Course catalog

Course duration

Course provider

Topic

Categories

Showing 481-500 of 507 items.

linkedin مقدمه همه در Tableau (Mitalearn-419268)

  • 1 hours 13 minutes
  • مناسب همه
  • Release date: 6 June 2024
  • Author: Tim Ngwena
درباره این دوره: 

 

به مربی تیم Ngwena در این نمای کلی غیر فنی از اجزای اصلی پلت فرم Tableau بپیوندید. با کاوش در برخی از متداول ترین ابزارهای Tableau ، از جمله Tableau Server ، Tableau Cloud ، Tableau Prep ، Tableau Pulse ، CRM Analytics ، مدیریت پیشرفته ، API ها ، اتصالات ، برنامه ها ، برنامه ها و موارد دیگر ، ارزش هوش تجاری را کشف کنید. در طول راه ، تیم تعداد معدودی از بینش های کاربری عملی را که از نمونه های تجاری در دنیای واقعی گرفته شده است ، به اشتراک می گذارد.

یاد بگیرید که چگونه مشکلات اساسی تجزیه و تحلیل را حل کنید ، با تمرکز بر روی Publau Public ، مجوز خالق Tableau و تعامل جامعه. یک مورد استفاده را در مورد یک راه حل مدیریت شده برای یک سازمان در مقیاس متوسط ​​به دنبال استقرار سریع قابلیت تحلیلی کشف کنید. و یک مورد استفاده پیشرفته را که نیاز به یک راه حل تعبیه شده از سازمانی دارد که در حال حاضر در معرض Tableau قرار دارد ، مرور کنید.


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 مهندسی داده با MS Azure Synapse Apache Spark Pools (Mitalearn-333486)

  • 1 hours 5 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره آموزشی، نحوه انجام مهندسی داده با Azure Synapse Apache Spark Pools را یاد می گیرید که به شما امکان می دهد عملکرد برنامه های تحلیلی کلان داده را با محاسبات خوشه ای درون حافظه افزایش دهید. شما یاد خواهید گرفت که چگونه بین Apache Spark، Azure Databricks، HDInsight و SQL Pools تفاوت قائل شوید و موارد استفاده مهندسی داده را با Apache Spark در Azure Synapse Analytics درک کنید. همچنین یاد خواهید گرفت که چگونه داده ها را با استفاده از نوت بوک های Apache Spark در Azure Synapse Analytics وارد کنید و داده ها را با استفاده از DataFrames در Apache Spark Pools در Azure Synapse Analytics تبدیل کنید. استخرهای SQL و Apache Spark را در Azure Synapse Analytics ادغام خواهید کرد. همچنین نحوه نظارت و مدیریت بارهای کاری مهندسی داده با Apache Spark در Azure Synapse Analytics را خواهید آموخت. 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 ششمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و پیاده سازی 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.

linkedin نکات سریع فرمول ها و توابع اکسل (2020) (Mitalearn-192658)

  • 37 minutes
  • متوسط
  • Release date: 29 July 2020
  • Author: Jess Stratton
درباره این دوره: 

 اطلاعات بیشتر از کارشناسان برتر LinkedIn Learning

فرمول ها و توابع بی شمار در اکسل، تا حد زیادی آن چیزی است که آن را به یک برنامه منحصر به فرد قدرتمند تبدیل می کند. اما برای بسیاری از کاربران، فهمیدن اینکه چگونه این فرمول ها و توابع را برای حل مشکلات روزمره به کار ببرند، می تواند دشوار به نظر برسد. در این دوره آموزشی، جس استراتن، مربی کارکنان، این ویژگی‌های قدرتمند را ابهام می‌کند و نکاتی را به اشتراک می‌گذارد که به شما کمک می‌کنند تا در اکسل سریع‌تر و کارآمدتر کار کنید. Jess با پوشش دادن مفاهیم اساسی که برای شروع کار با توابع و فرمول‌ها نیاز دارید، شروع می‌کند، مانند نحوه ارجاع برنامه‌ای به سلول‌های موجود در کاربرگ‌های دیگر و ترکیب داده‌های سلولی با کاراکترهای دیگر. سپس به انواع توابع مفید اکسل می پردازد. با نحوه شمارش سلول هایی که دارای مجموعه خاصی از معیارها هستند با استفاده از COUNTIF، استخراج کاراکترها با LEFT و RIGHT، استفاده از INDEX و MATCH برای بازیابی یک مقدار و موارد دیگر آشنا شوید.

linkedin نکات مهم یادگیری لینکدین: علم داده و تجزیه و تحلیل (Mitalearn-179517)

  • 42 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: LinkedIn Learning Staff Instructor
درباره این دوره:

در زمینه رو به رشد علم داده، همیشه چیز جدیدی برای یادگیری وجود دارد. و چه به دنبال ورود به این حوزه هیجان‌انگیز باشید - یا فقط مهارت‌های علم داده و تجزیه و تحلیل خود را واضح نگه دارید، LinkedIn Learning دوره‌هایی دارد که می‌تواند به شما کمک کند. از این مجموعه از نکات برجسته انتخاب شده از بهترین دوره های علوم داده ما لذت ببرید. به اصول اخلاقیات داده و حریم خصوصی شیرجه بزنید. نحوه کار با پلتفرم‌ها و ابزارهای تجزیه و تحلیل داده، کمک به دیگران در تجسم داده‌ها و استفاده از دانش پیشرفته در زمینه یادگیری ماشین، یادگیری عمیق و شبکه‌های عصبی را بیاموزید. به علاوه، نحوه حل مشکلات را با کار با ابزارهایی مانند R، Python، و SQL، کشف هوش تجاری و Power BI و موارد دیگر کشف کنید.

linkedin نکات هفتگی اکسل (Mitalearn-67691)

  • 54 hours 59 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Dennis Taylor
درباره این دوره:

این دوره آموزشی مبتنی بر نکات، ترفندهای افزایش بهره‌وری، ویژگی‌های پنهان جالب، توابع ضروری و محتوای پیشرفته در موضوعاتی مانند استفاده از PivotTables برای تجزیه و تحلیل داده‌ها را به کاربران اکسل نشان می‌دهد. هر سه شنبه برای یک نکته جدید از متخصص دنیس تیلور هماهنگ کنید. هر آموزش یک درس کوتاه و مستقل است که تضمین می‌کند بینش جدیدی در مورد اکسل به شما ارائه می‌دهد.

توجه: از آنجایی که این یک مجموعه در حال انجام است، بینندگان گواهی پایان کار را دریافت نخواهند کرد.

linkedin نکات و ترفندهای تجسم داده ها (Mitalearn-91100)

  • 2 hours 14 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Matt Francis
درباره این دوره:

نکات و ترفندهای تجسم داده‌ها مجموعه‌ای از درس‌های مستقل در مورد نحوه انجام داده‌ها، یعنی روش صحیح، هر بار است. این دوره آموزشی نرم افزاری-آگنوستیک که توسط متخصص تجسم داده برنده جایزه (و "Zen Master" تعیین شده توسط تابلو) ارائه شده است، برای دانشمندان داده با تجربه و متخصصان تجزیه و تحلیل طراحی شده است و به عنوان یک بانک ضروری از دانش و بهترین شیوه ها عمل می کند. بیاموزید که چگونه تصویرسازی مناسب را برای داده های خود انتخاب کنید و به 5 سوال کلیدی که باید در ابتدای هر پروژه از خود بپرسید پاسخ دهید. موضوعات شامل درک روابط بین مجموعه‌های داده، مقایسه، ترسیم روابط، تجسم توزیع داده‌ها، ایجاد نقشه‌ها و – مهم‌تر از همه – دانستن زمان استفاده از انواع نمودارها و نمودارها است. مت همچنین به شما می آموزد که چگونه با تجسم های خود بفهمید که دیگران چه می کنند، سؤالات آگاهانه بپرسید و با نگاهی انتقادی به کار دیگران نگاه کنید.

linkedin نمودارهای Quantile و Box-Whisker در زبان Wolfram (Mitalearn-393836)

  • 29 minutes
  • مناسب همه
  • Release date: 10 January 2024
  • Author: Wolfram Research
درباره این دوره: 

 این دوره مروری بر برخی از عملکردهای تجسم آماری ساخته شده در زبان Wolfram ارائه می دهد. موضوعات شامل بازرسی بصری شکل داده ها و مقایسه با توزیع ها و مجموعه داده ها، نمودارهای کمیت، نمودارهای جعبه و ویسکر، نمودارهای احتمال و نمودارهای توزیع است. این کلاس برای کسانی است که آشنایی اولیه با زبان Wolfram و دانش عمومی آماری دارند. نحوه استفاده از QuantilePlot و ProbabilityPlot را برای مقایسه مجموعه داده ها با توزیع های مرجع، رسم داده ها بر روی مقیاس های احتمال برای توزیع های داخلی رایج، و تجسم میانه ها، میانگین ها، چارک ها، نقاط پرت و فواصل اطمینان را با استفاده از نمودارهای جعبه و سبیل یاد بگیرید.

coursera همنشین علم داده (Mitalearn-329746)

  • 1 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: MathWorks Instructors
درباره این دوره:

Data Science Companion مقدمه ای برای علم داده ارائه می دهد. شما یک پس زمینه سریع در علم داده و مفاهیم اصلی یادگیری ماشین، مانند رگرسیون و طبقه بندی، به دست خواهید آورد. شما با دانش عملی پردازش و تجسم داده ها با استفاده از راه حل های کم کد، و همچنین مروری بر راه های ادغام چند ابزار به طور موثر برای حل مشکلات علم داده آشنا خواهید شد. سپس از منابع ابری خدمات وب آمازون برای مقیاس‌بندی پردازش داده‌ها و تسریع آموزش مدل یادگیری ماشین استفاده خواهید کرد. در پایان این دوره کوتاه، درک سطح بالایی از مفاهیم مهم علم داده خواهید داشت که می توانید از آنها به عنوان پایه ای برای یادگیری آینده استفاده کنید.

linkedin هوش تجاری برای مشاوران (Mitalearn-148084)

  • 29 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Joshua Rischin
درباره این دوره:

هوش تجاری (BI) می‌تواند بینش‌های کلیدی را برای کسب‌وکار مشاوره‌ای شما فراهم کند - از قدرت داده‌های کمی و کیفی استفاده می‌کند و اطلاعات عملی مورد نیاز برای کمک به مشتریان در تصمیم‌گیری تجاری را در اختیار شما قرار می‌دهد. این دوره توضیح می‌دهد که هوش تجاری چیست، چرا اهمیت دارد و چگونه مشاوران می‌توانند هنگام ارائه نتایج برای مشتریان از هوش تجاری بهره ببرند. مربی جاشوا ریشین مشاور بیش از 40 سازمان بوده است. در اینجا او تکنیک ها و نمونه هایی از حرفه خود را با شما به اشتراک می گذارد. بیاموزید که چگونه کسب و کار مشتری را نمایه کنید، داده های با کیفیت بالا و مرتبط جمع آوری کنید، و بینش و توصیه های خود را با تجسم ها و گزارش های دقیق به مشتریان ارائه دهید.

coursera هوش تجاری و انبار داده (Mitalearn-331599)

  • 1 hours 18 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: María del Pilar Ángeles
درباره این دوره:

به دوره تخصصی هوش تجاری و انبار داده خوش آمدید. این دوره در مدت شش هفته تکمیل خواهد شد و با فیلم ها و اسناد مختلف پشتیبانی می شود که به شما این امکان را می دهد تا به روشی بسیار ساده نحوه شناسایی، طراحی و توسعه سیستم های اطلاعاتی تحلیلی مانند هوش تجاری با تجزیه و تحلیل توصیفی داده ها را بیاموزید. انبارها شما قادر خواهید بود مشکل یکپارچه سازی و تحلیل پیش بینی حجم بالای داده های بدون ساختار (داده های بزرگ) را با داده کاوی و چارچوب Hadoop درک کنید. پس از اتمام این دوره، زبان آموز قادر خواهد بود ● یک نمودار مدل داده ستاره یا دانه برف از طریق طراحی چند بعدی از نیازمندی های تجاری تحلیلی و سیستم OLTP ایجاد کنید ● یک سیستم پایگاه داده فیزیکی ایجاد کنید ● استخراج، تبدیل و بارگذاری داده ها در انبار داده. ● پرس و جوهای تحلیلی را با SQL با استفاده از MySQL برنامه ریزی کنید ● تجزیه و تحلیل پیش بینی با RapidMiner ● داده های رابطه ای یا بدون ساختار را در Hortonworks HDFS بارگذاری کنید ● کارهای Map-Reduce را برای جستجوی داده ها در HDFS برای اهداف تحلیلی اجرا کنید زبان های برنامه نویسی: برای دوره 2 از زبان MYSQL استفاده خواهید کرد. نرم افزار برای دانلود: Rapidminer MYSQL اکسل چارچوب هادوپ Hortonworks در صورتی که سیستم عامل Mac / IOS دارید، باید از ماشین مجازی (VirtualBox، Vmware) استفاده کنید.

coursera هوش تجاری و تحلیل رقابتی (Mitalearn-288997)

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

امریکن ایرلاینز (AAL)، یکی از بزرگترین گروه هواپیمایی جهان و یک شرکت SP500، با مشکل مواجه است. AAL با توجه به اینکه نرخ رشد قیمت سهام آن در پایین ترین رتبه در بین خطوط هوایی بزرگ ایالات متحده قرار دارد، باید مشکلات کلیدی، علل ریشه ای و چگونگی تغییر شرکت و قیمت سهام آن را پیدا کند. پرداختن به چالشی که AAL با آن مواجه است ممکن است یک پروژه مشاوره مدیریت در مقیاس بزرگ باشد. برای شروع، هوش تجاری و تجزیه و تحلیل رقابتی (یا به اختصار هوش رقابتی) برای کشف مشکلات و شناسایی دلایل شرکت که پایه و اساس استراتژی های چرخشی را ایجاد می کند، مورد نیاز است. در این دوره، دانش، مهارت و تجربه در تجزیه و تحلیل داده ها / تجسم و داستان سرایی برای تجزیه و تحلیل هوش رقابتی موثر را به دست خواهید آورد. پس از اتمام دوره، شما باید بتوانید مانند یک مشاور مدیریت، هوش رقابتی را بر روی شرکت های انتخابی خود انجام دهید. توجه: برای به دست آوردن تجربیات عملی در هوش رقابتی از طریق تجزیه و تحلیل داده ها، باید وارد عمل شوید. برای این منظور، این دوره از یک وب سایت خارجی (رایگان) برای تمرین مهارت های آموخته شده استفاده می کند.

coursera وارد کردن داده ها در Tidyverse (Mitalearn-327332)

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

دریافت داده ها در سیستم تجزیه و تحلیل آماری شما می تواند یکی از چالش برانگیزترین بخش های هر پروژه علم داده باشد. داده ها باید وارد شده و در قالبی منسجم هماهنگ شوند قبل از اینکه بتوان هر گونه بینشی را به دست آورد. شما یاد خواهید گرفت که چگونه داده ها را از فرمت های رایج به R وارد کنید و انواع مختلف مجموعه داده ها را از منابع مختلف هماهنگ کنید. اگر در سازمانی کار می‌کنید که در آن بخش‌های مختلف داده‌ها را با استفاده از سیستم‌های مختلف و فرمت‌های ذخیره‌سازی مختلف جمع‌آوری می‌کنند، این دوره ابزارهای ضروری برای گردآوری مجموعه‌های داده و درک اطلاعات فراوان در سازمان شما ارائه می‌کند. این دوره ابزارهای Tidyverse را برای وارد کردن داده ها به R معرفی می کند تا بتوان آن را برای تجزیه و تحلیل، تجسم و مدل سازی آماده کرد. قالب‌های داده‌های رایج، از جمله فایل‌های محدود، صفحات گسترده و پایگاه‌های داده رابطه‌ای معرفی شده‌اند، و تکنیک‌هایی برای به‌دست‌آوردن داده‌ها از وب نشان داده می‌شوند، مانند اسکراپینگ وب و APIهای وب. در این تخصص ما آشنایی با زبان برنامه نویسی R را فرض می کنیم. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

coursera وب داده ها (Mitalearn-332823)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Catherine Faron Zucker,Fabien Gandon,Olivier Corby
درباره این دوره:

این MOOC - یک ابتکار مشترک بین EIT Digital، Université de Nice Sophia-Antipolis / Université Côte d'Azur، و INRIA - استانداردها و اصول داده های پیوندی را معرفی می کند که پایه وب معنایی را فراهم می کند. شما یاد خواهید گرفت که چگونه داده های ساختاریافته را مستقیماً از وب منتشر کنید، به دست آورید و استفاده کنید. یادگیری اصول، زبان ها و استانداردهای تبادل داده در وب شما را قادر می سازد تا برنامه های کاربردی، محصولات و خدمات جدیدی را طراحی و تولید کنید که از حجم و تنوع داده های موجود در وب استفاده می کند. ما این دوره را به چهار بخش تقسیم کردیم که مهارت‌ها و شایستگی‌های فنی اصلی را که برای استفاده از وب به‌عنوان فضایی برای تبادل داده‌های ساختاری غول‌پیکر نیاز دارید را پوشش می‌دهد: • در بخش اول، "اصول یک وب از داده های پیوندی": شما اصول انتشار و به دست آوردن داده ها را مستقیماً در وب به جای صفحات وب، یاد خواهید گرفت و تمرین می کنید. • در بخش دوم، "مدل داده RDF": شما مدل استاندارد داده برای وب و نحوهای آن را برای انتشار و پیوند داده ها در وب در برنامه ها و خدمات خود خواهید آموخت. • در بخش سوم، "زبان پرس و جو SPARQL": شما یاد خواهید گرفت که چگونه مستقیماً به منابع داده در وب پرس و جو کنید و به منابع داده دسترسی داشته باشید و داده های ساختار یافته مرتبط با فعالیت و دامنه خود را بدست آورید. • در بخش چهارم و پایانی، "ادغام سایر فرمت ها و منابع داده": شما یاد خواهید گرفت که چگونه استانداردهای وب با سایر قالب های داده تعامل و تعامل دارند تا امکان ادغام انواع منابع داده را فراهم کنند. هر هفته به طور متناوب ویدیوها و آزمون‌های کوتاه و همچنین منابع و انجمن‌های تکمیلی برای پیشرفت تدریجی در اصول و استانداردهای مختلف جایگزین می‌شود. پس از گذراندن موفقیت آمیز این دوره، مهارت هایی برای به دست آوردن مجموعه داده های متمرکز و ساختار یافته از وب خواهید داشت که می توانید از آنها برای تقویت مجموعه داده های خود، غنی سازی ابعاد آنها، تغذیه برنامه های کاربردی خود، انجام داده کاوی، یادگیری ماشین و آموزش، داده ها استفاده کنید. تجزیه و تحلیل، پردازش و استدلال هوش مصنوعی و سایر مدیریت داده ها.

linkedin یادگیری اکسل: تجزیه و تحلیل داده ها (Mitalearn-271215)

  • 3 hours 41 minutes
  • مناسب همه
  • Update date: 19 February 2025
  • Author: Curt Frye
درباره این دوره: 

 مایکروسافت اکسل یک ابزار مهم برای تجزیه و تحلیل داده ها است. این به شرکت ها کمک می کند تا موقعیت ها را به دقت ارزیابی کنند و تصمیمات تجاری بهتری بگیرند. این دوره به شما کمک می کند تا با استفاده از ابزارهای تجزیه و تحلیل داده ها و تجسم سازی که در اکسل تعبیه شده است، قدرت داده های سازمان خود را باز کنید. نویسنده کرت فرای با مفاهیم اساسی، از جمله محاسبات اساسی مانند میانگین، میانه و انحراف معیار شروع می کند و مقدمه ای بر قضیه حد مرکزی ارائه می دهد. سپس نحوه تجسم داده ها، روابط و نتایج آینده را با هیستوگرام ها، نمودارها و نمودارهای اکسل نشان می دهد. او همچنین فرضیه های آزمایش را پوشش می دهد. مدل سازی توزیع های مختلف داده؛ محاسبه کوواریانس و همبستگی بین مجموعه داده ها. و محاسبه احتمالات، ترکیب ها و جایگشت ها. در نهایت، او روند محاسبه احتمالات بیزی در اکسل را بررسی می کند. هر فصل شامل مثال‌های عملی است که نشان می‌دهد چگونه می‌توان تکنیک‌ها را برای مشکلات تجاری دنیای واقعی به کار برد.

linkedin یادگیری علم داده (Mitalearn-425864)

  • 2 hours 45 minutes
  • مناسب همه
  • Release date: 4 April 2025
  • Author: Doug Rose
درباره این دوره: 

 بسیاری از افرادی که در تیم های علوم داده کار می کنند چیزی غیر از دانشمندان داده تبدیل می شوند. گفته می شود ، بسیاری از آنها مدیر و همکاران خواهند شد که می خواهند از داده های سازمان شما ارزش تجاری واقعی کسب کنند. این اعضای تیم باید زبان علوم داده را درک کنند تا بتوانند سؤالات بهتری بپرسند ، فرایندها را درک کنند و به طور مؤثر تیم ها و سازمان های خود را به سمت تصمیمات بهتر محور داده هدایت کنند. در این دوره ، برای افرادی که قصد کار به عنوان دانشمندان تمام وقت داده را ندارند ، مقدمه ای از علوم داده دریافت کنید. مفاهیم ، ابزارها و تکنیک های داده های بزرگ ، از جمله جمع آوری و مرتب سازی داده ها ، کار با پایگاه داده ها ، درک انواع داده های ساختار یافته و بدون ساختار ، استفاده از تحلیل آماری ، پرسیدن سؤالات مهم و گفتن داستانها را در مورد داده ها کشف کنید. مربی تجارت و نویسنده داگ رز به شما کمک می کند تا به زبان علوم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت های موجود در این زمینه به طرز چشمگیری در حال رشد راهنمایی کنید.

linkedin یادگیری علم داده: با داده داستان بگویید (Mitalearn-91610)

  • 1 hours 17 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

بسیاری از مردم شناسان بر این باورند که اجداد اولیه ما جوامعی را حول داستان های آتش اردوگاه در مورد عدالت، رهبری و حکومت ساخته اند. تیم های علم داده شما نیز ایده های پیچیده ای در مورد داده ها و نتایج خود خواهند داشت. به همین دلیل است که برای انتقال این بینش‌ها به سایر اعضای سازمان، یک داستان ساختاریافته لازم است. این صرفاً ایجاد یک صفحه اکسل عالی یا یک نمودار زیبا نیست. شما باید داستانی تعریف کنید که تخیل مخاطب شما را جذب کند و آنها را تشویق به انجام اقداماتی کند. در این دوره، مدرس داگ رز توضیح می دهد که چگونه یک داستان عالی علم داده را با هم ببافید و مخاطبان خود را به داستان بکشانید تا ایده های پیچیده را منتقل کنید و همه را برای ایجاد تغییرات واقعی ترغیب کنید.

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 یادگیری قدرت BI دسک تاپ (Mitalearn-426561)

  • 2 hours 22 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Gini von Courter
درباره این دوره:

POWER BI DESKTOP - تجزیه و تحلیل داده های قدرتمند و نرم افزار تجسم از مایکروسافت - می تواند به شما کمک کند بینش بیشتری از داده های خود داشته باشید ، خواه این داده ها در رایانه شما یا در ابر ذخیره شود. در این دوره ، نحوه استفاده از این ابزار آسان برای استفاده را برای مدل سازی و تجسم داده ها با کارآمدتر کشف کنید. بیاموزید که چگونه منابع مختلف داده از جمله اکسل ، بانک اطلاعاتی و منابع داده وب مانند ویکی پدیا را به هم وصل کنید. نحوه جستجو و تغییر داده های خود را با استفاده از ویرایشگر پرس و جو داخلی کشف کنید. به علاوه ، مربی جینی فون کورتر نحوه ساخت و ترتیب تجسم ، ایجاد گزارش های تعاملی ، به اشتراک گذاشتن کار خود ، مدیریت پرونده های منتشر شده خود را در سرویس Power BI و موارد دیگر نشان می دهد.

coursera یادگیری ماشین کاربردی در پایتون (Mitalearn-332279)

  • 8 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kevyn Collins-Thompson
درباره این دوره:

این دوره یادگیرنده را با یادگیری ماشینی کاربردی آشنا می‌کند و بیشتر بر روی تکنیک‌ها و روش‌ها تمرکز می‌کند تا آمار پشت این روش‌ها. این دوره با بحث در مورد اینکه چگونه یادگیری ماشینی با آمار توصیفی متفاوت است شروع می شود و جعبه ابزار یادگیری scikit را از طریق یک آموزش معرفی می کند. موضوع ابعاد داده ها مورد بحث قرار خواهد گرفت و وظیفه خوشه بندی داده ها و همچنین ارزیابی آن خوشه ها مورد بررسی قرار خواهد گرفت. رویکردهای نظارت شده برای ایجاد مدل‌های پیش‌بینی شرح داده می‌شود و یادگیرندگان می‌توانند همزمان با درک مسائل فرآیند مربوط به تعمیم‌پذیری داده‌ها، از روش‌های مدل‌سازی پیش‌بینی یادگیری scicit استفاده کنند (مانند اعتبار سنجی متقابل، برازش بیش از حد). این دوره با نگاهی به تکنیک های پیشرفته تر مانند ساخت مجموعه ها و محدودیت های عملی مدل های پیش بینی پایان خواهد یافت. در پایان این دوره، دانش آموزان قادر خواهند بود تفاوت بین تکنیک نظارت شده (طبقه بندی) و بدون نظارت (خوشه بندی) را شناسایی کنند، تشخیص دهند که کدام تکنیک را برای یک مجموعه داده و نیاز خاص به کار می برند، ویژگی های مهندسی برای برآورده کردن آن نیاز، و کد پایتون را بنویسید تا تحلیل انجام شود. این دوره باید بعد از مقدمه ای بر علم داده در پایتون و رسم کاربردی، نمودار و بازنمایی داده در پایتون و قبل از متن کاوی کاربردی در پایتون و تحلیل اجتماعی کاربردی در پایتون گذرانده شود.

Suggestions