Course catalog

Course duration

Course provider

Topic

Categories

Showing 381-400 of 507 items.

coursera طراحی و تجسم اطلاعات مراقبت های بهداشتی (Mitalearn-328947)

  • 1 hours 1 minutes
  • مبتدی
  • 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 بینشی 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. مبانی 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 ها و تجسم های همه جانبه باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد. به دنبال یک پیشنهاد اعتباری از این دوره هستید؟ این دوره را به عنوان یک دوره 3 واحدی برای اعتبار، بدون مدرک بگذرانید و از برنامه های آنلاین کلاس جهانی دانشگاه نورث ایسترن بدون تعهد مدرک کامل لذت ببرید. دوره را به صورت مستقل برای اعتبار بگذرانید یا اعتبارات را در برنامه های مدرک و گواهینامه واجد شرایط قرار دهید. اطلاعات بیشتر و ثبت نام: https://online.northeastern.edu/courses/information-visuals-and-dashboards-for-business

coursera طراحی و ساخت انبار داده برای پیاده سازی هوش تجاری (Mitalearn-334693)

  • 1 hours 33 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael Mannino,Jahangir Karimi
درباره این دوره:

دوره اصلی، طراحی و ساخت انبار داده برای پیاده سازی هوش تجاری، دارای یک مطالعه موردی در دنیای واقعی است که یادگیری شما را در تمام دوره های تخصصی یکپارچه می کند. در پاسخ به الزامات کسب و کار ارائه شده در یک مطالعه موردی، شما یک انبار داده کوچک طراحی و می سازید، گردش های کاری یکپارچه سازی داده ها را برای تازه سازی انبار ایجاد می کنید، بیانیه های SQL را برای پشتیبانی از الزامات پرس و جو تحلیلی و خلاصه می نویسید، و از پلت فرم هوش تجاری MicroStrategy استفاده می کنید. داشبورد و تجسم ایجاد کنید. در بخش اول دوره Capstone، با یک شرکت متوسط ​​آشنا می شوید و در مورد نیازهای انبار داده و هوش تجاری آنها و منابع داده موجود می آموزید. شما ابتدا یک طرح و مدل ابعادی انبار را برای یک انبار داده کوچک طراحی خواهید کرد. سپس با استفاده از Pentaho Data Integration برای تازه کردن انبار داده خود، گردش کار یکپارچه سازی داده ایجاد می کنید. در مرحله بعد، عبارات SQL را برای الزامات پرس و جوی تحلیلی می نویسید و نماهای تحقق یافته را برای پشتیبانی از مدیریت خلاصه داده ایجاد می کنید. برای گردش های کاری یکپارچه سازی داده ها و پرس و جوهای تحلیلی، می توانید از Oracle یا PostgreSQL استفاده کنید. در نهایت، شما از قابلیت های MicroStrategy OLAP برای به دست آوردن بینش در مورد انبار داده خود استفاده خواهید کرد. در پروژه تکمیل شده، شما یک انبار داده کوچک شامل طراحی طرحواره، گردش های کاری یکپارچه سازی داده ها، پرس و جوهای تحلیلی، نماهای تحقق یافته، داشبوردها و تجسم هایی ساخته اید که مفتخرید به کارفرمایان فعلی و آینده خود نشان دهید.

coursera علم داده انفورماتیک سلامت (Mitalearn-340592)

  • 5 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Hadi H. K. Kharrazi, MD, Ph.D,Sam Meiselman
درباره این دوره:

coursera علم داده با NumPy، مجموعه ها و دیکشنری ها (Mitalearn-328913)

  • 1 hours 29 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Genevieve M. Lipp,Nick Eubank,Kyle Bradbury
درباره این دوره:

در NumPy، یک بسته اساسی پایتون که برای مشاغل در علم داده بسیار مهم است، مهارت داشته باشید. این دوره جامع برای برنامه نویسان مبتدی که مایل به تبدیل شدن به دانشمندان داده، توسعه دهندگان نرم افزار، تحلیلگران داده، مهندسان یادگیری ماشین، مهندسان داده یا مدیران پایگاه داده هستند، طراحی شده است. با شروع مفاهیم پایه علوم کامپیوتر، مانند برنامه نویسی شی گرا و سازماندهی داده ها با استفاده از مجموعه ها و دیکشنری ها، به ساختارهای داده پیچیده تر مانند آرایه ها، بردارها و ماتریس ها خواهید رسید. تمرین عملی با NumPy شما را به مهارت های ضروری برای مقابله با چالش های کلان داده و حل موثر مشکلات داده مجهز می کند. شما برنامه های پایتون را برای دستکاری و فیلتر کردن داده ها و همچنین ایجاد بینش مفید از مجموعه داده های بزرگ می نویسید. در پایان دوره، شما در خلاصه کردن مجموعه داده ها مانند محاسبه میانگین ها، حداقل ها و حداکثرها مهارت خواهید داشت. علاوه بر این، مهارت های پیشرفته ای در بهینه سازی تجزیه و تحلیل داده ها با بردارسازی و تصادفی سازی داده ها به دست خواهید آورد. در طول سفر یادگیری خود، از انواع بسیاری از ساختارهای داده و تکنیک های تحلیلی برای انواع چالش های علم داده، از جمله عملیات ریاضی، تجزیه و تحلیل فایل متنی، و پردازش تصویر استفاده خواهید کرد. گام به گام، تکالیف هدایت شده هر هفته مهارت های شما را تقویت می کند و شما را قادر می سازد تا مشکلات را حل کنید و به طور مستقل نتیجه گیری های مبتنی بر داده ها را بگیرید. با تسلط بر NumPy و تقویت مهارت برنامه نویسی خود، خود را برای یک حرفه پربار در علم داده آماده کنید. این تجربه یادگیری متحول کننده را از امروز شروع کنید!

coursera علم داده با R - پروژه Capstone (Mitalearn-331004)

  • 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jeff Grossman,Yan Luo
درباره این دوره:

در این دوره آموزشی، مهارت‌ها و تکنیک‌های مختلف علوم داده را که به عنوان بخشی از دوره‌های قبلی در IBM Data Science با تخصص R یا IBM Data Analytics با Excel و R Professional Certificate آموخته‌اید، به کار می‌گیرید. برای این پروژه، شما نقش یک دانشمند داده را به عهده خواهید گرفت که اخیراً به یک سازمان پیوسته است و با چالشی مواجه می شوید که نیاز به جمع آوری داده ها، تجزیه و تحلیل، آزمایش فرضیه های اساسی، تجسم و مدل سازی دارد تا بر روی مجموعه داده های دنیای واقعی انجام شود. داده‌ها را از منابع متعدد جمع‌آوری و درک می‌کنید، بحث و گفتگو و آماده‌سازی داده‌ها را با Tidyverse انجام می‌دهید، تجزیه و تحلیل داده‌های اکتشافی را با SQL، Tidyverse و ggplot2 انجام می‌دهید، داده‌ها را با رگرسیون خطی مدل‌سازی می‌کنید، نمودارها و نمودارهایی را برای تجسم داده‌ها ایجاد می‌کنید و داشبورد تعاملی ایجاد می‌کنید. پروژه با ارائه گزارش تجزیه و تحلیل داده های شما، با یک خلاصه اجرایی برای ذینفعان مختلف در سازمان به اوج خود می رسد.

linkedin علم داده بازی و ورزش های فانتزی (Mitalearn-137612)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Curt Frye
درباره این دوره:

آیا می خواهید بدانید کازینوها چگونه شانس را محاسبه می کنند و سود می کنند؟ کنجکاو هستید که لیگ های ورزشی فانتزی چگونه آمار را در طول فصل پیگیری می کنند؟ یک مرور سریع، سرگرم کننده و غیر فنی از نحوه ساختار صنایع قمار و ورزش های فانتزی ارائه دهید. کرت فرای از علم داده برای بررسی نحوه کسب درآمد کازینوها، طراحی بازی‌های خود، ارائه خدمات به مشتریان و گسترش جریان درآمد خود از طریق غذاخوری، گلف، سرگرمی و سایر جاذبه‌ها استفاده می‌کند. او همچنین ورزش‌های فانتزی را مرور می‌کند و لیگ‌های کم ریسک مانند براکت مسابقات NCAA را با مسابقات روزانه که در آن بازیکنان با پول واقعی قمار می‌کنند، مقایسه می‌کند.

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 پلتفرم Google Cloud: تجزیه و تحلیل پیشگو (Mitalearn-190958)

  • 39 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

تجزیه و تحلیل پیشگویانه از داده های تاریخی برای نگاه به آینده استفاده می کند و سازمان ها را قادر می سازد تا تصمیمات بهتری بگیرند. با این حال، انجام پیش‌بینی‌های دقیق از داده‌های بزرگ می‌تواند یک کار طاقت فرسا باشد. Google Cloud Platform (GCP) را وارد کنید، مجموعه‌ای از خدمات رایانش ابری که مقیاس‌پذیری، کشش، و یادگیری ماشین خودکار را به تجزیه و تحلیل پیش‌بینی‌کننده می‌آورد. این دوره - یکی از مجموعه‌های دانشمند داده کوماران پونامبالام - نشان می‌دهد که چگونه از قدرت GCP برای ایجاد پیش‌بینی برای کسب‌وکارتان استفاده کنید. با کاوش در ابزارها و ویژگی‌های مختلف برای تجزیه و تحلیل پیش‌بینی‌کننده در GCP، از جمله Cloud Dataproc، Cloud ML Engine، و APIهای یادگیری ماشینی مانند Cloud Translation، Cloud Vision، و Cloud Video Intelligence شروع کنید. سپس نحوه ساخت، آموزش و استقرار مدل‌ها برای ایجاد پیش‌بینی را کشف کنید. به علاوه، بهترین شیوه‌ها را برای کنترل هزینه، آزمایش و نظارت بر عملکرد مدل‌های پیش‌بینی بیاموزید.

linkedin علم داده در پلتفرم ابری گوگل: تجزیه و تحلیل داده های اکتشافی (Mitalearn-143307)

  • 57 minutes
  • متوسط
  • Release date: 21 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 و دانشمند داده کوماران پونامبالام - نحوه انجام تجزیه و تحلیل داده‌های اکتشافی با GCP را نشان می‌دهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس دست به کار شوید، همانطور که یاد می گیرید هم تجزیه و تحلیل متنی و هم بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab، BigQuery، Cloud Dataflow، و Data Studio. در نهایت، به یک مورد استفاده نهایی نگاه کنید که آنچه را که در دوره یاد گرفته‌اید اعمال می‌کند.

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.

linkedin علم داده عملی: 1 تجزیه و تحلیل داده های کارکنان با SQL (Mitalearn-215965)

  • 44 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Free the Data Academy,Ben Sullins
درباره این دوره:

اگر علاقه مند به کار در حوزه داده هستید یا به دنبال پیشرفت در این زمینه هستید، به دانش پایه در چندین زمینه کلیدی علم داده نیاز دارید. نه تنها این، شما باید بتوانید آن دانش را نشان دهید. در این مجموعه چهار قسمتی و عملی، بن سالینز نشان می‌دهد که چگونه با استفاده از SQL، Tableau، Python و Spark، چهار پروژه علمی داده مجزا بسازید. در این قسمت اول، بن از SQL برای تجزیه و تحلیل داده های کارکنان استفاده می کند، که با توجه به ساختار آن، تجزیه و تحلیل بسیار دشوار است. او ساختار خاص داده های کارمندان و بهترین راه برای ردیابی این نوع اطلاعات را تجزیه و تحلیل می کند، سپس نحوه پاسخ دادن به سؤالات خاص را با استفاده از SQL پوشش می دهد. در نهایت، او توصیه هایی در مورد نحوه ارائه داده های خود، با توجه به مخاطبان و تصاویری که استفاده می کنید، ارائه می دهد تا دانش خود را در مورد موضوع منتقل کنید.n ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Related Skills

linkedin علم داده عملی: تجزیه و تحلیل 4 سرویس در Spark (Mitalearn-215914)

  • 29 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Free the Data Academy,Ben Sullins
درباره این دوره:

آیا در نظر دارید در علم داده کار کنید و می خواهید ابتدا برخی از ابزارهای محبوب را امتحان کنید؟ این دوره بر روی کارهایی که می توانید با Apache Spark انجام دهید تمرکز دارد. مربی Ben Sullins به شما نشان می دهد که چگونه Spark را روی Databricks راه اندازی کنید. بن به نحوه وارد کردن داده‌های خود و شروع کار با آن‌ها، با استفاده از هر دو زبان Python و SQL در Spark می‌پردازد. او با تجسم داده های آسان پروژه شما را به سطح بعدی می برد. بن پس از توضیح برخی نکات و ترفندها برای ارائه داده های خود با استفاده از Spark، با برخی منابع اضافی که می توانید از آنها برای پیگیری سفر علم داده خود استفاده کنید، نتیجه گیری می کند.n ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

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.

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 عوامل اجتماعی تعیین کننده سلامت: جمعیت های آسیب پذیر (Mitalearn-339742)

  • 2 hours 23 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این دوره دوم از پنج دوره بر چگونگی تأثیر عوامل اجتماعی تعیین کننده سلامت بر جمعیت آسیب پذیر متمرکز است. با تمرکز بر چهار گروه از جمعیت‌های آسیب‌پذیر، دانش‌آموزان بررسی خواهند کرد که چگونه تعیین‌کننده‌های اجتماعی سلامت در پیامدهای بهداشتی ضعیف تجربه شده توسط این جمعیت‌ها نقش دارند. سرفصل های این دوره شامل: 1. فقر 2. سلامت زنان 3. جنسیت و سلامت LGBTQI+ 4. سلامت خانواده 5. کاربردهای داده: تجزیه و تحلیل t-test و تصویرسازی باکس پلات

coursera عوامل اجتماعی تعیین کننده سلامت: سلامت سیاره ای (Mitalearn-339861)

  • 2 hours 21 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این دوره پنجم و پایانی بر سلامت سیاره به عنوان یک عامل تعیین کننده اساسی سلامت متمرکز است. همانطور که ما در نظر می گیریم که چگونه سلامت انسان ها به سلامت سیستم های طبیعی زمین وابسته است، همچنین چگونگی اعمال تفکر آینده و اصول آینده نگری را در ابتکارات بهداشت سیاره ای بررسی خواهیم کرد. سرفصل های این دوره شامل: 1. مقدمه ای بر سلامت سیاره ای 2. ارزش ها و منابع دانش 3. اقدام و جنبش 4. آینده نگری 5. کاربردهای داده: تحلیل رگرسیون و تجسم نمودار پراکندگی

coursera عوامل اجتماعی تعیین کننده سلامت: سیستم های مراقبت سلامت (Mitalearn-339878)

  • 1 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Daniel J. Pesut, Ph.D., RN, FAAN,Karen A. Monsen, PhD, RN, FAMIA, FNAP, FAAN
درباره این دوره:

این سومین دوره از پنج دوره، موضوعات مرتبط با عوامل اجتماعی تعیین کننده سلامت و سیستم های مراقبت بهداشتی را بررسی می کند. این دوره همچنین بر رابطه بین عوامل اجتماعی تعیین کننده سلامت، سلامت روان، سوء مصرف مواد و تروما تمرکز خواهد کرد. سرفصل های این دوره شامل: 1. سواد سلامت 2. سلامت روان و سوء مصرف مواد 3. خشونت، درگیری و ضربه 4. ملاحظات اخلاقی برای سیستم های سلامت و داده ها 5. کاربردهای داده: تحلیل همبستگی و تجسم نقشه حرارتی

Suggestions