Course catalog

Course duration

Course provider

Topic

Categories

Showing 361-380 of 555 items.

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 ذهنیت تحلیلگر داده: 10 روش غیر فنی برای تأثیرگذاری بر تصمیم گیری ها (Mitalearn-440569)

  • 36 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Mico Yuk
درباره این دوره:

تبدیل شدن به یک تحلیلگر داده هرگز آسان‌تر نبوده است: در کلاس پایتون شرکت کنید و رونق بگیرید، خوب هستید، درست است؟ نه خیلی سریع میزبان پادکست و سخنران کلیدی Analytics on Fire Mico Yuk با چندین سر داده مصاحبه کرده است و درخواست اصلی آنها برای تحلیلگران داده است که مهارت های نرم آنها با مهارت های فنی آنها مطابقت دارد یا از آنها فراتر می رود. در این دوره، Mico به شما 10 مهارت اساسی غیر فنی را آموزش می دهد که باید بر آنها مسلط باشید تا خود را از جمع داده جدا کنید. دریابید که چگونه تجزیه و تحلیل خود را تقویت کنید و بر تصمیمات تأثیر بگذارید. بیاموزید که چگونه سؤالات درست بپرسید، به سمت استفاده از کلمات عملی بصری پیش بروید، و درک کنید که برای افزودن ارزش باید بر روی چه نوع بینش هایی تمرکز کنید. همانطور که نقش خود را درک می کنید، تکنیک های اثبات شده را به کار می گیرید و با یک برنامه پیش می روید، هر بار از منحنی جلوتر خواهید بود.

Related Skills

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 T-SQL برای تحلیلگران داده توسط Microsoft Press (Mitalearn-454220)

  • 6 hours 33 minutes
  • مناسب همه
  • Release date: 10 December 2025
  • Author: Microsoft Press,Chris Sorensen
درباره این دوره:

<p>قوی قدرت SQL برای تجزیه و تحلیل کسب و کار را در این دوره مقدماتی تا متوسط ​​که توسط کریس سورنسن، تحلیلگر و مربی خبره داده مایکروسافت رهبری می‌شود، باز کنید. نحوه طراحی، ساخت و مدیریت پایگاه داده های رابطه ای با استفاده از T-SQL، از مفاهیم پایه تا تکنیک های پیشرفته را بیاموزید. در طول مسیر، عادی سازی، یکپارچگی داده ها، نمایه سازی و موضوعات پایگاه داده سطح بعدی را بررسی کنید. چه یک کاربر تجاری کنجکاو در مورد SQL باشید، چه یک متخصص فناوری اطلاعات که سفر داده خود را شروع می کند، یا کسی که به دنبال تقویت مهارت های تجزیه و تحلیل داده های شما است، این دوره راهنمایی عملی را ارائه می دهد که ریشه در بهترین شیوه های صنعت دارد. بدون نیاز به تجربه قبلی SQL—فقط آشنایی با چالش های مدیریت داده.</p><p>این دوره توسط Microsoft Press ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

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.

linkedin راهنمای کامل برای هوش مصنوعی تولیدی برای تجزیه و تحلیل داده ها و علوم داده (Mitalearn-415120)

  • 10 hours 21 minutes
  • مناسب همه
  • Release date: 27 September 2024
  • Author: Dan Sullivan
درباره این دوره: 

 GenAI این پتانسیل را دارد که افراد بیشتری را قادر به کار و تجزیه و تحلیل داده ها کند، اما برای موفقیت، به یک پایه محکم در مدیریت داده، آمار و یادگیری ماشین نیاز دارید. این دوره آن پایه را فراهم می کند. مدرس Dan Sullivan به شما آموزش می‌دهد که چگونه سؤالات کسب‌وکار و سؤالات علم داده را به اجزایی که می‌توان به صورت برنامه‌نویسی به آنها پرداخت و سپس چگونه از genAI برای ایجاد برنامه‌ها و اسکریپت‌ها برای پیاده‌سازی یک راه‌حل استفاده کرد. این دوره بر روی سه رکن مورد نیاز برای یک تحلیلگر داده یا دانشمند داده موفق تمرکز می کند: مهارت های حل مسئله، درک آمار و یادگیری ماشین، و تجربه عملی با رویه های مدیریت داده.

linkedin راهنمای کامل فرمول های نسل بعدی اکسل برای تحلیلگران داده توسط Microsoft Press (Mitalearn-454084)

  • 5 hours 49 minutes
  • مناسب همه
  • Release date: 8 May 2026
  • Author: Microsoft Press
درباره این دوره:

<p>در طول سالها، Microsoft Excel از یک ابزار صفحه گسترده ساده به یک موتور محاسباتی بسیار قدرتمند تبدیل شده است. در این دوره، مربی Alan Murray به شما کمک می کند تا یاد بگیرید چگونه از ویژگی های مدرن مانند آرایه های پویا، LET و LAMBDA برای نوشتن فرمول های تمیزتر و کارآمدتر برای تجزیه و تحلیل داده ها استفاده کنید. با جداول اکسل و مراجع ساختاریافته پایه ای بسازید، سپس توابعی مانند FILTER، SORT و UNIQUE را برای نتایج پویا بررسی کنید. این دوره همچنین ابزارهای شکل دهی داده مانند CHOOSECOLS و XMATCH، ترکیب مجموعه داده ها با TRIMRANGE و VSTACK و توابع تکرار شونده BYROW، MAP و SCAN را برای محاسبات ردیفی بدون ستون های کمکی پوشش می دهد. با یادگیری نحوه استفاده از LET برای فرمول‌های قابل استفاده مجدد، GROUPBY و PIVOTBY برای گزارش‌دهی تک سلولی و LAMBDA برای ساخت توابع سفارشی به پایان خواهید رسید.</p><p>این دوره توسط Alan Murray و Microsoft Press ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

coursera رگرسیون خطی برای آمار کسب و کار (Mitalearn-213245)

  • 4 hours 24 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Sharad Borle
درباره این دوره:

تحلیل رگرسیون شاید مهم ترین ابزار آمار کسب و کار مورد استفاده در صنعت باشد. رگرسیون موتور پشت بسیاری از برنامه های کاربردی تجزیه و تحلیل داده است که برای بسیاری از اشکال پیش بینی و پیش بینی استفاده می شود. این چهارمین دوره تخصصی "آمار و تحلیل کسب و کار" است. این دوره شما را با ابزار بسیار مهمی به نام رگرسیون خطی آشنا می کند. شما یاد خواهید گرفت که از رویه های مختلفی مانند رگرسیون های متغیر ساختگی، متغیرهای تبدیل و اثرات متقابل استفاده کنید. همه اینها با استفاده از مثال‌های قابل فهم در مایکروسافت اکسل معرفی و توضیح داده شده‌اند. تمرکز این دوره به جای مشتقات دقیق ریاضی بر درک و کاربرد است. توجه: این دوره از جعبه ابزار "تجزیه و تحلیل داده ها" استفاده می کند که با نسخه ویندوز مایکروسافت اکسل استاندارد است. همچنین با نسخه مک 2016 یا جدیدتر اکسل استاندارد است. با این حال، با نسخه های قبلی اکسل برای مک استاندارد نیست. هفته 1 ماژول 1: تحلیل رگرسیون: مقدمه در این ماژول با مدل رگرسیون خطی آشنا می شوید. ما یک مدل رگرسیون می سازیم و با استفاده از اکسل آن را تخمین می زنیم. ما از مدل تخمین زده شده برای استنتاج روابط بین متغیرهای مختلف و استفاده از مدل برای پیش بینی استفاده خواهیم کرد. این ماژول همچنین مفهوم خطاها، باقیمانده ها و R-square را در یک مدل رگرسیونی معرفی می کند. موضوعات تحت پوشش عبارتند از: • معرفی رگرسیون خطی • ساخت یک مدل رگرسیون و تخمین آن با استفاده از اکسل • استنتاج با استفاده از مدل برآورد شده • استفاده از مدل رگرسیون برای پیش بینی • Errors، Residuals و R-square هفته 2 ماژول 2: تحلیل رگرسیون: آزمون فرضیه و خوبی برازش این ماژول آزمون های فرضیه های مختلفی را ارائه می دهد که می توانید با استفاده از خروجی رگرسیون انجام دهید. این تست ها بخش مهمی از استنتاج هستند و ماژول آنها را با استفاده از مثال های مبتنی بر اکسل معرفی می کند. مقادیر p همراه با اندازه‌های خوب تناسب R-square و R-square تعدیل شده معرفی می‌شوند. در پایان ماژول "رگرسیون متغیر ساختگی" را معرفی می کنیم که برای ترکیب متغیرهای طبقه بندی در یک رگرسیون استفاده می شود. موضوعات تحت پوشش عبارتند از: • آزمون فرضیه در رگرسیون خطی • معیارهای «خوبی تناسب» (R-square، R-square تعدیل شده) • رگرسیون متغیر ساختگی (با استفاده از متغیرهای طبقه بندی شده در یک رگرسیون) هفته 3 ماژول 3: تحلیل رگرسیون: متغیرهای ساختگی، چند خطی این ماژول با استفاده از رگرسیون متغیر ساختگی ادامه می یابد. شما می توانید تفسیر خروجی رگرسیون را در حضور متغیرهای طبقه بندی درک کنید. نمونه هایی برای تقویت مجدد مفاهیم مختلف معرفی شده کار شده است. این ماژول همچنین توضیح می دهد که Multicolinearity چیست و چگونه با آن برخورد کنیم. موضوعات تحت پوشش عبارتند از: • رگرسیون متغیر ساختگی (با استفاده از متغیرهای طبقه بندی شده در یک رگرسیون) • تفسیر ضرایب و مقادیر p در حضور متغیرهای ساختگی • چند خطی بودن در مدل های رگرسیونی هفته 4 ماژول 4: تجزیه و تحلیل رگرسیون: پسوندهای مختلف این ماژول درک شما را از رگرسیون خطی گسترش می‌دهد و تکنیک‌هایی مانند میانگین‌مرکزی متغیرها و ایجاد مرزهای اطمینان برای پیش‌بینی‌ها با استفاده از مدل رگرسیون را معرفی می‌کند. یک پسوند رگرسیون قدرتمند به نام «متغیرهای تعامل» معرفی و با استفاده از مثال توضیح داده شده است. ما همچنین تبدیل متغیرها را در یک رگرسیون مطالعه می کنیم و در آن زمینه مدل های log-log و semi-log regression را معرفی می کنیم. موضوعات تحت پوشش عبارتند از: • میانگین مرکزیت متغیرها در مدل رگرسیون • ایجاد مرزهای اطمینان برای پیش بینی ها با استفاده از مدل رگرسیون • اثرات متقابل در یک رگرسیون • تبدیل متغیرها • مدل های رگرسیون log-log و semi-log

Suggestions