Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 164 items.

linkedin ایجاد ارائه های تعاملی با Shiny و R (Mitalearn-87037)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Charlie Joey Hadley
درباره این دوره:

تجزیه و تحلیل کلان داده عالی است، اما اگر نتوانید نتایج خود را به اشتراک بگذارید، نه. در این دوره، چارلی هدلی نشان می‌دهد که چگونه می‌توان ارائه‌های تعاملی مجموعه‌های داده بزرگ را با R، RStudio، و Shiny ایجاد کرد، ابزاری مبتنی بر R برای تولید تجسم داده‌های تعاملی و آماده وب. بیاموزید که چرا این ابزارها برای دانشمندان داده مهم هستند، چگونه آنها را پیکربندی و نصب کنند، و چگونه از آنها برای واضح تر و جذاب تر کردن یافته های خود استفاده کنید.

nn نحوه ثبت نام در RPubs برای به اشتراک گذاری ارائه های RStudio را بیاموزید و سپس با Shiny فراتر از اصول اولیه بروید—افزودن تعامل و ایجاد داشبوردهای قابل جاسازی بدون نیاز به HTML یا جاوا اسکریپت.

nn اطمینان حاصل کنید که بررسی های دانش در پایان هر فصل را تماشا کنید تا مهارت های جدید خود را آزمایش کنید.

datacamp ایجاد داشبورد در Tableau (Mitalearn-401027)

  • 37 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hadrien Lacroix,Sara Billen
درباره این دوره:

داشبوردها ابزاری ضروری در دنیای داده محور امروزی هستند. داشبوردها با ترکیب تجسم‌های داده‌های مدیریت‌شده، به کاربران اجازه می‌دهند تا سؤالات خود را از داده‌ها تفسیر کنند و بپرسند. با کاهش زمان بینش و توانمندسازی تحلیلگران کسب و کار، داشبوردها می توانند تأثیر زیادی بر عملکرد کسب و کار داشته باشند.

قابلیت‌های داشبورد Tableau قدرتمند و استفاده آسان است. در این دوره، یاد خواهید گرفت که بهترین شیوه های ترکیب بندی داشبورد را اعمال کنید، عناصر تعاملی یا توضیحی را اضافه کنید، و از اقدامات داشبورد برای تعاملی کردن داشبورد خود استفاده کنید. علاوه بر این، یاد خواهید گرفت که طرح داشبورد موجود را برای دستگاه های تلفن همراه تغییر دهید تا به صورت تصویر یا PDF به اشتراک گذاشته شود. در نهایت، یاد خواهید گرفت که چگونه داستان داده خود را از طریق عملکرد داستان Tableau به اشتراک بگذارید.

linkedin ایجاد گزارش و ارائه با R Markdown و RStudio (Mitalearn-192743)

  • 2 hours 40 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Charlie Joey Hadley
درباره این دوره:

اوج یک پروژه علم داده اغلب ارائه یافته های شماست. علم داده، در نهایت، به دست آوردن بینش از داده ها و سپس به اشتراک گذاری آن بینش با دیگران است. این دوره نحوه طراحی گزارش‌ها و ارائه‌های با کیفیت بالا، از جمله تجربیات وب تعاملی و فایل‌های PDF قابل چاپ، را با استفاده از R Markdown و RStudio نشان می‌دهد، چارچوبی که به طور خاص برای علم داده طراحی شده است. مربی چارلی هدلی با مروری بر گزینه های گزارش PDF و HTML شروع می کند. سپس نشان می دهد که چگونه کد R را در اسناد خود بگنجانید و با اسلایدها، نمودارها، تصاویر و جداول علاقه بصری را اضافه کنید. به علاوه، یاد بگیرید که چگونه استایل‌ها را در سند خود سفارشی کنید، علامت‌گذاری را لغو کنید، و تصاویر از پیش ساخته شده داده را با ابزارک‌های html درج کنید. آخرین اما نه کم اهمیت، چارلی توضیح می دهد که چگونه اسناد R Markdown خود را برای اشتراک گذاری و توزیع منتشر کنید.

linkedin اینفوگرافیک: برنامه ریزی و وایرفریم (Mitalearn-31906)

  • 40 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Shane Snow
درباره این دوره:


به شین اسنو بپیوندید تا اولین گام‌ها در ایجاد اینفوگرافیک، نمایش‌های گرافیکی داده‌ها - سازماندهی داده‌های نمونه و آماده‌سازی یک قاب سیمی را بررسی کند. این دوره به چندین مثال تجسم داده می‌پردازد و نحوه انتخاب داده‌های مناسب، نحوه سازماندهی داده‌ها در یک صفحه گسترده، و نحوه تهیه یک قاب اصلی از اینفوگرافیک در فتوشاپ را توضیح می‌دهد.

linkedin اینفوگرافیک: تجسم روابط (Mitalearn-31923)

  • 50 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Shane Snow
درباره این دوره:


در این دوره، نویسنده Shane Snow نشان می دهد که چگونه می توان روابط پیچیده را در یک اینفوگرافیک قابل فهم یا نمایش گرافیکی داده ها به تصویر کشید. این دوره شامل ساخت یک نمودار شعاعی چند رابطه، نشان دادن ارتباطات بین روابط، و ایجاد افسانه ها، و همچنین طراحی عنوان و اعتبار منبع و تنظیم قرار دادن عناصر طراحی پس از تصویر است.

coursera بررسی اپیدمی هایی مانند COVID-19: راهنمای تحلیلگر (Mitalearn-345505)

  • 3 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Melissa A. Marx, PhD, MPH,Heather M. Saunders MPH, RN, CIC
درباره این دوره:

آیا می خواهید یاد بگیرید که چگونه می توانید علت را تشخیص دهید، شناسایی کنید، و عوارض و مرگ و میر ناشی از شیوع یا بیماری های همه گیر مانند COVID-19 را کاهش دهید؟ آیا به شغلی در بخش بهداشت عمومی فکر می کنید، اما مطمئن نیستید که چگونه دپارتمان های بهداشت داده های شیوع بیماری را جمع آوری و استفاده می کنند؟ آیا در بخش بهداشت عمومی کار می کنید، اما علاقه مند به انتقال به سمت نقش های تحلیلی و/یا فنی هستید یا کنجکاو هستید که دپارتمان های بهداشت چگونه شیوع بیماری ها را بررسی می کنند؟ اگر چنین است، این دوره برای شما مناسب است. پس از گذراندن این دوره، می‌توانید واژه‌های کلیدی مرتبط با شیوع بیماری را تعریف کنید و نحوه جمع‌آوری و تجزیه و تحلیل داده‌های نظارتی برای تشخیص شیوع بیماری را شرح دهید. شما قادر خواهید بود منحنی های اپیدمی ایجاد کنید و از شکل منحنی و متوسط ​​دوره نهفتگی در مورد انتقال و علت نتیجه گیری کنید. شما می توانید مراحل بررسی شیوع را شرح دهید و از آن دانش برای هدایت تحقیقات شیوع استفاده کنید. با استفاده از نرم‌افزار آماری یا اکسل، می‌توانید تفاوت‌های جمعیتی و جغرافیایی و مواجهه‌های کلیدی را شناسایی کنید و نرخ حملات ثانویه را محاسبه کنید. شما می‌توانید با استفاده از نسبت‌های شانس و فواصل اطمینان، ارتباط بین پیامدهای سلامت و مواجهه‌های کلیدی را کمی کنید و یافته‌ها را برای اطلاع از پاسخ‌های بهداشت عمومی تفسیر و استفاده کنید.

datacamp بهبود تجسم داده های شما در پایتون (Mitalearn-404988)

  • 52 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Nicholas Strayer
درباره این دوره:

تجسم عالی داده سنگ بنای علم داده تاثیرگذار است. تجسم به شما کمک می کند هم بینش را در داده های خود بیابید و هم آن بینش ها را با مخاطبان خود به اشتراک بگذارید. همه می آموزند که چگونه در سفر خود برای تبدیل شدن به یک دانشمند داده، یک نمودار پراکندگی اولیه یا نمودار میله ای بسازند، اما پتانسیل واقعی تجسم داده ها زمانی درک می شود که یک قدم به عقب بردارید و به این فکر کنید که چه چیزی، چرا، و چگونه داده های خود را تجسم می کنید. در این دوره شما یاد خواهید گرفت که چگونه تجسم های جذاب و جذابی بسازید که به شما کمک می کند تا نتایج تجزیه و تحلیل های خود را به طور موثر و موثر انتقال دهید. ما از طریق بررسی مجموعه داده‌های مربوط به آلودگی هوا در سراسر ایالات متحده و بازارهای کشاورزان، مقایسه داده‌ها، جزئیات رنگ، نشان دادن عدم قطعیت و نحوه ایجاد تجسم مناسب برای مخاطبان خود را پوشش خواهیم داد. ما این دوره را با بررسی داده‌های بازار کشاورزان با دسترسی آزاد به پایان می‌رسانیم تا یک گزارش تصویری صیقلی و تاثیرگذار بسازیم.

datacamp بهترین روش های تجسم در R (Mitalearn-405158)

  • 44 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Nicholas Strayer
درباره این دوره:

این دوره به شما کمک می کند تا مهارت های تجسم داده های خود را فراتر از اصول اولیه ببرید و آنها را به عضوی قدرتمند در جعبه ابزار علم داده خود تبدیل کنید. در طول درس‌ها، از دو مجموعه داده باز جالب برای پوشش انواع مختلف داده‌ها (نسبت‌ها، داده‌های نقطه‌ای، توزیع‌های منفرد و توزیع‌های چندگانه) استفاده می‌کنیم و در مورد مزایا و معایب رایج‌ترین تجسم‌ها بحث می‌کنیم. علاوه بر این، ما برخی از تجسم‌های جایگزین کمتر رایج را برای انواع داده‌ها و نحوه تغییر تنظیمات پیش‌فرض ggplot برای انتقال مؤثر و مؤثر پیام خود پوشش خواهیم داد.

Related Skills

coursera بینش Power BI (Mitalearn-329372)

  • 4 hours 37 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Analytics Vidhya
درباره این دوره:

دنیای تجارت امروز به طور فزاینده ای مبتنی بر داده است. کسب‌وکارهای کوچک و بزرگ از داده‌ها برای تصمیم‌گیری در مورد فروش، استخدام، اهداف و همه حوزه‌هایی که داده‌هایی در اختیار دارند استفاده می‌کنند. در حالی که اکثر کسب و کارها به داده‌های یک نوع یا دیگری دسترسی دارند، درک داده‌ها بدون پیش‌زمینه در تجزیه و تحلیل داده‌ها برای یک کاربر عادی تجاری می‌تواند ترسناک باشد. Power BI مایکروسافت ترس و دردسر تجزیه و تحلیل و تجسم داده ها را از بین می برد. در طول این دوره، شما خطاهای موجود در مجموعه داده ها را شناسایی کرده و با استفاده از تکنیک های پاکسازی و تبدیل داده ها، آنها را تشخیص می دهید تا آنها را برای اهداف گزارش آماده کنید. با تمرکز بر کاربردهای عملی، تجسم های پیچیده را با استفاده از اپراتور DAX حل می کنید و تجسم ها را برای برنامه ریزی تصمیمات مربوط به کسب و کار ارزیابی می کنید. چه بخواهید یک تحلیلگر داده باشید، چه یک متخصص هوش تجاری یا یک تصمیم گیرنده با تکیه بر بینش های داده محور، این دوره ابزارها و دانش لازم را برای موفقیت در اختیار شما قرار می دهد.

linkedin پانداهای پیشرفته (Mitalearn-207329)

  • 1 hours 2 minutes
  • پیشرفته
  • Release date: 1 February 2021
  • Author: Madecraft,Brett Vanderblock
درباره این دوره: 

 اگر در پایتون کار کرده اید، احتمالاً با اصول اولیه پانداها آشنا هستید. در این دوره پیشرفته، مربی برت واندربلاک نحوه استفاده از عملکردهای پیشرفته پانداها - مانند کار با تاریخ، برخورد با داده های از دست رفته، ادغام DataFrames و موارد دیگر - را برای کار موثرتر با داده ها به اشتراک می گذارد. ابتدا، برت شما را با DataFrames آشنا می کند، عملکردهای برتر پانداها را شناسایی می کند و به شما نشان می دهد که چگونه فضای کاری پانداهای خود را به طور موثر پیکربندی کنید. او شما را در تبدیل انواع داده، کار با رشته ها و استفاده موثر از توابع نقشه کاربردی و applicationmap راهنمایی می کند. او به شما نشان می دهد که چگونه توابع Groupby و چند توابع جمعی را در پانداها ترکیب کنید و چگونه از توابع ادغام، پیوستن و concat استفاده کنید. برت مراحل رسم و توابع آماری را با پانداها انجام می دهد. او در پایان توضیح می دهد که چگونه می توانید از پانداهای پروفایل و Geopandas استفاده کنید تا بیشترین بهره را از عملکردها و داده های خود ببرید.nn ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

linkedin پایتون برای تجسم داده ها (Mitalearn-433616)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Madecraft,Michael Galarnyk
درباره این دوره:

تجسم داده ها برای دانشمندان داده بسیار مهم است ، زیرا به آنها کمک می کند تا بینش خود را با همسالان غیر فنی ارتباط برقرار کنند. اما نیازی نیست که یک طرفدار طراحی باشید. Python یک زبان برنامه نویسی محبوب و آسان برای کاربرد است که تعدادی از کتابخانه ها را به طور خاص برای تجسم داده ها ساخته شده است. در این دوره از متخصصان Madecraft ، می توانید یاد بگیرید که چگونه می توانید نمودارها و نمودارهای دقیق ، جذاب و آسان تولید را با استفاده از پایتون بسازید. کتابخانه های پاندا و Matplotlib را کاوش کنید و سپس نحوه بارگیری و تمیز کردن مجموعه داده ها را کشف کنید و توطئه های ساده و پیشرفته از جمله نقشه های گرما ، هیستوگرام و زیرمجموعه ها را ایجاد کنید. مربی مایکل گالارنیک تمام دستورالعمل های مورد نیاز شما برای ایجاد تجسم داده های حرفه ای را از طریق برنامه نویسی ارائه می دهد. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

linkedin پایتون در اکسل برای متخصصان مالی (Mitalearn-433718)

  • 48 minutes
  • مناسب همه
  • Release date: 9 April 2024
  • Author: Christian Martinez
درباره این دوره: 

 اکنون که مایکروسافت از ادغام پایتون در اکسل خبر داد ، متخصصان دارایی باید یاد بگیرند که چگونه این ادغام را برای تجزیه و تحلیل داده ها ، اتوماسیون و راه های بهبود کار خود استفاده کنند. در این دوره ، کریستین مارتینز ، مدیر تحلیلی مالی ، شما را از طریق روش های استفاده از تجزیه و تحلیل داده ها برای تقویت توانایی های تحلیلی و مدل سازی شما راهنمایی می کند.

coursera پردازش و تجسم داده های پایه (Mitalearn-331242)

  • 3 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julian McAuley,Ilkay Altintas
درباره این دوره:

این اولین دوره آموزشی چهار دوره تخصصی Python Data Products for Predictive Analytics است که اصول اولیه خواندن و دستکاری مجموعه داده ها را در پایتون معرفی می کند. در این دوره شما یاد می گیرید که محصول داده چیست و از چندین کتابخانه پایتون برای انجام بازیابی، پردازش و تجسم داده ها عبور می کنید. این دوره شما را با رشته علم داده آشنا می کند و شما را برای سه دوره بعدی در تخصص: طراحی تفکر و تجزیه و تحلیل پیش بینی برای محصولات داده، مدل سازی پیش بینی معنادار، و استقرار مدل های یادگیری ماشین آماده می کند. در هر مرحله از تخصص، شما تجربه عملی در دستکاری داده ها و ایجاد مهارت های خود را به دست خواهید آورد، و در نهایت به پروژه ای که شامل تمام مفاهیم آموزش داده شده در تخصص می شود، ختم می شود.

linkedin پردازش: تجسم داده های تعاملی (Mitalearn-33589)

  • 7 hours 43 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Barton Poulson
درباره این دوره:

شروع به برقراری ارتباط ایده ها و نمودارسازی داده ها به روشی تعاملی تر کنید. در این دوره، نویسنده بارتون پولسون نحوه خواندن، نقشه‌برداری و تصویرسازی داده‌ها را با پردازش، یک محیط طراحی و توسعه منبع باز نشان می‌دهد. این دوره علاوه بر مقدمه ای محکم برای پردازش، روش هایی را برای به دست آوردن و آماده سازی داده ها، طراحی برای تجسم داده ها، و ایجاد یک تجربه تعاملی از یک طراحی بررسی می کند. وقتی تجسم کامل شد، گزینه‌های اشتراک‌گذاری کارتان را بررسی کنید، چه آپلود آن در وب‌سایت‌های تخصصی، جاسازی تصاویر در صفحات وب خود، یا حتی ایجاد یک برنامه دسکتاپ یا اندروید برای کارتان.

Related Skills

coursera پروژه Capstone تحلیلگر داده IBM (Mitalearn-330137)

  • 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Ramesh Sannareddy
درباره این دوره:

با تکمیل این پروژه نهایی، مهارت ها و تکنیک های تجزیه و تحلیل داده های مختلفی را که به عنوان بخشی از دوره های قبلی در گواهینامه حرفه ای تحلیلگر داده IBM آموخته اید، به کار خواهید گرفت. شما نقش یک تحلیلگر داده‌های مرتبط را که اخیراً به سازمان پیوسته است را بر عهده خواهید گرفت و با یک چالش تجاری مواجه می‌شوید که نیاز به تجزیه و تحلیل داده‌ها دارد تا بر روی مجموعه داده‌های دنیای واقعی انجام شود. شما وظایف مختلفی را که تحلیلگران حرفه ای داده به عنوان بخشی از وظایف خود انجام می دهند، انجام خواهید داد، از جمله: - جمع آوری داده ها از منابع متعدد - جدال داده ها و آماده سازی داده ها - تجزیه و تحلیل داده های اکتشافی - تجزیه و تحلیل آماری و داده کاوی - تجسم داده ها با نمودارها و نمودارهای مختلف و - ایجاد داشبورد تعاملی پروژه با ارائه گزارش تجزیه و تحلیل داده های شما برای سهامداران مختلف در سازمان به اوج خود می رسد. این گزارش شامل یک خلاصه اجرایی، تجزیه و تحلیل شما و یک نتیجه خواهد بود. شما هم از نظر کارتان برای مراحل مختلف فرآیند تجزیه و تحلیل داده ها و هم برای تحویل نهایی ارزیابی خواهید شد. به عنوان بخشی از این پروژه، مهارت خود را در استفاده از نوت‌بوک‌های Jupyter، SQL، پایگاه‌های داده رابطه‌ای (RDBMS)، ابزارهای هوش تجاری (BI) مانند Cognos، و کتابخانه‌های پایتون مانند Pandas، Numpy، Scikit-learn، Scipy، Matplotlib، Seaborn نشان خواهید داد. و دیگران این پروژه افزودنی عالی به مجموعه شما و فرصتی برای به نمایش گذاشتن مهارت های تجزیه و تحلیل داده های خود به کارفرمایان احتمالی است.

linkedin پیتون پیشرفته در اکسل: تجزیه و تحلیل داده ها و تجسم (Mitalearn-409578)

  • 46 minutes
  • مناسب همه
  • Release date: 8 August 2024
  • Author: Sarah Om
درباره این دوره: 

 در این دوره ، یاد بگیرید که چگونه از پایتون استفاده کنید تا فراتر از ویژگی های محدود اکسل برای انجام تجزیه و تحلیل داده های پیچیده و تجسم باشد. مربی سارا OM توضیح می دهد که چگونه ادغام های پایتون با اکسل ابعاد جدیدی از قابلیت ها را به ارمغان می آورد و امکان دستکاری پیشرفته تر داده ها ، اتوماسیون و تجسم را از گذشته فراهم می کند. سارا به شما نشان می دهد که چگونه می توانید از کتابخانه های قدرتمند پایتون برای تجزیه و تحلیل داده ها استفاده کنید تا داده های خام را به بینش های معنی دار و تجسم های خیره کننده تبدیل کنید - درست از محیط آشنا اکسل.

coursera تجزیه و تحلیل بازاریابی دیجیتال در تئوری (Mitalearn-288980)

  • 2 hours 53 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kevin Hartman
درباره این دوره:

امروزه بازاریابی موفقیت آمیز برندها مستلزم ترکیبی متعادل از هنر و علم است. این دوره دانش‌آموزان را با علم تجزیه و تحلیل وب آشنا می‌کند و در عین حال نگاهی دقیق به استفاده هنرمندانه از اعداد موجود در فضای دیجیتال دارد. هدف این است که پایه و اساس مورد نیاز برای اعمال تجزیه و تحلیل داده ها در چالش های دنیای واقعی که بازاریابان روزانه با آن مواجه هستند فراهم شود. تجزیه و تحلیل دیجیتال برای حرفه ای های بازاریابی: تجزیه و تحلیل بازاریابی در تئوری اولین دوره از مجموعه دو قسمتی دوره های تکمیلی است و بر اطلاعات پیش زمینه و چارچوب هایی تمرکز دارد که تحلیلگران برای موفقیت در دنیای تجارت دیجیتال امروزی نیاز دارند. این دوره بخشی از مجموعه برنامه های آنلاین کالج تجارت Gies، از جمله iMBA و iMSM است. درباره پذیرش در این برنامه‌ها بیشتر بیاموزید و بررسی کنید که چگونه می‌توان در صورت پذیرش در یک برنامه تحصیلی در https://degrees.giesbusiness.illinois.edu/idegrees/ از کار Coursera شما استفاده کرد.

coursera تجزیه و تحلیل تقاضا (Mitalearn-289252)

  • 1 hours 10 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yao Zhao
درباره این دوره:

به تجزیه و تحلیل تقاضا خوش آمدید - یکی از پرطرفدارترین مهارت ها در مدیریت زنجیره تامین و بازاریابی! از طریق داستان واقعی و داده های یک تولید کننده پیشرو ظروف آشپزی در آمریکای شمالی، مهارت های تجزیه و تحلیل داده ها را برای برنامه ریزی و پیش بینی تقاضا یاد خواهید گرفت. پس از اتمام این دوره، شما قادر خواهید بود 1. بهبود دقت پیش‌بینی با ساخت و اعتبارسنجی مدل‌های پیش‌بینی تقاضا. 2. با شناسایی عوامل محرک (مانند زمان، فصلی، قیمت و سایر عوامل محیطی) تقاضا و تعیین کمیت تأثیر آنها، تقاضا را بهتر تحریک کرده و تحت تأثیر قرار دهید. AK یک تولید کننده پیشرو ظروف در آمریکای شمالی است. محصول رده بالای تازه راه اندازی شده آن در بازار شتاب بیشتری به دست می آورد. با این حال، تعدیل قیمت در فصل اوج افزایش تقاضای قابل توجهی را تحریک کرد که AK را کاملا غافلگیر کرد و منجر به سفارش‌های عقب‌افتاده بزرگ شد. AK با خطر از دست دادن شتاب بازار به دلیل ناراحتی مشتریان و هزینه های بالای مرتبط با تولید بیش از حد و حمل و نقل سریع مواجه شد. پیش بینی دقیق تقاضا برای افزایش درآمد و کاهش هزینه ضروری است. شناسایی محرک‌های تقاضا و ارزیابی تأثیر آن‌ها بر تقاضا می‌تواند به شرکت‌ها کمک کند تا تقاضا را بهتر تحت تأثیر قرار دهند و تحریک کنند. امیدوارم از دوره لذت ببرید!

coursera تجزیه و تحلیل داده ها (Mitalearn-331667)

  • 3 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sarah Haq,Stacey McBrine
درباره این دوره:

این دوره برای متخصصان کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه داده ها را تجزیه و تحلیل کنند تا بینش به دست آورند، از روش های تجزیه و تحلیل آماری برای کشف توزیع زیربنایی داده ها استفاده کنند، از تجسم هایی مانند هیستوگرام، نمودار پراکندگی و نقشه ها برای تجزیه و تحلیل داده ها و پیش پردازش داده ها برای تولید استفاده کنند. مجموعه داده آماده برای آموزش دانشجوی معمولی در این دوره چندین سال تجربه در زمینه فناوری محاسبات از جمله استعداد در برنامه نویسی کامپیوتر خواهد داشت.

coursera تجزیه و تحلیل داده ها با R (Mitalearn-330528)

  • 2 hours 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Tiffany Zhu,Yiwen Li,Gabriela de Queiroz
درباره این دوره:

زبان برنامه نویسی R به طور هدفمند برای تجزیه و تحلیل داده ها ساخته شده است. R کلیدی است که دری را بین مشکلاتی که می خواهید با داده ها حل کنید و پاسخ هایی که برای رسیدن به اهداف خود نیاز دارید باز می کند. این دوره با یک سوال شروع می شود و سپس شما را در فرآیند پاسخ دادن به آن از طریق داده ها راهنمایی می کند. ابتدا تکنیک های مهمی را برای آماده سازی (یا مشاجره کردن) داده های خود برای تجزیه و تحلیل خواهید آموخت. سپس یاد خواهید گرفت که چگونه از طریق تجزیه و تحلیل داده های اکتشافی به درک بهتری از داده های خود دست یابید، به شما کمک می کند تا داده های خود را خلاصه کنید و روابط مرتبط بین متغیرهایی را شناسایی کنید که می تواند به بینش منجر شود. هنگامی که داده های شما برای تجزیه و تحلیل آماده شد، یاد خواهید گرفت که چگونه مدل خود را توسعه دهید و عملکرد آن را ارزیابی و تنظیم کنید. با پیروی از این فرآیند، می توانید مطمئن شوید که تجزیه و تحلیل داده های شما مطابق با استانداردهایی است که تعیین کرده اید و می توانید به نتایج اطمینان داشته باشید. شما با بازی در نقش یک تحلیلگر داده که در حال تجزیه و تحلیل داده های خروج و رسیدن خطوط هوایی برای پیش بینی تاخیرهای پرواز است، تجربه عملی ایجاد خواهید کرد. با استفاده از مجموعه داده‌های عملکرد به‌موقع شرکت گزارش‌دهنده هواپیمایی، خواندن فایل‌های داده، پیش‌پردازش داده‌ها، ایجاد مدل‌ها، بهبود مدل‌ها و ارزیابی آن‌ها را تمرین می‌کنید تا در نهایت بهترین مدل را انتخاب کنید. ویدیوها را تماشا کنید، از طریق آزمایشگاه ها کار کنید و به مجموعه خود اضافه کنید. موفق باشید! توجه: پیش نیاز این دوره، مهارت های اولیه برنامه نویسی R است. به عنوان مثال، مطمئن شوید که دوره ای مانند مقدمه ای بر برنامه نویسی R برای علم داده از IBM را گذرانده اید.

Suggestions