Course catalog

Course duration

Course provider

Topic

Categories

Showing 361-380 of 507 items.

coursera ساختار پروژه های یادگیری ماشینی (Mitalearn-212939)

  • 3 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Andrew Ng,Younes Bensouda Mourri,Kian Katanforoosh
درباره این دوره:

در دوره سوم تخصص یادگیری عمیق، یاد خواهید گرفت که چگونه یک پروژه یادگیری ماشینی موفق بسازید و به عنوان رهبر پروژه یادگیری ماشین تصمیم گیری را تمرین کنید. در پایان، شما قادر خواهید بود خطاها را در سیستم یادگیری ماشینی تشخیص دهید. اولویت بندی استراتژی ها برای کاهش خطاها؛ تنظیمات پیچیده ML را درک کنید، مانند مجموعه‌های آموزشی/آزمون ناهماهنگ، و مقایسه و/یا پیشی گرفتن از عملکرد در سطح انسانی. و یادگیری سرتاسر، انتقال یادگیری و یادگیری چند وظیفه ای را اعمال کنید. این همچنین یک دوره مستقل برای زبان آموزانی است که دانش اولیه یادگیری ماشین را دارند. این دوره از تجربه Andrew Ng در ساخت و ارسال بسیاری از محصولات یادگیری عمیق استفاده می کند. اگر می‌خواهید به یک رهبر فنی تبدیل شوید که می‌تواند مسیر یک تیم هوش مصنوعی را تعیین کند، این دوره «تجربه صنعت» را ارائه می‌دهد که در غیر این صورت ممکن است تنها پس از سال‌ها تجربه کاری ML به دست آورید. تخصص یادگیری عمیق برنامه اساسی ما است که به شما کمک می کند قابلیت ها، چالش ها و پیامدهای یادگیری عمیق را درک کنید و شما را برای مشارکت در توسعه فناوری پیشرفته هوش مصنوعی آماده کند. این مسیری را برای شما فراهم می کند تا دانش و مهارت هایی را به دست آورید تا از یادگیری ماشینی در کار خود استفاده کنید، حرفه فنی خود را ارتقا دهید و گامی قطعی در دنیای هوش مصنوعی بردارید.

linkedin ساختن یک نقشه حرارتی دینامیک در اکسل (Mitalearn-80492)

  • 1 hours 34 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Maven Analytics,Chris Dutton
درباره این دوره:

برای ایجاد تجسم داده ها به نرم افزار خاصی نیاز ندارید. با برخی از توابع، قالب‌بندی و فیلترهای پیشرفته، می‌توانید این نقشه‌های حرارتی را مستقیماً در Microsoft Excel ایجاد کنید. تکنیک های نشان داده شده در این دوره اکسل را از یک برنامه صفحه گسترده اولیه به یک ابزار تحلیلی پویا و قدرتمند برای نقشه برداری حرارتی تبدیل می کند.

rnrn او همچنین نشان می‌دهد که چگونه می‌توان از قالب‌بندی در مقیاس رنگی شرطی برای ترسیم ماتریس داده‌های خود استفاده کرد و با استفاده از فیلترهای پویا، راه‌های مختلفی برای بررسی داده‌های مشابه با معیارهای مختلف پیدا کرد. این دوره با چند کار تکمیلی به پایان می رسد تا نقشه گرمایی شما مفیدتر و جذاب تر شود، از جمله پیش نمایشی از آنچه با افزونه Power Map ممکن است.

coursera سنجش موفقیت یک پروژه ایمنی بیمار یا بهبود کیفیت (Patient Safety VI) (Mitalearn-347188)

  • 3 hours 46 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Matt Austin
درباره این دوره:

چگونه متوجه خواهید شد که پروژه ایمنی و کیفیت بیمار شما اهداف خود را برآورده می کند؟ پیتر دراکر یک بار گفت: "آنچه اندازه گیری می شود، مدیریت می شود." در این دوره، دانش آموزان یاد خواهند گرفت که چرا اندازه گیری برای کار بهبود کیفیت حیاتی است. به همان اندازه مهم، آنها یاد خواهند گرفت که کدام منابع داده معنی‌دارترین اطلاعات و ابزارها را برای نحوه و مکان یافتن آنها فراهم می‌کنند. در نهایت، دانش آموزان یاد خواهند گرفت که چگونه داده ها را از پروژه های ایمنی و کیفیت بیمار خود تفسیر کنند تا آنها را در طول اجرا هدایت و اصلاح کنند تا شانس خود را برای ایجاد تفاوت برای بیماران به حداکثر برسانند.

coursera سیستم های NoSQL (Mitalearn-331259)

  • 1 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: María del Pilar Ángeles
درباره این دوره:

به دوره تخصصی NoSQL Systems خوش آمدید. این دوره در شش هفته تکمیل خواهد شد و با فیلم ها و تمرین هایی پشتیبانی می شود که به شما امکان می دهد تفاوت های بین پایگاه داده رابطه ای و NoSQL را شناسایی کنید. به عنوان بخشی از این فناوری‌های جایگزین، دانش‌آموز ویژگی‌های اصلی و نحوه پیاده‌سازی پایگاه‌های داده معمولی NoSQL، مانند Key-value، ستونی، سند و نمودار را یاد می‌گیرد. بیایید شروع کنیم! پس از اتمام این دوره، زبان آموز قادر خواهد بود ● نوع پایگاه داده NoSQL را بر اساس الزامات تجاری (کلید-مقدار، سند، متن کامل، نمودار و غیره) شناسایی کنید. ● مدل‌سازی داده‌های NoSQL را از درخواست‌های خاص برنامه اعمال کنید ● از Aggregates اتمی و غیرعادی سازی به عنوان تکنیک های مدل سازی داده برای بهینه سازی پردازش پرس و جو استفاده کنید نرم افزار برای دانلود: MongoDB Neo4j SAPIQ کاساندرا در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

coursera سیستم های پایگاه داده رابطه ای (Mitalearn-331514)

  • 1 hours 26 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: María del Pilar Ángeles
درباره این دوره:

به دوره تخصصی سیستم های پایگاه داده رابطه ای خوش آمدید. این دوره در مدت شش هفته تکمیل می شود و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده یاد بگیرید که چگونه چندین نوع سیستم اطلاعاتی و پایگاه داده برای حل مشکلات و نیازهای مختلف شرکت ها در دسترس است. هدف: یک زبان آموز قادر خواهد بود با برنامه نویسی برنامه ها و منابع قابل اعتماد، مقیاس پذیر و قابل نگهداری با استفاده از اکوسیستم SQL و Hadoop، سیستم های پایگاه داده تحلیلی، تراکنشی یا NoSQL را با توجه به نیازهای تجاری طراحی، آزمایش و پیاده سازی کند. زبان های برنامه نویسی: برای دوره 1 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: MySQL میز کار در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

coursera سیستم های توصیه کننده (Mitalearn-334319)

  • 2 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jaekwang KIM
درباره این دوره:

در این دوره شما: الف) مفهوم اساسی سیستم های توصیه گر را درک کنید. ب) فیلتر مشارکتی را درک کنید. ج) سیستم توصیه‌کننده را با یادگیری عمیق درک کنید. د) مسائل بیشتر سیستم های توصیه گر را درک کنید. لطفاً مطمئن شوید که برنامه نویسی در پایتون راحت هستید و دانش پایه ای از ریاضیات از جمله ضرب ماتریس، احتمال شرطی و الگوریتم های اصلی یادگیری ماشین دارید.

coursera سیستم های توصیه گر پایه (Mitalearn-333945)

  • 2 hours 5 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Paolo Cremonesi
درباره این دوره:

دوره آموزشی Basic Recommender Systems شما را با رویکردهای پیشرو در سیستم های توصیه گر آشنا می کند. تکنیک‌های توصیف‌شده هم رویکردهای مشارکتی و هم مبتنی بر محتوا را لمس می‌کنند و شامل مهم‌ترین الگوریتم‌های مورد استفاده برای ارائه توصیه‌ها می‌شوند. شما یاد خواهید گرفت که آنها چگونه کار می کنند، چگونه از آنها استفاده کنید و چگونه آنها را ارزیابی کنید و به مزایا و محدودیت های جایگزین های مختلف سیستم توصیه کننده اشاره کنید. پس از اتمام این دوره، می‌توانید الزامات و اهداف سیستم‌های توصیه‌گر را بر اساس حوزه‌های کاربردی مختلف شرح دهید. شما می‌دانید که چگونه سیستم‌های توصیه‌گر را بر اساس داده‌های ورودی، مکانیسم‌های کاری داخلی و اهدافشان متمایز کنید. شما ابزارهایی برای اندازه گیری کیفیت یک سیستم توصیه گر و بهبود تدریجی آن با طراحی الگوریتم های جدید خواهید داشت. همچنین یاد خواهید گرفت که چگونه سیستم‌های توصیه‌گر را متناسب با حوزه‌های کاربردی جدید طراحی کنید، همچنین با در نظر گرفتن مسائل اجتماعی و اخلاقی اطراف مانند هویت، حریم خصوصی و دستکاری. ارائه توصیه های مقرون به صرفه، شخصی و با کیفیت بالا همیشه یک چالش است! این دوره همچنین از دو پیامد یادگیری فراگیر EIT (OLO) مرتبط با خلاقیت و مهارت های نوآوری بهره می برد. در تلاش برای طراحی یک سیستم توصیه‌گر جدید، باید فراتر از مرزها فکر کنید و سعی کنید بفهمید که چگونه می‌توانید کیفیت پیش‌بینی‌ها را بهبود ببخشید. شما همچنین باید بتوانید از دانش، ایده ها و فناوری برای ایجاد ابزارهای توصیه جدید یا بهبود قابل توجهی برای پشتیبانی از فرآیندها و استراتژی های انتخاب در سناریوهای مختلف و نوآورانه برای کیفیت بهتر زندگی استفاده کنید.

coursera سیستم های مدل سازی و مدیریت داده های بزرگ (Mitalearn-334659)

  • 3 hours 54 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Amarnath Gupta
درباره این دوره:

هنگامی که یک مشکل کلان داده را برای تجزیه و تحلیل شناسایی کردید، چگونه داده های خود را با استفاده از راه حل های کلان داده جمع آوری، ذخیره و سازماندهی می کنید؟ در این دوره، ژانرهای مختلف داده و ابزارهای مدیریتی مناسب برای هر کدام را تجربه خواهید کرد. شما قادر خواهید بود دلایل پشت سرگذاشتن انبوهی از پلتفرم های جدید کلان داده را از دیدگاه سیستم های مدیریت داده های بزرگ و ابزارهای تحلیلی شرح دهید. از طریق آموزش های عملی هدایت شده، با تکنیک هایی با استفاده از نمونه های داده های بی درنگ و نیمه ساختاریافته آشنا خواهید شد. سیستم ها و ابزارهای مورد بحث عبارتند از: AsterixDB، HP Vertica، Impala، Neo4j، Redis، SparkSQL. این دوره تکنیک هایی را برای استخراج ارزش از منابع داده های دست نخورده موجود و کشف منابع داده جدید ارائه می دهد. در پایان این دوره، شما قادر خواهید بود: * عناصر داده های مختلف را در کار خود و مشکلات زندگی روزمره تشخیص دهید * توضیح دهید که چرا تیم شما نیاز به طراحی یک طرح زیرساخت داده بزرگ و طراحی سیستم اطلاعاتی دارد * عملیات داده های مکرر مورد نیاز برای انواع مختلف داده را شناسایی کنید * مدل داده ای را متناسب با ویژگی های داده های خود انتخاب کنید * تکنیک هایی را برای مدیریت داده های جریانی اعمال کنید * بین سیستم مدیریت پایگاه داده سنتی و سیستم مدیریت داده های بزرگ تفاوت قائل شوید * قدردانی کنید که چرا سیستم های مدیریت داده های زیادی وجود دارد * طراحی یک سیستم اطلاعات کلان داده برای یک شرکت بازی آنلاین این دوره برای کسانی است که تازه وارد علم داده می شوند. تکمیل Intro to Big Data توصیه می شود. هیچ تجربه برنامه نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. برای مشخصات کامل سخت افزار و نرم افزار به الزامات فنی تخصصی مراجعه کنید. الزامات سخت افزاری: (الف) پردازنده چهار هسته ای (پشتیبانی VT-x یا AMD-V توصیه می شود)، 64 بیتی؛ (ب) 8 گیگابایت رم؛ (C) 20 گیگابایت دیسک رایگان. نحوه پیدا کردن اطلاعات سخت افزاری خود: (ویندوز): با کلیک بر روی دکمه Start، روی Computer راست کلیک کرده و سپس روی Properties کلیک کنید. (Mac): با کلیک بر روی منوی اپل و کلیک کردن روی «درباره این مک»، نمای کلی را باز کنید. اکثر رایانه های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط را برآورده می کنند. شما به اتصال به اینترنت پرسرعت نیاز دارید زیرا فایل هایی تا حجم 4 گیگابایت را دانلود خواهید کرد. نرم افزار مورد نیاز: این دوره متکی بر چندین ابزار نرم افزار منبع باز از جمله Apache Hadoop است. تمام نرم افزارهای مورد نیاز را می توان به صورت رایگان دانلود و نصب کرد (به جز هزینه های داده از ارائه دهنده اینترنت شما). الزامات نرم افزار عبارتند از: Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ VirtualBox 5+.

coursera سیستم های نظارت: تجزیه و تحلیل، انتشار و سیستم های ویژه (Mitalearn-341748)

  • 2 hours 56 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Stefan Baral, MD, MPH, MBA, FRCPC
درباره این دوره:

در این دوره، ما بر روی درس های قبلی در این تخصص می پردازیم تا بر روی برخی از مهارت های بسیار خاص مرتبط با نظارت بر سلامت عمومی تمرکز کنیم. ما یاد خواهیم گرفت که چگونه از تجزیه و تحلیل داده های نظارتی بیشترین بهره را ببریم، و به طور خاص بر تفسیر داده های روند زمانی برای تشخیص انحرافات زمانی و همچنین شخص، مکان و زمان در زمینه داده های نظارت تمرکز می کنیم. ما همچنین استراتژی‌هایی را برای ارائه داده‌های نظارتی و برخی از عناصر حقوقی پیچیده‌ای که بر استفاده از آن تأثیر می‌گذارند، بررسی خواهیم کرد. سپس توجه خود را به نظارت بر بیماری‌های مزمن غیرواگیر و نحوه استفاده از داده‌ها برای حمایت از تلاش‌های پیشگیری معطوف خواهیم کرد. در نهایت، سیستم‌های نظارتی ویژه، مانند نظارت سندرمی، مقاومت ضد میکروبی، و نظارت مرتبط با رویداد را بررسی خواهیم کرد. این دوره برای پزشکان بهداشت عمومی با تمرکز بر کسانی که در سازمان های بهداشت عمومی شهری، منطقه ای، ایالتی، استانی یا حتی ملی کار می کنند، طراحی شده است. ما واقعاً فکر می کنیم که این دوره به کسانی که علاقه مند به نظارت بر سلامت هستند کمک می کند تا ببینند کدام رویکردها در عمل واقعی بهداشت عمومی استفاده می شود.

coursera شروع بصری سازی داده ها در R (Mitalearn-329083)

  • 1 hours 22 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Collin Paschall
درباره این دوره:

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی ممکن است دشوار باشد. برای رفع این نیاز، این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه کمی با R دارند یا اصلاً تجربه ندارند اما به دنبال معرفی این ابزار هستند. در پایان این دوره، دانش‌آموزان می‌توانند داده‌ها را به R وارد کنند، آن داده‌ها را با استفاده از ابزارهای بسته محبوب tidyverse دستکاری کنند و با استفاده از R Markdown گزارش‌های ساده‌ای تهیه کنند. این دوره برای دانش آموزانی طراحی شده است که مهارت های محاسباتی اولیه خوبی دارند، اما در صورت داشتن تجربه در برنامه نویسی محدود است.

coursera شروع کار با CyberGIS (Mitalearn-327468)

  • 4 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Shaowen Wang,Anand Padmanabhan
درباره این دوره:

این دوره در نظر گرفته شده است تا دانشجویان را با CyberGIS - علوم و سیستم‌های اطلاعات جغرافیایی (GIS) - بر اساس زیرساخت‌های سایبری پیشرفته و همچنین پیشرفت هنر در محاسبات با کارایی بالا، داده‌های بزرگ و رایانش ابری در زمینه علم داده‌های مکانی . تاکید بر یادگیری پیشرفت های پیشرفته سایبرجی آی اس و اصول علم داده های مکانی زیربنایی آن است.

coursera شروع کار با تجزیه و تحلیل داده ها در AWS (Mitalearn-328556)

  • 1 hours 14 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rafael Lopes
درباره این دوره:

با این دوره یک هفته‌ای، یاد بگیرید که چگونه با استفاده از AWS از داده‌های خام به بینش‌های معنادار بروید. در طول دوره، با اصول تحلیل داده ها از کارشناسان AWS آشنا خواهید شد. با مروری بر انواع مختلف تکنیک‌های تجزیه و تحلیل داده‌ها - توصیفی، تشخیصی، پیش‌بینی‌کننده و تجویزی، قبل از غواصی عمیق‌تر در تجزیه و تحلیل داده‌های توصیفی، شروع کنید. سپس، دانش خود را با یک پروژه هدایت‌شده به کار ببرید که از یک مجموعه داده ساده اما قدرتمند به‌طور پیش‌فرض در هر حساب AWS استفاده می‌کند: گزارش‌های AWS CloudTrail. سرویس CloudTrail مدیریت، انطباق، حسابرسی عملیاتی و حسابرسی ریسک حساب AWS شما را امکان پذیر می کند. از طریق این پروژه شما همچنین با آمازون آتنا و آمازون QuickSight آشنا خواهید شد. و، شما یاد خواهید گرفت که چگونه یک داشبورد امنیتی اولیه به عنوان یک روش ساده اما کاربردی برای به کارگیری دانش جدید تجزیه و تحلیل داده خود بسازید.

coursera شناسایی جمعیت بیماران (Mitalearn-331412)

  • 1 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Laura K. Wiley, PhD
درباره این دوره:

این دوره به شما اصول فنوتیپ محاسباتی، یک روش انفورماتیک زیست پزشکی برای شناسایی جمعیت بیماران را می آموزد. در این دوره آموزشی، نحوه عملکرد انواع داده های بالینی مختلف هنگام تلاش برای شناسایی بیماران مبتلا به یک بیماری یا ویژگی خاص را خواهید آموخت. همچنین یاد خواهید گرفت که چگونه دستکاری ها و ترکیب های مختلف داده را برای افزایش پیچیدگی و بهبود عملکرد الگوریتم های خود برنامه ریزی کنید. در نهایت، شما این شانس را خواهید داشت که مهارت های خود را با یک برنامه کاربردی واقعی در دنیای واقعی آزمایش کنید که در آن یک الگوریتم فنوتیپ محاسباتی برای شناسایی بیماران مبتلا به فشار خون بالا ایجاد می کنید. شما این کار را با استفاده از مجموعه داده‌های بالینی واقعی و در حالی که از یک محیط محاسباتی آنلاین رایگان برای علوم داده استفاده می‌کنید که توسط شریک صنعتی Google Cloud میزبانی می‌شود، تکمیل خواهید کرد.

coursera شناسایی نقش مناسب برای خود (Mitalearn-329780)

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

علم داده و هوش مصنوعی رشته‌های در حال رشد و هیجان‌انگیزی هستند که می‌توانند به جویندگان کار آینده‌نگر ارائه دهند. با این حال، حتی با وجود رشد گسترده در فناوری و موقعیت ها، هنوز موانع زیادی برای ورود وجود دارد. این دوره چالش‌ها و فرصت‌های امروزی را در علم داده و هوش مصنوعی، مهارت‌ها و آموزش‌های مختلف لازم برای برخی از موقعیت‌های معمولاً گیج‌کننده، و همچنین وظایف شغلی خاص مرتبط با نقش‌های مورد تقاضا را بررسی می‌کند. با گذراندن این دوره، فراگیران می توانند کشف کنند که کدام نقش و صنعت به بهترین وجه با مهارت ها، علایق و پیشینه آنها مطابقت دارد و همچنین هرگونه آموزش اضافی مورد نیاز را شناسایی می کند، که هر دو آنها را برای درخواست و مصاحبه برای موقعیت های DS/AI آماده می کند. در پایان این دوره، دانشجویان قادر خواهند بود: • مهارت ها، تحصیلات و تجربه مورد نیاز را برای نقش های مختلف DS/AI شناسایی کنید. • شباهت ها و تفاوت های بین نقش های مختلف DS/AI که معمولاً اشتباه می شوند را به یاد بیاورید. • نقش علم داده/هوش مصنوعی را توصیف کنید که با اهداف شخصی و حوزه مورد علاقه همسو باشد. • ارزیابی کنید که برای وارد شدن به یک نقش خاص DS/AI به چه آموزش مهارت بیشتری نیاز است.

coursera ضروریات تجزیه و تحلیل زنجیره تامین (Mitalearn-287994)

  • 2 hours 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yao Zhao
درباره این دوره:

به تجزیه و تحلیل زنجیره تامین خوش آمدید - منطقه ای هیجان انگیز که تقاضای زیادی دارد! در این دوره مقدماتی تجزیه و تحلیل زنجیره تامین، من شما را به سفری به این منطقه جذاب می برم که از تجزیه و تحلیل داده ها برای تشخیص و حل مشکلات در مدیریت زنجیره تامین استفاده می کند. شما با مثال هایی از زندگی واقعی آشنا خواهید شد که چگونه تجزیه و تحلیل داده ها می تواند تأثیر مالی و اقتصادی قابل توجهی در حوزه های مختلف زنجیره تامین، از فروش، تدارکات، تولید و منبع یابی ایجاد کند. شما چشم انداز بازار کار، نیاز و آمادگی را خواهید آموخت. در نهایت، قدرت تجزیه و تحلیل داده ها را با استفاده از آن برای شناسایی مشاغل رویایی خود خواهید دید. پس از اتمام این دوره، شما 1. نقاط دردناک یک زنجیره تامین و اینکه چگونه تجزیه و تحلیل داده ها ممکن است آنها را تسکین دهد، ببینید. 2. درک کنید که چرا تجزیه و تحلیل برای مدیریت زنجیره تامین حیاتی است و چگونه تجزیه و تحلیل زنجیره تامین ممکن است مزیت رقابتی طولانی مدت ایجاد کند. 3. تاثیر تجزیه و تحلیل زنجیره تامین را بر عملکرد مالی و بازار سهام شرکت ها ببینید. 4. فرصت های شغلی و آماده سازی تجزیه و تحلیل زنجیره تامین را بیاموزید و مشاغل رویایی خود را با استفاده از تجزیه و تحلیل داده ها پیدا کنید. این دوره برای شما مناسب است، اگر 1. شما در حال شروع حرفه خود در مدیریت زنجیره تامین، یا منبع یابی / تدارکات، یا برنامه ریزی تولید / عملیات، یا توزیع / تدارکات هستید. 2. شما در حال حاضر با مفاهیم اساسی مدیریت زنجیره تامین آشنا هستید و امیدواریم با تجزیه و تحلیل داده ها مهارت بیشتری کسب کنید. 3. شما قبلاً مهارت های تجزیه و تحلیل داده ها را آموخته اید و امیدوار هستید که تأثیر مالی و اقتصادی در زمینه زنجیره تأمین داشته باشید. امیدوارم از دوره لذت ببرید!

coursera ضروریات تجزیه و تحلیل مراقبت های بهداشتی (Mitalearn-287008)

  • 1 hours 49 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Kohn
درباره این دوره:

این دوره برای افرادی که در حال حاضر در بخش مراقبت های بهداشتی هستند، به عنوان ارائه دهنده، پرداخت کننده یا مدیر مناسب است. افرادی که به دنبال تغییر شغل در بخش مراقبت های بهداشتی هستند نیز ممکن است به این دوره علاقه مند شوند. در این دوره، شما فرصتی خواهید داشت تا موضوعات مرتبط با تصمیم گیری مبتنی بر داده در مراقبت های بهداشتی را بررسی کنید. از شما خواسته می شود که هم دیدگاه بیمار و ارائه دهنده و هم سهم آنها در بهبود کیفیت مراقبت ارائه شده را در نظر بگیرید. از طریق خواندن، استفاده از ابزارهای تحلیلی و مفاهیم و اصول در این دوره، شما درک جامع تری از پیچیدگی سازمان های ارائه دهنده مراقبت های بهداشتی و نحوه تأثیر آنها بر ارائه مراقبت از بیمار و در نهایت نتایج پزشکی بیمار خواهید داشت. این دوره به شما این فرصت را می دهد که: ~ توضیح دهید که چگونه تجزیه و تحلیل کسب و کار مراقبت های بهداشتی با علم داده و رشته های تجاری مطابقت دارد ~ مسائل کلیدی جاری در تجزیه و تحلیل و علم داده را شناسایی کنید ~ نحوه ادغام تجزیه و تحلیل کسب و کار با استراتژی کسب و کار را شرح دهید

coursera طبقه بندی متن بدون نظارت برای تجزیه و تحلیل بازاریابی (Mitalearn-331157)

  • 2 hours 16 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Chris J. Vargo,Scott Bradley
درباره این دوره:

داده‌های بازاریابی اغلب آنقدر بزرگ هستند که انسان‌ها نمی‌توانند نمونه‌ای از آن را بخوانند یا تجزیه و تحلیل کنند تا بفهمند چه بینش‌هایی ممکن است در آن نهفته باشد. در این دوره، زبان آموزان از یادگیری عمیق بدون نظارت برای آموزش الگوریتم هایی برای استخراج موضوعات و بینش از داده های متنی استفاده می کنند. یادگیرندگان یک مرور مفهومی از یادگیری ماشینی بدون نظارت را طی می‌کنند و از طریق آموزش‌های آموزشی در پایتون به مجموعه داده‌های دنیای واقعی می‌روند. دوره با یک پروژه بزرگ به پایان می رسد. این دوره از نوت بوک های Jupyter و محیط برنامه نویسی Google Colab، یک محیط نوت بوک مبتنی بر مرورگر Jupyter استفاده می کند. فایل ها در گوگل درایو ذخیره می شوند. 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.

coursera طبقه بندی متن نظارت شده برای تجزیه و تحلیل بازاریابی (Mitalearn-329168)

  • 3 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Chris J. Vargo,Scott Bradley
درباره این دوره:

داده های بازاریابی اغلب نیاز به دسته بندی یا برچسب گذاری دارند. در عصر امروز، داده‌های بازاریابی می‌تواند بسیار بزرگ یا بزرگ‌تر از آن چیزی باشد که انسان‌ها می‌توانند به طور منطقی با آن مقابله کنند. در این دوره، دانش آموزان یاد می گیرند که چگونه از یادگیری عمیق نظارت شده برای آموزش الگوریتم هایی برای مقابله با وظایف طبقه بندی متن استفاده کنند. دانش‌آموزان مروری مفهومی از یادگیری ماشینی نظارت‌شده را طی می‌کنند و از طریق آموزش‌های آموزشی در پایتون به مجموعه داده‌های دنیای واقعی می‌روند. دوره با یک پروژه بزرگ به پایان می رسد. 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.

coursera طراحی برنامه های کاربردی داده فشرده (Mitalearn-334200)

  • 21 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: María del Pilar Ángeles
درباره این دوره:

به دوره تخصصی طراحی برنامه های کاربردی داده فشرده خوش آمدید. این دوره به مدت چهار هفته تکمیل می شود و با فیلم و تمرین پشتیبانی می شود. در پایان این تخصص، فراگیران قادر خواهند بود با توجه به نوع داده ها و حجم اطلاعات، زمان پاسخگویی، نوع پردازش و پرس و جو به منظور پشتیبانی از مقیاس پذیری، قابلیت نگهداری و امنیت، سیستم های اطلاعاتی با قابلیت اطمینان بالا را پیشنهاد، طراحی، توجیه و توسعه دهند. و قابلیت اطمینان با در نظر گرفتن آخرین فناوری های اطلاعاتی. نرم افزار برای دانلود: میز کار MySQL Rapidminer چارچوب Hadoop Hortonworks MongoDB در صورتی که سیستم عامل Mac / IOS دارید، باید اقدامی به نام VirtualBox انجام دهید.

coursera طراحی داشبوردهای جذاب برای تجزیه و تحلیل مراقبت های بهداشتی (Mitalearn-335883)

  • 1 hours 3 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kevin Hartman
درباره این دوره:

فرآیندها و اصول طراحی را برای ایجاد نمایش‌های معنی‌دار از اطلاعات معرفی می‌کند که از تصمیم‌گیری مؤثر تجاری پشتیبانی می‌کند. نحوه جمع آوری و پردازش داده ها را مطالعه می کند. ایجاد تجسم (هم ایستا و هم تعاملی)؛ و از آنها برای ارائه بینش نسبت به یک مشکل، موقعیت یا فرصت استفاده کنید. روش‌هایی را برای نقد تجسم‌سازی‌ها به همراه راه‌هایی برای پاسخ به این سوال مبهم معرفی می‌کند: «چه چیزی یک تجسم را مؤثر می‌کند؟» چالش‌های قابل درک کردن داده‌ها در طیف وسیعی از مخاطبان را مورد بحث قرار می‌دهد. اصول ارتباط مورد نیاز برای داستان سرایی داده موثر را معرفی می کند. موضوعات دیگر ممکن است شامل استفاده اخلاقی از نمایش اطلاعات، داستان سرایی، اینفوگرافیک، تجسم های همه جانبه و استفاده خوب از داشبورد داده باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد.

Suggestions