Course catalog

Course duration

Course provider

Topic

Categories

Showing 61-80 of 113 items.

coursera ساخت دریاچه های داده در AWS (Mitalearn-332738)

  • 2 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rafael Lopes,Alex G.
درباره این دوره:

دوره سطح پایه معمولاً برای افرادی طراحی شده است که درک پایه ای از مفاهیم ذخیره سازی و پردازش داده دارند، اما تجربه قبلی در مورد ساخت دریاچه های داده در AWS به طور خاص کم یا بدون تجربه هستند. پس از مقدمه ای کوتاه در مورد دریاچه های داده، دریافت داده ها، فهرست نویسی و آماده سازی را معرفی می کنیم و در پایان با مروری بر داده های پرس و جو با آمازون آتنا به پایان می رسیم. این دوره با مروری بر سازند دریاچه AWS، از جمله یک آزمایشگاه عملی که در آن یک دریاچه داده بسازید، ادامه خواهد یافت. سپس پردازش داده و تجزیه و تحلیل را با استفاده از چسب AWS قبل از فرو رفتن در ایجاد دریاچه داده‌های خودکار با استفاده از طرح‌های Lake Formation معرفی می‌کنیم. در نهایت، ما با Modern Data Architectures در AWS با آزمایشگاهی که انتشار و مصرف محصولات داده را به عنوان یک سرویس پوشش می دهد، پایان می دهیم.

coursera سیستم های مدل سازی و مدیریت داده های بزرگ (Mitalearn-334659)

  • 3 hours 54 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Amarnath Gupta
درباره این دوره:

هنگامی که یک مشکل کلان داده را برای تجزیه و تحلیل شناسایی کردید، چگونه داده های خود را با استفاده از راه حل های کلان داده جمع آوری، ذخیره و سازماندهی می کنید؟ در این دوره، ژانرهای مختلف داده و ابزارهای مدیریتی مناسب برای هر کدام را تجربه خواهید کرد. شما قادر خواهید بود دلایل پشت سرگذاشتن انبوهی از پلتفرم های جدید کلان داده را از دیدگاه سیستم های مدیریت داده های بزرگ و ابزارهای تحلیلی شرح دهید. از طریق آموزش های عملی هدایت شده، با تکنیک هایی با استفاده از نمونه های داده های بی درنگ و نیمه ساختاریافته آشنا خواهید شد. سیستم ها و ابزارهای مورد بحث عبارتند از: AsterixDB، HP Vertica، Impala، Neo4j، Redis، SparkSQL. این دوره تکنیک هایی را برای استخراج ارزش از منابع داده های دست نخورده موجود و کشف منابع داده جدید ارائه می دهد. در پایان این دوره، شما قادر خواهید بود: * عناصر داده های مختلف را در کار خود و مشکلات زندگی روزمره تشخیص دهید * توضیح دهید که چرا تیم شما نیاز به طراحی یک طرح زیرساخت داده بزرگ و طراحی سیستم اطلاعاتی دارد * عملیات داده های مکرر مورد نیاز برای انواع مختلف داده را شناسایی کنید * مدل داده ای را متناسب با ویژگی های داده های خود انتخاب کنید * تکنیک هایی را برای مدیریت داده های جریانی اعمال کنید * بین سیستم مدیریت پایگاه داده سنتی و سیستم مدیریت داده های بزرگ تفاوت قائل شوید * قدردانی کنید که چرا سیستم های مدیریت داده های زیادی وجود دارد * طراحی یک سیستم اطلاعات کلان داده برای یک شرکت بازی آنلاین این دوره برای کسانی است که تازه وارد علم داده می شوند. تکمیل Intro to Big Data توصیه می شود. هیچ تجربه برنامه نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. برای مشخصات کامل سخت افزار و نرم افزار به الزامات فنی تخصصی مراجعه کنید. الزامات سخت افزاری: (الف) پردازنده چهار هسته ای (پشتیبانی VT-x یا AMD-V توصیه می شود)، 64 بیتی؛ (ب) 8 گیگابایت رم؛ (C) 20 گیگابایت دیسک رایگان. نحوه پیدا کردن اطلاعات سخت افزاری خود: (ویندوز): با کلیک بر روی دکمه Start، روی Computer راست کلیک کرده و سپس روی Properties کلیک کنید. (Mac): با کلیک بر روی منوی اپل و کلیک کردن روی «درباره این مک»، نمای کلی را باز کنید. اکثر رایانه های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط را برآورده می کنند. شما به اتصال به اینترنت پرسرعت نیاز دارید زیرا فایل هایی تا حجم 4 گیگابایت را دانلود خواهید کرد. نرم افزار مورد نیاز: این دوره متکی بر چندین ابزار نرم افزار منبع باز از جمله Apache Hadoop است. تمام نرم افزارهای مورد نیاز را می توان به صورت رایگان دانلود و نصب کرد (به جز هزینه های داده از ارائه دهنده اینترنت شما). الزامات نرم افزار عبارتند از: Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ VirtualBox 5+.

linkedin شهرهای هوشمند: حل مشکلات شهری با استفاده از فناوری (Mitalearn-103969)

  • 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Jonathan Reichental
درباره این دوره:

مشاهده خبرنامه لینکدین جاناتان شهرها به سرعت در حال تغییر هستند - از نظر اندازه و تراکم رشد می کنند، زباله های بیشتری ایجاد می کنند و از منابع بیشتری استفاده می کنند. برای حل مشکلاتی که این فشارها ایجاد می کند، دولت های شهر باید متفاوت فکر کنند. وارد شهرهای هوشمند شوید - شهرهایی که از تفکر و فناوری قرن 21 استفاده می کنند تا کیفیت زندگی بهتری را برای شهروندان خود فراهم کنند. این مستند کوتاه با میزبانی جاناتان رایشنتال (که در سال 2017 یکی از 100 مدیر ارشد اطلاعات برتر جهان نام گرفت)، شهر پالو آلتو، کالیفرنیا را نشان می دهد. مقامات آینده نگر در آنجا راه حل های خلاقانه ای برای مشکلاتی مانند ترافیک و آلودگی هوا ارائه می کنند - و درها و داده های خود را باز می کنند تا اعضای جامعه بتوانند درگیر شوند. بیاموزید که چگونه حسگرهایی که بین دنیای فیزیکی و دیجیتال و سیاست‌های داده باز پل می‌زنند، دولت را چابک‌تر و نوآورتر می‌کنند. به‌علاوه، دریابید که چگونه سرمایه‌گذاری‌های فناوری شهرهای هوشمند، بازار کار جدیدی را برای متخصصان فنی و خلاقی که می‌خواهند کار معناداری برای جوامع خود انجام دهند، نیرو می‌دهد.

linkedin شهرهای هوشمندتر: استفاده از داده ها برای هدایت نوآوری شهری (Mitalearn-111262)

  • 58 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Jonathan Reichental
درباره این دوره:

مشاهده خبرنامه لینکدین جاناتان تا سال 2050، بیش از 70 درصد از ما در شهرها زندگی می کنیم. اما آیا شهرهای ما آماده هستند؟ امروزه شهرها با چالش هایی مانند زیرساخت های قدیمی، حمل و نقل ناکافی و فرآیندهای اداری ناکارآمد مواجه هستند. ما باید در نحوه عملکرد و ارائه خدمات شهرها تجدید نظر کنیم و به ابزارهای دیجیتال، داده ها و سیستم های متصل هوشمند روی آوریم. شهرهای ما باید هوشمندتر شوند - و ما به نسل جدیدی از مردم با مهارت‌های کاملاً جدید برای کمک نیاز خواهیم داشت.\n\n این دوره طراحی شده است تا علاقه مندان به آینده شهرها را با ایده نوآوری شهری آشنا کند. دکتر جاناتان ریشنتال، مدیر ارشد اطلاعات (CIO) نقش ها و مهارت های مورد نیاز برای ورود به این حوزه جدید هیجان انگیز را معرفی می کند. او مفاهیم را با استفاده از نمونه هایی از شهرهای هوشمند موفق در سراسر جهان نشان می دهد. اگر می خواهید بدانید که چگونه می توانید شغلی را در این زمینه شروع یا پیشرفت کنید، یا به سادگی به آینده جامعه خود علاقه مند هستید، این دوره مقدماتی مناسب برای شماست.

linkedin طراحی مطالعات مراقبت بهداشتی داده های بزرگ، بخش دوم (Mitalearn-127990)

  • 1 hours 44 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

برای انجام تجزیه و تحلیل دقیق داده های مراقبت های بهداشتی، باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید - که در قسمت اول این مجموعه آموزشی پوشش داده شده است. اما شما همچنین باید بتوانید تحلیل توصیفی و رگرسیون انجام دهید و از تصمیمات خود در مورد انتخاب مدل، تفسیر و ارائه دفاع کنید. بخش دوم مجموعه ما در زمینه طراحی مطالعات مراقبت بهداشتی داده های بزرگ، تدارکات برنامه ریزی و اجرای تجزیه و تحلیل بر روی مجموعه داده های تحلیلی تهیه شده در دوره قبلی را پوشش می دهد. مربی مونیکا وحی نحوه انجام تحلیل و تفسیر مدل نهایی را در زمینه فرضیه اصلی خود نشان می دهد. در طول مسیر، او در مورد بهترین شیوه‌ها برای نام‌گذاری و ترتیب، مدل‌سازی انتخاب مرحله‌ای، نسبت‌های عجیب و غریب و شیوع، و ریسک نسبی آموزش می‌دهد. با استفاده از این آموزش‌ها، شما باید بتوانید مطالعات مراقبت‌های بهداشتی عالی را طراحی کنید که از تمام داده‌های بزرگی که ارائه می‌کند، بهره می‌برد.

linkedin طراحی مطالعات مراقبت های بهداشتی داده های بزرگ، بخش اول (Mitalearn-127973)

  • 2 hours 31 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

حتی اگر درک قوی از آمار و انفورماتیک دارید، همچنین باید اپیدمیولوژی و طراحی مطالعات پایه را درک کنید تا تجزیه و تحلیل دقیق و دقیق داده های مراقبت های بهداشتی را انجام دهید. این دوره به شما کمک می کند تا مطالعات تحقیقاتی را پیرامون فرضیه ها طراحی کنید و شکاف دانشی را که بسیاری از تحلیلگران امروزی هنگام ورود به حوزه مراقبت های بهداشتی با آن مواجه هستند، پر کنید. مربی مونیکا وحی اصطلاحات و مفاهیم اساسی در اپیدمیولوژی را تعریف می کند و رویکردهای مختلف طراحی مطالعه را مرور می کند: توصیفی، تحلیلی، مقطعی و کنترل موردی. او به جزئیات در مطالعات مقطعی و مورد شاهدی می پردازد و نحوه برنامه ریزی مجموعه داده های تحلیلی را نشان می دهد: کشف متغیرهای بومی ضروری و عملیاتی کردن آنها در فرهنگ لغت داده. در آخر، او درس های آموخته شده از دوره را مرور می کند و شما را برای قسمت دوم مجموعه آموزشی آماده می کند که به تحلیل توصیفی و رگرسیون برای مجموعه داده هایی که طراحی کرده اید می پردازد.

linkedin علم داده اقتصاد، بانکداری و امور مالی، با بارتون پولسون (Mitalearn-128466)

  • 1 hours 20 minutes
  • متوسط
  • Update date: 9 May 2018
  • Author: Barton Poulson
درباره این دوره:

علم داده در هیچ کجا به اندازه مالی مرتبط نیست. ردیابی حرکت پول در سراسر جهان یکی از وظایف اصلی تحلیلگران امروزی است. در این دوره، دریابید که چگونه الگوریتم ها، اتوماسیون، برنامه های کاربردی داده های بزرگ و یادگیری ماشین ماهیت اقتصاد، بانکداری و مالی را تغییر می دهند. دانشمند داده و پروفسور بارتون پولسون یک نمای کلی غیر فنی از کاربردهای موفق و مشکل ساز علم داده در این زمینه ها ارائه می دهد. بیاموزید که چگونه علم داده بر نحوه خرید و فروش سهام، نحوه پردازش درخواست‌های وام و حتی نحوه شناسایی تقلب در حال حاضر که اطلاعات مالی در چنین مقیاس وسیعی به صورت آنلاین رد و بدل می‌شود، تأثیر می‌گذارد. کشف کنید که رسانه‌های اجتماعی چگونه بر روندهای اقتصادی تأثیر می‌گذارند، و چرا دانشمندان داده باید به ویژه مراقب باشند که اخلاق را در ذهن داشته باشند و مفروضات نادرست را در هنگام برخورد با داده‌های مالی بررسی کنند.

linkedin علم داده بازاریابی (Mitalearn-105176)

  • 2 hours 21 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Chris DallaVilla
درباره این دوره:

بازاریابی درست جلوی چشمان ما در حال تغییر است و این تحول توسط داده ها هدایت می شود. بازاریاب های مدرن باید داده ها و تجزیه و تحلیل ها را مانند قبل درک کنند و بتوانند با دانشمندان داده در محیط های چند رشته ای کار کنند. به طور مشابه، متخصصان با آموزش علوم داده باید یاد بگیرند که چگونه در هنگام کار با متخصصان بازاریابی و فروش، سهم خود را به حداکثر برسانند.\r\n\r\n کریس دالاویلا را دنبال کنید تا نحوه استفاده از R، Python و Tableau را برای انجام مدل‌سازی داده‌ها و ارزیابی عملکرد توضیح دهد. همانطور که کریس در این مفاهیم غوطه ور می شود، او مطالعات موردی خاصی را که مستقیماً از کار خودش می آید با مشتریان به اشتراک می گذارد. به علاوه، او سه روش ضروری و عملی را برای بازاریابی مبتنی بر داده به اشتراک می گذارد که می توانید از آنها برای تقویت عملکرد بازاریابی سازمان خود استفاده کنید.

coursera علم داده برای نوآوری کسب و کار (Mitalearn-329134)

  • 1 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marco Brambilla,Emanuele Della Valle
درباره این دوره:

این فرصتی است که همه چیز را در مورد علم داده برای نوآوری کسب و کار و آینده حرفه ای خود بیاموزید. فن آوری و تجزیه و تحلیل تجربه کسب و کار خود را مطابقت دهید! دوره نانو علم داده برای نوآوری کسب و کار خلاصه ای از تخصص لازم در علم داده برای مدیران و مدیران است تا نوآوری مبتنی بر داده را تقویت کنند. این دوره توضیح می دهد که علم داده چیست و چرا اینقدر هیپ شده است. یاد خواهید گرفت: * ارزشی که Data Science می تواند ایجاد کند * طبقات اصلی مشکلاتی که علم داده می تواند حل کند * تفاوت بین تجزیه و تحلیل توصیفی، پیش بینی کننده و تجویزی است * نقش یادگیری ماشین و هوش مصنوعی. از منظر فنی تر، این دوره روش های نظارت شده، بدون نظارت و نیمه نظارت را پوشش می دهد و توضیح می دهد که چه چیزی را می توان با روش های طبقه بندی، خوشه بندی و رگرسیون به دست آورد. این مقاله نقش مدل‌ها و فناوری‌های داده NoSQL و نقش و تأثیر پلت‌فرم‌های محاسباتی مبتنی بر ابر مقیاس‌پذیر را مورد بحث قرار می‌دهد. همه موضوعات با سخنرانی های مبتنی بر مثال، بحث در مورد موارد استفاده، داستان های موفقیت، و مثال های واقع بینانه پوشش داده شده است. پس از این دوره نانو، اگر می‌خواهید دانش خود را در زمینه علوم داده عمیق‌تر کنید، می‌توانید در دوره زنده نوآوری علوم داده برای کسب و کار شرکت کنید https://professionalschool.eitdigital.eu/data-science-for-business-innovation

coursera علم داده چیست؟ (Mitalearn-327842)

  • 3 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Alex Aklson
درباره این دوره:

آیا می خواهید بدانید چرا علم داده به عنوان جذاب ترین حرفه قرن بیست و یکم شناخته شده است؟ پس از گذراندن این دوره، شما قادر خواهید بود به این سوال پاسخ دهید، بفهمید علم داده چیست و دانشمندان داده چه می کنند و در مورد مسیرهای شغلی در این زمینه بیاموزید. هنر کشف بینش ها و روندها در داده ها از زمان های قدیم وجود داشته است. مصریان باستان از داده های سرشماری برای افزایش کارایی در جمع آوری مالیات استفاده می کردند و سیل رودخانه نیل را هر ساله به طور دقیق پیش بینی می کردند. از آن زمان، مردم به استفاده از داده ها برای استخراج بینش و پیش بینی نتایج ادامه دادند. اخیراً آنها زمینه ای منحصر به فرد و متمایز را برای کاری که انجام می دهند ایجاد کرده اند. این رشته علم داده است. در دنیای امروز، ما از علم داده برای یافتن الگوها در داده ها و نتیجه گیری و پیش بینی های معنادار و مبتنی بر داده استفاده می کنیم. این دوره برای همه است و مفاهیمی مانند نحوه استفاده دانشمندان داده از یادگیری ماشینی و یادگیری عمیق و نحوه استفاده شرکت ها از علم داده در تجارت را آموزش می دهد. شما با چندین دانشمند داده ملاقات خواهید کرد که بینش و تجربیات خود را در علم داده به اشتراک خواهند گذاشت. با گذراندن این دوره مقدماتی، سفر خود را به این رشته پر رونق آغاز خواهید کرد.

linkedin علم داده خرده فروشی، فروش و تجارت (Mitalearn-111721)

  • 1 hours 10 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: Barton Poulson
درباره این دوره:

چگونه فناوری دائماً داده ها را از دنیای تجارت اطراف ما جمع آوری می کند؟ از داده های موجود در خرده فروشی و مخارج مصرف کننده چه چیزی می توانید بدست آورید؟ این دوره به بررسی راه‌های مهمی می‌پردازد که کسب‌وکارها تحت تأثیر فناوری قرار می‌گیرند و چگونه شرکت‌ها از داده‌های موجود در همه جا برای بهبود تجارت استفاده می‌کنند. به Barton Poulson بپیوندید تا نحوه استفاده از داده ها برای درک مشتریان، توصیه محصولات به مشتریان، به دست آوردن مشتریان جدید، وفاداری مشتری و موارد دیگر را به شما معرفی کند.

linkedin علم داده در Google Cloud Platform: Building Data Pipelines (Mitalearn-143273)

  • 1 hours 7 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر کهنه کار و دانشمندان داده Kumaran Ponnambalam - نشان می‌دهد که چگونه از آخرین فناوری‌ها در GCP برای ایجاد یک خط لوله داده بزرگ استفاده کنید که داده‌ها را به طور کامل در فضای ابری جذب، انتقال و تبدیل می‌کند. با نحوه تنظیم کارهای پردازش داده با استفاده از پرتو Apache و Cloud Dataflow آشنا شوید. نحوه استفاده از Cloud Pub/Sub را برای دریافت جریان و پیام‌رسانی بی‌درنگ کشف کنید. در نهایت، نحوه پردازش رویدادهای جریان در Cloud Dataflow را بیاموزید. این دوره از یک مورد استفاده نهایی استفاده می کند که نشان می دهد چگونه می توان دانش و بهترین شیوه های دوره را در یک گردش کار عملی علم داده به کار برد.

linkedin علم داده در Google Cloud Platform: طراحی انبارهای داده (Mitalearn-143290)

  • 1 hours
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌هایی است که توسط متخصص باسابقه مهندسی ابر و دانشمند داده Kumaran Ponnambalam - نحوه طراحی و ساخت انبارهای داده با استفاده از GCP را نشان می‌دهد. انواع مختلف گزینه‌های ذخیره‌سازی موجود در GCP برای فایل‌ها، داده‌های رابطه‌ای، اسناد و داده‌های بزرگ، از جمله Cloud SQL، Cloud Bigtable، و Cloud BigQuery را کاوش کنید. سپس یاد بگیرید که چگونه از یک راه حل، BigQuery، برای انجام عملیات ذخیره سازی داده و پرس و جو استفاده کنید و موارد استفاده پیشرفته را مرور کنید، مانند کار با جداول پارتیشن و منابع داده خارجی. در نهایت، بهترین روش ها برای طراحی جدول، ذخیره سازی و بهینه سازی پرس و جو و نظارت بر انبارهای داده در BigQuery را بیاموزید.

linkedin علم داده دولت و علوم سیاسی، با بارتون پولسون (Mitalearn-128449)

  • 1 hours 2 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

آیا شما علاقه مند به افزایش درک خود از نحوه عملکرد دولت و سیاست هستید؟ اگر چنین است، این دوره کوتاه می‌تواند با بررسی روش‌های عمیقی که علم داده بر نحوه عملکرد دولت و فرآیند سیاسی ما تأثیر می‌گذارد کمک کند. بارتون پولسون، دانشمند داده و پروفسور، مروری غیرفنی از نحوه عملکرد علم داده در بخش عمومی ارائه می‌کند. او بحث می کند که چگونه می توان از تحلیل های پیش بینی کننده برای کمک به درک بازنمایی سیاسی استفاده کرد. بررسی می کند که چگونه علم داده بر مسائل امنیت ملی، حریم خصوصی و عدالت اجتماعی تأثیر می گذارد.

Related Skills

linkedin علم داده رسانه و سرگرمی با بارتون پولسون (Mitalearn-111738)

  • 56 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

موسیقی، تئاتر، رقص و فیلم ممکن است مانند تجارت های داده محور به نظر نرسند، اما می توانند به اندازه تجارت الکترونیک یا امور مالی از علم داده بهره ببرند. به پروفسور، محقق و مشاور علوم داده، بارتون پولسون بپیوندید تا روش‌های شگفت‌انگیزی را که در آن رسانه‌ها و صنایع سرگرمی اطراف ما تحت تأثیر داده‌ها و علم داده‌ها و تجزیه‌وتحلیل‌ها تحت تأثیر قرار می‌گیرند - و به طور اساسی تغییر کرده‌اند - را بررسی می‌کند.\r\n\r\n مشاهده آن برای کسانی که در رسانه کار می کنند ضروری است، اما همچنین برای هر کسی که علاقه مند به تأثیر فناوری بر دنیای اطراف ما است جذاب است. بیاموزید که چگونه از علم داده برای ارزیابی مخاطبان هدف خود، بهینه سازی قیمت گذاری و زمان بندی رویدادها و محصولات دیجیتال، شناسایی دزدی دریایی، محافظت از مالکیت معنوی خود، پاداش دادن به کارمندان و به حداکثر رساندن بازگشت سرمایه خود استفاده کنید. ترکیب برخی تحلیل‌های ساده می‌تواند منجر به مخاطبان گسترده‌تر و تجربیات غنی‌تر برای تلاش خلاقانه بعدی شما شود.

linkedin علم داده سازمان های خدماتی غیرانتفاعی، با بارتون پولسون (Mitalearn-140655)

  • 1 hours 8 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

یاد بگیرید چگونه از علم داده برای انجام کارهای خوب استفاده کنید. علم داده می‌تواند کمک بزرگی به سازمان‌های غیرانتفاعی باشد که در تلاش برای شناسایی اهداکنندگان، درک جوامع خود، ارزیابی تأثیر آنها و بهره‌وری بیشتر هستند. در این دوره آموزشی، مدرس، دانشمند داده و کارآفرین بارتون پولسون بحث می‌کند که چگونه می‌توان برخی از نگرانی‌های رایج سازمان‌های خدماتی غیرانتفاعی را با استفاده از منابع جدید داده - از جمله رسانه‌های اجتماعی و تجزیه و تحلیل وب - برطرف کرد و چگونه روش‌هایی مانند تجزیه و تحلیل پیش‌بینی‌کننده، یادگیری ماشین، و تجسم داده ها می تواند سازمان ها را بهره وری و کارآمدتر کند. او همچنین فرصت های شغلی را برای دانشمندان داده که می خواهند از جاه طلبی های مدنی خود به بهترین شکل استفاده کنند، پوشش می دهد.

linkedin علم داده مدیریت ورزشی، با بارتون پولسون (Mitalearn-128483)

  • 1 hours 2 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

علاقه به ورزش می تواند یک فرد معمولی از ریاضی را به یک آماردان آماتور تبدیل کند، که آماده است از انتخاب خود برای بهترین ضربه زننده کلاچ با داده های سخت پشتیبانی کند. اگر شیفتگی شما به ورزش علاقه به داده ها و آمار را برانگیخته است، دریافت یک درک کلی از علم داده می تواند به شما کمک کند تا بینش قابل توجهی از بازیکنان و تیم های مورد علاقه خود به دست آورید. در این دوره کوتاه، دانشمند داده و پروفسور بارتون پولسون راه‌های عمیقی را که علم داده بر دنیای ورزش و مدیریت ورزش تأثیر می‌گذارد، و همچنین تأثیر بزرگ‌تری که بر مخاطبان و صنایع مرتبط دارد، بررسی می‌کند. و در حالی که موضوعاتی که او در آنها غوطه ور می شود می تواند پیچیده باشد، بارتون در این دوره یک رویکرد غیر فنی را اتخاذ می کند و اطمینان می دهد که طرفداران ورزش با پیشینه های فنی بسیاری می توانند بینش هایی را از آموزش او به دست آورند. او توضیح می دهد که چگونه اصول علم داده می تواند به اندازه گیری عملکرد ورزشی و همچنین قیمت بلیط، مربیگری بازیکنان و موارد دیگر کمک کند.

linkedin علم داده مراقبت های بهداشتی، پزشکی و بهداشت عمومی، با بارتون پولسون (2018) (Mitalearn-140706)

  • 1 hours 10 minutes
  • متوسط
  • Release date: 2 October 2018
  • Author: Barton Poulson
درباره این دوره:

تجزیه و تحلیل داده ها نقش مهمی را در نحوه مدیریت سیستم های مراقبت های بهداشتی و سلامت شخصی خود ایفا می کند. این دوره غیر فنی که برای هر کسی که در سیستم مراقبت های بهداشتی ما سهم دارد طراحی شده است، راه های مختلفی را برای اعمال علم داده در پزشکی و بهداشت عمومی بررسی می کند. دانشمند داده و پروفسور بارتون پولسون راه‌هایی را مورد بحث قرار می‌دهد که افزایش چشمگیر مقادیر داده‌ها - از آزمایش‌های ژنتیکی، تبارشناسی، آزمایش خون، اسکن‌های مغزی، و سایر منابع - نظریه و عملکرد مراقبت‌های بهداشتی را تغییر می‌دهد. همانطور که او به منابع داده های کلیدی نگاه می کند، روش های مختلف برای تجزیه و تحلیل این حجم از داده ها، از جمله یادگیری ماشین و مدل سازی پیش بینی را نیز بررسی می کند. کشف کنید که چگونه علم داده می تواند به پیش بینی شیوع، یافتن درمان، کمک به هزینه های مراقبت های بهداشتی و موارد دیگر کمک کند.

coursera کاربردهای معماری نرم افزار برای داده های بزرگ (Mitalearn-316112)

  • 51 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Tyson Gern,Mike Barinek
درباره این دوره:

این دوره برای افرادی در نظر گرفته شده است که می خواهند یک سیستم نرم افزاری با کیفیت تولید بسازند که از داده های بزرگ استفاده کند. شما اصول مهندسی نرم افزار و معماری را برای ایجاد یک سیستم توزیع شده آماده برای تولید که داده های بزرگ را مدیریت می کند، اعمال خواهید کرد. شما یک سیستم فشرده و پراکنده داده، متشکل از برنامه‌های کاربردی بسیار منسجم و به هم پیوسته ایجاد خواهید کرد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

coursera کاوش تغییر شکل داده با Google Cloud (Mitalearn-317013)

  • 54 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

فناوری ابری می‌تواند ارزش زیادی برای یک سازمان به ارمغان بیاورد و ترکیب قدرت فناوری ابری با داده‌ها این پتانسیل را دارد که ارزش بیشتری را باز کند و تجربیات جدیدی برای مشتری ایجاد کند. «کاوش در تبدیل داده‌ها با Google Cloud» ارزشی را که داده‌ها برای یک سازمان به ارمغان می‌آورند و راه‌هایی را که Google Cloud می‌تواند داده‌ها را مفید و قابل دسترس کند بررسی می‌کند. بخشی از مسیر یادگیری Cloud Digital Leader، این دوره با هدف کمک به افراد در رشد نقش خود و ساختن آینده کسب و کارشان است.

Suggestions