطه ای و استفاده از ایندکس ها، نماها، محرک ها، جداول موقت، توابع و رویه های ذخیره شده. • نقش آنها را در اجرای منطق تجاری و یکپارچگی داده ها در محیط پایگاه داده توضیح دهید. • استفاده از طراحی پایگاه داده و دانش SQL برای توسعه برنامه های کاربردی در دنیای واقعی. • برنامه های کاربردی مبتنی بر پایگاه داده را با استفاده از زبان های برنامه نویسی، مانند جاوا، پایتون یا C/C++ و فریم ورک ها توسعه دهید. • مفاهیم نمایه سازی و هش در پشتیبانی کارآمد برای عملیات جستجو را شرح دهید. • مفاهیم معاملات و خصوصیات آنها (ACID: Atomicity, Consistency, Isolation, Durability) را شرح دهید. • کنترل همزمانی را تعریف کنید و تاثیر تراکنش های همزمان کنترل نشده را بر یکپارچگی داده ها درک کنید. نرم افزار مورد نیاز: ویرایشگر VS Code، MySQL Workbench، PostgreSQL برای موفقیت در این دوره، فراگیران باید درک کاملی از طراحی پایگاه داده رابطه ای داشته باشند. اگر هنوز بر این مهارت ها مسلط نشده اید، اکیداً توصیه می کنیم مقدمه ای بر پایگاه های داده رابطه ای و طراحی پایگاه داده رابطه ای را از قبل تکمیل کنید. این دوره های پایه برای تجهیز شما به دانش ضروری لازم برای برتری در این مطالب طراحی شده اند.

linkedin پیتون پیشرفته در اکسل: تجزیه و تحلیل داده ها و تجسم (Mitalearn-409578)

  • 46 minutes
  • مناسب همه
  • Release date: 8 August 2024
  • Author: Sarah Om
درباره این دوره: 

 در این دوره ، یاد بگیرید که چگونه از پایتون استفاده کنید تا فراتر از ویژگی های محدود اکسل برای انجام تجزیه و تحلیل داده های پیچیده و تجسم باشد. مربی سارا OM توضیح می دهد که چگونه ادغام های پایتون با اکسل ابعاد جدیدی از قابلیت ها را به ارمغان می آورد و امکان دستکاری پیشرفته تر داده ها ، اتوماسیون و تجسم را از گذشته فراهم می کند. سارا به شما نشان می دهد که چگونه می توانید از کتابخانه های قدرتمند پایتون برای تجزیه و تحلیل داده ها استفاده کنید تا داده های خام را به بینش های معنی دار و تجسم های خیره کننده تبدیل کنید - درست از محیط آشنا اکسل.

coursera پیدا کردن و آماده شدن برای شغل مناسب (Mitalearn-329933)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Camille Funk
درباره این دوره:

پیدا کردن و آماده شدن برای شغل مناسب در زمینه DS/AI می تواند مشکل باشد. در این دوره، بررسی خواهیم کرد که چگونه بازار کار توصیفات بسیار متفاوتی برای یک عنوان شغلی دارد، چگونه می توان تشخیص داد که یک شرکت واقعاً به دنبال چه چیزی است، و چگونه می توان بازار کار "پنهان" را جستجو کرد. همچنین به بررسی اجمالی حوزه‌های مهارتی می‌پردازیم که کارشناسان توصیه می‌کنند قبل از درخواست شغل در این زمینه، نحوه تنظیم رزومه خود را طوری تنظیم کنید که چشم یک مدیر استخدام DS/AI را جلب کند، و چگونه یک نمونه کار درخشان ایجاد کنید. در نهایت، در مورد اهمیت بازاریابی خود و نکات و ترفندهایی در مورد چگونگی انجام آن به خوبی صحبت خواهیم کرد. در پایان این دوره، دانشجویان قادر خواهند بود: • شرح شغل را با عناوین یکسان برای تشخیص مجموعه مهارت های مختلف مورد نیاز رمزگشایی کنید. • زمینه های مهارتی اصلی را به یاد بیاورید که کارشناسان توصیه می کنند در آماده سازی برای برنامه های کاربردی DS/AI و مصاحبه ها، بازبینی و شناسایی مهارت هایی که باید تجدید شوند. • با به کارگیری نکاتی خاص در این زمینه، نمونه کارها و رزومه خود را برجسته کنید. • نحوه بازاریابی خود را بشناسید و چگونه نمایشگاه های شغلی، ارتباط با استخدام کنندگان و شبکه سازی می تواند کمک کند. • توضیح دهید که چه نوع شبکه ای در این زمینه سودمند است.

linkedin پیش بینی مالی با داده های بزرگ (Mitalearn-110939)

  • 1 hours 21 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Michael McDonald
درباره این دوره:

کلان داده ها دنیای تجارت را متحول می کنند. با این حال، بسیاری از مردم نمی‌دانند کلان داده و هوش تجاری چیست، یا نمی‌دانند چگونه این تکنیک‌ها را در مشاغل روزمره خود به کار ببرند. این دوره به این شکاف دانش می پردازد و روش های عملی را به افراد تجاری ارائه می دهد تا با استفاده از داده های بزرگ، پیش بینی های تجاری سریع و مرتبط ایجاد کنند.\r\n\r\n تنها چیزی که نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها، توابع و محاسبات داخلی برای انجام تحلیل رگرسیون، محاسبه فواصل اطمینان و تست استرس نتایج شما استفاده می کند. شما از دوره دور می شوید و می توانید فوراً شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.

linkedin تبدیل داده ها به استراتژی ها (Mitalearn-438019)

  • 51 minutes
  • مناسب همه
  • Release date: 9 July 2024
  • Author: Rebeca Pop,Madecraft
درباره این دوره: 

 

ایجاد پلی بین داده و تصمیم گیری ، هم به داده ها و هم به مهارت های شغلی نیاز دارد. از یک طرف ، شما نیاز به درک عمیقی از کیفیت داده ها و در دسترس بودن داده ها و همچنین دانش تجزیه و تحلیل بصری دارید. از طرف دیگر ، شما باید اهداف اصلی کسب و کار خود را در کنار نیازهای مهم مخاطبان خود درک کنید. در این دوره ، مربی جانباز Rebeca Pop فرایندی را برای کمک به شما در طراحی استراتژی های تجاری مؤثرتر که ریشه در بینش های داده محور دارد ، به اشتراک می گذارد. ربکا با بحث در مورد اهداف تجاری شروع می شود. او سپس نحوه ارزیابی داده ها و مخاطبان خود را طی می کند. در طول راه ، یاد بگیرید که چگونه می توانید از تجزیه و تحلیل های بصری استفاده کنید تا بینش خود را به صورت حرفه ای و قانع کننده ارائه دهید. پس از اتمام این دوره ، شما برای تصمیم گیری های آگاهانه برای رشد تجارت مجهز خواهید بود.

این دوره توسط madecraft ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

html>

coursera تجزیه و تحلیل آماری استنباطی با پایتون (Mitalearn-332721)

  • 5 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، ما اصول اولیه استفاده از داده ها برای تخمین و ارزیابی نظریه ها را بررسی خواهیم کرد. ما هم داده های طبقه بندی شده و هم داده های کمی را تجزیه و تحلیل خواهیم کرد، از تکنیک های یک جمعیت شروع می کنیم و برای مقایسه دو جمعیت گسترش می دهیم. ما یاد خواهیم گرفت که چگونه فواصل اطمینان ایجاد کنیم. ما همچنین از داده های نمونه برای ارزیابی اینکه آیا یک نظریه در مورد مقدار یک پارامتر با داده ها مطابقت دارد یا خیر استفاده خواهیم کرد. تمرکز اصلی بر تفسیر مناسب نتایج استنباطی خواهد بود. در پایان هر هفته، فراگیران آموخته های خود را با استفاده از پایتون در محیط دوره به کار می گیرند. در طول این جلسات مبتنی بر آزمایشگاه، فراگیران از طریق آموزش هایی با تمرکز بر مطالعات موردی خاص برای کمک به تقویت مفاهیم آماری هفته، که شامل غواصی عمیق بیشتر در کتابخانه های پایتون از جمله Statsmodels، Pandas و Seaborn است، کار خواهند کرد. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera تجزیه و تحلیل بازاریابی دیجیتال در تئوری (Mitalearn-288980)

  • 2 hours 53 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kevin Hartman
درباره این دوره:

امروزه بازاریابی موفقیت آمیز برندها مستلزم ترکیبی متعادل از هنر و علم است. این دوره دانش‌آموزان را با علم تجزیه و تحلیل وب آشنا می‌کند و در عین حال نگاهی دقیق به استفاده هنرمندانه از اعداد موجود در فضای دیجیتال دارد. هدف این است که پایه و اساس مورد نیاز برای اعمال تجزیه و تحلیل داده ها در چالش های دنیای واقعی که بازاریابان روزانه با آن مواجه هستند فراهم شود. تجزیه و تحلیل دیجیتال برای حرفه ای های بازاریابی: تجزیه و تحلیل بازاریابی در تئوری اولین دوره از مجموعه دو قسمتی دوره های تکمیلی است و بر اطلاعات پیش زمینه و چارچوب هایی تمرکز دارد که تحلیلگران برای موفقیت در دنیای تجارت دیجیتال امروزی نیاز دارند. این دوره بخشی از مجموعه برنامه های آنلاین کالج تجارت Gies، از جمله iMBA و iMSM است. درباره پذیرش در این برنامه‌ها بیشتر بیاموزید و بررسی کنید که چگونه می‌توان در صورت پذیرش در یک برنامه تحصیلی در https://degrees.giesbusiness.illinois.edu/idegrees/ از کار Coursera شما استفاده کرد.

linkedin تجزیه و تحلیل بازاریابی و بینش با هوش مصنوعی: از Claude برای تجزیه و تحلیل داده ها، ایجاد بینش و ساخت داشبورد توسط Adobe استفاده کنید. (Mitalearn-463349)

  • 21 minutes
  • مناسب همه
  • Release date: 15 June 2026
  • Author: Adobe Inc
درباره این دوره:

<p>در هفته چقدر زمان صرف می‌کنید تا داشبوردها را بفهمید و اعداد را به چیزی که ذینفعان می‌توانند روی آن عمل کنند، ترجمه کنید؟ این دوره به شما نشان می دهد که چگونه از کلود برای انتقال از داده های بازاریابی خام به توصیه های عملی بدون ابزار پیچیده یا تجزیه و تحلیل دستی استفاده کنید. شما یاد می گیرید که اعلان های قوی بنویسید که هوش مصنوعی را با استفاده از یک فرمول ساده به سمت تجزیه و تحلیل معنادار هدایت می کند: زمینه، مشاهده خاص، و یک سوال تجاری واضح. یک مجموعه داده رسانه پولی واقعی را کاوش کنید، روندهای عملکرد را کشف کنید، همبستگی ها را شناسایی کنید، و بینش های متمرکز بر کسب و کار را ایجاد کنید. سپس یک داشبورد HTML کاملاً کاربردی و قابل اشتراک‌گذاری با KPI، تجسم‌ها و توصیه‌ها می‌سازید - همه در یک اعلان واحد. این دوره به شما کمک می‌کند تا داده‌های بازاریابی را به‌طور کارآمدتر تجزیه و تحلیل کنید، یافته‌ها را با وضوح ارتباط برقرار کنید، و بینش‌هایی را ارائه دهید که رهبری می‌تواند فوراً روی آنها عمل کند.</p><p>این دوره توسط Adobe ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.</p>

Suggestions