Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 70 items.

coursera تجسم داده ها و داشبورد با Excel و Cognos (Mitalearn-327995)

  • 1 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sandip Saha Joy,Kevin McFaul,Steve Ryan
درباره این دوره:

با نحوه ایجاد تجسم داده ها و داشبورد با استفاده از صفحات گسترده و ابزارهای تجزیه و تحلیل آشنا شوید. این دوره برخی از اولین گام ها را برای بیان یک داستان قانع کننده با داده های شما با استفاده از انواع مختلف نمودارها و نمودارها پوشش می دهد. شما اصول تجسم داده ها را با Excel و IBM Cognos Analytics بدون نیاز به نوشتن کد یاد خواهید گرفت. شما با ایجاد نمودارهای ساده در اکسل مانند نمودارهای خطی، دایره ای و میله ای شروع می کنید. سپس تجسم های پیشرفته تری را با Treemaps، نمودارهای پراکنده، هیستوگرام ها، نمودارهای نقشه پر شده و Sparklines ایجاد خواهید کرد. در مرحله بعد با ویژگی Excel PivotChart نیز کار خواهید کرد و همچنین چندین تصویرسازی را در داشبورد اکسل جمع آوری خواهید کرد. این دوره همچنین به شما می آموزد که چگونه از ابزارهای هوش تجاری (BI) مانند Cognos Analytics برای ایجاد داشبوردهای تعاملی استفاده کنید. در پایان دوره، شما از نقش کلیدی که تجسم داده ها در انتقال یافته های تجزیه و تحلیل داده های شما ایفا می کند و توانایی ایجاد موثر آنها را قدردانی خواهید کرد. در طول این دوره، آزمایشگاه های عملی متعددی وجود خواهد داشت که به شما کمک می کند تا تجربه عملی را برای کار با Excel و Cognos ایجاد کنید. همچنین یک پروژه نهایی وجود دارد که در آن مجموعه ای از تجسم داده ها و یک داشبورد تعاملی برای اضافه کردن به مجموعه خود ایجاد می کنید، که می توانید آن را با همتایان، جوامع حرفه ای یا کارفرمایان آینده به اشتراک بگذارید.

coursera ترسیم، نمودار و نمایش داده های کاربردی در پایتون (Mitalearn-332755)

  • 3 hours 14 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Christopher Brooks
درباره این دوره:

این دوره زبان آموز را با مبانی تجسم اطلاعات، با تمرکز بر گزارش و ترسیم نمودار با استفاده از کتابخانه matplotlib آشنا می کند. این دوره با یک دیدگاه طراحی و سواد اطلاعاتی شروع می شود و به این موضوع می پردازد که چه چیزی یک تجسم خوب و بد را ایجاد می کند و معیارهای آماری از نظر تجسم به چه چیزی تبدیل می شوند. هفته دوم بر روی فناوری مورد استفاده برای تجسم سازی در پایتون، matplotlib و معرفی بهترین شیوه ها در هنگام ایجاد نمودارهای اساسی و نحوه تحقق تصمیمات طراحی در چارچوب تمرکز خواهد کرد. هفته سوم آموزش عملکردهای موجود در matplotlib خواهد بود و انواع نمودارهای آماری پایه را نشان می دهد که به یادگیرندگان کمک می کند تشخیص دهند که چه زمانی یک روش خاص برای یک مشکل خاص خوب است. این دوره با بحث در مورد اشکال دیگر ساختاردهی و تجسم داده ها به پایان می رسد. این دوره باید بعد از مقدمه ای بر علم داده در پایتون و قبل از باقیمانده دوره های علوم داده کاربردی با پایتون گذرانده شود: یادگیری ماشین کاربردی در پایتون، متن کاوی کاربردی در پایتون، و تحلیل شبکه های اجتماعی کاربردی در پایتون.

coursera تصمیم گیری مبتنی بر داده (Mitalearn-331786)

  • 5 hours 58 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

پس از تولید داده ها، باید با انجام یک تحلیل آماری مناسب به سؤال تحقیق پاسخ دهیم. مهندسان و متخصصان کسب و کار باید بدانند که از کدام آزمون یا آزمایش استفاده کنند. از طریق این کلاس، شما قادر خواهید بود یک آزمایش نمونه را برای مقایسه با داده های تاریخی انجام دهید. همچنین می توانید روابط آماری معنی داری بین دو متغیر را تعیین کنید. شما می توانید دو آزمون نمونه را برای داده های مستقل و وابسته انجام دهید. در نهایت، داده‌های بیش از دو گروه را با استفاده از تحلیل واریانس تجزیه و تحلیل خواهید کرد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera تصمیم گیری مبتنی بر داده (Mitalearn-328182)

  • 2 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Alex Mannella
درباره این دوره:

به تصمیم گیری مبتنی بر داده خوش آمدید. در این دوره آموزشی، با تجزیه و تحلیل داده ها و نقش آن در تصمیم گیری های تجاری آشنا می شوید. شما یاد خواهید گرفت که چرا داده ها مهم هستند و چگونه تکامل یافته اند. شما با "داده های بزرگ" و نحوه استفاده از آن آشنا خواهید شد. همچنین با چارچوبی برای انجام تجزیه و تحلیل داده ها و ابزارها و تکنیک هایی که معمولاً استفاده می شود آشنا خواهید شد. در نهایت، شما فرصتی خواهید داشت که دانش خود را در یک محیط تجاری شبیه سازی شده به کار ببرید. این دوره توسط PricewaterhouseCoopers LLP با آدرسی در 300 Madison Avenue, New York, New York, 10017 ایجاد شده است.

coursera تعریف، توصیف و تجسم داده ها (Mitalearn-327502)

  • 3 hours 50 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

به عنوان رهبران حوزه انتخابی خود، نه تنها باید بدانید که چگونه سؤالات درست بپرسید، بلکه باید با استفاده از روش های مبتنی بر داده به آنها پاسخ دهید. از طریق این کلاس، شما قادر خواهید بود به آنچه که واقعاً می‌خواهید بدانید، داده‌های مرتبط با آن سؤال را توصیف کنید و اطلاعات آن داده‌ها را برای درک و توضیح نتایج تجسم کنید. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera جدال داده با پروژه پایتون (Mitalearn-331973)

  • متوسط
  • Release date: 27 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "پروژه جدال داده ها" فرصتی را برای دانش آموزان فراهم می کند تا دانش به دست آمده در سراسر تخصص را در یک پروژه جدال داده های واقعی مورد علاقه خود به کار گیرند. شرکت‌کنندگان خط لوله کشمکش داده‌ها را گام به گام دنبال می‌کنند، از شناسایی منابع داده تا پردازش و یکپارچه‌سازی داده‌ها، تا به یک مجموعه داده خوب و آماده برای تجزیه و تحلیل دست یابند. این دوره دانش‌آموزان را قادر می‌سازد تا تجربیات عملی در فرآیند جدال داده‌ها به دست آورند و آنها را برای رسیدگی به چالش‌های پیچیده داده در سناریوهای دنیای واقعی آماده می‌کند. در طول دوره، دانش‌آموزان روی پروژه جدال داده‌های خود کار می‌کنند و دانش و مهارت‌های به‌دست‌آمده در هر ماژول را برای دستیابی به مجموعه داده‌ای تصفیه‌شده و به خوبی آماده‌شده به‌کار می‌برند. در پایان دوره، شرکت‌کنندگان در فرآیند جدال داده‌ها مهارت خواهند داشت و آماده مقابله با چالش‌های داده‌های دنیای واقعی در حوزه‌های مختلف خواهند بود.

coursera داده – چیست، چه کاری می توانیم با آن انجام دهیم (Mitalearn-329066)

  • 1 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jennifer Bachner, PhD
درباره این دوره:

این دوره دانش آموزان را با داده ها و آمار آشنا می کند. در پایان دوره، دانش‌آموزان باید بتوانند آمار توصیفی، تحلیل‌های علّی و تجسم‌سازی را برای به دست آوردن بینش معنادار تفسیر کنند. این دوره ابتدا چارچوبی را برای تفکر در مورد اهداف مختلف تجزیه و تحلیل آماری معرفی می کند. ما در مورد نحوه استفاده تحلیلگران از داده ها برای استنتاج توصیفی، علی و پیش بینی صحبت خواهیم کرد. سپس چگونگی توسعه یک مطالعه تحقیقاتی برای تحلیل علی، محاسبه و تفسیر آمار توصیفی و طراحی تجسم‌های مؤثر را پوشش خواهیم داد. این دوره به شما کمک می کند تا به یک مصرف کننده متفکر و منتقد تجزیه و تحلیل تبدیل شوید. اگر در زمینه ای هستید که به طور فزاینده ای به تصمیم گیری مبتنی بر داده متکی است، اما احساس می کنید برای تفسیر و ارزیابی داده ها آمادگی ندارید، این دوره به شما کمک می کند تا این ابزارهای اساسی سواد داده را توسعه دهید.

coursera درک و تجسم داده ها با پایتون (Mitalearn-328318)

  • 5 hours 55 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، فراگیران با حوزه آمار، از جمله اینکه داده ها از کجا آمده اند، طراحی مطالعه، مدیریت داده ها و کاوش و تجسم داده ها، آشنا می شوند. یادگیرندگان انواع مختلف داده ها را شناسایی می کنند و یاد می گیرند که چگونه خلاصه ها را برای داده های تک متغیره و چند متغیره تجسم، تجزیه و تحلیل و تفسیر کنند. همچنین یادگیرندگان با تفاوت‌های بین نمونه‌گیری احتمالی و غیراحتمالی از جمعیت‌های بزرگ‌تر، این ایده که چگونه تخمین‌های نمونه متفاوت است و چگونه می‌توان در مورد جمعیت‌های بزرگ‌تر بر اساس نمونه‌گیری احتمالی استنتاج کرد، آشنا می‌شوند. در پایان هر هفته، فراگیران مفاهیم آماری را که با استفاده از پایتون آموخته‌اند، در محیط دوره به کار می‌گیرند. در طول این جلسات مبتنی بر آزمایشگاه، زبان آموزان کاربردهای مختلف پایتون را به عنوان یک ابزار، از جمله کتابخانه های Numpy، Pandas، Statsmodels، Matplotlib و Seaborn کشف خواهند کرد. فیلم‌های آموزشی ارائه شده است تا یادگیرندگان را در ایجاد تجسم‌ها و مدیریت داده‌ها، همه در پایتون، راهنمایی کند. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera راه حل های معماری در AWS (Mitalearn-323592)

  • 5 hours 57 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Morgan Willis
درباره این دوره:

آیا به دنبال کسب اطلاعات بیشتر فنی هستید؟ آیا به دنبال شروع کار در فضای ابری هستید، اما نمی‌دانید بعد از آن به کجا بروید؟ آیا با آماده شدن برای آزمون دانشیار معمار AWS Solutions به دنبال ارتقای بازی خود هستید؟ آیا خود را به عنوان یک مشاور ابری می بینید، اما نمی توانید تصور کنید که روزهای شما چگونه خواهد بود؟ آیا شما متحیر هستید که چگونه نیازهای مشتری را با خدمات / راه حل های مناسب AWS مطابقت دهید؟ اگر چنین است، شما در جای درستی هستید!! شما یاد خواهید گرفت که چگونه در یک سناریوی واقعی مشتری مانند یک معمار راه حل برنامه ریزی کنید، فکر کنید و عمل کنید. در این دوره، شما آماده خواهید شد تا راه حل های معماری حرفه ای خود را در AWS آغاز کنید. از طریق یک سری سناریوهای مورد استفاده و یادگیری عملی، شما یاد خواهید گرفت که خدمات و ویژگی‌هایی را برای ایجاد راه‌حل‌های IT انعطاف‌پذیر، ایمن و بسیار در دسترس در AWS Cloud شناسایی کنید. هر هفته، یک مشتری خیالی نیاز متفاوتی را ارائه می کند. سپس گزینه‌ها را بررسی می‌کنیم، بهترین را برای مورد استفاده انتخاب می‌کنیم و شما را در طراحی معماری روی تخته سفید راهنمایی می‌کنیم. در مورد معماری های رویداد محور با تمرکز بر کارایی عملکرد و هزینه خواهید آموخت. سپس دانشی در مورد چگونگی ایجاد یک راه حل با استفاده از بسیاری از خدمات AWS ساخته شده به دست خواهید آورد. با این درک، حسی از معماری های ترکیبی با تمرکز دقیق بر قابلیت اطمینان و کارایی عملیاتی به دست خواهید آورد. در نهایت، با درک استراتژی چند حسابی که بر امنیت و هزینه متمرکز است، یادگیری خود را به پایان می رسانید.

coursera ساخت ابزار تجسم داده ها (Mitalearn-332007)

  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Brooke Anderson
درباره این دوره:

انقلاب علم داده مجموعه‌ای از داده‌های جدید را از طیف گسترده‌ای از منابع جدید تولید کرده است. این مجموعه داده های جدید برای پاسخ به سؤالات جدید به گونه ای استفاده می شود که قبلا تصور نشده بود. تجسم یکی از قوی‌ترین روش‌های نتیجه‌گیری از داده‌ها است، اما هجوم انواع داده‌های جدید مستلزم توسعه تکنیک‌های تجسم جدید و بلوک‌های ساختمانی است. این دوره به شما مهارت هایی را برای ایجاد آن بلوک های ساختمانی تجسم جدید ارائه می دهد. ما بر چارچوب ggplot2 تمرکز می کنیم و نحوه استفاده و گسترش سیستم را برای مطابقت با نیازهای خاص سازمان یا تیم شما شرح می دهیم. پس از اتمام این دوره، فراگیران قادر خواهند بود ابزارهای مورد نیاز برای تجسم طیف گسترده ای از انواع داده ها را بسازند و اصول مورد نیاز برای پرداختن به انواع داده های جدید را در حین ظهور خواهند داشت.

coursera طراحی داشبوردهای جذاب برای تجزیه و تحلیل مراقبت های بهداشتی (Mitalearn-335883)

  • 1 hours 3 minutes
  • مناسب همه
  • 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 بینش 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. اصول 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، تجسم های همه جانبه و استفاده خوب از داشبورد داده باشد. به دانش آموزان فرصتی برای استفاده از یک یا چند ابزار نرم افزاری ارائه می دهد.

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 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.

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

coursera عوامل اجتماعی تعیین کننده سلامت: فرصت های روش شناختی (Mitalearn-339895)

  • 1 hours 40 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 چهارمین دوره از پنج دوره، رویکردهای روش‌شناختی و ابزارهای پژوهشی را بررسی می‌کند که درک ما را از بهترین شیوه‌ها در کار با تیم‌های علمی، جوامع و با داده‌ها نشان می‌دهد. سرفصل های این دوره شامل: 1. تحقیقات مشارکتی مبتنی بر جامعه 2. علوم تیمی 3. داده های سطح جامعه 4. انفورماتیک و عوامل اجتماعی تعیین کننده سلامت: مدیریت دانش 5. کاربردهای داده: تجزیه و تحلیل ANOVA و تجسم نمودار خطی

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 مبانی تجزیه و تحلیل داده ها (Mitalearn-327417)

  • 2 hours 7 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Erik Herman
درباره این دوره:

این دوره اولین دوره از مجموعه ای است که هدف آن آماده سازی شما برای نقشی در تجزیه و تحلیل داده ها است. در این دوره، شما با بسیاری از انواع اولیه تجزیه و تحلیل داده ها و مفاهیم اصلی آشنا خواهید شد. شما در مورد ابزارها و مهارت های مورد نیاز برای انجام تجزیه و تحلیل داده ها یاد خواهید گرفت. ما برخی از ریاضیات و آمارهای اساسی مورد استفاده در تجزیه و تحلیل داده ها و گردش کار را برای انجام تجزیه و تحلیل داده های کارآمد و مؤثر بررسی خواهیم کرد. این دوره طیف گسترده ای از موضوعات را پوشش می دهد که برای کار در تجزیه و تحلیل داده ها حیاتی هستند و به گونه ای طراحی شده اند که همزمان با شروع به ایجاد دانش و مهارت های مرتبط، مقدمه و نمای کلی را به شما ارائه دهند.

coursera مبانی تجسم با تابلو (Mitalearn-328165)

  • 1 hours 44 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Desiree' Abbott
درباره این دوره:

در اولین دوره از این تخصص، خواهید فهمید که تجسم داده چیست و چگونه می توانیم از آن برای دیدن و درک بهتر داده ها استفاده کنیم. با استفاده از Tableau، مفاهیم اساسی تجسم داده ها را بررسی می کنیم و رابط Tableau را بررسی می کنیم، ابزارهای مختلفی را که Tableau ارائه می دهد شناسایی و به کار خواهیم برد. در پایان دوره شما قادر خواهید بود داده ها را به Tableau آماده و وارد کنید و رابطه بین تجزیه و تحلیل داده ها و تجسم داده ها را توضیح دهید. این دوره برای دانش‌آموزانی طراحی شده است که قبلاً از Tableau استفاده نکرده‌اند یا ممکن است نیاز به تجدید نظر داشته باشند یا بخواهند Tableau را عمیق‌تر بررسی کنند. هیچ پیش زمینه فنی یا تحلیلی قبلی مورد نیاز نیست. این دوره شما را از طریق مراحل لازم برای ایجاد اولین تجسم خود از ابتدا بر اساس زمینه داده ها راهنمایی می کند و زمینه را برای پیشرفت شما به دوره بعدی در تخصص فراهم می کند.

Suggestions