Course catalog

Course duration

Course provider

Topic

Categories

Showing 381-400 of 587 items.

linkedin علم داده برای توسعه دهندگان جاوا (Mitalearn-225281)

  • 3 hours 51 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Shaun Wassell
درباره این دوره:

یادگیری مبانی علم داده و نحوه به کارگیری آنها در جاوا دنیایی از امکانات را در زمینه ساخت نرم افزار و فرصت های شغلی برای شما باز می کند. در این دوره، مربی Shaun Wassell شما را از طریق مجموعه مهارت های مورد نیاز برای علم داده راهنمایی می کند، به شما نشان می دهد که چگونه داده ها را در جاوا تجسم کنید، و روش های مختلف تبدیل داده ها به اطلاعات را بررسی می کند. Shaun مفاهیم اساسی و مثال‌هایی از علم داده را معرفی می‌کند، سپس شما را در فرآیند نمایش داده‌ها در جاوا و برخی مشکلاتی که ممکن است با آن‌ها مواجه شوید راهنمایی می‌کند. او تکنیک های دستکاری داده ها مانند نقشه برداری، فیلتر کردن، جمع آوری و مرتب سازی را مورد بحث قرار می دهد. Shaun نحوه یافتن، جمع‌آوری، تمیز کردن، دستکاری و ذخیره داده‌ها را توضیح می‌دهد تا بتوانید کارهای مفیدی را با آن‌ها انجام دهید. بعد، او بخش سرگرم کننده را به شما نشان می دهد: روش های مختلفی که می توانید برای تبدیل داده ها به اطلاعات استفاده کنید. Shaun Nearest-Neighbor، Bayes، رگرسیون خطی، درخت تصمیم، خوشه بندی و موارد دیگر را پوشش می دهد.

coursera علم داده برای نوآوری کسب و کار (Mitalearn-329134)

  • 1 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marco Brambilla,Emanuele Della Valle
درباره این دوره:

این فرصتی است که همه چیز را در مورد علم داده برای نوآوری کسب و کار و آینده حرفه ای خود بیاموزید. فن آوری و تجزیه و تحلیل تجربه کسب و کار خود را مطابقت دهید! دوره نانو علم داده برای نوآوری کسب و کار خلاصه ای از تخصص لازم در علم داده برای مدیران و مدیران است تا نوآوری مبتنی بر داده را تقویت کنند. این دوره توضیح می دهد که علم داده چیست و چرا اینقدر هیپ شده است. یاد خواهید گرفت: * ارزشی که Data Science می تواند ایجاد کند * طبقات اصلی مشکلاتی که علم داده می تواند حل کند * تفاوت بین تجزیه و تحلیل توصیفی، پیش بینی کننده و تجویزی است * نقش یادگیری ماشین و هوش مصنوعی. از منظر فنی تر، این دوره روش های نظارت شده، بدون نظارت و نیمه نظارت را پوشش می دهد و توضیح می دهد که چه چیزی را می توان با روش های طبقه بندی، خوشه بندی و رگرسیون به دست آورد. این مقاله نقش مدل‌ها و فناوری‌های داده NoSQL و نقش و تأثیر پلت‌فرم‌های محاسباتی مبتنی بر ابر مقیاس‌پذیر را مورد بحث قرار می‌دهد. همه موضوعات با سخنرانی های مبتنی بر مثال، بحث در مورد موارد استفاده، داستان های موفقیت، و مثال های واقع بینانه پوشش داده شده است. پس از این دوره نانو، اگر می‌خواهید دانش خود را در زمینه علوم داده عمیق‌تر کنید، می‌توانید در دوره زنده نوآوری علوم داده برای کسب و کار شرکت کنید https://professionalschool.eitdigital.eu/data-science-for-business-innovation

coursera علم داده چیست؟ (Mitalearn-327842)

  • 3 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Alex Aklson
درباره این دوره:

آیا می خواهید بدانید چرا علم داده به عنوان جذاب ترین حرفه قرن بیست و یکم شناخته شده است؟ پس از گذراندن این دوره، شما قادر خواهید بود به این سوال پاسخ دهید، بفهمید علم داده چیست و دانشمندان داده چه می کنند و در مورد مسیرهای شغلی در این زمینه بیاموزید. هنر کشف بینش ها و روندها در داده ها از زمان های قدیم وجود داشته است. مصریان باستان از داده های سرشماری برای افزایش کارایی در جمع آوری مالیات استفاده می کردند و سیل رودخانه نیل را هر ساله به طور دقیق پیش بینی می کردند. از آن زمان، مردم به استفاده از داده ها برای استخراج بینش و پیش بینی نتایج ادامه دادند. اخیراً آنها زمینه ای منحصر به فرد و متمایز را برای کاری که انجام می دهند ایجاد کرده اند. این رشته علم داده است. در دنیای امروز، ما از علم داده برای یافتن الگوها در داده ها و نتیجه گیری و پیش بینی های معنادار و مبتنی بر داده استفاده می کنیم. این دوره برای همه است و مفاهیمی مانند نحوه استفاده دانشمندان داده از یادگیری ماشینی و یادگیری عمیق و نحوه استفاده شرکت ها از علم داده در تجارت را آموزش می دهد. شما با چندین دانشمند داده ملاقات خواهید کرد که بینش و تجربیات خود را در علم داده به اشتراک خواهند گذاشت. با گذراندن این دوره مقدماتی، سفر خود را به این رشته پر رونق آغاز خواهید کرد.

linkedin علم داده در Google Cloud Platform: Building Data Pipelines (Mitalearn-143273)

  • 1 hours 7 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر کهنه کار و دانشمندان داده Kumaran Ponnambalam - نشان می‌دهد که چگونه از آخرین فناوری‌ها در GCP برای ایجاد یک خط لوله داده بزرگ استفاده کنید که داده‌ها را به طور کامل در فضای ابری جذب، انتقال و تبدیل می‌کند. با نحوه تنظیم کارهای پردازش داده با استفاده از پرتو Apache و Cloud Dataflow آشنا شوید. نحوه استفاده از Cloud Pub/Sub را برای دریافت جریان و پیام‌رسانی بی‌درنگ کشف کنید. در نهایت، نحوه پردازش رویدادهای جریان در Cloud Dataflow را بیاموزید. این دوره از یک مورد استفاده نهایی استفاده می کند که نشان می دهد چگونه می توان دانش و بهترین شیوه های دوره را در یک گردش کار عملی علم داده به کار برد.

coursera علم داده در زندگی واقعی (Mitalearn-335526)

  • 2 hours 39 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD,Jeff Leek, PhD,Roger D. Peng, PhD
درباره این دوره:

آیا تا به حال تجربه عالی علم داده را داشته اید؟ کشش داده کاملاً انجام شد. هیچ خطای ادغام یا داده های از دست رفته وجود نداشت. قبل از تجزیه و تحلیل، فرضیه ها به وضوح تعریف شده بودند. تصادفی سازی برای درمان مورد علاقه انجام شد. طرح تحلیلی قبل از تجزیه و تحلیل ترسیم شد و دقیقاً دنبال شد. نتیجه گیری ها واضح و تصمیمات قابل اجرا واضح بود. آیا این اتفاق برای شما افتاده است؟ البته نه. تجزیه و تحلیل داده ها در زندگی واقعی کثیف است. چگونه می توان تیمی را که با تجزیه و تحلیل داده های واقعی مواجه است، مدیریت کرد؟ در این دوره یک هفته‌ای، ایده‌آل را با آنچه در زندگی واقعی اتفاق می‌افتد مقایسه می‌کنیم. با تضاد ایده آل، مفاهیم کلیدی را یاد خواهید گرفت که به شما در مدیریت تحلیل های زندگی واقعی کمک می کند. این یک دوره متمرکز طراحی شده است تا شما را به سرعت در انجام علم داده در زندگی واقعی به سرعت بشناساند. هدف ما این بود که این کار را تا حد امکان برای شما راحت کنیم بدون اینکه هیچ محتوای ضروری را قربانی کنیم. ما اطلاعات فنی را کنار گذاشته‌ایم تا بتوانید روی مدیریت تیم خود و پیشبرد آن تمرکز کنید. پس از گذراندن این دوره خواهید دانست که چگونه: 1، تجربه "عالی" علم داده را توصیف کنید 2. شناسایی نقاط قوت و ضعف در طرح های آزمایشی 3. مشکلات احتمالی را هنگام جمع‌آوری/ جمع‌آوری داده‌ها شرح دهید و راه‌حل‌هایی را برای مدیریت کشش داده‌ها بیاموزید. 4. مفروضات مدل سازی آماری را به چالش بکشید و بازخورد را به تحلیلگران داده هدایت کنید 5. مشکلات رایج در ارتباط تجزیه و تحلیل داده ها را شرح دهید 6. نگاهی اجمالی به یک روز از زندگی یک مدیر تجزیه و تحلیل داده ها داشته باشید. این دوره در سطح مفهومی برای مدیران فعال دانشمندان داده و آماردانان تدریس می شود. برخی از مفاهیم کلیدی مورد بحث عبارتند از: 1. طراحی آزمایشی، تصادفی سازی، تست A/B 2. استنتاج علی، خلاف واقع، 3. استراتژی های مدیریت کیفیت داده ها. 4. تعصب و گیج کننده 5. یادگیری ماشینی متضاد در مقابل استنتاج آماری کلاسیک تبلیغ دوره: https://www.youtube.com/watch?v=9BIYmw5wnBI تصویر جلد دوره توسط جاناتان گراس. Creative Commons BY-ND https://flic.kr/p/q1vudb

coursera علم داده در مراقبت های بهداشتی طبقه بندی شده و پزشکی دقیق (Mitalearn-330375)

  • 4 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr Areti Manataki,Dr Frances Wong
درباره این دوره:

حجم فزاینده ای از داده ها در زیست پزشکی و مراقبت های بهداشتی از داده های ژنومی گرفته تا پرونده های الکترونیکی بیماران و داده های جمع آوری شده توسط دستگاه های پوشیدنی در دسترس است. پیشرفت های اخیر در علم داده، علوم زیستی را متحول کرده و منجر به پزشکی دقیق و مراقبت های بهداشتی طبقه بندی شده می شود. در این دوره آموزشی، با انواع مختلف داده ها و روش های محاسباتی مربوط به مراقبت های بهداشتی طبقه بندی شده و پزشکی دقیق آشنا خواهید شد. شما تجربه عملی کار با چنین داده هایی را خواهید داشت. و از رهبران این حوزه در مورد مطالعات موردی موفق یاد خواهید گرفت. موضوعات عبارتند از: (i) پردازش توالی، (ii) تجزیه و تحلیل تصویر، (iii) مدل سازی شبکه، (iv) مدل سازی احتمالی، (v) یادگیری ماشین، (vi) پردازش زبان طبیعی، (vii) مدل سازی فرآیند و (viii) نمودار داده ها ویدیوی تبلیغاتی دوره را اینجا ببینید: http://edin.ac/2pn350P

coursera علم داده در مقیاس - پروژه Capstone (Mitalearn-335203)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: Bill Howe
درباره این دوره:

در این مرحله، دانش‌آموزان در یک پروژه دنیای واقعی شرکت خواهند کرد که از آنها می‌خواهد مهارت‌هایی را از کل خط لوله علم داده به کار گیرند: آماده‌سازی، سازمان‌دهی، و تبدیل داده‌ها، ساخت یک مدل، و ارزیابی نتایج. از طریق همکاری با Coursolve، هر پروژه Capstone با سهامداران شریکی مرتبط است که علاقه خاصی به نتایج شما دارند و مشتاق هستند تا آنها را در عمل اجرا کنند. این پروژه‌ها ساده نخواهند بود و نتیجه آن تجویز نمی‌شود - شما باید ابهام و نتایج منفی را تحمل کنید! اما ما معتقدیم که این تجربه مفید خواهد بود و شما را برای پروژه های علم داده در عمل بهتر آماده می کند.

coursera علم داده رایگان کد (Mitalearn-328420)

  • 3 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Natasha Balac, Ph.D.
درباره این دوره:

کلاس Code Free Data Science برای زبان آموزانی طراحی شده است که به دنبال کسب یا گسترش دانش خود در زمینه علم داده هستند. شرکت‌کنندگان آموزش‌های پایه را در مورد رویکردهای تحلیلی پیش‌بینی‌کننده مؤثر همراه با رشته رو به رشد علم داده بدون هیچ گونه نیاز برنامه‌نویسی دریافت خواهند کرد. روش‌های یادگیری ماشین با استفاده از پلتفرم KNIME Analytics برای کشف الگوها و روابط در داده‌ها ارائه می‌شوند. پیش بینی روندها و رفتارهای آینده امکان تصمیم گیری های پیشگیرانه و مبتنی بر داده را فراهم می کند. در طول کلاس، فراگیران مهارت های جدیدی برای اعمال الگوریتم های پیش بینی بر داده های واقعی، ارزیابی، اعتبارسنجی و تفسیر نتایج بدون هیچ پیش نیازی برای هر نوع برنامه نویسی به دست خواهند آورد. شرکت کنندگان مهارت های ضروری برای طراحی، ساخت، تأیید و آزمایش مدل های پیش بینی را به دست خواهند آورد. شما یاد خواهید گرفت • نحوه طراحی گردش کار علم داده بدون نیاز به برنامه نویسی • مهارت های ضروری علوم داده برای طراحی، ساخت، آزمایش و ارزیابی مدل های پیش بینی • روش های دستکاری، آماده سازی و طبقه بندی و خوشه بندی داده ها • روش های اعمال الگوریتم های علم داده بر داده های واقعی و ارزیابی و تفسیر نتایج

linkedin علم داده رسانه و سرگرمی با بارتون پولسون (Mitalearn-111738)

  • 56 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

موسیقی، تئاتر، رقص و فیلم ممکن است مانند تجارت های داده محور به نظر نرسند، اما می توانند به اندازه تجارت الکترونیک یا امور مالی از علم داده بهره ببرند. به پروفسور، محقق و مشاور علوم داده، بارتون پولسون بپیوندید تا روش‌های شگفت‌انگیزی را که در آن رسانه‌ها و صنایع سرگرمی اطراف ما تحت تأثیر داده‌ها و علم داده‌ها و تجزیه‌وتحلیل‌ها تحت تأثیر قرار می‌گیرند - و به طور اساسی تغییر کرده‌اند - را بررسی می‌کند.\r\n\r\n مشاهده آن برای کسانی که در رسانه کار می کنند ضروری است، اما همچنین برای هر کسی که علاقه مند به تأثیر فناوری بر دنیای اطراف ما است جذاب است. بیاموزید که چگونه از علم داده برای ارزیابی مخاطبان هدف خود، بهینه سازی قیمت گذاری و زمان بندی رویدادها و محصولات دیجیتال، شناسایی دزدی دریایی، محافظت از مالکیت معنوی خود، پاداش دادن به کارمندان و به حداکثر رساندن بازگشت سرمایه خود استفاده کنید. ترکیب برخی تحلیل‌های ساده می‌تواند منجر به مخاطبان گسترده‌تر و تجربیات غنی‌تر برای تلاش خلاقانه بعدی شما شود.

coursera علم داده کاربردی برای تحلیلگران داده (Mitalearn-330868)

  • 4 hours 47 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kevin Coyle
درباره این دوره:

در این دوره، مهارت های علم داده خود را در حین حل مشکلات دنیای واقعی توسعه خواهید داد. شما از طریق فرآیند علم داده کار خواهید کرد و از یادگیری بدون نظارت برای کاوش داده ها، مهندسی و انتخاب ویژگی های معنادار، و حل مشکلات یادگیری نظارت شده پیچیده با استفاده از مدل های درختی استفاده خواهید کرد. شما همچنین یاد خواهید گرفت که برای بهبود عملکرد مدل، از تنظیم هایپرپارامتر و استراتژی های اعتبار سنجی متقابل استفاده کنید. توجه: این سومین و آخرین دوره در رشته تخصصی Data Science with Databricks for Data Analysts Coursera است. برای موفقیت در این دوره، ما به شدت توصیه می کنیم قبل از گذراندن این دوره، دو دوره اول در آن تخصص را بگذرانید. این دوره ها عبارتند از: Apache Spark for Data Analysts و Data Science Fundamentals for Data Analysts.

linkedin علم داده مدیریت آموزشی و سیاست، با بارتون پولسون (Mitalearn-140689)

  • 1 hours 30 minutes
  • متوسط
  • Release date: 20 June 2026
  • Author: Barton Poulson
درباره این دوره:

سوابق آموزشی و آزمون‌های استاندارد گنجینه‌ای از داده‌ها در مورد اینکه دانش‌آموزان ما چه کسانی هستند و واقعاً به چه چیزی از سیستم آموزشی نیاز دارند ارائه می‌دهند. علم داده می تواند به مربیان کمک کند تا بینش های ارزشمندی را از این سیل اطلاعات به دست آورند. در این دوره کوتاه، دانشمند داده و پروفسور بارتون پولسون مروری غیر فنی از چگونگی تغییر علم داده در نحوه برنامه ریزی، اجرا و ارزیابی آموزش در مقایسه با روش های سنتی تحقیق ارائه می دهد. این دوره آموزشی برای معلمان مشتاق و شاغل، والدین، مدیران و هر کسی که تحت تأثیر سرعت در حال تغییر زمانه ما قرار گرفته است، طراحی شده است، به روشن کردن چگونگی اصول و رویه های علم داده می تواند به ما در درک و آموزش بهتر شهروندان کمک کند. بیاموزید که چگونه علم داده به مربیان امکان می دهد برنامه های درسی معنادارتری ایجاد کنند، اثربخشی پیشرفت خود را ارزیابی کنند و موارد دیگر.

linkedin علم داده مدیریت ورزشی، با بارتون پولسون (Mitalearn-128483)

  • 1 hours 2 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

علاقه به ورزش می تواند یک فرد معمولی از ریاضی را به یک آماردان آماتور تبدیل کند، که آماده است از انتخاب خود برای بهترین ضربه زننده کلاچ با داده های سخت پشتیبانی کند. اگر شیفتگی شما به ورزش علاقه به داده ها و آمار را برانگیخته است، دریافت یک درک کلی از علم داده می تواند به شما کمک کند تا بینش قابل توجهی از بازیکنان و تیم های مورد علاقه خود به دست آورید. در این دوره کوتاه، دانشمند داده و پروفسور بارتون پولسون راه‌های عمیقی را که علم داده بر دنیای ورزش و مدیریت ورزش تأثیر می‌گذارد، و همچنین تأثیر بزرگ‌تری که بر مخاطبان و صنایع مرتبط دارد، بررسی می‌کند. و در حالی که موضوعاتی که او در آنها غوطه ور می شود می تواند پیچیده باشد، بارتون در این دوره یک رویکرد غیر فنی را اتخاذ می کند و اطمینان می دهد که طرفداران ورزش با پیشینه های فنی بسیاری می توانند بینش هایی را از آموزش او به دست آورند. او توضیح می دهد که چگونه اصول علم داده می تواند به اندازه گیری عملکرد ورزشی و همچنین قیمت بلیط، مربیگری بازیکنان و موارد دیگر کمک کند.

linkedin علم داده مراقبت های بهداشتی، پزشکی و بهداشت عمومی (Mitalearn-271487)

  • 2 hours 32 minutes
  • مناسب همه
  • Update date: 23 June 2025
  • Author: Barton Poulson
درباره این دوره: 

 تجزیه و تحلیل داده ها نقش مهمی را در نحوه مدیریت سیستم های مراقبت های بهداشتی و سلامت شخصی ایفا می کند. این دوره غیر فنی راه های مختلفی را برای اعمال علم داده در پزشکی و بهداشت عمومی بررسی می کند. بارتون پولسون، دانشمند داده، راه‌هایی را مورد بحث قرار می‌دهد که به‌طور چشمگیری مقدار داده‌ها - از آزمایش‌های ژنتیکی، نسب‌شناسی، اسکن‌های مغزی، و سایر منابع- در حال تغییر نظریه و عملکرد مراقبت‌های بهداشتی است. بارتون در حالی که منابع کلیدی داده را بررسی می کند، روش های مختلف برای تجزیه و تحلیل این انبوه داده ها، از جمله یادگیری ماشین و مدل سازی پیش بینی را بررسی می کند. او همچنین تأثیر فوق‌العاده همه‌گیری COVID-19 بر روش‌های استفاده از داده‌ها در مراقبت‌های بهداشتی را شرح می‌دهد و جزئیاتی را بیان می‌کند که چگونه علم داده حوزه‌های مراقبت از بیمار، خودمراقبتی و بیمه پزشکی را تغییر داده است. بارتون همچنین به برخی چالش‌های افزایش استفاده از داده‌ها، از سؤالات اخلاقی گرفته تا پیاده‌سازی لجستیک، و اینکه چگونه علم داده می‌تواند به شناسایی مشکلات پیش‌بینی نشده کمک کند، نگاه می‌کند.

coursera علوم داده مواد و انفورماتیک (Mitalearn-351778)

  • 4 hours 30 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Surya Kalidindi
درباره این دوره:

هدف این دوره ارائه یک مرور مختصر از رشته نوظهور انفورماتیک مواد در تقاطع علم مواد، علم محاسبات و علم اطلاعات است. توجه به فرصت‌های خاصی که توسط این حوزه جدید در تسریع تلاش‌های توسعه و استقرار مواد فراهم می‌شود، جلب می‌شود. تاکید ویژه بر موادی است که ساختارهای داخلی سلسله مراتبی را نشان می‌دهند که مقیاس‌های طول/ساختار متعدد را در بر می‌گیرند و موانع موجود در ایجاد پیوندهای فرآیند-ساختار-ویژگی معکوس (PSP) برای این مواد. به طور خاص، استدلال می‌شود که علوم داده مدرن (شامل آمارهای پیشرفته، کاهش ابعاد و فرمول‌بندی متامدل‌ها) و ابزارهای زیرساخت سایبری نوآورانه (شامل پلت‌فرم‌های یکپارچه‌سازی، پایگاه‌های اطلاعاتی و ابزارهای سفارشی‌سازی شده برای افزایش همکاری‌ها بین اعضای تیم بین رشته‌ای) احتمالاً وجود دارد. نقشی حیاتی و محوری در رسیدگی به چالش های فوق داشته باشد.

coursera علوم داده های بالینی پیشرفته (Mitalearn-333673)

  • 2 hours 27 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Michael G. Kahn, MD, PhD,Laura K. Wiley, PhD
درباره این دوره:

این دوره شما را برای مقابله با موضوعات و تکنیک های پیشرفته علوم داده های بالینی از جمله تجزیه و تحلیل زمانی و کیفیت تحقیق آماده می کند.

coursera عملیات یادگیری ماشین (MLOps): شروع به کار (Mitalearn-332942)

  • 1 hours 2 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

این دوره شرکت کنندگان را با ابزارهای MLOps و بهترین شیوه ها برای استقرار، ارزیابی، نظارت و اجرای سیستم های تولید ML در Google Cloud آشنا می کند. MLOps رشته‌ای است که بر استقرار، آزمایش، نظارت و اتوماسیون سیستم‌های ML در تولید متمرکز است. متخصصان مهندسی یادگیری ماشین از ابزارهایی برای بهبود مستمر و ارزیابی مدل‌های مستقر استفاده می‌کنند. آنها با دانشمندان داده کار می کنند (یا می توانند باشند) که مدل هایی را توسعه می دهند تا سرعت و دقت را در به کارگیری بهترین مدل ها فراهم کنند. این دوره در درجه اول برای شرکت کنندگان زیر در نظر گرفته شده است: دانشمندان داده به دنبال این هستند که به سرعت از نمونه اولیه یادگیری ماشین به تولید برسند تا تأثیر تجاری را ارائه دهند. مهندسان نرم افزار به دنبال توسعه مهارت های مهندسی یادگیری ماشین هستند. مهندسان ML که می خواهند Google Cloud را برای پروژه های تولید ML خود بپذیرند. >>> با ثبت نام در این دوره، با شرایط خدمات Qwiklabs که در پرسش های متداول و در آدرس زیر آمده است موافقت می کنید: https://qwiklabs.com/terms_of_service <<<

coursera فاکتورسازی ماتریس و تکنیک های پیشرفته (Mitalearn-334863)

  • 5 hours 41 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael D. Ekstrand,Joseph A Konstan
درباره این دوره:

در این دوره شما انواع تکنیک های فاکتورسازی ماتریس و یادگیری ماشین ترکیبی برای سیستم های توصیه گر را خواهید آموخت. با شروع فاکتورسازی اولیه ماتریس، هم شهود و هم جزئیات عملی ساختن سیستم‌های توصیه‌گر را بر اساس کاهش ابعاد فضای ترجیحی کاربر-محصول درک خواهید کرد. سپس با تکنیک هایی آشنا می شوید که نقاط قوت الگوریتم های مختلف را به توصیه کننده های ترکیبی قدرتمند ترکیب می کند.

coursera فرآیند تحلیل کسب و کار (Mitalearn-328607)

  • 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Tableau Learning Partner Instructor
درباره این دوره:

دوره فرآیند تحلیل کسب و کار به شما درک اساسی از فرآیند تحلیل کسب و کار می دهد و شما را با چارچوبی آشنا می کند که می تواند در صنایع و سازمان های مختلف مورد استفاده قرار گیرد. خواهید دید که چگونه یک تحلیلگر یک مشکل تجاری را ارزیابی می کند، الزامات تجاری را آماده می کند و یک راه حل را پیاده سازی می کند. شما یاد خواهید گرفت که چگونه سهامداران را شناسایی کنید، آنها را تجزیه و تحلیل کنید و نقش آنها را در یک پروژه تجزیه و تحلیل کسب و کار مشخص کنید. همچنین یاد خواهید گرفت که چگونه الزامات این ذینفعان را جمع آوری کنید، آنها را تجزیه و تحلیل کنید و یک سند الزامات تجاری ایجاد کنید که با بهترین شیوه های صنعت مطابقت داشته باشد. در نهایت، کارکردها و کاربردهای عملی ساخت مدل‌های بصری را بررسی خواهید کرد و تجربه عملی در ایجاد مدل‌های رایج مورد استفاده توسط تحلیلگران هوش تجاری به دست خواهید آورد. این دوره برای هرکسی است که کنجکاو در مورد نقش‌های سطح ابتدایی است که به مهارت‌های اساسی جدول نیاز دارند، مانند نقش‌های تحلیلگر هوش تجاری یا نقش‌های تحلیلگر گزارش داده. توصیه می شود (اما نه الزامی) که تجربه ای با Tableau Public داشته باشید، اما حتی اگر در Tableau Public تازه کار هستید، همچنان می توانید در این برنامه موفق باشید. در پایان دوره، شما قادر خواهید بود: - نشان دادن دانش عمیق از فرآیند تجزیه و تحلیل کسب و کار. - تشریح روش های مورد استفاده برای شناسایی ذینفعان و تعریف نقش آنها در یک پروژه تجزیه و تحلیل کسب و کار. -روش های مورد استفاده برای جمع آوری نیازمندی ها از ذینفعان را شرح دهید. - ایجاد یک سند الزامات تجاری که با بهترین شیوه های صنعت مطابقت دارد. -ایجاد یک مدل بصری از فرآیند کسب و کار.

coursera فراتر از اعداد بروید: داده ها را به بینش تبدیل کنید (Mitalearn-335951)

  • 3 hours 56 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این سومین دوره از هفت دوره در گواهی تحلیل داده های پیشرفته گوگل است. در این دوره، یاد خواهید گرفت که چگونه داستان را در داده ها پیدا کنید و آن داستان را به شیوه ای قانع کننده بیان کنید. خواهید فهمید که چگونه متخصصان داده از داستان سرایی برای درک بهتر داده های خود و انتقال بینش های کلیدی به هم تیمی ها و ذینفعان استفاده می کنند. شما همچنین تجزیه و تحلیل داده های اکتشافی را تمرین خواهید کرد و یاد خواهید گرفت که چگونه تجسم داده های موثر ایجاد کنید. کارمندان Google که در حال حاضر در این زمینه کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، نمونه‌هایی از کارهای روزمره خود را به اشتراک می‌گذارند و به شما کمک می‌کنند مهارت‌های تجزیه و تحلیل داده‌های خود را برای آماده شدن برای حرفه خود ایجاد کنید، شما را در این دوره راهنمایی می‌کنند. فراگیرانی که هفت دوره در این برنامه را گذرانده اند، مهارت های لازم برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم دانش قبلی از اصول، مهارت‌ها و ابزارهای تحلیلی پایه است که در گواهی Google Data Analytics پوشش داده شده است. در پایان این دوره، شما: -از ابزار پایتون برای بررسی ساختار و قالب داده های خام استفاده کنید -کتابخانه های پایتون مربوطه را برای پاکسازی داده های خام انتخاب کنید -نشان دادن نحوه تبدیل داده های دسته بندی به داده های عددی با پایتون -از مهارت های اعتبارسنجی ورودی برای اعتبارسنجی مجموعه داده با پایتون استفاده کنید -تکنیک هایی را برای ایجاد تجسم داده های قابل دسترس با Tableau شناسایی کنید -تصمیم گیری در مورد داده های از دست رفته و موارد پرت -ساختار و سازماندهی داده ها با دستکاری رشته های تاریخ

coursera فیلتر مشارکتی نزدیکترین همسایه (Mitalearn-335169)

  • 4 hours 15 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Joseph A Konstan,Michael D. Ekstrand
درباره این دوره:

در این دوره، تکنیک های اساسی برای ایجاد توصیه های شخصی از طریق تکنیک های نزدیکترین همسایه را خواهید آموخت. ابتدا فیلترینگ مشترک کاربر-کاربر را یاد خواهید گرفت، الگوریتمی که افراد دیگر را با سلیقه های مشابه با یک کاربر هدف شناسایی می کند و رتبه بندی آنها را برای ارائه توصیه هایی برای آن کاربر ترکیب می کند. شما تغییرات الگوریتم کاربر-کاربر را بررسی و پیاده سازی خواهید کرد و مزایا و معایب رویکرد کلی را بررسی خواهید کرد. سپس الگوریتم فیلتر اشتراکی مورد-محصول را که به طور گسترده تمرین می‌شود، یاد می‌گیرید که انجمن‌های جهانی محصول را از رتبه‌بندی‌های کاربران شناسایی می‌کند، اما از این انجمن‌های محصول برای ارائه توصیه‌های شخصی بر اساس رتبه‌بندی محصول خود کاربر استفاده می‌کند.

Suggestions