Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 65 items.

linkedin تجزیه و تحلیل داده های یادگیری: 1 مبانی (Mitalearn-210576)

  • 3 hours 29 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Robin Hunt
درباره این دوره:

آیا شما علاقه مند به دنبال کردن حرفه ای در تجزیه و تحلیل داده هستید؟ در این دوره، مربی رابین هانت شما را به ذهن یک تحلیلگر می آورد. او مفاهیم اساسی را تعریف و توضیح می دهد، مانند نحوه تفکر در مورد داده ها، نحوه کار با دیگران در نقش های مختلف برای به دست آوردن داده های مورد نیاز، و ابزارهایی که برای کار با داده ها نیاز دارید، مانند اکسل و مایکروسافت اکسس. او شما را با پرس و جوهای SQL، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و توضیح می دهد که چگونه داده هایی را که می بینید تفسیر کنید، داده های مورد نیاز خود را پیدا کنید و داده ها را برای کار داده موثر پاک کنید. او درباره حاکمیت داده ها و نحوه پرسیدن سؤالات صحیح از بخش های مختلف برای جمع آوری داده های مورد نیاز توضیح می دهد. Robin نحوه کار با داده ها، از جمله نحوه وارد کردن داده، کار با فایل های مسطح مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل‌سازی و همچنین نحوه استفاده از Power Query در اکسل می‌پردازد. او همچنین مجموعه‌های چالش/راه‌حل را در هر فصل اضافه کرده است تا به شما در ارزیابی مهارت‌هایتان کمک کند.

Related Skills

linkedin تجسم داده ها: مجموعه ای از درس و گوش دادن (Mitalearn-136218)

  • 34 hours 34 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: Bill Shander
درباره این دوره:

خبرنامه لینکدین بیل را به همراه بیل شاندر متخصص در این مجموعه مشاهده کنید که موضوعات کلیدی در تجسم داده ها، داستان سرایی داده ها و طراحی اطلاعات را بررسی می کند. هر قسمت به دو بخش تقسیم می شود: یک درس کوتاه و یک جلسه گوش دادن که در آن بیل با کارشناسان داستان سرایی داده ها و تجسم در مورد موضوع قسمت مصاحبه می کند. این مکالمات فرآیند خلاقانه را آشکار می کند، تکنیک ها و فن آوری های مورد استفاده توسط متخصصان را بررسی می کند و برخی از چالش های رایج را که آنها با آن مواجه هستند روشن می کند. این مجموعه برای هر کسی که علاقه مند به نحوه ارائه اطلاعات به بازار انبوه است، از جمله افراد حرفه ای در تمام سطوح تجزیه و تحلیل، علم داده و ارتباطات عالی است. توجه: از آنجایی که این سریال در حال انجام است، بینندگان گواهی پایان کار را دریافت نخواهند کرد.

linkedin تجسم داده های پیشرفته: 12 نوع نقشه غیر معمول و نحوه استفاده از آنها (Mitalearn-409306)

  • 1 hours
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Franz Buscha
درباره این دوره:

پیش نیازهای پیشنهادی

  • درک اساسی از نحوه عملکرد تجسم داده ها داشته باشید.
  • با اینکه چرا انواع مختلفی از انواع طرح استفاده می شود آشنا باشید.
  • برخی از آمارهای تک متغیره ، دو متغیره و چند متغیره را داشته باشید.
  • بدانید که این یک دوره برنامه نویسی نیست و نحوه بازآفرینی هر نمودار را آموزش نمی دهد.

تجسم داده ها یک مؤلفه مهم تجزیه و تحلیل داده ها و علم داده است. در این دوره ، استاد اقتصاد Franz Buscha شما را با 10 نوع نمودار معرفی می کند که معمولاً در تمرین منظم با آن روبرو نمی شوید. برای هر نوع نمودار ، Franz یک مشکل تجسم داده و یک نوع نمودار پیشرفته را ارائه می دهد که مشکل را حل می کند. او هر نمودار و تغییرات آن را توضیح می دهد ، سپس نکات مفیدی را در مورد اینکه چه کاری باید انجام شود و چه کاری انجام ندهد ، برجسته می کند. تجسم داده ها شامل توطئه های Ridgeline ، توطئه های ویولن ، توطئه های گرما ، توطئه های جرقه ای ، توطئه های رنگین کمان ، توطئه های جدول ، توطئه های موزائیک ، توطئه های ماتریس ، توطئه های سه گانه و چهره های چرنف است.

linkedin راهنمای کامل Tableau for Data Scientists (Mitalearn-443255)

  • 10 hours 29 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Matt Francis
درباره این دوره:

اگر کار شما به هر نوع تجسم گرافیکی داده ها نیاز دارد، به احتمال زیاد با Tableau مواجه شده اید. اگر از Tableau استفاده می‌کنید اما می‌خواهید یاد بگیرید که چگونه واقعاً از تمام قدرت آن برای علم داده استفاده کنید، در این دوره به متخصص مت فرانسیس بپیوندید تا به شما نشان دهد چگونه مهارت‌های خود را به سطح بعدی ببرید. Matt با یکی از مهمترین ویژگی‌های Tableau شروع می‌کند: تفاوت بین قرص‌های سبز و آبی (داده‌های گسسته و پیوسته) و نحوه تأثیرگذاری این امر بر هر عملی که Tableau انجام می‌دهد. سپس نحوه اتصال و ترکیب داده ها از منابع داده های مختلف، نحوه ایجاد نمودارهای مختلف برای درک داده ها، راه هایی برای تبدیل داده های خود با محاسبات و نحوه ایجاد نقشه های تعاملی را نشان می دهد. در نهایت، مت روش های ارائه موثر داده ها و نحوه ساخت داشبوردهای جذاب را توضیح می دهد. چه بخواهید در مورد Tableau به طور کلی اطلاعات بیشتری کسب کنید، یا اگر فقط می خواهید دانش خود را در مورد یک موضوع واحد بهبود بخشید، این دوره به ارتقاء بازی Tableau شما کمک 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 مهندسی تحلیلی (Mitalearn-414916)

  • 4 hours
  • مناسب همه
  • Release date: 9 September 2025
  • Author: Connor Dickson
درباره این دوره: 

 این دوره مفصل موضوعات و مهارتهای مورد نیاز برای موفقیت را به عنوان یک مهندس تحلیلی در بر می گیرد. مربی کانر دیکسون نشان می دهد که چگونه مهندسی تحلیلی شکاف بین مهندسی داده ها و تجزیه و تحلیل داده ها را نشان می دهد و می تواند به شما کمک کند یک چاقوی ارتش سوئیس مهارت های تحلیلی باشید. پس از اتمام این دوره ، شما باید بتوانید با استفاده از محبوب ترین ابزارهایی مانند SQL ، Python ، DBT ، Tableau و موارد دیگر با داده ها کار کنید.

coursera ساخت دریاچه های داده در AWS (Mitalearn-332738)

  • 2 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Alex G.
درباره این دوره:

دوره سطح پایه معمولاً برای افرادی طراحی شده است که درک پایه ای از مفاهیم ذخیره سازی و پردازش داده دارند، اما تجربه قبلی در مورد ساخت دریاچه های داده در AWS به طور خاص کم یا بدون تجربه هستند. پس از مقدمه ای کوتاه در مورد دریاچه های داده، دریافت داده ها، فهرست نویسی و آماده سازی را معرفی می کنیم و در پایان با مروری بر داده های پرس و جو با آمازون آتنا به پایان می رسیم. این دوره با مروری بر سازند دریاچه AWS، از جمله یک آزمایشگاه عملی که در آن یک دریاچه داده بسازید، ادامه خواهد یافت. سپس پردازش داده و تجزیه و تحلیل را با استفاده از چسب AWS قبل از فرو رفتن در ایجاد دریاچه داده‌های خودکار با استفاده از طرح‌های Lake Formation معرفی می‌کنیم. در نهایت، ما با Modern Data Architectures در AWS با آزمایشگاهی که انتشار و مصرف محصولات داده را به عنوان یک سرویس پوشش می دهد، پایان می دهیم.

linkedin طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم (Mitalearn-127990)

  • 1 hours 44 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

برای انجام تجزیه و تحلیل دقیق داده های مراقبت های بهداشتی، باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید - که در قسمت اول این مجموعه آموزشی پوشش داده شده است. اما شما همچنین باید بتوانید تحلیل توصیفی و رگرسیون انجام دهید و از تصمیمات خود در مورد انتخاب مدل، تفسیر و ارائه دفاع کنید. بخش دوم مجموعه ما در زمینه طراحی مطالعات مراقبت بهداشتی داده های بزرگ، تدارکات برنامه ریزی و اجرای تجزیه و تحلیل بر روی مجموعه داده های تحلیلی تهیه شده در دوره قبلی را پوشش می دهد. مربی مونیکا وحی نحوه انجام تحلیل و تفسیر مدل نهایی را در زمینه فرضیه اصلی خود نشان می دهد. در طول مسیر، او در مورد بهترین شیوه‌ها برای نام‌گذاری و ترتیب، مدل‌سازی انتخاب مرحله‌ای، نسبت‌های عجیب و غریب و شیوع، و ریسک نسبی آموزش می‌دهد. با استفاده از این آموزش‌ها، شما باید بتوانید مطالعات مراقبت‌های بهداشتی عالی را طراحی کنید که از تمام داده‌های بزرگی که ارائه می‌کند، بهره می‌برد.

linkedin طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول (Mitalearn-127973)

  • 2 hours 31 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

حتی اگر درک قوی از آمار و انفورماتیک دارید، همچنین باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید تا تجزیه و تحلیل دقیق و دقیق داده های مراقبت های بهداشتی را انجام دهید. این دوره به شما کمک می کند تا مطالعات تحقیقاتی را پیرامون فرضیه ها طراحی کنید و شکاف دانشی را که بسیاری از تحلیلگران امروزی هنگام ورود به حوزه مراقبت های بهداشتی با آن مواجه هستند، پر کنید. مربی مونیکا وحی اصطلاحات و مفاهیم اساسی در اپیدمیولوژی را تعریف می کند و رویکردهای مختلف طراحی مطالعه را مرور می کند: توصیفی، تحلیلی، مقطعی و کنترل موردی. او به جزئیات در مطالعات مقطعی و مورد شاهدی می پردازد و نحوه برنامه ریزی مجموعه داده های تحلیلی را نشان می دهد: کشف متغیرهای بومی ضروری و عملیاتی کردن آنها در فرهنگ لغت داده. در آخر، او درس های آموخته شده از دوره را مرور می کند و شما را برای قسمت دوم مجموعه آموزشی آماده می کند که به تحلیل توصیفی و رگرسیون برای مجموعه داده هایی که طراحی کرده اید می پردازد.

linkedin علم داده در Google Cloud Platform: راه حل های معماری (Mitalearn-156618)

  • 58 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

علم داده یک حوزه کاربردی است که به طور تصاعدی در حال رشد است، حجم عظیمی از داده را مصرف می کند و پیش بینی های انقلابی می کند. در همان زمان، Google Cloud Platform (GCP) با ارائه ابزارها و گزینه‌های پیشرفته به سرعت حرکت ابر را ردیابی می‌کند. در این دوره آموزشی، یاد بگیرید که چگونه راه حل های علم داده را بر روی GCP معماری کنید و از قدرت این دو فناوری برای تجارت خود استفاده کنید. مربی Kumaran Ponnambalam با بررسی گزینه‌های فناوری موجود در GCP برای اجرای فرآیندهای مختلف علم داده و همچنین مزایا و معایب این مجموعه از خدمات رایانش ابری شروع می‌کند. او سپس فن‌آوری‌ها و مراحل مختلف را از طریق فرآیند ساخت معماری برای موارد استفاده مختلف، از جمله تجزیه و تحلیل مشتری و کوپن تلفن همراه در زمان واقعی، تجزیه و تحلیل می‌کند.

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.

linkedin قانون 80/20 علم داده (Mitalearn-440586)

  • 1 hours 26 minutes
  • مناسب همه
  • Release date: 4 September 2024
  • Author: Howard Friedman
درباره این دوره: 

 در این دوره آموزشی، به مربی هاوارد فریدمن بپیوندید تا مفاهیم اصلی قانون 20/80 را برای علم داده و چگونگی به دست آوردن بیشترین ارزش با حداقل تلاش بیان می کند. گام‌های اساسی مورد نیاز برای ارزش دادن به بخش‌های مختلف کارتان، از جمله تعریف موفقیت، به‌دست آوردن مجموعه داده‌های با کیفیت بالا، شروع با آمار اولیه، ساخت مدل‌های اولیه اولیه، و اجتناب از گرفتار شدن در جزئیات کمتر تاثیرگذار را بررسی کنید. این دوره برای رهبران تیم داده و اعضای ارشد تیم داده در دنیای فناوری که علاقه مند به شرکای تجاری کارآمد و مؤثر هستند، هدف قرار می گیرد.

linkedin قدرت دو هفته ای (Mitalearn-432069)

  • 20 hours 27 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Helen Wall
درباره این دوره:

به سریال هفتگی Power BI خوش آمدید. هر هفته ، مربی هلن وال یک موضوع جالب و مرتبط را در Power BI ، پلت فرم اطلاعات تجاری کم کد از مایکروسافت پوشش می دهد. هلن مباحثی مانند بهینه سازی اقدامات پویا روی صفحه نمایش ، ترفندهای DAX ، تکنیک های پرس و جو قدرت و سفارشی کردن تصاویر را برای کاربران نهایی پوشش می دهد. اگر می خواهید از این نرم افزار تجسم داده های تعاملی اطلاعات بیشتری کسب کنید ، هفتگی را برای آخرین درس های هلن بررسی کنید.

linkedin کیفیت داده ها: تجزیه و تحلیل و خدمت (Mitalearn-417279)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 27 June 2025
  • Author: Mark Freeman
درباره این دوره: 

 

در این دوره دستی که شما را با مهارت های کد نویسی دستی در یک محیط ماسهبازی مجهز می کند ، به جنبه های عملی کیفیت داده ها شیرجه بزنید. مهندس داده مارک فریمن به شما نشان می دهد که چگونه می توانید با استفاده از رویکردهای قوی مانند تجزیه و تحلیل علت اصلی و مهندسی هرج و مرج ، مسائل مربوط به کیفیت داده ها را شناسایی ، تجزیه و تحلیل و حل کنید. نحوه استفاده از پرسشنامه های SQL و آزمایشات DBT را برای محافظت از خطوط لوله داده و اطمینان از قابلیت اطمینان مجموعه داده های خود کشف کنید. در مورد تحقیقات خط لوله پایین دست بیاموزید و از منطق کسب و کار که بر کیفیت داده ها تأثیر می گذارد ، کشف کنید. نحوه استفاده از استراتژی های SBAR را برای انتقال بینش خود به ذینفعان پیدا کنید. این که آیا شما یک دانشمند داده ، تحلیلگر و چه به سادگی مشتاق بهبود گردش کار داده ها هستید ، این دوره به شما کمک می کند تا پتانسیل خود را برای حل مشکلات پیچیده کیفیت داده ها در عین حال تأثیر بسزایی در محیط های مبتنی بر داده باز کنید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


linkedin مایکروسافت فابریک: خدمات هوش مصنوعی برای مهندسی داده (Mitalearn-464131)

  • 44 minutes
  • مناسب همه
  • Release date: 29 January 2026
  • Author: Sam Nasr
درباره این دوره:

با جدیدترین ویژگی‌های مایکروسافت فابریک، پلتفرم تحلیلی پرکاربرد، مبتنی بر هوش مصنوعی، به سرعت برسید. در این دوره، مربی سام نصر مروری بر یکپارچه‌سازی قابلیت‌های هوش مصنوعی در Fabric ارائه می‌کند و شما را با مهارت‌هایی برای مهار خدمات هوش مصنوعی با استفاده از تماس‌های REST API مجهز می‌کند. توابع هوش مصنوعی طراحی شده برای پردازش کارآمد داده ها و استفاده از ابزارهای ریخته گری، که قبلاً به عنوان خدمات هوش مصنوعی Azure شناخته می شد را کاوش کنید. در طول مسیر، سام به موارد ضروری پیکربندی و ارزیابی مهارت‌های هوش مصنوعی می‌پردازد. در پایان این دوره، شما همچنین به بینش هایی در مورد بهترین شیوه ها برای استفاده از توابع و مهارت های هوش مصنوعی مجهز خواهید شد.

linkedin معرفی همه به تابلو (Mitalearn-276026)

  • 1 hours 14 minutes
  • مناسب همه
  • Release date: 22 November 2022
  • Author: Tim Ngwena
درباره این دوره: 

 از زمانی که برای اولین بار در سال 2003 منتشر شد، Tableau به یکی از پرکاربردترین پلتفرم های هوش تجاری در جهان تبدیل شده است. ابزارهای داخلی و عملکرد یکپارچه آن به کاربران اجازه می دهد تا داده ها را به راحتی در یک محیط کاملاً پشتیبانی شده کاوش، مدیریت و تجسم کنند. از نقشه‌های فضایی گرفته تا پیش‌بینی‌ها، رندرهای تعاملی، ابزارهای داستان‌گویی بصری و موارد دیگر، Tableau می‌تواند به تغییر روش تصمیم‌گیری‌های تجاری، صرف نظر از تجربه، تحصیلات یا صنعت شما کمک کند.

به مربی تیم نگونا در این کتاب غیر فنی بپیوندید. مروری بر اجزای اصلی پلتفرم با کاوش در برخی از رایج ترین ابزارهای Tableau، از جمله Tableau Server، Tableau Cloud، Tableau Prep، CRM Analytics، Advanced Management، API ها، رابط ها، برنامه های افزودنی، برنامه ها و موارد دیگر، ارزش هوش تجاری را کشف کنید. در طول مسیر، تیم تعداد انگشت شماری از بینش های کاربردی کاربر را به اشتراک می گذارد که از نمونه های کسب و کار در دنیای واقعی استخراج شده اند.

linkedin مقدمه ای بر Stata 15 (Mitalearn-151314)

  • 4 hours 26 minutes
  • مبتدی
  • Update date: 25 July 2026
  • Author: Franz Buscha
درباره این دوره:

یادگیری و به کارگیری تکنیک های آماری جدید اغلب می تواند یک تجربه دلهره آور باشد. نرم افزاری مانند Stata، یک بسته نرم افزاری آماری یکپارچه، می تواند کمک کند. Stata چابک و آسان برای استفاده، خودکارسازی و گسترش است و به شما کمک می کند تا برای مجموعه داده های بسیار بزرگ دستکاری، تجسم و مدل سازی داده ها را انجام دهید. در این دوره، فرانتس بوشا مقدمه ای جامع بر Stata و کاربردهای مختلف آن در تحلیل داده های مدرن ارائه می دهد. گزینه های مختلفی را که Stata در دستکاری، کاوش، تجسم و مدل سازی انواع پیچیده داده به شما می دهد، مرور کنید. کاربرد عملی - و تفسیر - تکنیک های آماری رایج مانند تجزیه و تحلیل توزیعی و رگرسیون بر روی داده های واقعی را کاوش کنید. هر درس نقاط قوت برنامه را نشان می دهد و به شما یک پایه محکم برای انجام تجزیه و تحلیل کمی خود می دهد.

توجه: این دوره با استفاده از نسخه 15 Stata ثبت شده است، اما همه پوشش ها دقیق و به روز هستند. برای نسخه های 15 و 16.

linkedin مقدمه ای بر مهارت های شغلی در تجزیه و تحلیل داده ها (Mitalearn-271640)

  • 2 hours 21 minutes
  • مناسب همه
  • Release date: 12 August 2022
  • Author: Robin Hunt
درباره این دوره: 

 آیا به عنوان یک تحلیلگر داده آماده هستید تا اولین قدم را در سفر خود بردارید؟ اهداف شما هرچه که باشند، برای شروع امروز نیازی به پیشینه در علوم کامپیوتر ندارید. در این دوره، مربی، رابین هانت، نگاهی جامع و پشت صحنه به شما می دهد که واقعاً چگونه یک تحلیلگر داده است، از استفاده از مفاهیم داده و مهارت های هوش تجاری گرفته تا رسیدن به اولین نقش و پیشرفت شغلی.

قدرت داده ها و تجزیه و تحلیل داده ها را بررسی کنید تا درک بهتری از نقش ایجاد کنید. در مورد هوش تجاری، تصمیم گیری مبتنی بر داده، روش های جمع آوری داده ها، کشف و تفسیر، و همچنین نحوه ساختار، ارزیابی و تبدیل داده ها با استفاده از توابع اصلی در Excel و Power BI بیاموزید. از رابین در مورد مدل‌سازی، تجسم و ترسیم بازار کار به‌عنوان یک تحلیل‌گر حرفه‌ای، بینش جمع‌آوری کنید. در پایان این دوره، شما مهارت هایی را خواهید داشت که برای شروع یک مسیر شغلی جدید و مقابله با آزمون گواهینامه Microsoft GSI Data Analytics نیاز دارید.

linkedin مقدمه ای بر مهندسی تجزیه و تحلیل (Mitalearn-279154)

  • 56 minutes
  • مناسب همه
  • Release date: 13 June 2023
  • Author: Amataverna Lee
درباره این دوره: 

 

مهندسی تجزیه و تحلیل نقش نسبتا جدیدی در زمینه داده است. اگر به دنبال شروع حرفه ای به عنوان یک مهندس تجزیه و تحلیل یا استخدام برای یک موقعیت مهندسی تجزیه و تحلیل در شرکت خود هستید، این دوره می تواند اطلاعاتی را که برای شروع کار نیاز دارید در اختیار شما قرار دهد. مربی و مهندس تجزیه و تحلیل Amataverna Lee شما را راهنمایی می کند که مهندسی تجزیه و تحلیل چیست، چرا اهمیت دارد و کدام نقش ها می توانند به راحتی به مهندسی تجزیه و تحلیل تبدیل شوند. او مدل سازی داده ها، انبارهای داده ابری، ابزارهای خط لوله داده و ابزارهای هوش تجاری را توضیح می دهد. Amataverna چندین روش برتر مهندسی نرم افزار را بررسی می کند. به علاوه، او به شما نشان می‌دهد که چگونه اسناد و ارتباطات در نقش‌های مهندسی تحلیل مهم هستند.


linkedin مهندسی پیشرفته تحلیلی: تمرین در دنیای واقعی (Mitalearn-409255)

  • 2 hours 42 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Connor Dickson
درباره این دوره:

این دوره مهندسان را نشان می دهد که می توانند در کار خود به سطح جدیدی برسند. مربی کانر دیکسون به شما نشان می دهد که چگونه می توانید با موضوعاتی که برخی از بهترین مهندسین را مانند داده های بدون ساختار و آرایه و نحوه کار از طریق داده های مشکل ساز انجام می دهید ، مقابله کنید. بعلاوه ، مهارتهایی را بیاموزید که به شما کمک می کند تا از جمعیت ایستادگی کنید ، مانند توانایی تصمیم گیری های سخت در مورد داده ها و زیرساخت ها و فرآیندهای ارتباطی مؤثر.

Suggestions