Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 156 items.

coursera به عمق پایتون شیرجه بزنید (Mitalearn-306677)

  • 13 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Board Infinity
درباره این دوره:

با دوره "Dive Deep into Python" یک کاوش همه جانبه در قلمرو برنامه نویسی پایتون را آغاز کنید. این برنامه که با دقت طراحی شده است، راه را از درک پایه ای پایتون به تفاوت های ظریف آن هموار می کند و تضمین می کند که مجموعه مهارت های قوی و مناسب برای چالش های نرم افزاری معاصر را به دست آورید. در بخش مبانی برنامه نویسی پایتون، سفر پایتون خود را با فرو رفتن در جنبه های اساسی آن آغاز کنید. شما با مفاهیم اصلی برنامه نویسی، انواع داده ها، عملگرها و جریان کنترل آشنا خواهید شد. در پایان، دانش ایجاد برنامه های کاربردی پایه و در عین حال کاربردی پایتون را خواهید داشت. با تقویت بیشتر مهارت پایتون، بخش ضروریات برنامه نویسی پایتون به ساختارهای برنامه نویسی ضروری می پردازد. قدرت حلقه‌ها را درک کنید، تفاوت‌های رشته‌ها را کشف کنید، و عملیات آرایه‌ها و لیست‌ها را درک کنید، و شما را برای مدیریت و دستکاری فرم‌های داده متنوع در پایتون مجهز می‌کند. سپس سفر به ساختارها و توابع داده پایتون پیش می رود. درک خود را از ساختارهای داده پیشرفته پایتون، از لیست ها و تاپل ها گرفته تا فرهنگ لغت، ارتقا دهید. علاوه بر این، دنیای توابع را کاوش خواهید کرد و توانایی خود را در ساخت بخش های کد قابل استفاده مجدد و کارآمد تقویت خواهید کرد. در نهایت، خود را در دنیای Python OOPs و File Handling غوطه ور کنید. اصول برنامه نویسی شی گرا (OOP) را با پایتون، از کلاس ها و اشیاء گرفته تا وراثت و فراتر از آن، درک کنید. به طور همزمان، در عملیات فایل، یادگیری خواندن، نوشتن و مدیریت فایل ها به طور یکپارچه مهارت کسب کنید. در اوج دوره، شما نه تنها درک عمیقی از پایتون خواهید داشت، بلکه برای رویارویی با بسیاری از چالش های برنامه نویسی نیز مجهز خواهید بود. چه بخواهید راه‌حل‌های نرم‌افزاری زیبا بسازید و چه در علم داده به کاوش بپردازید، سفر شما در این دوره شما را به یک برنامه‌نویس پایتون توانمند و مطمئن تبدیل می‌کند.

coursera بینایی کامپیوتر با یادگیری ماشین جاسازی شده (Mitalearn-332602)

  • 6 hours 47 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Shawn Hymel
درباره این دوره:

بینایی کامپیوتر (CV) یک زمینه مطالعاتی جذاب است که تلاش می‌کند فرآیند انتساب معنا به تصاویر یا فیلم‌های دیجیتال را خودکار کند. به عبارت دیگر، ما به رایانه ها کمک می کنیم تا دنیای اطراف ما را ببینند و درک کنند! تعدادی از الگوریتم‌ها و تکنیک‌های یادگیری ماشین (ML) را می‌توان برای انجام وظایف CV مورد استفاده قرار داد، و با سریع‌تر و کارآمدتر شدن ML، می‌توانیم این تکنیک‌ها را در سیستم‌های تعبیه‌شده مستقر کنیم. این دوره که با مشارکت Edge Impulse، OpenMV، Seeed Studio و TinyML Foundation ارائه شده است، به شما درک می کند که چگونه می توان از یادگیری عمیق با شبکه های عصبی برای طبقه بندی تصاویر و تشخیص اشیاء در تصاویر و ویدیوها استفاده کرد. شما این فرصت را خواهید داشت که این مدل های یادگیری ماشینی را در سیستم های جاسازی شده، که به عنوان یادگیری ماشین جاسازی شده یا TinyML شناخته می شود، مستقر کنید. آشنایی با زبان برنامه نویسی پایتون و مفاهیم اولیه ML (مانند شبکه های عصبی، آموزش، استنتاج و ارزیابی) برای درک برخی از موضوعات و همچنین تکمیل پروژه ها توصیه می شود. مقداری ریاضی (خواندن نمودار، حساب، جبر) نیز برای آزمون ها و پروژه ها مورد نیاز است. اگر قبلاً این کار را نکرده اید، شرکت در دوره «مقدمه ای بر یادگیری ماشین جاسازی شده» توصیه می شود. این دوره مفاهیم و واژگان لازم برای درک نحوه عملکرد شبکه های عصبی کانولوشن (CNN) را پوشش می دهد و نحوه استفاده از آنها برای طبقه بندی تصاویر و تشخیص اشیا را پوشش می دهد. پروژه های عملی به شما این فرصت را می دهد که CNN های خود را آموزش دهید و آنها را روی یک میکروکنترلر و/یا کامپیوتر تک بردی مستقر کنید.

coursera پایتون برای دفاع فعال (Mitalearn-323932)

  • 2 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Howard Poston
درباره این دوره:

این دوره پایتون را برای دفاع فعال پوشش می دهد.

coursera پایتون برای علم داده های ژنومی (Mitalearn-335271)

  • 3 hours 11 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Mihaela Pertea, PhD,Steven Salzberg, PhD
درباره این دوره:

این کلاس مقدمه ای بر زبان برنامه نویسی پایتون و نوت بوک آی پایتون ارائه می دهد. این سومین دوره در رشته تخصصی علم داده های بزرگ ژنومی از دانشگاه جان هاپکینز است.

coursera پایتون برای علم داده، هوش مصنوعی و توسعه (Mitalearn-270178)

  • 2 hours 23 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Joseph Santarcangelo
درباره این دوره:

سفر پایتون خود را با این دوره مبتدی و خودگام که توسط یک متخصص آموزش داده شده است، شروع کنید. پایتون یکی از محبوب ترین زبان های برنامه نویسی است و تقاضا برای افرادی که مهارت های پایتون دارند همچنان در حال افزایش است. این دوره شما را در عرض چند ساعت از صفر به برنامه نویسی در پایتون می رساند—هیچ تجربه قبلی برنامه نویسی لازم نیست! شما با اصول اولیه پایتون، از جمله انواع داده، عبارات، متغیرها و عملیات رشته شروع خواهید کرد. شما ساختارهای داده ضروری مانند لیست ها، تاپل ها، دیکشنری ها و مجموعه ها را بررسی خواهید کرد و نحوه ایجاد، دسترسی و دستکاری آنها را یاد خواهید گرفت. در مرحله بعد، مفاهیم منطقی مانند شرایط و انشعاب، یادگیری نحوه استفاده از حلقه ها و توابع، همراه با اصول مهم برنامه نویسی مانند مدیریت استثنا و برنامه نویسی شی گرا را بررسی خواهید کرد. با پیشرفت، تجربه عملی در خواندن و نوشتن روی فایل ها و کار با فرمت های رایج فایل به دست خواهید آورد. همچنین از کتابخانه های قدرتمند پایتون مانند NumPy و Pandas برای دستکاری و تجزیه و تحلیل داده ها استفاده خواهید کرد. این دوره همچنین APIها و وب اسکرپینگ را پوشش می دهد و به شما یاد می دهد که چگونه با استفاده از کتابخانه هایی مانند درخواست ها با REST API تعامل کنید و داده ها را از وب سایت ها با استفاده از BeautifulSoup استخراج کنید. شما آنچه را که از طریق آزمایشگاه های عملی با استفاده از نوت بوک های Jupyter می آموزید، تمرین کرده و به کار خواهید برد. در پایان این دوره، ایجاد برنامه های اساسی، کار با داده ها و خودکارسازی کارهای دنیای واقعی با استفاده از پایتون احساس راحتی خواهید کرد. این دوره برای افرادی که علاقه مند به دنبال کردن مشاغل در علوم داده، تجزیه و تحلیل داده، توسعه نرم افزار، مهندسی داده، هوش مصنوعی و DevOps و انواع دیگر نقش های مرتبط با فناوری هستند مناسب است.

coursera پایتون شی گرا: وراثت و کپسوله سازی (Mitalearn-312151)

  • متوسط
  • Release date: 27 June 2026
  • Author: Patrick Ester,Elise Deitrick
درباره این دوره:

کدنویسی کنید و اولین برنامه پایتون خود را در چند دقیقه بدون نصب چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که تجربه برنامه نویسی محدودی دارند و پایه محکمی از موضوعات نه فقط پایتون، بلکه اصلی علوم کامپیوتر را فراهم می کند که می توانند به زبان های دیگر منتقل شوند. ماژول‌های این دوره، وراثت، کپسوله‌سازی، چندشکلی و سایر موضوعات مرتبط با شی را پوشش می‌دهند. گذراندن 3 دوره قبلی در این تخصص توصیه می شود. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت

coursera پایتون و Rust با ابزارهای خط فرمان لینوکس (Mitalearn-313613)

  • 8 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

این دوره برای مبتدیان و کسانی که تجربه برنامه نویسی در پایتون یا Rust دارند و می خواهند اتوماسیون و ابزارهای کمکی را در خط فرمان پیاده سازی کنند طراحی شده است. اگرچه هیچ دانش قبلی از پایتون یا Rust لازم نیست، دانش برنامه نویسی اولیه و همچنین آشنایی با رابط خط فرمان (CLI) توصیه می شود. در طول دوره، پایه محکمی برای ساخت ابزارهای خط فرمان کارآمد، قابل اعتماد و با کارایی بالا به دست خواهید آورد که می تواند به شما در خودکارسازی وظایف مهندسی داده، مهندسی سیستم ها و DevOps کمک کند. با تکمیل این دوره، مهارت های توسعه و توزیع ابزارهای خط فرمان پیچیده و کارآمد را خواهید داشت.

coursera پایتون و پانداها برای مهندسی داده (Mitalearn-328505)

  • 4 hours 7 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kennedy Behrman,Alfredo Deza,Noah Gift
درباره این دوره:

در این اولین دوره از Python، Bash و SQL Essentials for Data Engineering Specialization، شما یاد خواهید گرفت که چگونه یک محیط کاری پایتون کنترل شده با نسخه راه اندازی کنید که می تواند از کتابخانه های شخص ثالث استفاده کند. شما یاد خواهید گرفت که از پایتون و کتابخانه قدرتمند پانداها برای تجزیه و تحلیل و دستکاری داده ها استفاده کنید. علاوه بر این، با Vim و Visual Studio Code که دو ابزار محبوب برای نوشتن نرم افزار هستند نیز آشنا خواهید شد. این دوره برای دانش‌آموزان مبتدی و متوسط ​​برای شروع تبدیل و دستکاری داده‌ها به عنوان یک مهندس داده ارزشمند است.

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.

coursera پروژه Capstone مهندسی داده (Mitalearn-325836)

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

مهارت های خود را در این پروژه مهندسی داده به نمایش بگذارید! در این دوره شما انواع مهارت ها و تکنیک های مهندسی داده را که به عنوان بخشی از دوره های قبلی در گواهینامه حرفه ای مهندسی داده IBM آموخته اید، به کار می گیرید. شما دانش خود را در زمینه مهندسی داده با در نظر گرفتن نقش یک مهندس داده جوان که اخیراً به یک سازمان پیوسته است، نشان خواهید داد و با یک مورد استفاده در دنیای واقعی که نیاز به معماری و پیاده سازی یک پلت فرم تجزیه و تحلیل داده دارد، به شما ارائه می شود. در این پروژه Capstone شما چندین آزمایشگاه عملی را تکمیل خواهید کرد. شما با استفاده از پایگاه داده های رابطه ای و NoSQL مانند MySQL و MongoDB، مخازن داده ایجاد و پرس و جو خواهید کرد. شما همچنین یک انبار داده را با استفاده از PostgreSQL و IBM Db2 طراحی و پر می کنید و برای انجام عملیات Cube و Rollup کوئری می نویسید. شما از داده های موجود در انبار داده گزارش تولید می کنید و با استفاده از Cognos Analytics یک داشبورد می سازید. همچنین با ایجاد خطوط لوله داده برای جابجایی داده ها از مخازن مختلف، مهارت خود را در فرآیندهای استخراج، تبدیل و بارگذاری (ETL) نشان خواهید داد. شما تجزیه و تحلیل داده های بزرگ را با استفاده از Apache Spark انجام خواهید داد تا با کمک یک مدل یادگیری ماشینی پیش بینی کنید. این دوره آخرین دوره در گواهینامه حرفه ای مهندسی داده IBM است. توصیه می شود قبل از شروع این دوره، تمام دوره های قبلی در این گواهینامه حرفه ای را تکمیل کنید.

coursera پروژه پایتون برای علم داده (Mitalearn-332143)

  • 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Azim Hirjani,Joseph Santarcangelo
درباره این دوره:

این مینی دوره برای شما در نظر گرفته شده است تا مهارت های پایه پایتون را برای کار با داده ها نشان دهید. این دوره در درجه اول شامل تکمیل پروژه ای است که در آن نقش یک دانشمند داده یا یک تحلیلگر داده را بر عهده می گیرید و مجموعه داده های دنیای واقعی و سناریوی الهام گرفته شده از دنیای واقعی برای شناسایی الگوها و روندها به شما ارائه می شود. شما کارهای خاص علم داده و تجزیه و تحلیل داده مانند استخراج داده ها، خراش دادن وب، تجسم داده ها و ایجاد داشبورد را انجام خواهید داد. این پروژه مهارت شما را با پایتون و استفاده از کتابخانه هایی مانند پانداها و سوپ زیبا در یک نوت بوک Jupyter نشان می دهد. پس از اتمام، یک پروژه چشمگیر برای اضافه کردن به سبد شغلی خود خواهید داشت. پیش نیاز: **دوره پایتون برای علوم داده، هوش مصنوعی و توسعه** از IBM پیش نیاز این دوره پروژه است. لطفاً مطمئن شوید که قبل از گذراندن این دوره، دوره پایتون برای علوم داده، هوش مصنوعی و توسعه از IBM را گذرانده باشید یا مهارتی معادل در کار با پایتون و داده داشته باشید. توجه: این دوره آموزشی برای آموزش پایتون به شما نیست و محتوای آموزشی زیادی ندارد. این برای شما در نظر گرفته شده است که دانش قبلی پایتون را به کار ببرید.

coursera پروژه پایتون برای مهندسی داده (Mitalearn-323558)

  • 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Ramesh Sannareddy,Joseph Santarcangelo,Abhishek Gagneja
درباره این دوره:

مهارت های پایتون خود را در این پروژه مهندسی داده به نمایش بگذارید! این دوره کوتاه برای به کارگیری مهارت های پایتون شما از طریق اجرای تکنیک های مختلف برای جمع آوری و دستکاری داده ها طراحی شده است. شما نقش یک مهندس داده را با استخراج داده ها از منابع متعدد و تبدیل داده ها به فرمت های خاص و آماده سازی آن برای بارگذاری در پایگاه داده برای تجزیه و تحلیل، بر عهده خواهید گرفت. همچنین دانش خود را در مورد خراش دادن وب و استفاده از APIها برای استخراج داده ها نشان خواهید داد. در پایان این پروژه عملی، شما مهارت خود را در مهارت های مهم برای استخراج تبدیل و بارگذاری داده ها با استفاده از یک IDE و البته برنامه نویسی پایتون نشان خواهید داد. پس از اتمام این دوره، شما همچنین یک محصول جدید عالی به مجموعه خود خواهید داشت! پیش نیاز: **دوره پایتون برای علم داده، هوش مصنوعی و توسعه** از IBM پیش نیاز این دوره پروژه است. لطفاً مطمئن شوید که قبل از گذراندن این دوره، دوره پایتون برای علوم داده، هوش مصنوعی و توسعه از IBM را گذرانده باشید یا مهارتی معادل در کار با پایتون و داده داشته باشید. توجه: این دوره آموزشی برای آموزش پایتون به شما نیست و محتوای آموزشی جدید زیادی ندارد. این برای شما در نظر گرفته شده است که بیشتر از دانش قبلی پایتون استفاده کنید.

coursera پروژه پایتون: مهندسی نرم افزار و دستکاری تصویر (Mitalearn-310230)

  • 2 hours 32 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Christopher Brooks
درباره این دوره:

این دوره شما را از طریق یک پروژه عملی مناسب برای نمونه کارها راهنمایی می کند. شما با API های شخص ثالث آشنا می شوید و نحوه دستکاری تصاویر با استفاده از کتابخانه تصویربرداری پایتون (بالش)، نحوه اعمال تشخیص نویسه نوری روی تصاویر برای تشخیص متن (tesseract و pytesseract) به شما نشان داده می شود. در پایان دوره شما با این کتابخانه های مختلف موجود برای پایتون 3 کار کرده اید تا یک پروژه در دنیای واقعی ایجاد کنید. این دوره برای زبان آموزانی مناسب است که چهار دوره اول تخصص برنامه نویسی پایتون 3 را گذرانده اند. زبان آموزانی که قبلاً مهارت های برنامه نویسی پایتون دارند اما می خواهند با یک پروژه عملی و واقعی تمرین کنند نیز می توانند از این دوره بهره مند شوند. این پنجمین و آخرین دوره در تخصص برنامه نویسی پایتون 3 است.

coursera پلتفرم Hadoop و چارچوب برنامه (Mitalearn-334982)

  • 4 hours 38 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Natasha Balac, Ph.D.,Paul Rodriguez,Andrea Zonca
درباره این دوره:

این دوره برای برنامه نویسان تازه کار یا افراد تجاری است که می خواهند ابزارهای اصلی مورد استفاده برای بحث و تحلیل داده های بزرگ را درک کنند. بدون هیچ تجربه قبلی، این فرصت را خواهید داشت که نمونه های عملی را با چارچوب های Hadoop و Spark که دو مورد از رایج ترین آنها در صنعت هستند، مرور کنید. با توضیح اجزای خاص و فرآیندهای اساسی معماری Hadoop، پشته نرم افزار و محیط اجرا راحت خواهید بود. در تکالیف به شما راهنمایی می‌شود که چگونه دانشمندان داده مفاهیم و تکنیک‌های مهمی مانند Map-Reduce را که برای حل مشکلات اساسی در داده‌های بزرگ استفاده می‌شوند، به کار می‌برند. برای گفتگو در مورد کلان داده ها و فرآیند تجزیه و تحلیل داده ها احساس قدرت خواهید کرد.

coursera پلتفرم Raspberry Pi و برنامه نویسی Python برای Raspberry Pi (Mitalearn-315245)

  • 3 hours 16 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ian Harris
درباره این دوره:

Raspberry Pi یک کامپیوتر تک برد کوچک و مقرون به صرفه است که از آن برای طراحی و توسعه دستگاه های سرگرم کننده و کاربردی اینترنت اشیا در حین یادگیری برنامه نویسی و سخت افزار کامپیوتر استفاده خواهید کرد. علاوه بر این، شما یاد خواهید گرفت که چگونه محیط Raspberry Pi را راه اندازی کنید، یک سیستم عامل لینوکس را اجرا کنید، و برخی از کدهای پایه پایتون را روی Raspberry Pi بنویسید و اجرا کنید. همچنین نحوه استفاده از IDE مبتنی بر پایتون (محیط های توسعه یکپارچه) برای Raspberry Pi و نحوه ردیابی و اشکال زدایی کد پایتون در دستگاه را خواهید آموخت. لطفا توجه داشته باشید که این دوره شامل تالار گفتگو نمی باشد.

coursera پلتفرم های MLOps: Amazon SageMaker و Azure ML (Mitalearn-336104)

  • 3 hours 39 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

در پلت‌فرم‌های MLOps (عملیات یادگیری ماشین): Amazon SageMaker و Azure ML، مهارت‌های لازم برای ساخت، آموزش و استقرار راه‌حل‌های یادگیری ماشین را در یک محیط تولید با استفاده از دو پلتفرم ابری پیشرو خواهید آموخت: خدمات وب آمازون (AWS) و Microsoft Azure. این دوره همچنین یک منبع عالی برای افرادی است که به دنبال آماده شدن برای گواهینامه های یادگیری ماشینی AWS یا Azure هستند یا به عنوان دانشمندان داده، مهندسان نرم افزار، توسعه دهندگان نرم افزار، تحلیلگران داده یا سایر نقش هایی که از یادگیری ماشینی استفاده می کنند، کار می کنند (یا به دنبال کار هستند). از طریق یک سری تمرین‌های عملی، شهودی برای الگوریتم‌های یادگیری ماشین اولیه و تجربه عملی کار با این پلت‌فرم‌های پیشرو Cloud به دست خواهید آورد. در پایان دوره، شما قادر خواهید بود راه حل های یادگیری ماشین را در یک محیط تولید با استفاده از فناوری AWS و Azure استقرار دهید. هفته 1. مهندسی داده را با فناوری AWS کاوش کنید. ما در مورد موضوعاتی مانند شروع یادگیری ماشین در AWS، ایجاد مخازن داده، و شناسایی و اجرای راه‌حل‌هایی برای جذب و تبدیل داده بحث خواهیم کرد. هفته 2. با فناوری AWS، مهارت های پایه علوم داده را به دست آورید. شما تکنیک های پاکسازی داده ها، مهندسی ویژگی ها، تجزیه و تحلیل داده ها و تجسم داده ها را برای یادگیری ماشینی خواهید آموخت. ما استفاده از راه‌حل‌های بدون سرور را که در AWS در دسترس هستند، در اولویت قرار می‌دهیم تا فرآیند کارآمدتر شود. هفته 3. مدل‌های یادگیری ماشینی را با فناوری AWS بیاموزید. ما نحوه انتخاب مدل‌های مناسب برای کار در دست، انتخاب ابرپارامترها، آموزش مدل‌ها بر روی پلت فرم و ارزیابی مدل‌ها را بررسی خواهیم کرد. هفته 4. آموزش MLOps با AWS: مرحله نهایی قرار دادن یادگیری ماشینی در تولید. ما در مورد موضوعاتی مانند عملیاتی کردن یک مدل یادگیری ماشین، تصمیم گیری بین CPU و GPU، و استقرار و حفظ مدل بحث خواهیم کرد. هفته 5. نحوه کار با داده ها و یادگیری ماشین را در دومین پلتفرم پیشرو مبتنی بر Cloud بیاموزید: Azure ML.

coursera پیش بینی تقاضا با استفاده از سری زمانی (Mitalearn-333928)

  • 1 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

این دوره دومین دوره تخصصی در زمینه یادگیری ماشین برای مبانی زنجیره تامین است. در این دوره، تمام جنبه های سری های زمانی، به ویژه برای پیش بینی تقاضا را بررسی می کنیم. ما با به دست آوردن جای پایی در مفاهیم اساسی پیرامون سری های زمانی، از جمله ایستایی، روند (رانش)، چرخه ای بودن، و فصلی شروع خواهیم کرد. سپس، مدتی را صرف تحلیل روش‌های همبستگی در رابطه با سری‌های زمانی (خودهمبستگی) خواهیم کرد. در نیمه دوم دوره، ما بر روی روش‌هایی برای پیش‌بینی تقاضا با استفاده از سری‌های زمانی، مانند مدل‌های خودرگرسیون تمرکز خواهیم کرد. در نهایت، با پروژه ای نتیجه گیری می کنیم که تقاضا را با استفاده از مدل های ARIMA در پایتون پیش بینی می کند.

coursera تجزیه و تحلیل آماری استنباطی با پایتون (Mitalearn-332721)

  • 5 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، ما اصول اولیه استفاده از داده ها برای تخمین و ارزیابی نظریه ها را بررسی خواهیم کرد. ما هم داده های طبقه بندی شده و هم داده های کمی را تجزیه و تحلیل خواهیم کرد، از تکنیک های یک جمعیت شروع می کنیم و برای مقایسه دو جمعیت گسترش می دهیم. ما یاد خواهیم گرفت که چگونه فواصل اطمینان ایجاد کنیم. ما همچنین از داده های نمونه برای ارزیابی اینکه آیا یک نظریه در مورد مقدار یک پارامتر با داده ها مطابقت دارد یا خیر استفاده خواهیم کرد. تمرکز اصلی بر تفسیر مناسب نتایج استنباطی خواهد بود. در پایان هر هفته، فراگیران آموخته های خود را با استفاده از پایتون در محیط دوره به کار می گیرند. در طول این جلسات مبتنی بر آزمایشگاه، فراگیران از طریق آموزش هایی با تمرکز بر مطالعات موردی خاص برای کمک به تقویت مفاهیم آماری هفته، که شامل غواصی عمیق بیشتر در کتابخانه های پایتون از جمله Statsmodels، Pandas و Seaborn است، کار خواهند کرد. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera تجزیه و تحلیل داده ها با استفاده از پایتون (Mitalearn-328250)

  • 1 hours 24 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brandon Krakowsky
درباره این دوره:

این دوره مقدمه ای بر تکنیک های علوم داده پایه با استفاده از پایتون ارائه می دهد. دانش آموزان با مفاهیم اصلی مانند Data Frames و پیوستن به داده ها آشنا می شوند و یاد می گیرند که چگونه از کتابخانه های تجزیه و تحلیل داده ها مانند پانداها، numpy و matplotlib استفاده کنند. این دوره مروری بر بارگذاری، بازرسی و پرس و جوی داده های دنیای واقعی و چگونگی پاسخ به سوالات اساسی در مورد آن داده ها را ارائه می دهد. دانش‌آموزان مهارت‌هایی در جمع‌آوری و خلاصه‌سازی داده‌ها و همچنین تجسم داده‌های اولیه کسب خواهند کرد.

coursera تجزیه و تحلیل داده ها با پایتون [coursera] (Mitalearn-326448)

  • 1 hours 43 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Joseph Santarcangelo
درباره این دوره:

تجزیه و تحلیل داده ها با پایتون یک مهارت کلیدی برای دانشمندان و تحلیلگران مشتاق داده است! این دوره شما را از مبانی وارد کردن و پاکسازی داده ها به ساخت و ارزیابی مدل های پیش بینی می کند. شما یاد می گیرید که چگونه داده ها را از منابع مختلف جمع آوری کنید، آن ها را به چالش بکشید و قالب بندی کنید، تجزیه و تحلیل داده های اکتشافی (EDA) انجام دهید، و تجسم های موثر ایجاد کنید. همانطور که پیشرفت می کنید، مدل های رگرسیون خطی، چند جمله ای و چند جمله ای می سازید، خطوط لوله داده را می سازید و مدل های خود را برای دقت بهتر اصلاح می کنید. از طریق آزمایشگاه‌ها و پروژه‌های عملی، با استفاده از کتابخانه‌های محبوب پایتون مانند Pandas، NumPy، Matplotlib، Seaborn، SciPy و Scikit-learn، تجربه عملی کسب خواهید کرد. این ابزارها به شما در دستکاری داده ها، ایجاد بینش و پیش بینی کمک می کنند. با تکمیل این دوره، شما نه تنها مهارت های قوی تجزیه و تحلیل داده ها را توسعه می دهید، بلکه گواهینامه Coursera و نشان دیجیتال IBM را نیز برای نمایش دستاورد خود کسب خواهید کرد.

Suggestions