Course catalog

Course duration

Course provider

Topic

Categories

Showing 321-340 of 507 items.

coursera داده‌های جدال در Tidyverse (Mitalearn-334880)

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

داده ها هرگز در شرایطی به دست نمی آیند که برای انجام تجزیه و تحلیل داده ها به آنها نیاز دارید. داده ها باید دوباره شکل داده شوند، مرتب شوند و دوباره قالب بندی شوند تا بتوان آنها را تجسم کرد یا در الگوریتم یادگیری ماشینی وارد کرد. این دوره به مشکل درگیری داده های شما می پردازد تا بتوانید آنها را تحت کنترل درآورید و به طور موثر آنها را تجزیه و تحلیل کنید. هدف اصلی در جدال داده ها، تبدیل داده های غیر مرتب به داده های مرتب است. این دوره بسیاری از جزئیات مهم در مورد مدیریت داده های مرتب و غیر مرتب در R مانند تبدیل از فرمت های گسترده به طولانی، دستکاری جداول با بسته dplyr، درک انواع داده های مختلف R، پردازش داده های متنی با عبارات منظم، و انجام اولیه را پوشش می دهد. تجزیه و تحلیل داده های اکتشافی صرف زمان برای یادگیری این تکنیک‌های جدال داده، تحلیل‌های شما را کارآمدتر، تکرارپذیرتر و برای تیم علم داده‌تان قابل درک‌تر می‌کند. 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 داستان سرایی داده (Mitalearn-335696)

  • 19 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Julie Pai,Majed Al-Ghandour
درباره این دوره:

این دوره مفاهیم پیچیده تری را که هنگام کار فراتر از مجموعه داده های ساده درگیر می شوند، پوشش می دهد. با بررسی ارتباط بین جنبه‌های بصری و درک داده، بررسی خواهیم کرد که چگونه این مفاهیم از طریق داستان‌گویی داده‌ها با هم کار می‌کنند. پس از بررسی نکات کلیدی در مورد نحوه جلوگیری از تجسم های مشکل ساز و ارائه نادرست داده ها، به کار در Tableau با انجام تجزیه و تحلیل توصیفی چند متغیره از بخش های سهام S&P 500 ادامه خواهید داد.

coursera داشبورد و استقرار (Mitalearn-335849)

  • 30 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Julie Pai,Majed Al-Ghandour
درباره این دوره:

این دوره شما را از طریق بخش‌های مختلف داشبورد تحلیلی راهنمایی می‌کند: از بهترین روش‌ها برای طراحی داشبورد، ایجاد یک محیط تحلیلی یکپارچه، تا استقرار و انتشار تصویرسازی‌ها. ما به طور مختصر در مورد تکنیک های تجسم پیشرفته بحث خواهیم کرد و شما یک طرح اطلاعاتی از بزرگترین برندگان و بازندگان در بازارهای مالی ایجاد خواهید کرد و آن حرکات را با داده های اقتصادی به عنوان پروژه اصلی خود مقایسه خواهید کرد.

coursera درک فناوری و داده ها (Mitalearn-291275)

  • 1 hours 57 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Accenture Teaching Staff
درباره این دوره:

به دوره آموزشی درک فناوری و داده ها خوش آمدید. این دوره به منظور ارائه پایه ای در مورد نحوه استفاده از فناوری و داده ها در زندگی روزمره طراحی شده است. این به شما کمک می کند تا موفقیت در یک محیط کار دیجیتال را یاد بگیرید. در پایان این دوره، شما قادر خواهید بود: - تکامل دستگاه های الکترونیکی را بشناسید - شناسایی فناوری های جدید در صنایع مختلف - فناوری هایی مانند ابر، هوش مصنوعی، بلاک چین و غیره را تعریف کنید. - تشخیص دیجیتالی شدن چیست و چگونه بر زندگی روزمره تأثیر می گذارد - شناخت اصول اولیه یک کامپیوتر از جمله قسمت های مختلف و ویژگی های امنیتی آن - کدگذاری را تعریف کنید - ویژگی های کلیدی جاوا اسکریپت را شناسایی کنید - ویژگی های کلیدی پایتون را شناسایی کنید - تشخیص نحوه تفسیر داده ها این دوره به چهار ماژول تقسیم می شود: درک فناوری، فناوری در محل کار، کاوش کدگذاری و کشف داده ها. ماژول یک، درک فناوری، مبانی فناوری و تکامل آن را بررسی می‌کند و مسیر توسعه فناوری را روشن می‌کند. با فناوری های دیجیتال و کاربرد رو به رشد آنها در صنایع مختلف آشنا خواهید شد. شما همچنین خواهید آموخت که چگونه اتوماسیون نه تنها برای محل کار مفید است، بلکه در خانه نیز اهمیت می یابد. ابر، بلاک چین و هوش مصنوعی فناوری‌های پرطرفداری هستند که در این ماژول بررسی خواهید کرد. ماژول دو، فناوری در کار، به ایجاد سواد دیجیتالی شما ادامه خواهد داد. شما با اصول اولیه کامپیوتر و اینترنت و نحوه استفاده از آنها در محیط کار آشنا خواهید شد. شما با تکنیک هایی برای کارآمدتر کار کردن و برقراری ارتباط مجازی آشنا خواهید شد، از جمله نکات مفیدی برای استفاده از ایمیل. همچنین یاد خواهید گرفت که چگونه داده های خود را ایمن کنید. در ماژول سه، Exploring Coding، شما با دنیای کدنویسی و برخی از زبان های برنامه نویسی کلیدی مانند جاوا اسکریپت و پایتون آشنا خواهید شد. شما در مورد گزینه های شغلی مختلف در برنامه نویسی، مانند توسعه وب، توسعه برنامه و توسعه نرم افزار یاد خواهید گرفت. ماژول چهار، کشف داده، به شما کمک می‌کند تا راه‌های جمع‌آوری و تفسیر داده‌ها و نحوه بکارگیری آن‌ها برای تصمیم‌گیری‌های حیاتی را درک کنید. با تکنیک های مختلف برای تفسیر داده ها و نحوه استفاده از توابع اکسل برای کار راحت تر با داده ها آشنا خواهید شد. این یک دوره آموزشی پایه است که برای یادگیرندگانی در نظر گرفته شده است که با فناوری و داده ها تازه کار هستند و می خواهند برای دنیای کار دیجیتالی آماده شوند. برای گذراندن این دوره به تجربه قبلی خاصی نیاز نیست. حق چاپ © 2023 Accenture. تمامی حقوق محفوظ است. Accenture و لوگوی آن علائم تجاری ثبت شده Accenture هستند.

coursera درک و تجسم داده ها با پایتون (Mitalearn-328318)

  • 5 hours 55 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، فراگیران با حوزه آمار، از جمله اینکه داده ها از کجا آمده اند، طراحی مطالعه، مدیریت داده ها و کاوش و تجسم داده ها، آشنا می شوند. یادگیرندگان انواع مختلف داده ها را شناسایی می کنند و یاد می گیرند که چگونه خلاصه ها را برای داده های تک متغیره و چند متغیره تجسم، تجزیه و تحلیل و تفسیر کنند. همچنین یادگیرندگان با تفاوت‌های بین نمونه‌گیری احتمالی و غیراحتمالی از جمعیت‌های بزرگ‌تر، این ایده که چگونه تخمین‌های نمونه متفاوت است و چگونه می‌توان در مورد جمعیت‌های بزرگ‌تر بر اساس نمونه‌گیری احتمالی استنتاج کرد، آشنا می‌شوند. در پایان هر هفته، فراگیران مفاهیم آماری را که با استفاده از پایتون آموخته‌اند، در محیط دوره به کار می‌گیرند. در طول این جلسات مبتنی بر آزمایشگاه، زبان آموزان کاربردهای مختلف پایتون را به عنوان یک ابزار، از جمله کتابخانه های Numpy، Pandas، Statsmodels، Matplotlib و Seaborn کشف خواهند کرد. فیلم‌های آموزشی ارائه شده است تا یادگیرندگان را در ایجاد تجسم‌ها و مدیریت داده‌ها، همه در پایتون، راهنمایی کند. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera دریافت و پاکسازی داده ها (Mitalearn-335339)

  • 3 hours 21 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
درباره این دوره:

قبل از اینکه بتوانید با داده ها کار کنید، باید مقداری از آن را دریافت کنید. این دوره روش های اساسی برای به دست آوردن داده ها را پوشش می دهد. این دوره شامل به دست آوردن داده ها از وب، از API ها، از پایگاه های داده و از همکاران در قالب های مختلف خواهد بود. همچنین اصول تمیز کردن داده ها و نحوه "مرتب کردن" داده ها را پوشش می دهد. داده های مرتب به طور چشمگیری سرعت تجزیه و تحلیل داده های پایین دستی را سرعت می بخشد. این دوره همچنین اجزای یک مجموعه داده کامل شامل داده های خام، دستورالعمل های پردازش، کتاب کدها و داده های پردازش شده را پوشش می دهد. این دوره اصول مورد نیاز برای جمع آوری، تمیز کردن و به اشتراک گذاری داده ها را پوشش می دهد.

linkedin دسترسی 2019: ماکروها (Mitalearn-151977)

  • 1 hours 9 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Adam Wilbert
درباره این دوره:

ماکروها ابزاری عالی برای توسعه دهندگانی هستند که می خواهند بدون نوشتن کد اضافی، عملکرد و تعامل را به پایگاه داده های Access اضافه کنند. با ماکروها، می‌توانید فهرستی از فرآیندهای زمان‌بر، مانند راه‌اندازی یک سری گزارش‌ها در هنگام راه‌اندازی، تهیه کرده و به‌طور خودکار اجرا کنید. این دوره نحوه ساخت ماکروها از کاتالوگ Access Actions، تنظیم اجرا و جریان ماکروها با منطق شرطی و متغیرها، و رشته کردن اقدامات در توالی های چند مرحله ای را پوشش می دهد. مربی آدام ویلبرت همچنین به امنیت ماکرو می پردازد و نشان می دهد که چگونه می توان ماکروها را اشکال زدایی کرد، خطاهای غیر بحرانی را به خوبی مدیریت کرد و از ماکروهای داده برای انجام اقداماتی - مانند ثبت و اعتبارسنجی - هنگام تغییر داده های جدول استفاده کرد.

linkedin دسترسی به یادگیری 2016 (Mitalearn-87955)

  • 1 hours 6 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Adam Wilbert
درباره این دوره:

صفحات گسترده فقط تا این حد می توانند پیش بروند. پایگاه داده بهترین گام بعدی برای مجموعه داده های پیچیده است. Access 2016، نرم افزار پایگاه داده قدرتمند مایکروسافت، مقدمه ای عالی برای کسانی است که تازه وارد پایگاه داده های رابطه ای می شوند. این دوره یک نمای کلی برای کاربرانی که اولین بار هستند ارائه می دهد. آدام ویلبرت بهترین کاربردهای اکسس را توضیح می دهد، رابط کاربری را می گرداند، و بینندگان را از طریق قراردادها و وظایف مختلف Access، مانند درک نحوه تعامل اشیاء، افزودن داده ها به جدول، و اجرای یک گزارش راهنمایی می کند. او همچنین نشان می‌دهد که چگونه می‌توان با الگوهای Access به سرعت پیش رفت، پرسش‌ها و گزارش‌هایی ایجاد کرد تا اطلاعات بینش را از داده‌ها استخراج کرد، و حتی از داده‌های منابع موجود مانند Excel استفاده کرد.

rnrn

coursera دستکاری داده ها در مقیاس: سیستم ها و الگوریتم ها [coursera] (Mitalearn-334727)

  • 10 hours 26 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Bill Howe
درباره این دوره:

تجزیه و تحلیل داده ها به عنوان گلوگاه تصمیم گیری مبتنی بر شواهد جایگزین اکتساب داده شده است --- ما در حال غرق شدن در آن هستیم. استخراج دانش از مجموعه داده های بزرگ، ناهمگن و پر سر و صدا، نه تنها به منابع محاسباتی قدرتمند، بلکه به انتزاعات برنامه نویسی برای استفاده مؤثر از آنها نیاز دارد. انتزاعی‌هایی که در دهه گذشته پدیدار شدند، ایده‌هایی را از پایگاه‌های داده موازی، سیستم‌های توزیع‌شده و زبان‌های برنامه‌نویسی ترکیب می‌کنند تا کلاس جدیدی از پلت‌فرم‌های تجزیه و تحلیل داده مقیاس‌پذیر را ایجاد کنند که پایه و اساس علم داده را در مقیاس‌های واقعی تشکیل می‌دهند. در این دوره، چشم انداز سیستم های مربوطه، اصولی که آنها بر آن تکیه می کنند، معاوضه آنها و نحوه ارزیابی کاربرد آنها در برابر نیازهای خود را خواهید آموخت. شما خواهید آموخت که چگونه سیستم های عملی از مرز تحقیقات در علوم کامپیوتر استخراج شده اند و چه سیستم هایی در افق قرار دارند. رایانش ابری، پایگاه‌های داده SQL و NoSQL، MapReduce و اکوسیستمی که ایجاد کرده، Spark و هم‌عصران آن، و سیستم‌های تخصصی برای نمودارها و آرایه‌ها پوشش داده خواهد شد. شما همچنین تاریخچه و زمینه علم داده، مهارت‌ها، چالش‌ها و روش‌هایی که این اصطلاح به آن اشاره می‌کند، و نحوه ساختار یک پروژه علم داده را خواهید آموخت. در پایان این دوره، شما قادر خواهید بود: اهداف آموزشی: 1. الگوها، چالش ها و رویکردهای رایج مرتبط با پروژه های علم داده و اینکه چه چیزی آنها را از پروژه ها در زمینه های مرتبط متمایز می کند، شرح دهید. 2. مدل های برنامه نویسی مرتبط با دستکاری داده های مقیاس پذیر، از جمله جبر رابطه ای، کاهش نقشه و سایر مدل های جریان داده را شناسایی و استفاده کنید. 3. استفاده از فناوری پایگاه داده که برای تجزیه و تحلیل در مقیاس بزرگ، از جمله مفاهیم محرک پایگاه داده موازی، پردازش پرس و جو موازی، و تجزیه و تحلیل درون پایگاه داده سازگار شده است. 4. فروشگاه‌های ارزش کلیدی و سیستم‌های NoSQL را ارزیابی کنید، معاوضه‌های آنها را با سیستم‌های قابل مقایسه، جزئیات نمونه‌های مهم در فضا، و روندهای آینده را شرح دهید. 5. "Think" در MapReduce برای نوشتن موثر الگوریتم‌ها برای سیستم‌هایی از جمله Hadoop و Spark. شما محدودیت ها، جزئیات طراحی، رابطه آنها با پایگاه های داده و اکوسیستم مرتبط با الگوریتم ها، برنامه های افزودنی و زبان ها را درک خواهید کرد. نوشتن برنامه در Spark 6. چشم انداز سیستم های تخصصی داده های بزرگ را برای نمودارها، آرایه ها و جریان ها توصیف کنید.

coursera دیدگاه های علم داده در مورد مدیریت همه گیری (Mitalearn-327723)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marco Brambilla
درباره این دوره:

همه‌گیری کووید-19 یکی از اولین سناریوهای جهانی است که در آن داده‌ها در ثبت و تجزیه و تحلیل انتشار و تأثیر بیماری تفاوت ایجاد کردند. ما یک دوره مقدماتی برای تصمیم‌گیران، سیاست‌گذاران، نهادهای عمومی، سازمان‌های غیردولتی و سازمان‌های خصوصی درباره روش‌ها، ابزارها و تجربیات استفاده از داده‌ها برای مدیریت سناریوهای همه‌گیری کنونی و آینده ارائه می‌دهیم. این دوره روش‌های مدرن برای سیاست‌گذاری مبتنی بر داده در زمینه همه‌گیری را تشریح می‌کند. روش‌های مورد بحث شامل سیاست‌گذاری، نوآوری و حکمرانی فناوری است. جمع آوری داده ها از شهروندان، جمع سپاری، گیمیفیکیشن و بازی با هدف (GWAP)؛ نظارت و سنجش جمعیت؛ تحرک و تجزیه و تحلیل ترافیک؛ تأثیرات اخبار جعلی و اطلاعات نادرست؛ و اثرات اقتصادی و مالی و مدل های پایداری. روش‌ها، ابزارها و تحلیل‌ها برای نشان دادن اینکه چگونه داده‌ها می‌توانند به طراحی راه‌حل‌های بهتر برای همه‌گیری‌ها و رویدادهای حیاتی در سراسر جهان کمک کنند، ارائه شده‌اند. در این دوره شما نقش سیاست گذاری و حکمرانی فناوری برای مدیریت همه گیری ها را کشف خواهید کرد. شما در مورد روش هایی مانند جمع سپاری، گیمیفیکیشن، سنجش ازدحام و محیط های ساخته شده و ردیابی تماس برای درک پویایی همه گیری فرا خواهید گرفت. شما خطر اطلاعات نادرست و تأثیر آن بر درک و تصمیمات مردم را درک خواهید کرد. این دوره همچنین مدل‌های مالی را پوشش می‌دهد که تأثیر پولی همه‌گیر را بر افراد و سازمان‌ها توصیف می‌کند، و همچنین مدل‌های پایداری مالی را که می‌توان تعریف کرد، پوشش می‌دهد. با تشکر از این دوره، درک عمیق تری از انگیزه ها، ادراکات، انتخاب ها و اقدامات افراد در یک محیط همه گیر به دست خواهید آورد و می توانید شروع به تعریف اقدامات کاهش دهنده مناسب کنید. این دوره توسط مجموعه ای از موسسات تحقیقاتی و آموزشی اروپایی به عنوان بخشی از پروژه تحقیقاتی "پاسخ پان-اروپایی به تأثیرات کووید-19 و همه گیری ها و اپیدمی های آینده" (PERISCOPE، ​​https://www.periscopeproject.eu) ایجاد شده است. /). PERISCOPE که توسط برنامه بودجه تحقیقاتی کمیسیون اروپا Horizon 2020 تحت موافقتنامه کمک مالی شماره 101016233 تأمین می شود، تأثیرات اجتماعی-اقتصادی و رفتاری گسترده همه گیری COVID-19 را بررسی می کند تا اروپا را انعطاف پذیرتر و برای خطرات در مقیاس بزرگ آینده آماده کند.

coursera ذخیره سازی داده در Microsoft Azure برای Associate Developers (Mitalearn-331361)

  • 1 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

Azure راه های مختلفی را برای ذخیره داده ها ارائه می دهد: بدون ساختار، بایگانی، رابطه ای و غیره. در این دوره آموزشی با اصول مدیریت ذخیره سازی در Azure، نحوه ایجاد یک Storage Account و نحوه انتخاب مدل مناسب برای داده هایی که می خواهید در فضای ابری ذخیره کنید آشنا خواهید شد. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این دومین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند، تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این برنامه گواهینامه حرفه ای، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera ذخیره سازی داده ها با Microsoft Azure Synapse Analytics (Mitalearn-331174)

  • 2 hours 12 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره، ابزارها و تکنیک‌هایی را که می‌توان برای کار با انباره‌های داده مدرن به صورت مولد و ایمن در Azure Synapse Analytics استفاده کرد، بررسی خواهید کرد. شما یاد خواهید گرفت که چگونه Azure Synapse Analytics شما را قادر می سازد تا با استفاده از الگوهای معماری مدرن، انبارهای داده بسازید و چگونه طرحواره رایج در یک انبار داده پیاده سازی می شود. شما بهترین شیوه هایی را که برای بارگذاری داده ها در انبار داده نیاز دارید و تکنیک هایی را که می توانید برای بهینه سازی عملکرد پرس و جو در Azure Synapse Analytics استفاده کنید، یاد خواهید گرفت. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). این پنجمین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera ذخیره سازی داده ها در Microsoft Azure (Mitalearn-330596)

  • 1 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

Azure راه های مختلفی را برای ذخیره داده ها ارائه می دهد: بدون ساختار، بایگانی، رابطه ای و غیره. در این دوره آموزشی با اصول مدیریت ذخیره سازی در Azure، نحوه ایجاد یک Storage Account و نحوه انتخاب مدل مناسب برای داده هایی که می خواهید در فضای ابری ذخیره کنید آشنا خواهید شد. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این دومین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند، تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

linkedin راه حل های ساختمانی با استفاده از Excel 2013 و Access 2013 Together (Mitalearn-76990)

  • 1 hours 46 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Robin Hunt
درباره این دوره:

با ترکیب Excel و Access چه اتفاقی می افتد؟ شما بهترین هر دو برنامه را دریافت می کنید. نحوه استفاده از اکسل 2013 را بیاموزید تا بیشترین بهره را از Access 2013 ببرید و در ساخت راه حل های پایگاه داده و گزارش های در حال اجرا صرفه جویی کنید. رابین هانت نحوه وارد کردن و پیوند دادن به داده‌های اکسل، اجرای محاسبات در اکسل و اکسس، ساخت فرم‌ها و گزارش‌ها در هر دو برنامه، و خودکارسازی وظایف با ماکروها، از جمله ماکرو راه‌اندازی AutoExec در Access را نشان می‌دهد.

rnrn همین الان تماشا را شروع کنید

linkedin راه حل های ساختمانی با استفاده از اکسل و اکسس 2016 با هم (Mitalearn-130710)

  • 2 hours 19 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Robin Hunt
درباره این دوره:

با ترکیب قدرت مایکروسافت اکسل و اکسس 2016، می توانید راه حل های کاربر نهایی بهتری بسازید و بهره وری شخصی خود را تا حد زیادی افزایش دهید. در این دوره آموزشی، نحوه استفاده از اکسل و اکسس را بیاموزید و از همکاری هر دو ابزار حداکثر استفاده را ببرید. رابین هانت استراتژی‌ها و تکنیک‌هایی را به اشتراک می‌گذارد که می‌تواند به شما کمک کند با این دو برنامه هوشمندانه کار کنید و از نیاز به بازسازی دستی هر بار که گزارش‌ها را با ساخت راه‌حل‌ها اجرا می‌کنید، اجتناب کنید. رابین دوره را با بررسی نحوه استفاده از اکسل و اکسس با هم و توضیح نحوه ساخت جداول و محاسبه داده ها در این دو برنامه آغاز می کند. او همچنین نحوه کار با واردات و صادرات، خودکارسازی با استفاده از ماکروها و AutoExec، ساخت فرم‌ها و گزارش‌ها و موارد دیگر را توضیح می‌دهد.

coursera راه حل های معماری در AWS (Mitalearn-323592)

  • 5 hours 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Morgan Willis
درباره این دوره:

آیا به دنبال کسب اطلاعات بیشتر فنی هستید؟ آیا به دنبال شروع کار در فضای ابری هستید، اما نمی‌دانید بعد از آن به کجا بروید؟ آیا با آماده شدن برای آزمون دانشیار معمار AWS Solutions به دنبال ارتقای بازی خود هستید؟ آیا خود را به عنوان یک مشاور ابری می بینید، اما نمی توانید تصور کنید که روزهای شما چگونه خواهد بود؟ آیا شما متحیر هستید که چگونه نیازهای مشتری را با خدمات / راه حل های مناسب AWS مطابقت دهید؟ اگر چنین است، شما در جای درستی هستید!! شما یاد خواهید گرفت که چگونه در یک سناریوی واقعی مشتری مانند یک معمار راه حل برنامه ریزی کنید، فکر کنید و عمل کنید. در این دوره، شما آماده خواهید شد تا راه حل های معماری حرفه ای خود را در AWS آغاز کنید. از طریق یک سری سناریوهای مورد استفاده و یادگیری عملی، شما یاد خواهید گرفت که خدمات و ویژگی‌هایی را برای ایجاد راه‌حل‌های IT انعطاف‌پذیر، ایمن و بسیار در دسترس در AWS Cloud شناسایی کنید. هر هفته، یک مشتری خیالی نیاز متفاوتی را ارائه می کند. سپس گزینه‌ها را بررسی می‌کنیم، بهترین را برای مورد استفاده انتخاب می‌کنیم و شما را در طراحی معماری روی تخته سفید راهنمایی می‌کنیم. در مورد معماری های رویداد محور با تمرکز بر کارایی عملکرد و هزینه خواهید آموخت. سپس دانشی در مورد چگونگی ایجاد یک راه حل با استفاده از بسیاری از خدمات AWS ساخته شده به دست خواهید آورد. با این درک، حسی از معماری های ترکیبی با تمرکز دقیق بر قابلیت اطمینان و کارایی عملیاتی به دست خواهید آورد. در نهایت، با درک استراتژی چند حسابی که بر امنیت و هزینه متمرکز است، یادگیری خود را به پایان می رسانید.

coursera راهنمای شغلی تحلیلگر داده و آماده سازی مصاحبه (Mitalearn-329457)

  • 1 hours 38 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: IBM Skills Network Team
درباره این دوره:

متخصصان تجزیه و تحلیل داده در سراسر جهان تقاضای زیادی دارند و این روند هیچ نشانه ای از کندی نشان نمی دهد. بسیاری از مشاغل عالی در دسترس هستند، اما تعداد زیادی نامزد عالی نیز وجود دارد. چگونه می توانید در چنین زمینه رقابتی به برتری برسید؟ این دوره شما را برای ورود به بازار کار به عنوان یک کاندیدای عالی برای موقعیت تحلیلگر داده آماده می کند. تکنیک‌های عملی برای ایجاد مطالب ضروری برای جستجوی کار مانند رزومه و نمونه کارها و همچنین ابزارهای کمکی مانند نامه پوششی و آسانسور ارائه می‌دهد. شما یاد خواهید گرفت که چگونه موقعیت های شغلی آینده نگر را پیدا کرده و ارزیابی کنید، برای آنها درخواست دهید و زمینه را برای مصاحبه فراهم کنید. با این حال، دوره در اینجا متوقف نمی شود. همچنین نکات و مراحلی را دریافت خواهید کرد که می توانید از آنها برای انجام حرفه ای و موثر در مصاحبه ها استفاده کنید. شما یاد می گیرید که چگونه به چالش های خانه نشین نزدیک شوید و تکمیل آنها را تمرین کنید. علاوه بر این، اطلاعاتی در مورد عملکردها و وظایف منظم تحلیلگران داده و همچنین فرصت های این حرفه و برخی گزینه ها برای توسعه شغلی ارائه می دهد. از طریق این دوره از تعدادی متخصص در صنعت داده راهنمایی خواهید گرفت. آنها در مورد مسیرهای شغلی خود صحبت خواهند کرد و در مورد چیزهایی که در مورد شبکه سازی، مصاحبه، حل مشکلات کدنویسی، و سایر سوالاتی که ممکن است به عنوان یک نامزد با آنها مواجه شوید، صحبت خواهند کرد. به متخصصان باتجربه تجزیه و تحلیل داده ها اجازه دهید تجربیات خود را به اشتراک بگذارند تا به شما کمک کنند تا به شغل مورد نظر خود دست پیدا کنید.

coursera راهنمای شغلی دانشمند داده و آماده سازی مصاحبه (Mitalearn-328964)

  • 3 hours 1 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: IBM Skills Network Team
درباره این دوره:

متخصصان علوم داده در سرتاسر جهان تقاضای زیادی دارند و این روند هیچ نشانه ای از کندی نشان نمی دهد. بسیاری از مشاغل عالی در دسترس هستند، اما تعداد زیادی نامزد عالی نیز وجود دارد. چگونه می توانید در چنین زمینه رقابتی به برتری برسید؟ این دوره شما را برای ورود به بازار کار به عنوان یک کاندیدای عالی برای موقعیت دانشمند داده آماده می کند. تکنیک‌های عملی برای ایجاد مطالب ضروری برای جستجوی کار مانند رزومه و نمونه کارها و همچنین ابزارهای کمکی مانند نامه پوششی و آسانسور ارائه می‌دهد. شما یاد خواهید گرفت که چگونه موقعیت های شغلی آینده نگر را پیدا کرده و ارزیابی کنید، برای آنها درخواست دهید و زمینه را برای مصاحبه فراهم کنید. با این حال، دوره در اینجا متوقف نمی شود. همچنین نکات و مراحلی را دریافت خواهید کرد که می توانید از آنها برای انجام حرفه ای و موثر در مصاحبه ها استفاده کنید. شما یاد خواهید گرفت که چگونه به چالش کد نزدیک شوید و تکمیل آنها را تمرین کنید. علاوه بر این، در مورد عملکردها و وظایف منظم دانشمندان داده، و همچنین فرصت های این حرفه و برخی گزینه ها برای توسعه شغلی راهنمایی می کند. اجازه دهید متخصصان باتجربه تجربیات خود را به اشتراک بگذارند تا به شما کمک کنند تا به شغل مورد نظر خود دست پیدا کنید!

linkedin راهنمای کامل Power BI برای تحلیلگران داده توسط Microsoft Press (Mitalearn-386934)

  • 7 hours 14 minutes
  • مناسب همه
  • Release date: 15 February 2024
  • Author: Microsoft Press,Chris Sorensen
درباره این دوره: 

 

در این دوره آموزشی، روش‌های وارد کردن داده‌ها از منابع مختلف و همچنین نحوه تبدیل و پاکسازی داده‌ها را قبل از بارگیری آن‌ها در مدل داده‌ای آماده گزارش و با قابلیت سلف سرویس، بیاموزید. تصویرسازی‌ها را در Power BI Desktop ایجاد کنید و سپس با استفاده از ویژگی‌های مختلف در سرویس Power BI ایمن، اشتراک‌گذاری و همکاری کنید. به عنوان یک تحلیلگر کسب و کار یا کاربر کسب و کار مبتنی بر داده، عادات خوبی ایجاد کنید و در حرفه خود توسعه دهید. مربی معتبر مایکروسافت، کریس سورنسن، مفاهیم اصلی Power BI را توضیح می دهد تا شما را با پرکاربردترین ویژگی ها و عملکردهای Power BI آشنا کند. او با دقت دلیل و چگونگی استفاده از این ویژگی ها را توضیح می دهد و هر موضوع را در سناریوهای دنیای واقعی پایه گذاری می کند. چه در تجزیه و تحلیل تازه کار باشید و چه با استفاده از ابزارهای BI قدیمی، داده ها را آماده و تحویل می دهید، این دوره به شما نشان می دهد چگونه با اطمینان از Microsoft Power BI استفاده کنید.

این دوره توسط Microsoft Press ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


linkedin راهنمای کامل آمار اکسل با کوپیلوت (Mitalearn-415103)

  • 8 hours 33 minutes
  • مناسب همه
  • Release date: 28 February 2025
  • Author: Eddie Davila
درباره این دوره: 

 داده ها تا زمانی که آن را به خوبی استفاده نکنید ، ارزشمند نیست. آمار داده ها را به اطلاعات معنی دار تبدیل می کند و سازمانها را قادر می سازد تا تصمیمات و پیش بینی های بهتری بگیرند. به همین دلیل آمار - جمع آوری ، تجزیه و تحلیل و ارائه داده ها - یک مهارت ارزشمند برای هر کسی در تجارت یا آکادمی است. در این دوره ، ادی دیویلا ، مربی آمار و تجزیه و تحلیل تجارت ، شما را با استفاده از قدرت Microsoft Copilot ، به یک سفر گام به گام و گام به گام برای تسلط بر آمار در اکسل می برد. ادی ابتدا اصول اساسی آمار را با یک سری نمونه ها آموزش می دهد ، سپس با گسترش همان نمونه ها در برنامه های پیچیده تر نظریه آماری - همه در حالی که از اکسل و ابزارها و عملکردهای آماری آن استفاده می کنید ، درک شما را پیشرفت می کند.

Suggestions