Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-47 of 47 items.

linkedin مدل سازی داده های Power BI با DAX (Mitalearn-186232)

  • 1 hours 22 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Gini von Courter
درباره این دوره:

Power BI Desktop ایجاد مدل های داده پایه را آسان می کند. اما اگر نیاز به گزارش در دوره‌های زمانی دارید - برای مثال، رشد سال به سال را تجسم کنید یا فروش یا سایر داده‌ها را بر اساس ماه یا سه ماهه مقایسه کنید - به عبارات تحلیل داده (DAX) نیاز دارید. DAX زبانی است که می توانید از آن برای ایجاد فرمول هایی برای Power BI استفاده کنید که مدل داده شما را گسترش می دهد. در این دوره، Gini von Courter اصول کار با DAX، به اشتراک گذاری بهترین روش ها برای طراحی مدل داده و بهینه سازی در طول مسیر را پوشش می دهد. نحوه کار با توابع جمع DAX، اضافه کردن ستون های محاسبه شده، ایجاد اندازه گیری و کار با توابع منطقی و فیلتر DAX را بیاموزید.

coursera مدل سازی در AWS (Mitalearn-329712)

  • 1 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

مدل سازی در AWS سومین دوره در تخصص تخصصی یادگیری ماشین گواهی شده AWS است. تمرکز اصلی این دوره آموزش مدل های یادگیری ماشین با تجزیه و تحلیل مفاهیم مدل سازی در AWS است. این دوره به دو ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره با سخنرانی‌های ویدئویی تقریباً 1:30 ساعت تا 2:00 ساعت که دانش تئوری و دستی را ارائه می‌کند، زبان‌آموزان را تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: مدل سازی و آموزش مدل های یادگیری ماشین در AWS ماژول 2: مدل های یادگیری ماشین: ارزیابی عملکرد و تنظیم در پایان این دوره، فراگیران قادر خواهند بود: 1. تجزیه و تحلیل مفاهیم مدل سازی و آموزش مدل های یادگیری ماشین 2. عملکرد مدل های یادگیری ماشین را بررسی کنید 3. با آموزش یک مدل، تنظیم خودکار مدل را پیاده سازی کنید

coursera مقدمه ای بر پایگاه های داده NoSQL (Mitalearn-317030)

  • 3 hours 39 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Ramesh Sannareddy,Steve Ryan
درباره این دوره:

با این دوره مقدماتی مبتدی، با پایگاه های داده NoSQL شروع کنید! این دوره دانش فنی و عملی از پایگاه‌های داده NoSQL و ارائه‌های پایگاه داده به‌عنوان سرویس (DaaS) ارائه می‌کند. با ظهور Big Data و متدولوژی های توسعه چابک، پایگاه های داده NoSQL ارتباط زیادی در چشم انداز پایگاه داده پیدا کرده اند. مزیت اصلی آنها توانایی رسیدگی به مسائل مقیاس پذیری و انعطاف پذیری است که برنامه های کاربردی مدرن مطرح می کنند. شما این دوره را با یادگیری تاریخچه و مبانی پایگاه های داده NoSQL (سند، کلید-مقدار، ستون و نمودار) آغاز خواهید کرد و ویژگی ها و مزایای کلیدی آنها را کشف خواهید کرد. شما با چهار دسته از پایگاه های داده NoSQL و تفاوت آنها آشنا خواهید شد. همچنین تفاوت‌های بین مدل‌های سازگاری ACID و BASE، مزایا و معایب سیستم‌های توزیع‌شده و زمان استفاده از RDBMS و NoSQL را بررسی خواهید کرد. همچنین در مورد پایگاه‌های داده برداری، یک کلاس در حال ظهور از پایگاه‌های داده که در هوش مصنوعی محبوب هستند، یاد خواهید گرفت. در مرحله بعد، معماری و ویژگی های چندین پیاده سازی پایگاه داده NoSQL، یعنی MongoDB، Cassandra و IBM Cloudant را بررسی خواهید کرد. شما در مورد وظایف مشترکی که هر یک از آنها انجام می دهند و ویژگی های کلیدی و تعیین کننده آنها یاد خواهید گرفت. سپس تجربه عملی با استفاده از آن پایگاه‌های داده NoSQL برای انجام وظایف مدیریت پایگاه داده استاندارد، مانند ایجاد و تکثیر پایگاه‌های داده، بارگیری و جستجوی داده‌ها، اصلاح مجوزهای پایگاه داده، فهرست‌سازی و تجمیع داده‌ها، و تقسیم (یا پارتیشن‌بندی) داده‌ها به دست خواهید آورد. در پایان این دوره، شما یک پروژه نهایی را تکمیل خواهید کرد که در آن تمام دانش خود را از محتوای دوره در یک سناریو خاص به کار خواهید برد و با چندین پایگاه داده NoSQL کار خواهید کرد. این دوره برای هر کسی که می خواهد مجموعه مهارت های مدیریت داده و فناوری اطلاعات خود را گسترش دهد مناسب است.

coursera مقدمه ای بر پایگاه های داده رابطه ای (RDBMS) (Mitalearn-319376)

  • 2 hours 59 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Sandip Saha Joy
درباره این دوره:

آیا برای شیرجه زدن به دنیای مهندسی داده آماده هستید؟ در این دوره سطح مبتدی، شما درک کاملی از نحوه ذخیره، پردازش و دسترسی به داده ها در پایگاه داده های رابطه ای (RDBMS) خواهید داشت. شما با انواع مختلفی از پایگاه داده ها کار خواهید کرد که برای نیازهای مختلف پردازش داده ها مناسب هستند. شما این دوره را با آشنایی با مفاهیم پایگاه داده رابطه ای و همچنین چندین پایگاه داده استاندارد رابطه ای صنعتی از جمله IBM DB2، MySQL و PostgreSQL آغاز خواهید کرد. در مرحله بعد، از ابزارهای RDBMS استفاده شده توسط افراد حرفه ای مانند phpMyAdmin و pgAdmin برای ایجاد و نگهداری پایگاه داده های رابطه ای استفاده می کنید. همچنین از خط فرمان و دستورات SQL برای ایجاد و مدیریت جداول استفاده خواهید کرد. این دوره شامل تمرینات عملی و عملی است که به شما کمک می کند تا یادگیری خود را نشان دهید. شما با پایگاه های داده واقعی کار خواهید کرد و مجموعه داده های دنیای واقعی را کاوش خواهید کرد. شما نمونه های پایگاه داده ایجاد می کنید و آنها را با جداول و داده ها پر می کنید. در پایان این دوره، شما یک تکلیف نهایی را تکمیل می کنید که در آن دانش انباشته شده خود را از این دوره به کار می گیرید و نشان می دهید که مهارت های زیر را دارید: طراحی پایگاه داده برای یک نیاز تجزیه و تحلیل خاص، عادی سازی جداول، ایجاد جداول و نماها در پایگاه داده، بارگیری و دسترسی به داده ها. هیچ دانش قبلی از پایگاه داده یا برنامه نویسی مورد نیاز نیست. هر کس می تواند این دوره را بدون هزینه بررسی کند. اگر این دوره را انتخاب کنید و گواهی دوره Coursera را کسب کنید، می توانید پس از اتمام موفقیت آمیز دوره، نشان دیجیتال IBM را نیز کسب کنید.

coursera مقدمه ای بر تحلیل داده ها (Mitalearn-287841)

  • 4 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Anke Audenaert
درباره این دوره:

این دوره یک درک عملی و چارچوبی برای وظایف اصلی تجزیه و تحلیل، از جمله استخراج داده، تمیز کردن، دستکاری و تجزیه و تحلیل ارائه می دهد. این چرخه OSEMN را برای مدیریت پروژه های تحلیلی معرفی می کند و شما نمونه های واقعی از نحوه استفاده شرکت ها از بینش داده ها برای بهبود تصمیم گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، KPI و معیارهای مرتبط را تدوین کنید • یک فرآیند تجزیه و تحلیل داده ها را با استفاده از چارچوب OSEMN اعمال کنید • داده های مربوطه را که برای بازاریابی جمع آوری می شود، شناسایی و تعریف کنید • فرمت های مختلف داده و کاربردهای آنها را در سناریوهای مختلف مقایسه و مقایسه کنید • شکاف های داده ها را شناسایی کنید و نقاط قوت و ضعف داده های جمع آوری شده را بیان کنید شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید. در حالت ایده آل، شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی را در این برنامه تکمیل کرده اید.

linkedin یادگیری علم داده: سوالات بزرگ بپرسید (Mitalearn-91627)

  • 1 hours 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

اکتشافات بزرگ علم داده اغلب به کسی برمی‌گردد که یک سؤال مهم می‌پرسد. به همین دلیل برای تیم شما مهم است که از تفکر انتقادی برای ارائه سوالات زیرکانه و معنادار که ارزش واقعی را اضافه می کند، استفاده کند. یک سوال خوب می تواند مانع از انحراف تیم شما در فرضیات بد و نتیجه گیری های نادرست شود. در این دوره، نویسنده داگ رز مؤلفه‌های کلیدی استدلال انتقادی و چگونگی جستجوی طلا در جریان داده‌ها را برای جستجوی سؤالات جدید بررسی می‌کند. شما یاد خواهید گرفت که چگونه به عنوان یک تیم برای اجرای جلسات سؤال، سازماندهی ایده های مهم در درختان سؤال، و ایجاد سؤالات با کیفیت با روشن کردن اصطلاحات کلیدی، شواهد چالش برانگیز، کشف آمارهای گمراه کننده و موارد دیگر با یکدیگر همکاری کنید.

linkedin یک پروژه مستقل: با استفاده از NLP یک مدل ایجاد کنید تا تشخیص دهد که آیا یک خبر خاص واقعی است یا جعلی (Mitalearn-411652)

  • 12 minutes
  • مناسب همه
  • Release date: 7 July 2025
  • Author: SkillUp Online
درباره این دوره: 

 

مجموعه داده های اخبار جعلی یکی از مجموعه داده های کلاسیک تجزیه و تحلیل متن است که در Kaggle موجود است. این مجموعه از عناوین مقاله و جعلی و متن از نویسندگان مختلف تشکیل شده است. در این پروژه ، با این مجموعه داده در دنیای واقعی کار کنید تا یک مدل تشخیص خبری جعلی تهیه کنید. بیاموزید که چگونه داده های متن را تمیز و پیش پردازش کنید ، ویژگی های معنی دار را استخراج کنید ، یک مدل طبقه بندی را آموزش دهید و عملکرد آن را ارزیابی کنید. این پروژه به گونه ای طراحی شده است که تقریباً در 10 ساعت به پایان برسد.

این پروژه توسط Skillup Online ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


Suggestions