Course catalog

Course duration

Course provider

Topic

Categories

Showing 61-80 of 104 items.

coursera رگرسیون و پیش بینی برای دانشمندان داده با استفاده از پایتون (Mitalearn-324612)

  • 5 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: EDUCBA
درباره این دوره:

شرح دوره: این دوره آموزش جامعی را در زمینه تکنیک های تحلیل رگرسیون و پیش بینی برای علم داده با تاکید بر برنامه نویسی پایتون ارائه می دهد. شما به تجزیه و تحلیل سری های زمانی، پیش بینی، رگرسیون خطی و پیش پردازش داده ها تسلط خواهید داشت و به شما امکان می دهد تصمیمات مبتنی بر داده را در صنایع مختلف اتخاذ کنید. اهداف آموزشی: • توسعه تخصص در تجزیه و تحلیل سری های زمانی، پیش بینی، و رگرسیون خطی. • کسب مهارت در برنامه نویسی پایتون برای تحلیل و مدل سازی داده ها. • تکنیک های تجزیه و تحلیل داده های اکتشافی، شناسایی روند و فصلی بودن را تجزیه و تحلیل کنید دست زدن • مدل های سری زمانی مختلف را پیدا کنید و آنها را با استفاده از پایتون پیاده سازی کنید. • داده ها را برای مدل سازی رگرسیون خطی دقیق آماده و پیش پردازش کنید. • پیش بینی و تفسیر مدل های رگرسیون خطی برای تصمیم گیری آگاهانه. در این دوره چهار ماژول وجود دارد: ماژول 1: تحلیل و پیش بینی سری های زمانی شرح ماژول: ماژول تحلیل و پیش‌بینی سری‌های زمانی اکتشاف جامعی از تکنیک‌ها برای استخراج بینش و پیش‌بینی روندها از داده‌های متوالی ارائه می‌کند. شما به مفاهیم اساسی مانند شناسایی روند، فصلی بودن و انتخاب مدل تسلط خواهید داشت. آنها با تجربه عملی در نرم افزارهای پیشرو، ساخت، اعتبارسنجی و تفسیر مدل های پیش بینی را خواهند آموخت. با بررسی مطالعات موردی در دنیای واقعی و ملاحظات اخلاقی، شرکت‌کنندگان برای تصمیم‌گیری استراتژیک در صنایع با استفاده از قدرت تحلیل سری‌های زمانی مجهز خواهند شد. این ماژول یک دارایی ارزشمند برای متخصصانی است که به دنبال استفاده از پتانسیل داده های زمانی هستند. شما در تجزیه و تحلیل سری های زمانی و پیش بینی تخصص خواهید داشت. تکنیک هایی را برای تجزیه و تحلیل داده های اکتشافی، تجزیه سری های زمانی، تجزیه و تحلیل روند، و مدیریت فصلی کشف کنید. مهارت تمایز بین انواع مختلف الگوها و درک مفاهیم آنها در پیش بینی را به دست آورید. ماژول 2: مدل های سری زمانی توضیحات ماژول: مدل‌های سری زمانی ابزارهای قدرتمندی هستند که برای کشف الگوها و پیش‌بینی روندهای آینده در داده‌های متوالی طراحی شده‌اند. با تجزیه و تحلیل الگوهای تاریخی، روندها و تغییرات فصلی، این مدل ها بینش هایی را در مورد رفتار داده ها در طول زمان ارائه می دهند. با استفاده از روش‌هایی مانند مدل‌های ARIMA، هموارسازی نمایی، و مدل‌های فضای حالت، پیش‌بینی دقیق را امکان‌پذیر می‌کنند و به تصمیم‌گیرندگان در زمینه‌های مختلف قدرت می‌دهند تا انتخاب‌های آگاهانه‌ای را براساس پیش‌بینی‌های مبتنی بر داده انجام دهند. شما توانایی ساخت مدل های پیش بینی برای پیش بینی های آینده را بر اساس داده های تاریخی به دست خواهید آورد. روش های مختلف پیش بینی مانند مدل های ARIMA و تکنیک های پیش بینی فصلی را کشف کنید و آنها را با استفاده از برنامه نویسی پایتون پیاده سازی کنید. توانایی تدوین استراتژی های پیش بینی سری زمانی سفارشی بر اساس ویژگی های داده را توسعه دهید. ماژول 3: رگرسیون خطی - پیش پردازش داده ها توضیحات ماژول: ماژول رگرسیون خطی - پیش پردازش داده ها یک دوره اساسی است که شرکت کنندگان را با مهارت های ضروری برای تهیه و بهینه سازی داده ها قبل از استفاده از تکنیک های رگرسیون خطی مجهز می کند. از طریق یادگیری عملی، شرکت‌کنندگان اهمیت کیفیت داده‌ها، پرداختن به مقادیر از دست رفته، تشخیص نقاط پرت و مقیاس‌بندی ویژگی را درک خواهند کرد. شما یاد خواهید گرفت که چگونه داده های خام را به یک قالب تمیز و نرمال شده با جستجو در مجموعه داده های دنیای واقعی تبدیل کنید و از نتایج مدل رگرسیون خطی دقیق و قابل اعتماد اطمینان حاصل کنید. این ماژول برای ایجاد دانش پایه قوی در مدل سازی پیش بینی و تجزیه و تحلیل داده ها بسیار مهم است. شما بینش هایی را در مورد تکنیک های رگرسیون مختلف مانند رگرسیون خطی، رگرسیون چند جمله ای و رگرسیون لجستیک و اجرای آنها با استفاده از برنامه نویسی پایتون به دست خواهید آورد. داده‌های گمشده و نقاط پرت را در مجموعه داده‌ها شناسایی کنید و استراتژی‌های مناسب را برای مدیریت مؤثر آن‌ها اجرا کنید. اهمیت مقیاس بندی و انتخاب ویژگی را تشخیص دهید و یاد بگیرید که چگونه تکنیک هایی مانند استانداردسازی و عادی سازی را برای بهبود همگرایی و تفسیرپذیری مدل به کار ببرید. ماژول 4: رگرسیون خطی - ایجاد مدل شرح ماژول: ماژول رگرسیون خطی - ایجاد مدل، درک جامعی از ساخت مدل های پیش بینی را از طریق تکنیک های رگرسیون خطی ارائه می دهد. شما یاد خواهید گرفت که ویژگی های مربوطه را انتخاب و مهندسی کنید، الگوریتم های رگرسیون را اعمال کنید و ضرایب مدل را تفسیر کنید. با کاوش در مطالعات موردی در دنیای واقعی، بینش هایی در مورد ارزیابی عملکرد مدل به دست خواهید آورد و نحوه تنظیم دقیق پارامترها برای نتایج بهینه را به دست خواهید آورد. این ماژول به شما امکان می دهد تا مدل های رگرسیون خطی قوی برای تصمیم گیری مبتنی بر داده در زمینه های مختلف ایجاد کنید. نحوه شناسایی و انتخاب ویژگی های مرتبط از مجموعه داده ها برای گنجاندن در مدل های رگرسیون خطی را خواهید فهمید. مهارت هایی را برای تفسیر ضرایب مدل، تشخیص اهمیت آنها و ارائه پیامدهای این ضرایب به ذینفعان غیر فنی به دست آورید. نحوه تنظیم دقیق پارامترهای مدل و تکنیک های منظم سازی و انجام اعتبارسنجی متقابل برای افزایش تعمیم مدل را کشف کنید. یادگیرنده هدف: این دوره برای دانشمندان داده، تحلیلگران و متخصصان مشتاق طراحی شده است که به دنبال افزایش مهارت های خود در تجزیه و تحلیل رگرسیون، پیش بینی و برنامه نویسی پایتون هستند. برای کسانی که به دنبال استفاده از قدرت داده های زمانی و مدل سازی پیش بینی در حرفه خود هستند مناسب است. پیش نیازهای زبان آموز: • دانش اولیه برنامه نویسی پایتون. • آشنایی با مفاهیم بنیادی تحلیل داده ها. • درک مفاهیم آماری مفید است اما اجباری نیست. فایل های مرجع: به فایل های کد در قسمت منابع و فایل های آزمایشگاهی در قسمت مدیر آزمایشگاه دسترسی خواهید داشت. مدت دوره: 5 ساعت 44 دقیقه مدت زمان کل: تقریبا 4 هفته • ماژول 1: تحلیل و پیش بینی سری زمانی (1 هفته) • ماژول 2: مدل‌های سری زمانی (1 هفته) • ماژول 3: رگرسیون خطی - پیش پردازش داده ها (1 هفته) • ماژول 4: رگرسیون خطی - ایجاد مدل (1 هفته)

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 ساخت موردی برای اتوماسیون فرآیند رباتیک (Mitalearn-325462)

  • 2 hours 55 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: AICPA
درباره این دوره:

نمای کلی اتوماسیون فرآیند رباتیک (RPA) در حال تغییر شکل حرفه حسابداری و مالی است. طبق تحقیقات مک کینزی، انتظار می‌رود 40 درصد از کارهای حسابداری معاملاتی تا سال 2020 خودکار شود و پیش‌بینی می‌شود که 230 میلیون کارگر دانشمند، یعنی 9 درصد از نیروی کار جهانی را تحت تأثیر قرار دهد. با توجه به نیاز به رقابتی ماندن، کاهش هزینه ها و افزایش کارایی، RPA به سرعت تأثیر قابل توجهی بر این حرفه می گذارد. شرکت ها دیگر به «اگر» فکر نمی کنند، بلکه به «زمان» برای اجرای RPA فکر می کنند. توضیحات کوتاه: • اتوماسیون فرآیند رباتیک (RPA) می تواند فرآیندهای کسب و کار را با حذف کارهای پیش پا افتاده، وقت گیر و دستی که متخصصان انجام می دهند، متحول کند. به آنها فرصت بیشتری برای تمرکز بر تفکر انتقادی می دهد. این دوره برای متخصصان حسابداری و امور مالی در سراسر جهان از طریق موارد استفاده نشان می دهد که چگونه می توان از اتوماسیون فرآیند رباتیک برای کاهش خطاها و افزایش بهره وری استفاده کرد. شرح دوره/هدف آموزشی فراگیر این دوره برای ارائه سواد عملی به حرفه ای های حسابداری و مالی در مورد اتوماسیون فرآیند رباتیک از طریق یک مورد استفاده آماده سازی داده های مرتبط با دنیای واقعی در نظر گرفته شده است. این به شناسایی کاربردهای بالقوه و مزایا و ملاحظات برای اتوماسیون فرآیند رباتیک کمک خواهد کرد. این دوره به شما کمک می‌کند تا با کمک به ارزیابی الزامات، تعریف اثبات ارزش و اندازه‌گیری و تأیید ROI برای اتوماسیون، به کسب و کار خود بپردازید.

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+.

coursera شروع به کار در Mainframe با دستورات و پنل های z/OS (Mitalearn-323813)

  • 47 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jeff Bisti
درباره این دوره:

شروع کار با IBM Mainframe با دستورات و پنل‌های z/OS بیشتر در محیط z/OS IBM Mainframe عملی است. در مجموع هفت آزمایشگاه دسترسی زنده به سرور IBM Z را فراهم می کنند. این آزمایشگاه ها برای آموزش مهارت های عملی اساسی برای پیمایش و کار در محیط z/OS طراحی شده اند. این شامل استفاده از گفتگوهای ISPF/PDF و دستورات TSO/E می شود. پس از اتمام موفقیت آمیز این دوره، فراگیران واجد شرایط دریافت نشان شروع در Mainframe با نشان z/OS Commands and Panels هستند. اطلاعات بیشتر را می توان در اینجا یافت: https://www.youracclaim.com/org/ibm/badge/getting-started-on-mainframe-with-z-os-commands-and-panels

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 پایگاه داده عملی: پیاده‌سازی راه‌حل‌های داده‌ای مسئول با پرس و جوی SQL (Mitalearn-445125)

  • 2 hours 15 minutes
  • مناسب همه
  • Release date: 25 June 2024
  • Author: Dr. Brandeis Marshall
درباره این دوره: 

 در این دوره آموزشی، مفاهیم اساسی زیربنای طراحی سیستم پایگاه داده، از جمله نه تنها طراحی برنامه های کاربردی با استفاده از پایگاه داده، بلکه همچنین پوشش تکنیک های پیاده سازی اساسی مورد استفاده در سیستم های پایگاه داده را بیاموزید. مربی Brandeis Marshall شما را با استفاده از یک برنامه کاربردی طراحی پایگاه داده، پیاده سازی پایگاه داده و پرس و جوی داده ها راهنمایی می کند تا تعیین کنید که چه زمانی پرس و جوی SQL مناسب تر است. بیاموزید که چگونه پرس و جوهای SQL موثر ایجاد کنید و از SQL به عنوان بخشی از شیوه های داده های مسئول/اخلاقی خود استفاده کنید. Brandeis شما را از طریق یک پروژه پایگاه داده طی می کند و دوره را با پروژه ای به پایان می رساند که به شما امکان می دهد تمام آنچه را که آموخته اید به کار ببرید.

coursera علم داده در زندگی واقعی (Mitalearn-335526)

  • 2 hours 39 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD,Jeff Leek, PhD,Roger D. Peng, PhD
درباره این دوره:

آیا تا به حال تجربه عالی علم داده را داشته اید؟ کشش داده کاملاً انجام شد. هیچ خطای ادغام یا داده های از دست رفته وجود نداشت. قبل از تجزیه و تحلیل، فرضیه ها به وضوح تعریف شده بودند. تصادفی سازی برای درمان مورد علاقه انجام شد. طرح تحلیلی قبل از تجزیه و تحلیل ترسیم شد و دقیقاً دنبال شد. نتیجه گیری ها واضح و تصمیمات قابل اجرا واضح بود. آیا این اتفاق برای شما افتاده است؟ البته نه. تجزیه و تحلیل داده ها در زندگی واقعی کثیف است. چگونه می توان تیمی را که با تجزیه و تحلیل داده های واقعی مواجه است، مدیریت کرد؟ در این دوره یک هفته‌ای، ایده‌آل را با آنچه در زندگی واقعی اتفاق می‌افتد مقایسه می‌کنیم. با تضاد ایده آل، مفاهیم کلیدی را یاد خواهید گرفت که به شما در مدیریت تحلیل های زندگی واقعی کمک می کند. این یک دوره متمرکز طراحی شده است تا شما را به سرعت در انجام علم داده در زندگی واقعی به سرعت بشناساند. هدف ما این بود که این کار را تا حد امکان برای شما راحت کنیم بدون اینکه هیچ محتوای ضروری را قربانی کنیم. ما اطلاعات فنی را کنار گذاشته‌ایم تا بتوانید روی مدیریت تیم خود و پیشبرد آن تمرکز کنید. پس از گذراندن این دوره خواهید دانست که چگونه: 1، تجربه "عالی" علم داده را توصیف کنید 2. شناسایی نقاط قوت و ضعف در طرح های آزمایشی 3. مشکلات احتمالی را هنگام جمع‌آوری/ جمع‌آوری داده‌ها شرح دهید و راه‌حل‌هایی را برای مدیریت کشش داده‌ها بیاموزید. 4. مفروضات مدل سازی آماری را به چالش بکشید و بازخورد را به تحلیلگران داده هدایت کنید 5. مشکلات رایج در ارتباط تجزیه و تحلیل داده ها را شرح دهید 6. نگاهی اجمالی به یک روز از زندگی یک مدیر تجزیه و تحلیل داده ها داشته باشید. این دوره در سطح مفهومی برای مدیران فعال دانشمندان داده و آماردانان تدریس می شود. برخی از مفاهیم کلیدی مورد بحث عبارتند از: 1. طراحی آزمایشی، تصادفی سازی، تست A/B 2. استنتاج علی، خلاف واقع، 3. استراتژی های مدیریت کیفیت داده ها. 4. تعصب و گیج کننده 5. یادگیری ماشینی متضاد در مقابل استنتاج آماری کلاسیک تبلیغ دوره: https://www.youtube.com/watch?v=9BIYmw5wnBI تصویر جلد دوره توسط جاناتان گراس. Creative Commons BY-ND https://flic.kr/p/q1vudb

datacamp غلبه بر تعصب داده ها (Mitalearn-405702)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Konstantinos Kattidis
درباره این دوره:

با شناسایی و کاهش سوگیری داده‌ها، که برای تجزیه و تحلیل دقیق و توسعه مدل قوی بسیار مهم است، یاد بگیرید که از پتانسیل کامل داده‌های خود استفاده کنید.

با بررسی اشکال مختلف سوگیری داده ها و تأثیر آنها بر تصمیم گیری شروع کنید. برای کشف سوگیری های پنهان در روش های نمونه گیری، داده های تاریخی و ابزارهای اندازه گیری، به جمع آوری داده ها بپردازید. سپس، به تحلیل داده‌ها و توسعه مدل بروید و یاد بگیرید که چگونه سوگیری‌های شناختی، گزارش‌گری و الگوریتمی می‌توانند تفسیرها را تحریف کنند. این دوره دانش و ابزارهایی را برای شناسایی و کاهش این سوگیری ها در اختیار شما قرار می دهد و از شیوه های تحلیل شفاف و منصفانه اطمینان می دهد.

در پایان، شما یک متخصص سوگیری داده خواهید بود و آماده غلبه بر تعصب و کشف بینش های واقعی در مجموعه داده های خود خواهید بود.

coursera فرمت‌ها، طراحی و کیفیت داده‌های GIS (Mitalearn-352696)

  • 7 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nick Santos,Eric Howard
درباره این دوره:

در این دوره، دومین دوره تخصصی سیستم‌های اطلاعات جغرافیایی (GIS)، با انواع داده‌های رایج (مانند داده‌های شطرنجی و برداری)، ساختارها، کیفیت و ذخیره‌سازی در طول چهار ماژول یک هفته‌ای آشنا می‌شوید: هفته 1: با مدل ها و قالب های داده، از جمله درک کامل داده های برداری و مفاهیم شطرنجی آشنا شوید. همچنین در مورد مفاهیم مقیاس داده و نحوه بارگیری لایه ها از سرویس های وب خواهید آموخت. هفته 2: با استفاده از جداول ویژگی برداری، نوشتن رشته های پرس و جو، تعریف کوئری ها، و افزودن و محاسبه فیلدها، یک مدل داده برداری ایجاد کنید. همچنین یاد خواهید گرفت که چگونه داده های جدید را از طریق فرآیند دیجیتالی سازی ایجاد کنید و از ابزارهای ویرایشگر داخلی در ArcGIS استفاده خواهید کرد. هفته 3: با مکانیسم های رایج ذخیره سازی داده ها در GIS، از جمله پایگاه های جغرافیایی و فایل های شکل، آشنا شوید. یاد بگیرید که چگونه بین آنها برای پروژه های خود انتخاب کنید و چگونه آنها را برای سرعت و اندازه بهینه کنید. همچنین با استفاده از مدل‌های دیجیتال ارتفاع و ایجاد محصولات تجزیه و تحلیل شیب و فاصله، برای اولین بار با رسترها کار خواهید کرد. هفته 4: مجموعه داده ها را بررسی کنید و آنها را از نظر کیفیت و عدم قطعیت ارزیابی کنید. همچنین یاد خواهید گرفت که چگونه با ArcGIS Online نقشه ها و داده های خود را به اینترنت بیاورید و نقشه های وب را به سرعت ایجاد کنید. فرمت‌ها، طراحی و کیفیت داده‌های GIS را به عنوان یک دوره مستقل یا به عنوان بخشی از تخصص سیستم‌های اطلاعات جغرافیایی (GIS) بخوانید. شما باید قبل از گذراندن این دوره، تجربه ای معادل با گذراندن اولین دوره در این تخصص، مبانی GIS داشته باشید. با تکمیل کلاس دوم در تخصص، مهارت های مورد نیاز برای موفقیت در برنامه کامل را به دست خواهید آورد.

coursera فناوری های نوظهور داده های بزرگ (Mitalearn-318186)

  • 4 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jong-Moon Chung
درباره این دوره:

هر بار که از Google برای جستجوی چیزی استفاده می‌کنید، هر بار که از فیس‌بوک، توییتر، اینستاگرام یا هر SNS (سرویس شبکه اجتماعی) دیگری استفاده می‌کنید، و هر بار که از فهرست پیشنهادی محصولات در Amazon.com خرید می‌کنید، از سیستم داده‌های بزرگ استفاده می‌کنید. . علاوه بر این، فناوری داده های بزرگ هر روز از تلفن هوشمند، ساعت هوشمند، الکسا، سیری و خودروی شما (اگر مدل جدیدتر باشد) پشتیبانی می کند. شرکت‌های برتر دنیا در حال حاضر از فناوری داده‌های بزرگ استفاده می‌کنند و هر شرکتی به پشتیبانی پیشرفته فناوری داده‌های بزرگ نیاز دارد. به زبان ساده، فناوری کلان داده یک گزینه برای شرکت شما نیست، بلکه یک ضرورت برای بقا و رشد است. بنابراین اکنون زمان مناسبی است که بیاموزید کلان داده چیست و چگونه از آن به نفع شرکت خود استفاده کنید. این دوره آموزشی 6 ماژول ابتدا بر رتبه‌بندی سهم بازار صنعت در جهان از سخت‌افزار، نرم‌افزار و خدمات حرفه‌ای تمرکز می‌کند و سپس برترین خط تولید کلان داده جهان و انواع خدمات شرکت‌های بزرگ داده را پوشش می‌دهد. سپس سخنرانی‌ها بر این موضوع متمرکز شدند که چگونه تجزیه و تحلیل داده‌های بزرگ بر اساس محبوب‌ترین سه فناوری داده بزرگ در جهان Hadoop، Spark و Storm امکان‌پذیر است. بخش آخر بر ارائه تجربه بر روی یکی از معروف ترین و پرکاربردترین سیستم های تجزیه و تحلیل آماری کلان داده در جهان، یعنی IBM SPSS Statistics تمرکز دارد. این دوره به منظور آماده سازی شما برای موفقیت بیشتر در برنامه ریزی استراتژیک کسب و کار در عصر کلان داده های آینده طراحی شده است. به دنیای شگفت انگیز Big Data خوش آمدید!

coursera قانون حفظ حریم خصوصی و حفاظت از داده ها (Mitalearn-299248)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Lauren Steinfeld
درباره این دوره:

برای رعایت قوانین حفظ حریم خصوصی چه چیزی لازم است؟ در این دوره، ما به جنبه های عملی پیمایش در چشم انداز پیچیده الزامات حریم خصوصی نگاه خواهیم کرد. درک بهتر قوانین حفظ حریم خصوصی و حفاظت از داده ها شما را قادر می سازد از سازمان خود و مؤلفه هایی که برای حفاظت از اطلاعات شخصی خود به سازمان شما وابسته هستند محافظت کنید. ابتدا، زمینه تاریخی را بررسی خواهیم کرد که باعث ایجاد قوانین، بهترین شیوه ها و سایر استانداردها برای حفاظت از اطلاعات شخصی شده است. ما همچنین در نظر خواهیم گرفت که قوانین حفظ حریم خصوصی در کجای ایالات متحده وجود دارد و کدام بخش ها بدون نظارت باقی می مانند. در مرحله بعد، ما بر قانون فدرال حفظ حریم خصوصی سلامت، قانون قابل حمل و پاسخگویی بیمه سلامت در سال 1996 (HIPAA) - و آنچه برای رعایت آن لازم است تمرکز خواهیم کرد. چگونه از محدوده الزامات مطلع هستید؟ و هنگامی که می دانید HIPAA اعمال می شود، چگونه اقداماتی را برای اطمینان از انطباق انجام می دهید؟ ما این مفهوم را بررسی خواهیم کرد که بدون امنیت قوی نمی‌توان حریم خصوصی داشت و مدل‌های مختلفی را بررسی می‌کنیم که امنیت اطلاعات شخصی را ارتقا می‌دهند. ما قوانین اعلان نقض - ​​یکی از مهم‌ترین محرک‌های تغییر در سازمان‌ها - را از نزدیک بررسی خواهیم کرد و در مورد استراتژی‌هایی برای بهبود حفاظت از داده‌ها به طور کلی بحث خواهیم کرد. در نهایت، به حقوق بین‌الملل، قوانین ایالتی، نقش منحصر به فرد و مهم کمیسیون تجارت فدرال در حفاظت از حریم خصوصی خواهیم پرداخت. مهم‌تر از همه، ما عملی می‌شویم - ما در مورد روش‌های عملی و واقعی دنیای واقعی بحث خواهیم کرد که چگونه متخصصان انطباق می‌توانند در چشم‌انداز پیچیده الزامات حریم خصوصی برای محافظت از سازمان‌های خود به بهترین شکل حرکت کنند.

coursera قوانین و قوانین اساسی حریم خصوصی (Mitalearn-325683)

  • 7 hours 48 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Christopher Lee Stevens
درباره این دوره:

در این مسیر، شعبه دولت فدرال ایالات متحده و حریم خصوصی اطلاعات را بررسی خواهیم کرد. ما همچنین قوانین مربوط به حریم خصوصی مراقبت های بهداشتی ایالات متحده و رعایت حریم خصوصی از جمله HIPAA، HITECH، GINA و موارد دیگر را پوشش خواهیم داد.

coursera کاوش تغییر شکل داده با Google Cloud - Français (Mitalearn-318985)

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

فناوری ابری است که منبع بزرگی برای شرکت‌ها است. ترکیبی از فناوری‌های ترکیبی با استفاده از فناوری‌های جدید، می‌تواند برای مشتری‌های جدید به‌علاوه ارزش‌ها و تجربه‌های نوین امکان‌پذیر باشد. «کاوش در تبدیل داده با Google Cloud» vous fait découvrir la valeur que les données peuvent apporter à une entreprise et les façons dont Google Cloud peut les rendre utiles et accessibles. Ce cours fait partie du parcours de formation Cloud Digital Leader. Il a pour but d'aider les partners à évoluer dans leur poste et à façonner l'avenir de leur entreprise.

linkedin کیفیت داده ها: مفاهیم اصلی (Mitalearn-417296)

  • 1 hours 28 minutes
  • مناسب همه
  • Release date: 20 December 2024
  • Author: Mark Freeman
درباره این دوره: 

 این دوره نظری برای متخصصان داده ، ذینفعان در سازمان های داده ، رهبری داده ها و متخصصان علاقه مند به کیفیت داده طراحی شده است. مارک فریمن-یک مهندس داده و سرب فناوری-نمای کلی سطح بالا از کیفیت داده ها را ارائه می دهد ، معیاری از چگونگی عملکرد داده ها با انتظارات یک شرکت از صحت ، کامل بودن ، قوام ، قابلیت اطمینان و اعتبار. علاوه بر محتوای دوره ، یک پروژه نهایی را تکمیل کنید که شامل یک مخزن کد ارائه شده برای بررسی و گزارش تجزیه و تحلیل با مسائل مربوط به کیفیت داده ها باشد. مسائل مربوط به کیفیت داده ها را شناسایی کرده و در مورد نحوه رفع آنها توصیه هایی ارائه دهید. این دوره شما را با درک جدی از مفاهیم زیربنای کیفیت داده ها مجهز می کند.

coursera گزارش نیروی فروش (Mitalearn-290204)

  • 42 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Stephane Muller
درباره این دوره:

Salesforce Reporting بر چگونگی تأثیر تغییرات سطح خرد در Salesforce بر سطح کلان تجربه کاربر تمرکز دارد. در این دوره، شما بر روی ایجاد اشیاء سفارشی، وابستگی های فیلد و جریان های کاری برای ردیابی حساب ها یا خدمات تمرکز خواهید کرد. همچنین مهم است که داده ها را برای سازمان خود تمیز نگه دارید و با ایجاد گزارش ها، مدیریت داده ها و ایجاد گزارش ها و داشبوردهای کامل کار خواهید کرد. در نهایت، با Salesforce Service Cloud روی پایگاه مشتری خود تمرکز خواهید کرد تا تعامل را از طریق خدمات خود حفظ کنید. این دوره شامل خواندن های عمیق و فعالیت های کاربردی کاربردی در پلت فرم آموزشی Trailhead Salesforce، فرصت های گفتگوی همتا، ویدئوهای نمایشی، و تکالیف بررسی همتا است.

coursera لینوکس و Bash برای مهندسی داده (Mitalearn-323881)

  • 4 hours 49 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Kennedy Behrman,Alfredo Deza
درباره این دوره:

در این دوره دوم از Python، Bash و SQL Essentials for Data Engineering Specialization، شما اصول اساسی لینوکس را که برای انجام وظایف مهندسی داده ضروری است، یاد خواهید گرفت. علاوه بر این، نحوه استفاده از هر دو پیکربندی Bash و zsh و توسعه نحو مورد نیاز برای تعامل و کنترل لینوکس را بررسی خواهید کرد. این مهارت ها به شما این امکان را می دهد که پایگاه داده ها را در محیط Bash مدیریت و دستکاری کنید.

coursera مبانی حاکمیت داده (Mitalearn-321450)

  • 1 hours 46 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Edureka
درباره این دوره:

به دوره آموزشی مبانی حاکمیت داده خوش آمدید. این برنامه شما را به دانش اساسی در حاکمیت داده مجهز می کند و شما را قادر می سازد تا یک چارچوب جامع برای حاکمیت داده ایجاد و اعمال کنید که یکپارچگی داده ها، امنیت، پایبندی به مقررات و مدیریت ماهرانه داده ها را در یک شرکت تضمین می کند. با تکمیل این برنامه قادر خواهید بود: - تعریف و توصیف مفهوم حاکمیت داده، اصول اصلی آن و نقش آن در مدیریت و کنترل مؤثر دارایی های داده سازمان. - در چارچوب ها و مدل های مختلف حاکمیت داده که در سازمان ها استفاده می شود، کاوش کنید. - ابزارها و فن آوری های مختلف موجود برای حمایت از طرح های حاکمیت داده را کاوش کنید. - مزایای حاکمیت داده در ابر را بررسی کنید و ارائه دهندگان خدمات ابری مختلف را برای حاکمیت داده بررسی کنید. این دوره کوتاه برای تازه کارها، متخصصان داده، مدیران پروژه، مباشر داده، متخصصان تضمین کیفیت، افسران حقوقی و انطباق، مدیران اجرایی و مدیران، مدیران پایگاه داده و تحلیلگران تجاری طراحی شده است. تجربه قبلی با خدمات AWS مانند DataZone مفید است اما اجباری نیست. برای برتری در حاکمیت داده، کسب مهارت در اصول اساسی آن، تسلط بر بهترین شیوه ها و ارتقای مهارت های خود در استراتژی های مدیریت داده موثر، یک ماجراجویی یادگیری را آغاز کنید.

coursera مبانی سیستم های اطلاعاتی برای کسب و کار (Mitalearn-324442)

  • 2 hours 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Carlos Buskey,Alton Henley
درباره این دوره:

این دوره به معرفی مفاهیم اساسی در سیستم های اطلاعات کسب و کار می پردازد. این بخش اجزای اساسی سیستم های داده، نحوه استفاده از سیستم های داده در تجارت و نقش ها و مسئولیت های افرادی که در سیستم های اطلاعاتی کار می کنند را ارائه می دهد.

coursera مبانی سیستم های اینترنت اشیا و اتوماسیون صنعتی (Mitalearn-321382)

  • 1 hours 41 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Pablo Puig
درباره این دوره:

این دوره جامع به فراگیران ارائه می دهد تا به دنیای سیستم های اینترنت اشیا و ادغام آنها با اتوماسیون صنعتی بپردازند. با تأکید بر نقش محوری فناوری‌های حسگر و ابزارهای ارتباطی متنوع، ریشه‌های تاریخی و تفاوت‌های معماری IoT را کشف کنید. از طریق این کاوش، شرکت‌کنندگان پایه‌ای محکم در مفاهیم اینترنت اشیا، درک نحوه همکاری اجزای آن، کاوش انواع حسگرهای مختلف و ارزیابی پروتکل‌های ارتباطی ایجاد خواهند کرد. سپس این دوره تمرکز خود را به اتوماسیون صنعتی گسترش می دهد و تأثیر گسترده آن را در بخش های مختلف روشن می کند. از مؤلفه‌های اصلی Industry 4.0 تا کاربردهای عملی اتوماسیون در تولید و تدارکات، شرکت‌کنندگان بینش‌های ارزشمندی در مورد فناوری‌های دگرگون‌کننده که باعث پیشرفت صنعتی می‌شوند به دست می‌آورند. این کاوش دوگانه زمینه را برای درک جامعی از نحوه همکاری اتوماسیون صنعتی و اینترنت اشیاء و شکل دادن به آینده صنایع فراهم می کند. این دوره مقدماتی برای تمامی فراگیران علاقه مند به ایجاد پایه ای قوی برای سیستم های اینترنت اشیا و مفاهیم اتوماسیون صنعتی طراحی شده است. این دوره بهترین شیوه‌ها را برای پیمایش پیچیدگی‌ها در مدیریت داده‌ها، تجزیه و تحلیل، امنیت و نگرانی‌های حفظ حریم خصوصی ارائه می‌دهد، و بینش‌های عملی را برای حفاظت و بهینه‌سازی پیاده‌سازی‌های IoT ارائه می‌دهد. با نتیجه گیری دوره، شرکت کنندگان دارای مهارت ها و دانش لازم برای حرکت موثر در مناظر در حال تکامل سیستم های اینترنت اشیا و اتوماسیون صنعتی خواهند بود.

Suggestions