Course catalog
Course duration
Course provider
Topic
Excel: PivotTables in Depth (2018)
(Mitalearn-154697)
- 3 hours 38 minutes
- متوسط
- Release date: 25 July 2026
- Author: Curt Frye
بسیاری از کاربران اکسل از PivotTables ترس دارند. این دوره مقدمه ای کامل از این ویژگی قدرتمند و نادیده گرفته شده ارائه می دهد و برای دانش آموزان پیشرفته تر، نحوه استفاده از ماکروها و مدل داده برای گسترش بیشتر PivotTables را نشان می دهد. مربی کرت فرای با استفاده از مثالهای واقعی که به دانشآموزان کمک میکند تا از زمان خود با برنامه بهترین استفاده را ببرند و دادههای خود را به طور مؤثر تجزیه و تحلیل کنند، PivotTables را رمزگشایی میکند. با نحوه ارزیابی و خلاصه کردن داده ها، مرتب سازی و فیلتر کردن نتایج، قالب بندی PivotTables با سبک ها و قالب بندی شرطی، و تجسم تجزیه و تحلیل خود با PivotCharts آشنا شوید.
rnrn
Related Skills
Excel: Power Pivot for Beginners (2019)
(Mitalearn-181965)
- 25 minutes
- مبتدی
- Release date: 25 July 2026
- Author: Joshua Rischin
ویژگی Power Pivot در مایکروسافت اکسل برای ویندوز به شما امکان می دهد داده ها را از منابع زیادی وارد کنید، ادغام کنید و تجزیه و تحلیل کنید. بسیاری از مردم تصور می کنند که Power Pivot یک ویژگی پیچیده است که برای کاربران پیشرفته در نظر گرفته شده است. اینطور نیست! در این دوره کوتاه، مربی جاش ریشین اسطورههای مربوط به Power Pivot را از بین میبرد و توضیح میدهد که چیست و بهترین راه برای استفاده از آن چیست. جاش شما را در ساخت یک مدل داده پایه با شناسایی منابع داده و ایجاد روابط داده راهنمایی می کند. سپس نحوه تجزیه و تحلیل داده ها و ارائه نتایج خود را با استفاده از PivotTables و PivotCharts نشان می دهد.
Related Skills
Excel: Power Query for Beginners (2021)
(Mitalearn-210236)
- 24 minutes
- مناسب همه
- Release date: 9 February 2021
- Author: Dave Ludwig
اطلاعات بیشتر از کارشناسان برتر LinkedIn Learning
اگر حتی قسمت کوچکی از کار شما مستلزم استفاده از Microsoft Excel باشد، احتمال زیادی وجود دارد که در برخی مواقع صفحه گسترده ای را دریافت کرده باشید داده ها سازماندهی نشده، قطع ارتباط، یا به طور کلی در وضعیت خوبی نیستند. و علیرغم تمرین رایج، یک آه طولانی و سنگین رسماً بخشی از گردش کار توصیه شده اکسل نیست. بهجای اینکه با دادههای درهم ریختهای که قبل از خود میبینید موهایتان را بیرون بکشید، میتوانید از Power Query در اکسل استفاده کنید تا به شما کمک کند دادهها را به چیزی که کار با آن آسانتر است وارد کرده و پاک کنید. در این دوره، متخصص اکسل، دیو لودویگ، شما را با مجموعه ویژگی های قوی Power Query آشنا می کند. دیو به شما نشان می دهد که چگونه از Power Query برای اتصال به منبع داده خود، فیلتر کردن داده ها و ایجاد ستون های مشروط داده استفاده کنید. او همچنین قابلیت های پاکسازی قابل توجه Power Query را نشان می دهد. هنگامی که داده های شما پاک شد، می توانید به راحتی فرمول ها، PivotTables، نمودارها را ایجاد کنید و به طور کلی به تجارت خود ادامه دهید.
Related Skills
Excel: Tracking Data Easily and Efficiently (2018)
(Mitalearn-138989)
- 1 hours 29 minutes
- متوسط
- Update date: 25 July 2026
- Author: Oz du Soleil
بیاموزید که چگونه یک صفحه گسترده اکسل بسیار شارژ بسازید تا به شما و تیمتان کمک کند به راحتی هر نوع تراکنش فروش داده، سطح موجودی، وضعیت پروژه، مرخصی با حقوق کارمندان، پیشرفت دانشآموز، هزینههای خانوار و موارد دیگر را ردیابی کنید. با Excel MVP Oz du Soleil همراه باشید زیرا او نحوه ایجاد یک صفحه گسترده اولیه و تبدیل آن را به یک سیستم ردیابی موثر برای هر نوع داده ای که به طور منظم به روز می شود، نشان می دهد. اصول اولیه صفحهگسترده و همچنین تکنیکهای پیشرفتهتری مانند نوشتن فرمولهایی که کامل بودن اطلاعات را بررسی میکند، محافظت و پنهان کردن برگهها، و ایجاد هشدار برای ضربالاجلها و دادههای بد را بیاموزید. اوز با چالشی به پایان می رسد که همه چیزهایی را که آموخته اید در یک پروژه نهایی صیقلی جمع می کند.
Related Skills
GenAI for Everyone
(Mitalearn-328216)
- 1 hours 29 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Fractal Analytics
این دوره جنبه های مختلف هوش مصنوعی Generative یا GenAI را بررسی می کند. این دوره مقدماتی "GenAI برای همه" شما را در مورد قابلیت های مختلف هوش مصنوعی Generative آگاه می کند. در پایان این دوره، شما قادر خواهید بود در مورد مبانی هوش مصنوعی یا GenAI صحبت کنید و در مورد برخی از کاربردهای GenAI در زندگی روزمره مانند دستیاران مجازی، چت بات ها و توصیه های شخصی صحبت کنید. همچنین میتوانید استراتژیهای استقرار اخلاقی را بررسی کنید و یاد بگیرید که چگونه شیوههای مسئولانه را اعمال کنید، درباره تأثیر GenAI بر کارایی سازمانی بحث کنید، و اهمیت استقرار اخلاقی را از طریق اصول طراحی انسان محور و شیوههای مهندسی قوی بیاموزید.
Related Skills
Google Advanced Data Analytics Capstone
(Mitalearn-336546)
- 48 minutes
- پیشرفته
- Release date: 23 June 2026
- Author: Google Career Certificates
شما تقریباً آنجا هستید! این هفتمین دوره و آخرین دوره گواهی تحلیل داده های پیشرفته گوگل است. در این دوره، شما این فرصت را دارید که یک پروژه اختیاری را تکمیل کنید که شامل مفاهیم کلیدی از هر یک از شش دوره قبلی است. در طول این پروژه سنگ بنا، شما از مهارت ها و دانش جدید خود برای ایجاد بینش های مبتنی بر داده برای یک مشکل تجاری خاص استفاده خواهید کرد. کارمندان Google که در حال حاضر در این زمینه کار میکنند، با ارائه فعالیتهای عملی که وظایف مرتبط را شبیهسازی میکنند، به اشتراک گذاشتن نمونههایی از کارهای روزانهشان، و کمک به شما در تقویت مهارتهای تجزیه و تحلیل دادهها برای آماده شدن برای حرفهتان، شما را در این دوره راهنمایی میکنند. فراگیرانی که هفت دوره در این برنامه را تکمیل می کنند، مهارت های مورد نیاز برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم آگاهی قبلی از اصول، مهارتها و ابزارهای تحلیلی پایه است که در گواهی تجزیه و تحلیل دادههای Google پوشش داده شده است. در پایان این دوره، شما: رزومه خود را ایجاد و/یا به روز کنید سبد حرفه ای خود را ایجاد و/یا به روز کنید - یک چارچوب داده ایجاد کنید -تجسم داده ها را بنویسید -استفاده از آمار برای تجزیه و تحلیل و تفسیر داده ها -ساخت، تفسیر، و ارزیابی مدل های رگرسیون -از تکنیک های یادگیری ماشین در پایتون استفاده کنید
Related Skills
Google Data Analytics Capstone: Complete a Case Study
(Mitalearn-327927)
- 1 hours 20 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Google Career Certificates
این دوره هشتمین دوره گواهینامه Google Data Analytics است. شما این فرصت را خواهید داشت که یک مطالعه موردی را تکمیل کنید، که به شما کمک می کند تا برای شکار شغل تجزیه و تحلیل داده خود آماده شوید. مطالعات موردی معمولاً توسط کارفرمایان برای ارزیابی مهارت های تحلیلی استفاده می شود. برای مطالعه موردی خود، یک سناریوی مبتنی بر تجزیه و تحلیل را انتخاب خواهید کرد. سپس سوالاتی میپرسید، آماده میکنید، پردازش میکنید، تجزیه و تحلیل میکنید، تجسم میکنید و روی دادههای سناریو عمل میکنید. همچنین در مورد مهارتهای مفید جستجوی شغل، پرسشها و پاسخهای رایج مصاحبه، و مواد لازم برای ساختن یک نمونه کار به صورت آنلاین، یاد خواهید گرفت. تحلیلگران فعلی دادههای Google به آموزش و ارائه روشهای عملی برای انجام وظایف رایج تحلیلگر داده با بهترین ابزار و منابع ادامه خواهند داد. فراگیرانی که این برنامه گواهینامه را تکمیل می کنند، برای درخواست مشاغل سطح مقدماتی به عنوان تحلیلگر داده مجهز خواهند شد. هیچ تجربه قبلی لازم نیست. در پایان این دوره، فراگیران: - با مزایا و کاربردهای مطالعات موردی و نمونه کارها در جستجوی کار آشنا شوید. - سناریوهای مصاحبه شغلی در دنیای واقعی و سوالات رایج مصاحبه را کاوش کنید. - کشف کنید که چگونه مطالعات موردی می تواند بخشی از فرآیند مصاحبه شغلی باشد. - سناریوهای مطالعه موردی مختلف را بررسی و در نظر بگیرید. - این شانس را داشته باشید که مطالعه موردی خود را برای نمونه کار خود تکمیل کنید. - مهارت های هوش مصنوعی را از کارشناسان گوگل بیاموزید تا به تکمیل وظایف تجزیه و تحلیل داده کمک کنید.
Related Skills
Google Sheets: Advanced Formulas and Functions
(Mitalearn-130132)
- 3 hours 11 minutes
- متوسط
- Release date: 21 June 2026
- Author: Curt Frye
بسیاری از کاربران مبتدی و متوسط \u200b\u200bGoogle Sheets با توابع و فرمول های اولیه آشنا هستند، اما هیچ تجربه ای با محاسبات پیشرفته تری که این برنامه ارائه می دهد ندارند. در این دوره، کرت فرای از توابع میانی و پیشرفته برای خلاصه کردن داده ها، انجام آمار، تجزیه و تحلیل داده های مالی و موارد دیگر می گذرد. نحوه استفاده از مراجع و محدوده های نامگذاری شده را بیاموزید. اعمال توابع ریاضی برای ضرب، گرد کردن و شمارش مقادیر. شناسایی مقادیر پرت و رتبه بندی؛ محاسبه سرمایه گذاری و پرداخت وام؛ تعیین تاریخ و زمان؛ جستجوی مقادیر بر اساس معیارهای متعدد؛ و آرایه های داده را خلاصه کنید.
Related Skills
HI-FIVE: Health Informatics For Innovation, Value & Enrichment (Administrative/IT Perspective)
(Mitalearn-338416)
- 5 hours 33 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Rita Kukafka
آموزش HI-FIVE (انفورماتیک سلامت برای نوآوری، ارزش و غنی سازی) یک دوره آموزشی آنلاین تقریباً 10 ساعته است که توسط دانشگاه کلمبیا در سال 2016 با حمایت دفتر هماهنگ کننده ملی فناوری اطلاعات سلامت (ONC) طراحی شده است. آموزش مبتنی بر نقش است و از سناریوهای موردی استفاده می کند. هیچ سخت افزار یا نرم افزار اضافی برای این دوره مورد نیاز نیست. سیستم بهداشت و درمان کشور ما با سرعت زیادی در حال تغییر است. برنامه های ارائه مراقبت های بهداشتی تحول آفرین به شدت به فناوری اطلاعات سلامت برای بهبود و هماهنگی مراقبت ها، حفظ ثبت بیماران، حمایت از مشارکت بیمار، توسعه و حفظ زیرساخت های داده لازم برای پرداخت مبتنی بر ارزش چند پرداخت کننده، و توانمندسازی ظرفیت های تحلیلی برای اطلاع رسانی در تصمیم گیری و ساده سازی بستگی دارد. گزارش دهی سرعت شتابان تغییر از فناوری جدید و در حال گسترش همچنان چالشی برای آماده سازی نیروی کار ماهر خواهد بود، بنابراین گذراندن این آموزش به شما کمک می کند تا در چشم انداز پویا مراقبت های بهداشتی به روز بمانید. این دوره یکی از سه دوره مرتبط در برنامه آموزشی HI-FIVE است که دارای موضوعات سلامت جمعیت، هماهنگی و قابلیت همکاری مراقبت، مراقبت مبتنی بر ارزش، تجزیه و تحلیل داده های مراقبت های بهداشتی و مراقبت بیمار محور است. هر یک از این سه دوره از دیدگاهی متفاوت بر اساس نقش های مختلف مراقبت های بهداشتی طراحی شده است. این دوره سوم از دیدگاه اداری یا فناوری اطلاعات است که برای مدیران اجرایی، مدیران، تحلیلگران و کارکنانی که در امور اداری، تجاری، مالی، عملیات، داده یا IT کار می کنند، طراحی شده است. با این حال، ما هر کسی را که در بخش مراقبت های بهداشتی، فناوری اطلاعات سلامت، بهداشت عمومی و سلامت جمعیت کار می کند تشویق می کنیم تا در هر یک از این سه دوره آموزشی شرکت کنند.
Related Skills
Infonomics I: Business Information Economics and Data Monetization
(Mitalearn-283625)
- 4 hours 33 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Douglas B. Laney
رونق در عصر اطلاعات، سازمان ها را وادار می کند تا اطلاعات را به عنوان یک دارایی واقعی تجاری، نه به عنوان یک دارایی فناوری اطلاعات یا صرفاً به عنوان یک محصول جانبی تجاری، به کار گیرند. این امر مستلزم خلاقیت در تصور و اجرای راههای جدید برای ایجاد منافع اقتصادی از مجموعه وسیعی از داراییهای اطلاعاتی در دسترس یک سازمان است. متأسفانه، اطلاعات اغلب نادیده گرفته می شود و بنابراین مورد استفاده قرار نمی گیرد. این اولین دوره از مجموعه دو قسمتی Infonomics دیدگاهی غیر فنی و روش هایی برای درک و استفاده از ویژگی های اقتصادی منحصر به فرد اطلاعات ارائه می دهد. دانشآموزان با تشریح اینکه آیا اطلاعات دارایی یا حتی دارایی هستند یا نه، شروع به درک چالشها و فرصتها میکنند. سپس این دوره به بررسی نحوه رفتار اطلاعات در زمینه مفاهیم مختلف اقتصادی خرد میپردازد، و چه چیزی را میتوان از آن برای بهبود نحوه مدیریت و بهرهبرداری اطلاعات بدست آورد. این منجر به کاوش در راههای مختلفی میشود که اطلاعات میتوانند منافع اقتصادی ایجاد کنند - یا کسب درآمد کنند، از جمله اینکه چگونه سبکهای مختلف تحلیل تجاری میتوانند پتانسیل اطلاعات و ارزش تحقق یافته را برای سازمانها افزایش دهند.
Related Skills
Infonomics II: Business Information Management and Measurement
(Mitalearn-283642)
- 3 hours 28 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Douglas B. Laney
حتی با گذشت چند دهه از عصر اطلاعات، شیوه های حسابداری هنوز ارزش مالی اطلاعات را تشخیص نمی دهند. علاوه بر این، شیوههای سنتی مدیریت دارایی نمیتوانند اطلاعات را بهعنوان داراییای که باید با انضباط جدی مدیریت شوند، تشخیص دهند. این امر منجر به فرهنگ کسب و کار از رضایت و ناتوانی بیشتر سازمان ها در استفاده کامل از دارایی های اطلاعاتی موجود شده است. این دوره دوم از سری دو قسمتی Infonomics به بررسی چگونگی و چرایی انطباق اصول و شیوه های مدیریت دارایی با اطلاعات و نحوه اعمال مدل های ارزش گذاری پذیرفته شده و جدید برای سنجش پتانسیل اطلاعات و منافع اقتصادی تحقق یافته می پردازد. علاوه بر این، این دوره دانش آموزان را در مورد مسائل مهم اما گیج کننده مالکیت اطلاعات، حقوق مالکیت و حاکمیت روشن می کند. این دوره با مروری بر نقش های نوظهور برای سازمان اطلاعاتی قرن بیست و یکم به پایان می رسد.
Related Skills
Intermediate SQL: Data Reporting and Analysis
(Mitalearn-277063)
- 2 hours 14 minutes
- مناسب همه
- Update date: 25 July 2026
- Author: Emma Saunders
اگر قبلاً با مبانی SQL که در دوره مقدماتی ما در مورد SQL: گزارش و تجزیه و تحلیل داده پوشش داده شده است آشنا هستید، ممکن است علاقه مند باشید که مهارت های خود را به سطح بالاتری ببرید و چند ترفند جدید دیگر یاد بگیرید. از تجارت. به مشاور داده اما ساندرز در این پیگیری عملی و عملی بپیوندید که به طور خاص برای کمک به شما در رشد فراتر از اصول اولیه طراحی شده است تا بتوانید به جای گزارش دادن صرفاً دادهها را در پایگاه داده بنویسید.
> جعبه ابزار SQL خود را گسترش دهید، از جمله نحوه جستجوی داده ها در زمان واقعی برای گزارش، ویرایش، درج و حذف. برای دستکاری داده ها در حین بازیابی، توابع جدید تاریخ، شماره و رشته را بیاموزید. در طول مسیر، دانش فنی خود را با چالشها و آزمونهای کدنویسی در پایان هر بخش آزمایش کنید.
Related Skills
Learning Minitab (version Minitab 17)
(Mitalearn-90913)
- 1 hours 16 minutes
- متوسط
- Update date: 25 July 2026
- Author: Richard Chua
داده های خود را با Minitab کار کنید. دانشمندان داده و تصمیم گیرندگان در سراسر جهان از Minitab برای تجزیه و تحلیل و تجسم داده های خود استفاده می کنند. با Minitab میتوانید نمودارها و نمودارها را ترسیم کنید، آمار توصیفی را اجرا کنید و آزمایشهای استنتاجی اولیه را برای تصمیمگیری مبتنی بر داده انجام دهید. این دوره در سطح مبتدی کاربران جدید را با تمام ویژگی های خود آشنا می کند.
rnrn کاربرگ ها و پروژه های Minitab را باز، ذخیره و به اشتراک بگذارید. ایجاد نمودارها و نمودارها؛ و از آمار توصیفی و آزمون های آماری در Minitab برای استنباط و تصمیم گیری های داده محور استفاده کنید. سپس یاد بگیرید که چگونه از داده های پیوسته استنباط کنید - اجرای تست های نرمال بودن، آزمون های واریانس، همبستگی ها و آزمون های رگرسیون ساده. در نهایت، کشف کنید که چگونه با استفاده از گزارشها و تکنیکهای کپی و چسباندن ساده، یافتههای خود را با دیگران به اشتراک بگذارید. شروع به تماشا کنید تا بدانید چرا Minitab یکی از محبوب ترین ابزارهای نرم افزار آماری در جهان است.
Related Skills
Learning R (2019)
(Mitalearn-168654)
- 2 hours 51 minutes
- مبتدی
- Release date: 29 August 2019
- Author: Barton Poulson
اگر می خواهید در انقلاب داده ها شرکت کنید، به ابزارها و مهارت های مناسب نیاز دارید. R یک زبان رایگان و منبع باز برای علم داده است که یکی از محبوب ترین پلتفرم ها برای تحلیلگران حرفه ای است. در این دوره با استاد و دانشمند داده، بارتون پولسون، اصول R را بیاموزید و شروع به یافتن بینش از داده های خود کنید. درسها نحوه شروع کار با R را توضیح میدهند، از جمله نصب بستههای R، RStudio، و کدهایی که قدرت R را افزایش میدهند. همچنین نحوه استفاده از R و RStudio را برای مدلسازی دادهها، تجسم و تجزیه و تحلیل آماری در سطح مبتدی مشاهده میکنید. در پایان دوره، شما با قدرت و انعطاف پذیری R آشنا خواهید شد و نحوه استفاده از این ابزار برای کاوش و تجزیه و تحلیل طیف گسترده ای از داده ها را درک خواهید کرد.
Related Skills
Machine Learning Capstone
(Mitalearn-308054)
- 27 minutes
- پیشرفته
- Release date: 23 June 2026
- Author: Yan Luo,Artem Arutyunov
این دوره آموزشی Capstone یادگیری ماشینی از کتابخانههای مختلف یادگیری ماشین مبتنی بر پایتون مانند Pandas، Sci-Kit-Learn و Tensorflow/Kera استفاده میکند. همچنین یاد خواهید گرفت که مهارت های یادگیری ماشینی خود را به کار ببرید و مهارت خود را در آنها نشان دهید. قبل از شرکت در این دوره، باید تمام دوره های قبلی در گواهینامه حرفه ای یادگیری ماشین آی بی ام را بگذرانید. در این دوره، شما همچنین یاد خواهید گرفت که یک سیستم توصیهکننده دوره بسازید، مجموعه دادههای مربوط به دوره را تجزیه و تحلیل کنید، شباهت کسینوس را محاسبه کنید و یک ماتریس شباهت ایجاد کنید. علاوه بر این، با به کارگیری دانش خود در مورد KNN، PCA، و فیلتر مشارکتی ماتریس غیرمنفی، سیستمهای توصیهای را ایجاد خواهید کرد. در نهایت، کار خود را با همسالان خود به اشتراک می گذارید و از آنها می خواهید که آن را ارزیابی کنند و تجربه یادگیری مشترک را تسهیل کنید.
Related Skills
Mathematica 11 Essential Training
(Mitalearn-108355)
- 3 hours 19 minutes
- متوسط
- Release date: 21 June 2026
- Author: Curt Frye
یاد بگیرید که چگونه داده ها را با استفاده از محیط و زبان Mathematica 11 تجزیه و تحلیل کنید. در این دوره، Curt Frye نحوه راهاندازی نوتبوکهای Mathematica، یافتن راهنما، اختصاص مقادیر به متغیرها، وارد کردن دادهها به Mathematica و تحقیق در نتایج خود را با استفاده از Wolfram|Alpha نشان میدهد. او همچنین نحوه ایجاد و دستکاری لیست ها، تجزیه و تحلیل داده ها با استفاده از آمار توصیفی، انجام محاسبات ماتریس، ایجاد و اشکال زدایی اسکریپت های Mathematica، و رسم داده های خود را با استفاده از قابلیت های تعبیه شده در Mathematica 11 توضیح می دهد. برای جمع بندی، او نحوه تبدیل فایل ها را به فرمت سند قابل محاسبه (CDF)، انیمیشن اضافه کنید تا نتایج خود را تعاملی تر کنید، و با Wolfram Cloud شروع کنید.
Related Skills
Microsoft Azure Databricks for Data Engineering
(Mitalearn-330647)
- 2 hours 22 minutes
- متوسط
- Release date: 23 June 2026
- Author: Microsoft
در این دوره آموزشی، یاد خواهید گرفت که چگونه از قدرت Apache Spark و خوشه های قدرتمندی که بر روی پلتفرم Azure Databricks اجرا می شوند، برای اجرای حجم های کاری مهندسی داده های بزرگ در فضای ابری استفاده کنید. شما قابلیت های Azure Databricks و نوت بوک Apache Spark را برای پردازش فایل های عظیم کشف خواهید کرد. شما با پلتفرم Azure Databricks آشنا خواهید شد و انواع وظایف مناسب برای Apache Spark را شناسایی خواهید کرد. همچنین با معماری Azure Databricks Spark Cluster و Spark Jobs آشنا خواهید شد. شما با حجم زیادی از داده ها از منابع متعدد در قالب های خام مختلف کار خواهید کرد. شما یاد خواهید گرفت که چگونه Azure Databricks از توابع مدیریت روزانه داده مانند خواندن، نوشتن و پرس و جو پشتیبانی می کند. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این هشتمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچهسازی، تبدیل و تلفیق دادهها از سیستمهای دادههای مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راهحلهای تحلیلی که از خدمات داده مایکروسافت آژور استفاده میکنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.
Related Skills
Microsoft Azure for Data Engineering
(Mitalearn-332534)
- 1 hours 20 minutes
- متوسط
- Release date: 23 June 2026
- Author: Microsoft
دنیای داده ها تکامل یافته است و ظهور فناوری های ابری فرصت های جدیدی را برای کسب و کارها فراهم می کند. در این دوره، فناوریهای مختلف پلتفرم داده موجود را یاد خواهید گرفت و اینکه چگونه یک مهندس داده میتواند از این فناوری به نفع یک سازمان استفاده کند. این دوره بخشی از یک تخصص برای مهندسین داده و توسعه دهندگانی است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند، نشان دهند. این اولین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچهسازی، تبدیل و تلفیق دادهها از سیستمهای دادههای مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راهحلهای تحلیلی که از خدمات داده مایکروسافت آژور استفاده میکنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.
Related Skills
Microsoft Power BI Desktop: Advanced DAX for Data Analysis-
(Mitalearn-407334)
- 11 hours 24 minutes
- مناسب همه
- Update date: 29 July 2026
- Author: Maven Analytics,Aaron Parry
برای کاربرانی که به دنبال ارتقای مهارتهای Power BI خود هستند، تسلط بر عبارات تحلیل داده (DAX) ضروری است. در این دوره آموزشی عملی و مبتنی بر پروژه، مهارتهای DAX خود را آزمایش میکنید و آنچه را که یاد میگیرید در برخی از سختترین تجزیه و تحلیل دادههای دنیای واقعی و موارد استفاده از هوش تجاری به کار میگیرید.
< br>
شما نقش تحلیلگر هوش تجاری را برای Maven Roasters، یک زنجیره قهوه زنجیرهای کوچک مستقر در شهر نیویورک بازی خواهید کرد. هدف شما؟ از Power BI و DAX برای پاسخ به سؤالات کلیدی و ارائه اطلاعات مبتنی بر داده برای کسب و کار، با تجزیه و تحلیل موجودی محصول، مشتریان تکراری، عملکرد در سطح فروشگاه، و همه چیز در این بین استفاده کنید.
ما با مرور سریع موضوعات پیش نیاز (زمینه ارزیابی، جریان فیلتر، اقدامات اساسی و غیره) شروع میکنیم، سپس در پشت صحنه شیرجه میزنیم تا نحوه فرمول DAX و ذخیرهسازی را بررسی کنیم. موتورها واقعاً کار میکنند، از جمله ارزیابی پرس و جو، ساختارهای ستونی، فشردهسازی و رمزگذاری VertiPaq.
از آنجا به نکات مفید و بهترین روشهای تحلیلی برای کاربران قدرتمند DAX خواهیم پرداخت. از جمله متغیرها، نظرات، قالببندی پرس و جو و مدیریت خطا، سپس عمیقاً به توابع اسکالر، تکرارکنندهها، هوش زمانی پیشرفته، اتصالات جدول محاسبهشده، توابع رابطه و بسیاری از موارد بیشتر در آخر، ما نگاهی کوتاه به تنظیم عملکرد و بهینهسازی پرس و جوی DAX با استفاده از DAX Studio و ابزار Performance Analyzer Power BI به اشتراک خواهیم گذاشت.
اگر به دنبال ایجاد مهارت های تجزیه و تحلیل داده در سطح متخصص با استفاده از DAX و Power BI هستید، این دوره آموزشی برای شما!
__________
کلیات دوره:
< br>
بررسی مهارت های پیش نیاز
مفاهیم اصلی DAX را که قبلاً باید بدانید مرور کنید از جمله زمینه ارزیابی، جریان فیلتر، اقدامات، و غیره
معرفی پروژه دوره/ p>
معرفی پروژه دوره Maven Roasters و ساخت مدل داده ای که در Power BI Desktop تجزیه و تحلیل خواهیم کرد
< /p>
The موتورهای DAX
درک فرمول DAX و موتورهای ذخیرهسازی، انواع دادهها، رمزگذاری و روشهای فشردهسازی VertiPaq و غیره.
< p>
نکات و بهترین شیوههای DAX
- < p>نکات مفید برای قالببندی را مرور کنید پرس و جوهای DAX، افزودن نظرات، رسیدگی به خطاها و استفاده از متغیرهای DAX
- < p>نکات مفید برای قالببندی را مرور کنید پرس و جوهای DAX، افزودن نظرات، رسیدگی به خطاها و استفاده از متغیرهای DAX
< قوی>توابع اسکالر
کاوش توابع اسکالر رایج DAX، از جمله گرد کردن، اطلاعات، تبدیل، و منطقی توابع
Advanced CALCULATE
بررسی CALCULATE اصلاحکنندهها، انتقال متن، تعامل با جداول و غیره.
جدول و فیلتر توابع
ایجاد جداول محاسبهشده، بررسی عملکردهای رایج فیلتر DAX، تولید دادههای جدید و غیره.
< /ul>
اتصالات جدول محاسبه شده
ایجاد اتصالات محاسبه شده بین جداول فیزیکی و مجازی در Power BI (UNION، EXCEPT، INTERSECT و غیره)
توابع رابطه
کاوش جداول گسترش یافته، روابط فیزیکی و مجازی، توابع روابط رایج و غیره.
Iterator ("X") توابع
کاوش اصلی تکرار کننده، تکرارگرهای تودرتو، انتقال زمینه، RANKX، جزئیات محاسبه DAX، و غیره. p>
هوش زمان پیشرفته
ساخت جداول تاریخ با DAX، دورههای زمانی سفارشی را مقایسه کنید، تقویمهای مالی را مدیریت کنید و غیره.
< strong>SNEAK PEEK: Performance Tuning
معرفی DAX Studio، تحلیلگر عملکرد Power BI و بهینهسازی رایج DAX تکنیکها
__________
امروز بپیوندید و دسترسی فوری و مادامالعمر را دریافت کنید. >به موارد زیر:
150+ صفحه Power BI & Ebook DAX
مجموعه دادههای قابل بارگیری و Power BI فایلهای پروژه
تکالیف و آزمونها
1- پشتیبانی تخصصی on-1
فروم پرسش و پاسخ دوره
بازگشت پول 30 روزه تضمین
می بینمت!
-آرون (Power BI & DAX Instructor, Maven Analytics)
__________
در جستجوی کامل ما کتابخانه دوره؟ جستجوی "Maven Analytics" برای مرور مجموعه کامل ما از Excel, Power BI, SQL, Tableau, Python, Alteryx دورههای قوی> و یادگیری ماشین !
بشنوید که چرا دورههای Power BI ما دارای رتبه برتر هستند. Udemy:
"من کاملاً این دوره Power BI را دوست داشتم! درک همه چیز بسیار آسان بود، اما آنقدر سرعت داشت که من هرگز خسته نشدم. من خیلی چیزها یاد گرفتم و از انجام آن لذت بردم. در واقع، در پایان روز، من نمیخواستم یادگیری را متوقف کنم - میخواستم به درس بعدی ادامه دهم!»
- Ann S.
"شگفت انگیز! اگر از من بپرسید 5+ ستاره! مختصر، فوق العاده منظم و آماده. من چیزهای زیادی در مورد Power BI و DAX یاد گرفتم و از ابتدا تا انتها از این دوره لذت بردم."
-Nikola H. /p>
"بهترین دوره های Power BI در Udemy را به صورت دستی ارائه دهید. دوره ها به خوبی آماده شده و بسیار عملی هستند و مدرس کل تجربه را آسان و سرگرم کننده می کند. من آن را 100٪ توصیه می کنم!"
-Jorge M.
"کجا می توانم رتبه 6 ستاره را بگذارم؟"
-کارلوس بی.
Related Skills
Practical LLMs for Modern Data Science
(Mitalearn-466188)
- 1 hours 12 minutes
- مناسب همه
- Release date: 23 June 2026
- Author: Parul Pandey
بیاموزید که چگونه می توان از مدل های زبان بزرگ (LLM) به عنوان دستیار عملی در کارهای روزمره علم داده استفاده کرد. با دیدن کدهای تولید شده توسط LLM در عمل شروع کنید و سپس راهنماهای قابل استفاده مجدد خود را بسازید که کارهای تکراری مانند کاوش، پیش پردازش، و مدل سازی دیگ بخار را سرعت می بخشد. بیاموزید که چگونه از LLM ها برای تولید کدی استفاده کنید که قابل بازرسی، اجرا و اعتبارسنجی باشد، نه اینکه به خروجی های جعبه سیاه اعتماد کنید. کاوش کنید که چگونه LLM ها در وظایف طبقه بندی و رگرسیون رفتار می کنند و چگونه این نتایج را با استفاده از معیارهای استاندارد علم داده ارزیابی می کنند.