Course catalog

Course duration

Course provider

Topic

Categories

Showing 281-300 of 507 items.

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 بازار و رفتار مصرف کننده (Mitalearn-287484)

  • 2 hours 26 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Shameek Sinha
درباره این دوره:

تلاش بازاریابی شما از اینجا شروع می شود! اولین دوره در این تخصص، زمینه های لازم را برای یک استراتژی بازاریابی موفق کلی فراهم می کند. این به دو بخش تقسیم می شود: تحقیقات بازار و رفتار مصرف کننده. ابزارها و تکنیک‌هایی را برای تبدیل یک مسئله تصمیم‌گیری به یک سؤال تحقیقاتی در ماژول تحقیقات بازار به دست آورید. یاد بگیرید که چگونه یک برنامه تحقیقاتی طراحی کنید، داده های جمع آوری شده را تجزیه و تحلیل کنید و گزارش های نظرسنجی را به طور دقیق تفسیر و انتقال دهید، نتایج را به توصیه های عملی تبدیل کنید. سپس بر روی فرآیند تصمیم گیری مصرف کننده تمرکز می کنید و لحظات کلیدی را از شناسایی نیاز تا خرید و مصرف یک محصول برجسته می کنید. با تجزیه و تحلیل نحوه تصمیم گیری مصرف کنندگان، آنچه (در قلب و ذهن آنها) در مراحل مختلف فرآیند تصمیم گیری اتفاق می افتد و متغیرهایی که بر آن تصمیمات تأثیر می گذارند، در تصمیمات مدیریتی خود یک "تمرکز بر مصرف کننده" واقعی را اتخاذ کنید. این دوره شما را به دانش مورد نیاز برای درک وضعیت محصول خود قبل از نزدیک شدن به استراتژی بازار مجهز می کند. هیچ جای بهتری برای ایجاد پایه های سفر بازاریابی شما وجود ندارد!

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 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 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 تحلیل مالی سناریوها و تصمیمات (Mitalearn-288572)

  • 4 hours 6 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Gies College of Business, University of Illinois
درباره این دوره:

این دوره بر اتخاذ و اجرای یک ذهنیت تحلیلی مالی در هنگام تصمیم گیری سازمانی و تجزیه و تحلیل سناریو تمرکز دارد. این دوره با مروری بر دیدگاه "داخلی" سازمان آغاز می شود، که در آن مفاهیم اساسی، از جمله اهمیت نحوه سازماندهی اطلاعات هزینه برای سناریوهای مختلف تصمیم گیری را خواهید آموخت. سپس در مورد تجزیه و تحلیل سناریو، از جمله تجزیه و تحلیل هزینه-حجم- سود و سایر مفاهیم اساسی که به تسهیل تصمیم گیری مالی سازمانی کمک می کند، یاد خواهید گرفت. در مرحله بعد، در مورد برنامه ریزی و بودجه، یک عملکرد کلیدی که به سازمان ها اجازه می دهد منابع لازم برای دستیابی به اهداف سازمانی را شناسایی و تخصیص دهند، آشنا خواهید شد. سپس یاد خواهید گرفت که چگونه عملکرد واقعی را در برابر این بودجه ها با استفاده از تحلیل واریانس ارزیابی کنید. در نهایت، با سیستم اندازه‌گیری، ارزیابی و جبران عملکرد سازمان آشنا می‌شوید. به طور خاص، شما با مزایا و معایب معیارهای رایج عملکرد مالی آشنا خواهید شد و درک خواهید کرد که چگونه یک سازمان از معیارهای عملکرد غیر مالی در سیستم اندازه گیری عملکرد استراتژیک خود برای تکمیل دیدگاه مالی استفاده می کند.

coursera ترسیم، نمودار و نمایش داده های کاربردی در پایتون (Mitalearn-332755)

  • 3 hours 14 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Christopher Brooks
درباره این دوره:

این دوره زبان آموز را با مبانی تجسم اطلاعات، با تمرکز بر گزارش و ترسیم نمودار با استفاده از کتابخانه matplotlib آشنا می کند. این دوره با یک دیدگاه طراحی و سواد اطلاعاتی شروع می شود و به این موضوع می پردازد که چه چیزی یک تجسم خوب و بد را ایجاد می کند و معیارهای آماری از نظر تجسم به چه چیزی تبدیل می شوند. هفته دوم بر روی فناوری مورد استفاده برای تجسم سازی در پایتون، matplotlib و معرفی بهترین شیوه ها در هنگام ایجاد نمودارهای اساسی و نحوه تحقق تصمیمات طراحی در چارچوب تمرکز خواهد کرد. هفته سوم آموزش عملکردهای موجود در matplotlib خواهد بود و انواع نمودارهای آماری پایه را نشان می دهد که به یادگیرندگان کمک می کند تشخیص دهند که چه زمانی یک روش خاص برای یک مشکل خاص خوب است. این دوره با بحث در مورد اشکال دیگر ساختاردهی و تجسم داده ها به پایان می رسد. این دوره باید بعد از مقدمه ای بر علم داده در پایتون و قبل از باقیمانده دوره های علوم داده کاربردی با پایتون گذرانده شود: یادگیری ماشین کاربردی در پایتون، متن کاوی کاربردی در پایتون، و تحلیل شبکه های اجتماعی کاربردی در پایتون.

coursera ترکیب و تجزیه و تحلیل داده های پیچیده (Mitalearn-335628)

  • 2 hours 59 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Richard Valliant, Ph.D.
درباره این دوره:

در این دوره شما یاد خواهید گرفت که چگونه از وزن های نظرسنجی برای تخمین آمار توصیفی، مانند میانگین ها و مجموع، و کمیت های پیچیده تر مانند پارامترهای مدل برای رگرسیون های خطی و لجستیک استفاده کنید. قابلیت‌های نرم‌افزار با R® پوشش داده می‌شود که تاکید خاصی دارد. این دوره همچنین مبانی پیوند رکورد و تطبیق آماری را پوشش می دهد - که هر دو به عنوان روش هایی برای ترکیب داده ها از منابع مختلف اهمیت بیشتری پیدا می کنند. ترکیب مجموعه داده ها مسائل اخلاقی را مطرح می کند که دوره بررسی می کند. ممکن است لازم باشد رضایت آگاهانه از افراد گرفته شود تا داده‌های آنها پیوند داده شود. شما در مورد تفاوت در الزامات قانونی در کشورهای مختلف یاد خواهید گرفت.

coursera تست فرضیه با پایتون و اکسل (Mitalearn-334285)

  • 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Gerald S. Brown,Kishore K. Pochampally
درباره این دوره:

در بازار کار امروزی، رهبران برای رقابتی بودن نیاز به درک اصول اساسی داده ها دارند. یک روش ضروری برای درک تجارت و تجزیه و تحلیل، آزمون فرضیه است. این دوره کوتاه که توسط اساتید متخصص دانشگاه تافتز طراحی شده است، مبانی آزمون فرضیه میانگین جمعیت و نسبت جمعیت را با استفاده از Excel و Python برای محاسبات آموزش می دهد. شما همچنین قضیه حد مرکزی را که برای آزمایش فرضیه ضروری است، کشف خواهید کرد. برای به پایان رساندن دوره، با ایجاد طرحی برای آزمایشی در محل کار خود که از آزمون فرضیه استفاده می کند، مهارت های جدید خود را به کار خواهید گرفت.

coursera تسلط بر توسعه نرم افزار در R Capstone (Mitalearn-332041)

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

برنامه نویسی R Capstone

coursera تصمیم گیری انسانی و سوگیری های آن (Mitalearn-329355)

  • 2 hours 22 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Srikanth Velamakanni,Fractal Analytics
درباره این دوره:

این دوره در مورد سوگیری ها و محدودیت های مغز انسان، استراتژی هایی برای غلبه بر این سوگیری ها بحث می کند و هنگام تصمیم گیری و توصیه ها، داده ها را به طور انتقادی تجزیه و تحلیل می کند. تجزیه و تحلیل موثر و عینی داده ها سفری طولانی است و اولین قدم آگاهی از این سوگیری ها، پیش داوری ها و ادراکات است. در پایان این دوره، شما درک عمیقی از سوگیری‌هایی که بر تصمیم‌گیری انسانی تأثیر می‌گذارند و روش‌هایی که برای مقابله با این سوگیری‌ها به کار می‌روند، ایجاد خواهید کرد. شما همچنین به چارچوب هایی برای تصمیم گیری موثر مجهز خواهید شد. در این دوره ثبت نام کنید تا پیچیدگی های تصمیم گیری انسانی را کشف کنید و شروع به کاوش در تصمیم گیری انسانی کنید. بدون نیاز به تجربه قبلی

coursera تصمیم گیری مبتنی بر داده (Mitalearn-331786)

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

پس از تولید داده ها، باید با انجام یک تحلیل آماری مناسب به سؤال تحقیق پاسخ دهیم. مهندسان و متخصصان کسب و کار باید بدانند که از کدام آزمون یا آزمایش استفاده کنند. از طریق این کلاس، شما قادر خواهید بود یک آزمایش نمونه را برای مقایسه با داده های تاریخی انجام دهید. همچنین می توانید روابط آماری معنی داری بین دو متغیر را تعیین کنید. شما می توانید دو آزمون نمونه را برای داده های مستقل و وابسته انجام دهید. در نهایت، داده‌های بیش از دو گروه را با استفاده از تحلیل واریانس تجزیه و تحلیل خواهید کرد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera تصمیم گیری مبتنی بر داده (Mitalearn-328182)

  • 2 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Alex Mannella
درباره این دوره:

به تصمیم گیری مبتنی بر داده خوش آمدید. در این دوره آموزشی، با تجزیه و تحلیل داده ها و نقش آن در تصمیم گیری های تجاری آشنا می شوید. شما یاد خواهید گرفت که چرا داده ها مهم هستند و چگونه تکامل یافته اند. شما با "داده های بزرگ" و نحوه استفاده از آن آشنا خواهید شد. همچنین با چارچوبی برای انجام تجزیه و تحلیل داده ها و ابزارها و تکنیک هایی که معمولاً استفاده می شود آشنا خواهید شد. در نهایت، شما فرصتی خواهید داشت که دانش خود را در یک محیط تجاری شبیه سازی شده به کار ببرید. این دوره توسط PricewaterhouseCoopers LLP با آدرسی در 300 Madison Avenue, New York, New York, 10017 ایجاد شده است.

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

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

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

coursera تعریف، توصیف و تجسم داده ها (Mitalearn-327502)

  • 3 hours 50 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

به عنوان رهبران حوزه انتخابی خود، نه تنها باید بدانید که چگونه سؤالات درست بپرسید، بلکه باید با استفاده از روش های مبتنی بر داده به آنها پاسخ دهید. از طریق این کلاس، شما قادر خواهید بود به آنچه که واقعاً می‌خواهید بدانید، داده‌های مرتبط با آن سؤال را توصیف کنید و اطلاعات آن داده‌ها را برای درک و توضیح نتایج تجسم کنید. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera تفکر طراحی و تجزیه و تحلیل پیش بینی برای محصولات داده (Mitalearn-331446)

  • 2 hours 22 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julian McAuley,Ilkay Altintas
درباره این دوره:

این دومین دوره تخصصی چهار دوره تخصصی Python Data Products for Predictive Analytics است که بر اساس پردازش داده های پوشش داده شده در دوره 1 و معرفی اصول اولیه طراحی مدل های پیش بینی در پایتون است. در این دوره با مفاهیم اساسی یادگیری آماری آشنا می شوید و روش های مختلف ساخت مدل های پیش بینی را یاد می گیرید. 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