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.

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.

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.

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.

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

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.

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

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

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

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

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

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.

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.

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.

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.

این اولین دوره از پنج دوره، دانش آموزان را با عوامل اجتماعی تعیین کننده سلامت آشنا می کند و یک مرور کلی از تعاریف و دیدگاه های نظری ارائه می دهد که پایه و اساس این تخصص را تشکیل می دهد. سرفصل های این دوره شامل: 1. مقدمه ای بر عوامل اجتماعی تعیین کننده سلامت 2. دیدگاه های نظری و پیچیدگی دانش 3. تأثیر جمعی مبتنی بر داده 4. نظریه استرس اقلیت 5. کاربردهای داده: تجزیه و تحلیل فرکانس و تجسم نمودار میله ای

مدیریت ریسک و نوآوری توانایی شما را برای انجام تجزیه و تحلیل مبتنی بر همدلی و داده محور در حوزه مدیریت ریسک توسعه می دهد. این دوره بر فرآیند مدیریت ریسک سازمانی تمرکز دارد که در آن درک داده ها و ذینفعان هر مرحله را غنی می کند. این دوره سه خط دفاعی، ابزارهای شناسایی و ارزیابی ریسک ها، پاسخ های ریسک، شاخص های ریسک کلیدی و گزارش ریسک را معرفی می کند. شما از ابزارهایی مانند بیانیه‌های ریسک، تحلیل پاپیون، ماتریس‌ها و نقشه‌های حرارتی برای اعمال این مفاهیم استفاده خواهید کرد و از تجسم داده‌ها در Tableau برای تمرین اعمال تجزیه و تحلیل داده‌ها برای مدیریت بهتر ریسک‌ها استفاده خواهید کرد.

مدیریت ریسک و نوآوری توانایی شما را برای انجام تجزیه و تحلیل مبتنی بر همدلی و داده محور در حوزه مدیریت ریسک توسعه می دهد. این دوره همدلی را به عنوان یک شایستگی حرفه ای معرفی می کند. فرآیندهای روانشناختی که مانع ایجاد همدلی می شوند و فرآیندهایی که تعیین می کنند چگونه سهامداران سازمانی به ریسک واکنش نشان می دهند را توضیح می دهد. این دوره شما را از طریق تکنیک هایی برای جمع آوری اطلاعات ریسک با درک افکار، احساسات و اهداف ذینفع راهنمایی می کند. این تکنیک ها شامل مصاحبه، طوفان فکری و نقشه برداری همدلی است. این دوره با استفاده از این اطلاعات ریسک برای غنی سازی تجزیه و تحلیل داده ها به پایان می رسد. شما مفاهیم اولیه تجسم داده ها را در Tableau یاد خواهید گرفت و از این مفاهیم برای کشف و توضیح داده ها استفاده می کنید. در طول این تحلیل ها، دوره شما را به چالش می کشد تا با تمرکز بر نیازهای ذینفعان برآورده نشده، ریسک ها را شناسایی کنید.

بیاموزید که چگونه هواشناسی، رشته‌ای که به بررسی اشکال حیات در هوا می‌پردازد، با استفاده از رادار با این دوره منحصر به فرد، انقلابی ایجاد کرده است. این دوره برای کمک به دانشمندان، محققان و همچنین علاقه مندان به محیط زیست طراحی شده است تا مهارت های خود را در استفاده از رادار برای کشف تنوع زیستی توسعه دهند. منشا و تکامل رادار از یک فناوری نظامی به یک ابزار قدرتمند با کاربردهای علمی متعدد، از جمله هواشناسی را بررسی خواهید کرد. سپس با مطالعه روندهای جهانی تنوع زیستی آشنا خواهید شد و نحوه ارزیابی روش های سنتی و فناوری های نوظهور مورد استفاده دانشمندان برای نظارت بر جهان طبیعی را خواهید آموخت. سپس عمیق تر خواهید فهمید که چگونه علم رادار می تواند برای اندازه گیری و نظارت بر تنوع زیستی و ارزیابی مزایای آن نسبت به روش های موجود اندازه گیری تنوع زیستی استفاده شود. از طریق مطالعات موردی واقعی، یاد خواهید گرفت که چگونه تجسم داده ها و خروجی داده های رادار را تفسیر کنید، چگونه زیست توده گونه ها را کمی کنید، و محدودیت های طبقه بندی این فناوری را کشف خواهید کرد. در پایان دوره، شما بررسی خواهید کرد که چگونه می توان از این رشته مطالعاتی جدید برای تغییر تحقیقات بیولوژیکی و کشاورزی و همچنین اطلاع رسانی مقررات و سیاست های زیست محیطی استفاده کرد.

این دوره بر اساس "ذخیره سازی داده ها و هوش تجاری" بر روی تجسم داده ها و تجزیه و تحلیل بصری تمرکز دارد. این دوره با پوشش کاملی از اینکه تجسم داده چیست و چه نوع تجسم برای یک هدف خاص خوب است شروع می شود، این دوره به سرعت با استفاده از یکی از محبوب ترین ابزارهای تجزیه و تحلیل بصری: SAS به توسعه مهارت های عملی و دانش در مورد تجزیه و تحلیل بصری می پردازد. Viya، یک پلتفرم تحلیلی مبتنی بر ابر. مروری بر معماری ابری، اتوماسیون و یادگیری ماشین نیز ارائه شده است.