Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-55 of 55 items.

coursera کمک به تصمیم گیرندگان بخش عمومی با تحلیل خط مشی (Mitalearn-361179)

  • 5 hours 40 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Christopher Brooks,Paula Lantz
درباره این دوره:

توسعه مهارت های تجزیه و تحلیل داده ها که از تصمیم گیرندگان بخش عمومی با انجام تجزیه و تحلیل خط مشی در تمام مراحل فرآیند سیاست گذاری حمایت می کند. شما یاد خواهید گرفت که چگونه تکنیک های تجزیه و تحلیل داده ها را در اصول اصلی بخش عمومی کارایی، اثربخشی و برابری اعمال کنید. از طریق مطالعات موردی معتبر و مجموعه‌های داده، مهارت‌های تحلیلی را که معمولاً برای تجزیه و تحلیل و ارزیابی خط‌مشی‌ها و برنامه‌ها استفاده می‌شود، از جمله تجزیه و تحلیل گزینه‌های خط‌مشی، مدل‌سازی ریزشبیه‌سازی، و طرح‌های تحقیقاتی برای ارزیابی برنامه و خط‌مشی توسعه خواهید داد. همچنین مهارت‌های فنی متوسطی مانند آزمون‌های مجذور کای و جداول احتمالی، مقایسه نمونه‌ها از طریق آزمون‌های t و ANOVA، اعمال تفاوت معنی‌دار صادقانه توکی برای تصحیح چندین آزمون، درک مقادیر p و تجسم شبیه‌سازی توابع آماری را خواهید آموخت. کمک به پاسخ به سوالاتی که سیاستگذاران می پرسند، مانند "چه باید بکنیم؟" و "آیا کار کرد؟" علاوه بر این، آزمایش های آماری را تمرین کرده و تصاویر ggplot را برای دو مجموعه داده واقعی با استفاده از زبان برنامه نویسی R ایجاد خواهید کرد. تمام دوره های آموزشی در RStudio در Coursera بدون نیاز به نصب نرم افزار اضافی تکمیل می شود. این سومین دوره از چهار دوره در تجزیه و تحلیل داده ها در بخش عمومی با تخصص R است. این مجموعه برای حرفه ای های فعلی یا اولیه که در بخش دولتی به دنبال کسب مهارت در تجزیه و تحلیل موثر داده های عمومی هستند ایده آل است. همچنین برای متخصصان فعلی تجزیه و تحلیل داده ها یا دانشجویانی که به دنبال ورود به بخش دولتی هستند ایده آل است.

coursera مبانی تحلیل استراتژیک کسب و کار (Mitalearn-298432)

  • 3 hours 57 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Nicolas Glady
درباره این دوره:

این دوره برای چه کسانی است؟ این دوره برای دانشجویان، تحلیلگران کسب و کار و دانشمندان داده طراحی شده است که می خواهند دانش و تکنیک های آماری را در زمینه های تجاری به کار ببرند. به عنوان مثال، ممکن است برای آماردانان با تجربه، تحلیلگران، مهندسانی که می خواهند بیشتر به سمت یک نقش تجاری حرکت کنند، مناسب باشد. اگر پیشینه ای در زمینه آمار دارید، می توانید از R یا زبان برنامه نویسی دیگری استفاده کنید و با پایگاه های داده و تکنیک های تجزیه و تحلیل داده ها مانند رگرسیون، طبقه بندی و خوشه بندی آشنا هستید، این دوره را هیجان انگیز و ارزشمند خواهید یافت. با این حال، شامل تعدادی رسیتال و آموزش R Studio است که شایستگی های شما را تثبیت می کند، به شما امکان می دهد آزادانه تر با داده ها بازی کنید و ویژگی های جدید و توابع آماری را در R کشف کنید. با این دوره، شما یک مرور کلی در مورد موضوعات استراتژیک تجزیه و تحلیل کسب و کار خواهید داشت. ما در مورد طیف گسترده ای از کاربردهای Business Analytics صحبت خواهیم کرد. از بازاریابی گرفته تا زنجیره تامین یا امتیازدهی اعتبار و تجزیه و تحلیل منابع انسانی و غیره. ما بسیاری از تکنیک‌های تجزیه و تحلیل داده‌های مختلف را پوشش می‌دهیم و هر بار توضیح می‌دهیم که چگونه می‌توان با کسب و کار خود مرتبط بود. ما توجه ویژه ای به نحوه ایجاد بینش متقاعد کننده، عملی و کارآمد خواهیم داشت. ما همچنین ابزارهای تجزیه و تحلیل داده های مختلفی را به شما ارائه خواهیم داد تا در انواع مختلف مسائل اعمال شوند. با انجام این کار، ما به شما کمک می کنیم چهار مجموعه از مهارت های مورد نیاز برای افزایش ارزش داده ها را توسعه دهید: تجزیه و تحلیل، فناوری اطلاعات، تجارت و ارتباطات. در پایان این MOOC، شما باید بتوانید با استفاده از Analytics با (1) واجد شرایط بودن موضوع مورد نظر از نظر کمی، (2) انجام تجزیه و تحلیل داده های مربوطه، و (3) ارائه نتیجه گیری و توصیه های خود در روشی تجاری محور، عملی و کارآمد. پیش نیازها: 1/ توانایی استفاده از R یا برنامه نویسی 2/ آشنایی با مبانی پایگاه های داده، تجزیه و تحلیل داده ها (رگرسیون، طبقه بندی، خوشه بندی) ما به Pauline Glikman، Albane Gaubert، Elias Abou Khalil-Lanvin (دانشجویان در ESSEC BUSINESS School) به دلیل مشارکت آنها در طراحی این دوره اعتبار می دهیم.

coursera محیط برنامه نویسی R (Mitalearn-331208)

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

این دوره مقدمه ای دقیق بر زبان برنامه نویسی R با تمرکز ویژه بر استفاده از R برای توسعه نرم افزار در محیط علم داده ارائه می دهد. چه بخشی از یک تیم علم داده باشید و چه به صورت انفرادی در جامعه ای از توسعه دهندگان کار می کنید، این دوره به شما دانش R را می دهد که برای مشارکت مفید در آن تنظیمات لازم است. این دوره به عنوان اولین دوره در تخصص، پایه اساسی R مورد نیاز برای دوره های زیر را فراهم می کند. ما مفاهیم اصلی R و مبانی زبان، مفاهیم کلیدی مانند داده‌های مرتب و ابزارهای "tidyverse" مرتبط، پردازش و دستکاری مجموعه داده‌های پیچیده و بزرگ، مدیریت داده‌های متنی، و وظایف پایه علم داده را پوشش می‌دهیم. پس از اتمام این دوره، زبان آموزان به کنسول R تسلط خواهند داشت و می توانند مجموعه داده های مرتبی را از طیف گسترده ای از منابع داده ممکن ایجاد کنند.

coursera مدل های خطی پیشرفته برای علم داده 1: حداقل مربعات (Mitalearn-336342)

  • 3 hours 27 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD
درباره این دوره:

به مدل های خطی پیشرفته برای علم داده کلاس 1: حداقل مربعات خوش آمدید. این کلاس مقدمه ای بر حداقل مربعات از منظر جبری خطی و ریاضی است. قبل از شروع کلاس مطمئن شوید که موارد زیر را دارید: - درک اولیه از جبر خطی و حساب دیفرانسیل و انتگرال چند متغیره. - درک اولیه از آمار و مدل های رگرسیون. - حداقل آشنایی کمی با ریاضیات مبتنی بر اثبات. - آشنایی اولیه با زبان برنامه نویسی R پس از گذراندن این دوره، دانش‌آموزان پایه محکمی در درمان جبری خطی مدل‌سازی رگرسیون خواهند داشت. این به میزان زیادی درک عمومی دانشمندان داده کاربردی از مدل‌های رگرسیون را افزایش می‌دهد.

coursera مدیریت ریسک مالی با R (Mitalearn-295899)

  • 3 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: David Hsieh
درباره این دوره:

این دوره به شما می آموزد که چگونه بازده یک سبد اوراق بهادار را محاسبه کنید و همچنین ریسک بازار آن پرتفوی را کمی کنید، مهارتی مهم برای تحلیلگران بازار مالی در بانک ها، صندوق های تامینی، شرکت های بیمه و سایر خدمات مالی و شرکت های سرمایه گذاری. با استفاده از زبان برنامه نویسی R با Microsoft Open R و RStudio، از دو ابزار اصلی برای محاسبه ریسک بازار پرتفوی سهام استفاده خواهید کرد: ارزش در معرض خطر (VaR) و کسری مورد انتظار (ES). برای تکمیل تکالیف این دوره به درک سطح مبتدی از برنامه نویسی R نیاز دارید.

coursera مقدمه ای بر Neurohacking در R (Mitalearn-332976)

  • 4 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Elizabeth Sweeney ,Ciprian M. Crainiceanu,John Muschelli III
درباره این دوره:

Neurohacking نحوه استفاده از زبان برنامه نویسی R (https://cran.r-project.org/) و بسته مرتبط با آن را برای انجام دستکاری، پردازش و تجزیه و تحلیل داده های تصویربرداری عصبی توضیح می دهد. ما بر روی تصویربرداری تشدید مغناطیسی ساختاری (MRI) در دسترس عموم تمرکز می‌کنیم. ما مفاهیمی مانند تصحیح ناهمگنی، ثبت تصویر و تجسم تصویر را مورد بحث قرار می دهیم. در پایان این دوره، شما قادر خواهید بود: خواندن/نوشتن تصاویر مغز در قالب NIfTI (ابتکار فناوری اطلاعات انفورماتیک عصبی) این تصاویر را تجسم و کشف کنید تصحیح ناهمگنی، استخراج مغز و ثبت تصویر (در یک موضوع و یک الگو) را انجام دهید.

coursera مقدمه ای بر Tidyverse (Mitalearn-327315)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

این دوره مجموعه قدرتمندی از ابزارهای علم داده را به نام Tidyverse معرفی می کند. Tidyverse روشی را متحول کرده است که دانشمندان داده تقریباً تمام جنبه های کار خود را انجام می دهند. ما ایده ساده "داده های مرتب" و نحوه سازماندهی داده ها برای تجزیه و تحلیل و مدل سازی را پوشش خواهیم داد. همچنین نحوه تبدیل غیر مرتب به داده‌های مرتب، چرخه حیات پروژه علم داده و اکوسیستم بسته‌های Tidyverse R را که می‌توان برای اجرای یک پروژه علم داده استفاده کرد، پوشش خواهیم داد. اگر در علم داده تازه کار هستید، اکوسیستم بسته‌های R Tidyverse راهی عالی برای یادگیری جنبه‌های مختلف خط لوله علم داده، از وارد کردن داده‌ها، مرتب کردن داده‌ها در قالبی که کار با آن آسان است، کاوش و تجسم است. داده ها و برازش مدل های یادگیری ماشینی اگر قبلاً در علم داده باتجربه هستید، Tidyverse یک سیستم قدرت برای ساده کردن گردش کار شما به شیوه ای منسجم ارائه می دهد که می تواند به راحتی با سایر ابزارهای علم داده ارتباط برقرار کند. در این دوره مهم است که با زبان برنامه نویسی R آشنا باشید. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی (Mitalearn-340133)

  • 1 hours 37 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Alex Bottle
درباره این دوره:

به مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی خوش آمدید! این دوره به شما بلوک‌های اصلی تجزیه و تحلیل آماری - انواع متغیرها، توزیع‌های رایج، آزمایش فرضیه‌ها را آموزش می‌دهد، اما بیش از آن، شما را قادر می‌سازد مجموعه داده‌ای را که قبلاً هرگز ندیده‌اید، بگیرید، ویژگی‌های کلیدی آن را شرح دهید. نقاط قوت و ویژگی های آن را بشناسید، تحلیل های اساسی اساسی انجام دهید و سپس فرضیه ها را بر اساس میانگین ها و نسبت ها تدوین و آزمایش کنید. سپس پایه محکمی برای رفتن به تحلیل پیچیده تر و گذراندن دوره های دیگر در این مجموعه خواهید داشت. نرم افزار محبوب، منعطف و کاملا رایگان R را که توسط متخصصان آمار و یادگیری ماشین در همه جا استفاده می شود، یاد خواهید گرفت. این کار عملی است، بنابراین ابتدا با نحوه بیان یک فرضیه قابل آزمایش از طریق نمونه هایی از تحقیقات پزشکی که توسط رسانه ها گزارش شده است، آشنا خواهید شد. سپس با مجموعه داده‌های مربوط به عادات غذایی میوه و سبزیجات کار می‌کنید: داده‌هایی که به‌طور واقع بینانه نامرتب هستند، زیرا مجموعه داده‌های بهداشت عمومی در واقعیت چنین هستند. در طول مسیر، مینی آزمون هایی با بازخورد برای بررسی درک شما وجود خواهد داشت. این دوره توانایی شما را برای تفکر انتقادی و عدم پذیرش چیزها بدیهی تر می کند: در این عصر الگوریتم های کنترل نشده و اخبار جعلی، این مهارت ها بیش از همیشه مهم هستند. پیش نیازها برخی از فرمول ها برای کمک به درک ارائه شده است، اما این از آن دوره هایی نیست که برای دنبال کردن آن نیاز به مدرک ریاضی دارید. شما فقط به اعداد اولیه (مثلاً از حساب دیفرانسیل و انتگرال استفاده نمی کنیم) و آشنایی با روش های نموداری و جدولی برای ارائه نتایج نیاز دارید. هیچ دانشی از R یا برنامه نویسی فرض نمی شود.

coursera مقدمه ای بر احتمال و داده با R (Mitalearn-326754)

  • 3 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره شما را با نمونه گیری و کاوش داده ها و همچنین نظریه احتمالات اولیه و قانون بیز آشنا می کند. شما انواع مختلفی از روش‌های نمونه‌گیری را بررسی خواهید کرد و در مورد اینکه چگونه چنین روش‌هایی می‌توانند بر دامنه استنتاج تأثیر بگذارند، بحث خواهید کرد. انواع تکنیک های تجزیه و تحلیل داده های اکتشافی شامل آمار خلاصه عددی و تجسم داده های پایه پوشش داده خواهد شد. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. مفاهیم و تکنیک های این دوره به عنوان بلوک های سازنده دروس استنتاج و مدل سازی در تخصص عمل می کند.

coursera مقدمه ای بر برنامه نویسی R برای علم داده (Mitalearn-326703)

  • 1 hours 43 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yan Luo
درباره این دوره:

هنگام کار در زمینه علم داده قطعاً با زبان R و نقشی که در تجزیه و تحلیل داده ایفا می کند آشنا خواهید شد. این دوره شما را با مبانی زبان R مانند انواع داده ها، تکنیک های دستکاری و نحوه اجرای وظایف برنامه نویسی اساسی آشنا می کند. شما فرآیند درک ساختارهای داده رایج، اصول برنامه نویسی و نحوه دستکاری داده ها را با کمک زبان برنامه نویسی R آغاز خواهید کرد. تاکید در این دوره یادگیری عملی و عملی است. شما یک برنامه ساده با استفاده از RStudio می نویسید، داده ها را در یک چارچوب داده یا ماتریس دستکاری می کنید، و یک پروژه نهایی را به عنوان تحلیلگر داده با استفاده از نوت بوک های Watson Studio و Jupyter تکمیل می کنید تا بینش های مبتنی بر داده را به دست آورید و تجزیه و تحلیل کنید. هیچ دانش قبلی در مورد R یا برنامه نویسی مورد نیاز نیست.

coursera مقدمه ای بر برنامه نویسی R و Tidyverse (Mitalearn-328981)

  • 3 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jane Wall
درباره این دوره:

این دوره مقدمه ای ملایم برای برنامه نویسی در R است که برای 3 نوع زبان آموز طراحی شده است. برای شما مناسب خواهد بود، اگر: • می خواهید تجزیه و تحلیل داده ها را انجام دهید اما برنامه نویسی نمی دانید • برنامه نویسی می دانید اما با R آشنا نیستید • شما مقداری برنامه نویسی R را می شناسید اما می خواهید افعال منظم را یاد بگیرید شما یاد خواهید گرفت که تجسم و تجزیه و تحلیل داده ها را به شیوه ای تکرارپذیر انجام دهید و از توابعی استفاده کنید که به کد شما اجازه می دهد به راحتی خوانده و درک شود. شما از RMarkdown برای ایجاد اسناد و گزارش های خوب استفاده خواهید کرد که کد شما را هر بار که اجرا می شود تازه اجرا می کند و افکار شما را در مورد داده ها در طول مسیر به تصویر می کشد. این دوره برای زبان آموزانی با پیشینه های غیر STEM طراحی شده است تا با ارائه مقدمه ای بر برنامه نویسی و زبان R به آنها کمک کند تا برای دوره های پیشرفته تر علم داده آماده شوند. من برای همراهی شما در این سفر هیجان زده هستم! لوگوی دوره با استفاده از تصاویر برچسب های فروشگاه RStudio ایجاد شده است. لطفاً به https://swag.rstudio.com/s/shop مراجعه کنید.

coursera مقدمه ای بر تجزیه و تحلیل کسب و کار با R (Mitalearn-287620)

  • 6 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Ronald Guymon,Ashish Khandelwal
درباره این دوره:

تقریباً هر جنبه ای از تجارت تحت تأثیر تجزیه و تحلیل داده ها قرار می گیرد. برای اینکه کسب‌وکارها بر روی تجزیه و تحلیل داده‌ها سرمایه‌گذاری کنند، به رهبرانی نیاز دارند که گردش کار تحلیلی کسب‌وکار را درک کنند. این دوره با ارائه مجموعه‌ای اساسی از مهارت‌های پردازش داده که می‌تواند در بسیاری از محیط‌های تجاری اعمال شود، به شکاف مهارت‌های انسانی می‌پردازد. در این دوره شما از یک زبان تجزیه و تحلیل داده، R، برای آماده سازی کارآمد داده های تجاری برای ابزارهای تحلیلی مانند الگوریتم ها و تجسم ها استفاده خواهید کرد. تمیز کردن، تبدیل، جمع‌آوری و شکل‌دهی مجدد داده‌ها یک گام مهم، اما نامحسوس در گردش کار تحلیلی کسب‌وکار است. همانطور که یاد می گیرید چگونه از R برای آماده سازی داده ها برای تجزیه و تحلیل استفاده کنید، با استفاده از RStudio، یک محیط توسعه یکپارچه قدرتمند (IDE)، که دارای بسیاری از ویژگی های داخلی است که کدنویسی با R را ساده می کند، تجربه کسب خواهید کرد. همانطور که در مورد گردش کار تجزیه و تحلیل کسب و کار یاد می گیرید، تعامل بین اصول کسب و کار و تجزیه و تحلیل داده ها را نیز در نظر خواهید گرفت. به طور خاص، بررسی خواهید کرد که چگونه تفویض اختیار، کنترل و امکان‌سنجی بر روش پردازش داده‌ها تأثیر می‌گذارد. همچنین با نمونه هایی از مشکلات تجاری که با اتوماسیون و تجزیه و تحلیل داده ها قابل حل هستند و روش هایی برای برقراری ارتباط نتایج تحلیل داده ها که نیازی به کپی و چسباندن از یک پلتفرم به پلتفرم دیگر ندارند، آشنا خواهید شد.

coursera مهارت های اساسی در بیوانفورماتیک (Mitalearn-328573)

  • 9 hours 37 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jesper Tegner,Zafer Ali,Vincenzo Lagani
درباره این دوره:

این دوره یک نمای کلی و عمدتاً عملی از مهارت های اساسی برای بیوانفورماتیک (و به طور کلی، تجزیه و تحلیل داده ها) ارائه می دهد. هدف حمایت از توسعه همزمان مهارت های کمی و برنامه نویسی برای دانشجویان بیولوژیکی و زیست پزشکی با پیشینه کم یا بدون پیشینه در برنامه نویسی یا تجزیه و تحلیل کمی است. در طول دوره، دانش آموز مهارت های عملی لازم را برای انجام تجزیه و تحلیل داده های اولیه ایجاد می کند. مهم‌تر از همه، شرکت‌کنندگان مهارت‌های بلندمدت در برنامه‌نویسی (و تجزیه و تحلیل داده‌ها) و دستورالعمل‌هایی برای بهبود دانش خود در مورد آن را خواهند آموخت. این دوره شامل برنامه نویسی در R، برنامه نویسی در پایتون، سرور یونیکس و بررسی مفاهیم اولیه آمار خواهد بود.

coursera یادگیری ماشین برای هوشمند بتا (Mitalearn-295848)

  • 4 hours 30 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Youngju Nielsen,Haeram Joo
درباره این دوره:

در این دوره 4 هفته ای با محصولات اسمارت بتا آشنا می شوید. محصولات هوشمند بتا دارای ویژگی‌های سرمایه‌گذاری غیرفعال (دارای قوانین از پیش تعیین‌شده) و سرمایه‌گذاری‌های فعال (اجازه سرمایه‌گذاری عاملی) هستند. ما مکانیسم‌های ایجاد پشت محصولات مختلف بتا هوشمند را مرور می‌کنیم و برخی از آنها را با استفاده از برنامه‌نویسی R بازسازی می‌کنیم. سپس روش های یادگیری ماشین را اعمال خواهیم کرد. پردازش داده ها، تکنیک های پیشگیری از برازش بیش از حد پوشش داده خواهد شد. در نهایت سعی خواهیم کرد با استفاده از روش‌های CART، bagging، boosting و ensemble یک مدل چند عاملی بهبودیافته ایجاد کنیم. انتظار می رود که دانش آموزان به اولین و دومین دوره من با عنوان «مبانی سرمایه گذاری مبتنی بر داده» و «استفاده از R برای رگرسیون و یادگیری ماشین در سرمایه گذاری» گوش داده باشند، یا دانشی معادل در مفاهیم سرمایه گذاری و درک محکمی از برنامه نویسی R داشته باشند.

coursera یادگیری ماشینی عملی (Mitalearn-335560)

  • 4 hours 9 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
درباره این دوره:

یکی از رایج ترین کارهایی که توسط دانشمندان داده و تحلیلگران داده انجام می شود، پیش بینی و یادگیری ماشین است. این دوره مولفه های اساسی ساخت و کاربرد توابع پیش بینی را با تاکید بر کاربردهای عملی پوشش می دهد. این دوره در مفاهیمی مانند مجموعه های آموزشی و آزمایشی، تطبیق بیش از حد، و میزان خطا، پایه های اساسی را ارائه می دهد. این دوره همچنین طیف وسیعی از روش‌های یادگیری ماشینی مبتنی بر مدل و الگوریتمی از جمله رگرسیون، درختان طبقه‌بندی، Naive Bayes و جنگل‌های تصادفی را معرفی می‌کند. این دوره فرآیند کامل ساخت توابع پیش بینی شامل جمع آوری داده ها، ایجاد ویژگی، الگوریتم ها و ارزیابی را پوشش می دهد.

Suggestions