Course catalog

Course duration

Course provider

Topic

Categories

Showing 241-260 of 600 items.

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.

coursera تجسم داده ها با پروژه Tableau (Mitalearn-330834)

  • 17 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Suk S. Brar, M.B.A.,Hunter Whitney
درباره این دوره:

در این دوره مبتنی بر پروژه، شما علایق خود را دنبال خواهید کرد تا یک نمونه کار با ارزش تک فریم یعنی داستان داده چند فریمی ایجاد کنید که در Tableau Public به اشتراک گذاشته شود. شما از تمام مهارت های آموزش داده شده در این تخصص برای تکمیل این پروژه به صورت گام به گام و با راهنمایی مربیان خود در طول مسیر استفاده خواهید کرد. شما ابتدا یک طرح پیشنهادی برای شناسایی اهداف خود برای پروژه ایجاد خواهید کرد، از جمله سوالی که می خواهید به آن پاسخ دهید یا با داده ها بررسی کنید. سپس داده هایی را پیدا خواهید کرد که اطلاعاتی را که به دنبال آن هستید ارائه می دهد. سپس آن داده ها را به Tableau وارد کرده و برای تجزیه و تحلیل آماده می کنید. سپس یک داشبورد ایجاد می‌کنید که به شما امکان می‌دهد داده‌ها را عمیقاً بررسی کنید و بینش‌های معنادار را شناسایی کنید. سپس با نوشتن قوس داستان به صورت روایی به داستان داده خود ساختار می دهید. در نهایت، شما چک لیست طراحی خود را برای دستیابی به مفهوم نهایی یا داستان داده در Tableau مشورت خواهید کرد. این فرصت شماست تا به دنیا نشان دهید که چه توانایی هایی دارید - پس بزرگ فکر کنید و به مهارت های خود اطمینان داشته باشید!

coursera تجسم داده ها در Tidyverse (Mitalearn-334914)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

تجسم داده ها بخش مهمی از هر پروژه علم داده است. هنگامی که داده ها وارد شده و در محل مورد بحث قرار می گیرند، تجسم داده های شما می تواند به شما کمک کند تا به آنچه در مجموعه داده می گذرد، رسیدگی کنید. به طور مشابه، هنگامی که تجزیه و تحلیل خود را کامل کردید و آماده ارائه یافته‌های خود هستید، تجسم داده‌ها روشی بسیار مؤثر برای انتقال نتایج به دیگران است. در این دوره آموزشی به نحوه تجسم داده ها می پردازیم و برخی از انواع اصلی تجسم داده ها را تعریف می کنیم. در این دوره آموزشی با بسته ggplot2 R آشنا می‌شوید، مجموعه‌ای از ابزارهای قدرتمند برای ساخت گرافیک‌های داده خیره‌کننده که به استاندارد صنعتی تبدیل شده است. شما در مورد انواع مختلف طرح ها، نحوه ساخت طرح های افکت و آنچه که باعث تجسم موفق یا ناموفق می شود، خواهید آموخت. در این تخصص ما آشنایی با زبان برنامه نویسی R را فرض می کنیم. اگر هنوز با R آشنا نیستید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera تجسم داده ها و ارتباط با Tableau (Mitalearn-334438)

  • 6 hours 32 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Daniel Egger,Jana Schaich Borg
درباره این دوره:

یکی از مهارت هایی که مشخصه تحلیلگران بزرگ داده های کسب و کار است، توانایی برقراری ارتباط پیامدهای عملی تحلیل های کمی با هر نوع مخاطبی است. حتی پیچیده‌ترین تحلیل‌های آماری برای یک کسب‌وکار مفید نیستند، اگر به توصیه‌های عملی منتهی نشوند، یا اگر پاسخ به آن سؤالات تجاری به گونه‌ای که افراد غیر فنی بتوانند آن را درک کنند، منتقل نشود. در این دوره شما یاد خواهید گرفت که چگونه در برقراری ارتباط پیامدهای مرتبط با تجارت از تجزیه و تحلیل داده ها استاد شوید. در پایان، می‌دانید که چگونه پروژه‌های تجزیه و تحلیل داده‌های خود را ساختار دهید تا اطمینان حاصل کنید که ثمرات کار سخت شما نتایج را برای ذینفعان شما به ارمغان می‌آورد. همچنین می‌دانید که چگونه با استفاده از تجسم‌سازی‌ها در Tableau، محبوب‌ترین برنامه تجسم‌سازی در دنیای تجارت، تحلیل‌های خود را ساده کنید و پیامدهای آنها را به طور موثر برجسته کنید. با استفاده از سایر ویژگی‌های Tableau، می‌توانید تجسم‌های مؤثری ایجاد کنید که از تمایلات ادراکی و شناختی ذاتی مغز انسان برای انتقال مستقیم و واضح نتیجه‌گیری استفاده می‌کند. در نهایت، شما در طراحی و ارائه قانع‌کننده «داستان‌های داده» کسب‌وکار که از این تجسم‌ها استفاده می‌کند، با سرمایه‌گذاری بر روش‌های آزمایش‌شده تجاری و اصول طراحی، تمرین خواهید کرد.

coursera تجسم داده ها و ارتباط نتایج در R با RStudio (Mitalearn-327689)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Anh Le
درباره این دوره:

کدنویسی کنید و اولین برنامه R خود را در عرض چند دقیقه بدون نصب چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که تجربه کدنویسی محدودی دارند و دانش پایه ای از تجسم داده ها و R Markdown ارائه می دهند. ماژول های این دوره انواع مختلفی از مدل های تجسم مانند نمودار میله ای، هیستوگرام، و نقشه های حرارتی و همچنین R Markdown را پوشش می دهند. گذراندن دوره قبلی (تحلیل داده ها در R با RStudio & Tidyverse) در این تخصص یا تجربه مشابه توصیه می شود. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت در نهایت، یک آزمایشگاه انباشته در پایان دوره به شما فرصتی می دهد تا همه مفاهیم آموخته شده را در یک زمینه دنیای واقعی به کار ببرید.

coursera تجسم داده ها و داشبورد با Excel و Cognos (Mitalearn-327995)

  • 1 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sandip Saha Joy,Kevin McFaul,Steve Ryan
درباره این دوره:

با نحوه ایجاد تجسم داده ها و داشبورد با استفاده از صفحات گسترده و ابزارهای تجزیه و تحلیل آشنا شوید. این دوره برخی از اولین گام ها را برای بیان یک داستان قانع کننده با داده های شما با استفاده از انواع مختلف نمودارها و نمودارها پوشش می دهد. شما اصول تجسم داده ها را با Excel و IBM Cognos Analytics بدون نیاز به نوشتن کد یاد خواهید گرفت. شما با ایجاد نمودارهای ساده در اکسل مانند نمودارهای خطی، دایره ای و میله ای شروع می کنید. سپس تجسم های پیشرفته تری را با Treemaps، نمودارهای پراکنده، هیستوگرام ها، نمودارهای نقشه پر شده و Sparklines ایجاد خواهید کرد. در مرحله بعد با ویژگی Excel PivotChart نیز کار خواهید کرد و همچنین چندین تصویرسازی را در داشبورد اکسل جمع آوری خواهید کرد. این دوره همچنین به شما می آموزد که چگونه از ابزارهای هوش تجاری (BI) مانند Cognos Analytics برای ایجاد داشبوردهای تعاملی استفاده کنید. در پایان دوره، شما از نقش کلیدی که تجسم داده ها در انتقال یافته های تجزیه و تحلیل داده های شما ایفا می کند و توانایی ایجاد موثر آنها را قدردانی خواهید کرد. در طول این دوره، آزمایشگاه های عملی متعددی وجود خواهد داشت که به شما کمک می کند تا تجربه عملی را برای کار با Excel و Cognos ایجاد کنید. همچنین یک پروژه نهایی وجود دارد که در آن مجموعه ای از تجسم داده ها و یک داشبورد تعاملی برای اضافه کردن به مجموعه خود ایجاد می کنید، که می توانید آن را با همتایان، جوامع حرفه ای یا کارفرمایان آینده به اشتراک بگذارید.

coursera تجسم داده های سه بعدی برای ارتباطات علمی (Mitalearn-326958)

  • 5 hours 11 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kalina Borkiewicz,AJ Christensen
درباره این دوره:

این دوره مقدمه ای بر تجسم داده های علمی سه بعدی، با تاکید بر ارتباطات علمی و طراحی سینمایی برای جذابیت برای مخاطبان گسترده است. شما سواد تجسم را از طریق توانایی در تفسیر/تحلیل (خواندن) تجسم ها و ایجاد (نوشتن) تجسم های خود توسعه خواهید داد. در پایان این دوره، شما: -سواد تجسم را توسعه دهید. عملی بودن کار با داده های مکانی را بیاموزید. - درک آنچه که تجسم علمی را معنادار می کند. -یاد بگیرید چگونه تجسم های آموزشی ایجاد کنید که دقت علمی را حفظ کند. - بفهمید چه چیزی یک تجسم علمی را سینمایی می کند. -یاد بگیرید چگونه تجسمی ایجاد کنید که برای مخاطبان گسترده جذاب باشد. -آموزش کار با نرم افزارهای تصویرسازی (برای کسانی که آهنگ Honors را تکمیل می کنند)

coursera تجسم و برقراری ارتباط نتایج در پایتون با Jupyter (Mitalearn-327587)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Kevin Noelsaint,Anh Le
درباره این دوره:

کدنویسی کنید و اولین برنامه پایتون خود را در چند دقیقه بدون نصب چیزی اجرا کنید! این دوره برای زبان آموزان با تجربه محدود در کدنویسی طراحی شده است و پایه ای برای ارائه داده ها با استفاده از ابزارهای تجسم در Jupyter Notebook فراهم می کند. این دوره به زبان آموزان کمک می کند تا توصیف و استنباط از داده ها داشته باشند و بهتر ارتباط برقرار کنند و داده ها را ارائه دهند. ماژول های این دوره طیف گسترده ای از تجسم ها را پوشش می دهند که به شما امکان می دهد ترکیب مجموعه داده را نشان داده و مقایسه کنید، توزیع مجموعه داده را تعیین کنید، و داده های پیچیده مانند داده های مبتنی بر جغرافیا را تجسم کنید. تکمیل تجزیه و تحلیل داده ها در پایتون با پانداها و matplotlib در Spyder قبل از گذراندن این دوره توصیه می شود. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت در نهایت، یک آزمایشگاه انباشته در پایان دوره به شما فرصتی می دهد تا همه مفاهیم آموخته شده را در یک زمینه دنیای واقعی به کار ببرید.

coursera تحقیقات تکراری (Mitalearn-335458)

  • 4 hours 10 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Jeff Leek, PhD,Brian Caffo, PhD
درباره این دوره:

این دوره بر مفاهیم و ابزارهای پشت گزارش تجزیه و تحلیل داده های مدرن به شیوه ای تکرارشونده تمرکز دارد. تحقیق تکرارپذیر این ایده است که تجزیه و تحلیل داده ها، و به طور کلی، ادعاهای علمی، با داده ها و کد نرم افزاری آنها منتشر می شود تا دیگران بتوانند یافته ها را تأیید کنند و بر اساس آنها بنا کنند. نیاز به تکرارپذیری به طور چشمگیری در حال افزایش است زیرا تجزیه و تحلیل داده ها پیچیده تر می شود و شامل مجموعه داده های بزرگتر و محاسبات پیچیده تر می شود. تکرارپذیری به افراد اجازه می دهد تا بر محتوای واقعی تجزیه و تحلیل داده ها تمرکز کنند، نه بر جزئیات سطحی گزارش شده در یک خلاصه کتبی. علاوه بر این، تکرارپذیری تجزیه و تحلیل را برای دیگران مفیدتر می کند زیرا داده ها و کدهایی که در واقع تجزیه و تحلیل را انجام داده اند در دسترس هستند. این دوره بر روی ابزارهای تحلیل آماری باسواد تمرکز می کند که به فرد امکان می دهد تجزیه و تحلیل داده ها را در یک سند منتشر کند که به دیگران امکان می دهد به راحتی همان تجزیه و تحلیل را برای به دست آوردن نتایج یکسان اجرا کنند.

coursera تحلیل رگرسیون (Mitalearn-331956)

  • 50 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Di Wu
درباره این دوره:

دوره «تحلیل رگرسیون» دانشجویان را با مفاهیم اساسی یکی از مهم ترین روش های یادگیری تحت نظارت یعنی رگرسیون مجهز می کند. شرکت کنندگان تکنیک های مختلف رگرسیون را بررسی می کنند و یاد می گیرند که چگونه آنها را به طور موثر ارزیابی کنند. علاوه بر این، دانش‌آموزان در موضوعات پیشرفته، از جمله رگرسیون چند جمله‌ای، تکنیک‌های منظم‌سازی (ریج، کمند، و شبکه الاستیک)، اعتبارسنجی متقاطع و روش‌های گروهی (کیسه‌بندی، تقویت، و انباشتن) تخصص کسب خواهند کرد. از طریق آموزش های تعاملی و مطالعات موردی عملی، دانش آموزان تجربه عملی در استفاده از تحلیل رگرسیون در سناریوهای داده های دنیای واقعی به دست خواهند آورد. در پایان این دوره، دانشجویان قادر خواهند بود: 1. درک اصول و اهمیت تحلیل رگرسیون در یادگیری تحت نظارت. 2. مفاهیم و کاربردهای رگرسیون خطی و تفسیر آن را در مجموعه داده های دنیای واقعی درک کنید. 3. رگرسیون چند جمله ای را برای به دست آوردن روابط غیرخطی بین متغیرها کاوش کنید. 4. برای جلوگیری از برازش بیش از حد و بهبود تعمیم مدل، از تکنیک های منظم سازی (ریج، کمند، و شبکه الاستیک) استفاده کنید. 5. روش های اعتبارسنجی متقابل را برای ارزیابی عملکرد مدل و بهینه سازی هایپرپارامترها اجرا کنید. 6. درک روش های مجموعه (کیسه، تقویت، و پشته) و نقش آنها در افزایش دقت مدل رگرسیون. 7. ارزیابی و مقایسه عملکرد مدل های رگرسیون مختلف با استفاده از معیارهای مناسب. 8. استفاده از تکنیک های تحلیل رگرسیون برای مطالعات موردی در دنیای واقعی، تصمیم گیری مبتنی بر داده. در طول دوره، دانش آموزان فعالانه در آموزش ها و مطالعات موردی شرکت می کنند، مهارت های تحلیل رگرسیون خود را تقویت می کنند و تجربه عملی در استفاده از تکنیک های رگرسیون در مجموعه داده های متنوع به دست می آورند. با دستیابی به اهداف یادگیری، شرکت کنندگان برای برتری در وظایف تحلیل رگرسیون و تصمیم گیری آگاهانه با استفاده از مدل های رگرسیون به خوبی مجهز خواهند شد.

coursera تحلیل رگرسیون مدرن در R (Mitalearn-330613)

  • 9 hours 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brian Zaharatos
درباره این دوره:

این دوره مجموعه ای از ابزارهای مدل سازی آماری پایه را برای علم داده ارائه می دهد. به طور خاص، دانش‌آموزان با روش‌ها، نظریه‌ها و کاربردهای مدل‌های آماری خطی آشنا می‌شوند که موضوعات تخمین پارامتر، تشخیص باقی‌مانده، خوب بودن تناسب، و استراتژی‌های مختلف برای انتخاب متغیر و مقایسه مدل را پوشش می‌دهد. همچنین به استفاده نادرست از مدل های آماری و پیامدهای اخلاقی این سوء استفاده ها توجه خواهد شد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید. لوگوی اقتباس شده از عکس وینسنت لدوینا در Unsplash

coursera تحلیل شبکه های اجتماعی (Mitalearn-327009)

  • 5 hours 20 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Hilbert
درباره این دوره:

این دوره طراحی شده است تا به معنای واقعی کلمه از چیزی در قلب جامعه "علم بسازد": شبکه های اجتماعی. انسان‌ها دانشمندان شبکه طبیعی هستند، زیرا ما همیشه پیکربندی‌های شبکه جدید را محاسبه می‌کنیم، تقریباً بی‌اطلاع، هنگام فکر کردن به دوستان و خانواده (که اشکال خاصی از شبکه‌های اجتماعی هستند)، در مورد همکاران و روابط سازمانی (سایر، ساختارهای شبکه‌ای همپوشانی) و در مورد چگونه پیکربندی‌های شبکه‌ای ظریف یا فرصت‌طلبانه را برای حفظ حراست یا پیشرفت در جایگاه اجتماعی خود (که جامعه خود یک شبکه اجتماعی بزرگ است) هدایت کنیم. در حالی که چنین ساختارهای شبکه ای همیشه وجود داشته است، علوم اجتماعی محاسباتی به آشکارسازی و مطالعه سیستماتیک تر آنها کمک کرده است. در بخش اول دوره ما بر ساختار شبکه تمرکز می کنیم. این به عنوان عکس های فوری ثابت از شبکه ها به نظر می رسد که می تواند پیچیده باشد و جنبه های مهمی از سیستم های اجتماعی را نشان دهد. در آزمایشگاه عملی ما، شما همچنین خودتان یک شبکه را با یک نرم افزار تجسم و تجزیه و تحلیل خواهید کرد، که به درک پیچیدگی شبکه های اجتماعی کمک می کند. در بخش دوم دوره، به چگونگی تکامل شبکه ها در زمان خواهیم پرداخت. ما می‌پرسیم چگونه می‌توانیم پیش‌بینی کنیم که چه نوع شبکه‌ای شکل می‌گیرد و آیا و چگونه می‌توانیم بر پویایی شبکه تأثیر بگذاریم.

coursera تحلیل عملی سری زمانی (Mitalearn-330579)

  • 7 hours 54 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Tural Sadigov,William Thistleton
درباره این دوره:

به تحلیل سری زمانی عملی خوش آمدید! بسیاری از ما تحلیل گران داده «تصادفی» هستیم. ما در علوم، تجارت یا مهندسی آموزش دیدیم و سپس با داده هایی مواجه شدیم که هیچ آموزش تحلیلی رسمی برای آنها نداریم. این دوره برای افرادی با برخی شایستگی‌های فنی طراحی شده است که بیشتر از یک رویکرد «کتاب آشپزی» می‌خواهند، اما هنوز باید بر روی انواع ارائه و تحلیل معمول تمرکز کنند که درک موضوعات حرفه‌ای ما را عمیق‌تر می‌کند. در تجزیه و تحلیل سری زمانی عملی، ما به مجموعه داده هایی نگاه می کنیم که اطلاعات متوالی را نشان می دهند، مانند قیمت سهام، بارندگی سالانه، فعالیت لکه های خورشیدی، قیمت محصولات کشاورزی و غیره. ما به چندین مدل ریاضی نگاه می کنیم که ممکن است برای توصیف فرآیندهایی که این نوع داده ها را تولید می کنند استفاده شوند. ما همچنین به نمایش های گرافیکی نگاه می کنیم که بینش هایی را در مورد داده های ما ارائه می دهد. در نهایت، ما همچنین یاد می‌گیریم که چگونه پیش‌بینی‌هایی انجام دهیم که چیزهای هوشمندانه‌ای را در مورد انتظارات ما در آینده بیان کند. لطفا چند دقیقه وقت بگذارید و سایت دوره را بررسی کنید. شما سخنرانی های ویدیویی را با مطالب نوشته شده و همچنین آزمون هایی برای کمک به تأکید بر نکات مهم پیدا خواهید کرد. زبان دوره R است، یک پیاده سازی رایگان از زبان S. این یک محیط حرفه ای و نسبتا آسان برای یادگیری است. شما می توانید مطالب مربوط به دوره را با سایر فراگیران خود در میان بگذارید. لطفا کمی وقت بگذارید و خودتان را معرفی کنید! تجزیه و تحلیل سری های زمانی می تواند برای یادگیری تلاش کند - ما سعی کرده ایم ایده هایی را ارائه دهیم که "ماموریت حیاتی" هستند به گونه ای که شما به اندازه کافی از ریاضیات را درک کنید تا از آن راضی شوید و در عین حال فوراً سازنده باشید. امیدواریم از کلاس لذت ببرید!

coursera تحلیل کاربردی شبکه های اجتماعی در پایتون (Mitalearn-332891)

  • 3 hours 43 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Daniel Romero
درباره این دوره:

این دوره از طریق آموزش با استفاده از کتابخانه NetworkX زبان آموز را با تجزیه و تحلیل شبکه آشنا می کند. این دوره با درک اینکه تحلیل شبکه چیست و انگیزه هایی برای اینکه چرا ممکن است پدیده ها را به عنوان شبکه مدل سازی کنیم آغاز می شود. هفته دوم مفهوم اتصال و استحکام شبکه را معرفی می کند. هفته سوم راه های اندازه گیری اهمیت یا مرکزیت یک گره در یک شبکه را بررسی خواهد کرد. هفته آخر سیر تکامل شبکه‌ها در طول زمان را بررسی می‌کند و مدل‌های تولید شبکه و مشکل پیش‌بینی لینک را پوشش می‌دهد. این دوره باید بعد از: مقدمه ای بر علم داده در پایتون، نقشه برداری کاربردی، نمودار و نمایش داده ها در پایتون، و یادگیری ماشین کاربردی در پایتون گذرانده شود.

coursera ترانسفورماتورهای از پیش آموزش دیده (GPT) (Mitalearn-332398)

  • 2 hours 15 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mary Ellen Foster,Sean MacAvaney,Jake Lever
درباره این دوره:

مدل‌های زبان بزرگ مانند GPT-3.5، که ChatGPT را تقویت می‌کند، نحوه تعامل انسان با رایانه‌ها و نحوه پردازش متن توسط رایانه‌ها را تغییر می‌دهد. این دوره ایده های اساسی پردازش زبان طبیعی و مدل سازی زبان را که زیربنای این مدل های زبانی بزرگ است، معرفی می کند. ما اصول اولیه نحوه عملکرد مدل‌های زبان و ویژگی‌های چگونگی ساخت رویکردهای مبتنی بر عصبی جدید را بررسی خواهیم کرد. ما نوآوری‌های کلیدی را بررسی خواهیم کرد که مدل‌های زبان بزرگ مبتنی بر Transformer را قادر می‌سازد تا در حل وظایف زبانی مختلف غالب شوند. در نهایت، چالش‌های اعمال این مدل‌های زبانی بزرگ را برای مشکلات مختلف از جمله مشکلات اخلاقی در ساخت و استفاده از آنها بررسی خواهیم کرد. از طریق آزمایشگاه‌های عملی، در مورد بلوک‌های سازنده ترانسفورماتورها یاد می‌گیریم و از آنها برای تولید متن جدید استفاده می‌کنیم. این تمرین‌های پایتون شما را در فرآیند بکارگیری یک مدل زبان کوچک‌تر و درک اینکه چگونه می‌توان آن را ارزیابی و برای مشکلات مختلف اعمال کرد، گام برمی‌دارد. آزمون های تمرینی منظم به تقویت دانش کمک می کند و شما را برای ارزیابی های درجه بندی شده آماده می کند.

Suggestions