Course catalog

Course duration

Course provider

Topic

Categories

Showing 61-80 of 97 items.

datacamp دستکاری داده ها با data.table در R (Mitalearn-405957)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Matt Dowle,Arun Srinivasan
درباره این دوره:

بسته data.table یک نسخه با کارایی بالا از data.frame پایه R با نحو و بهبود ویژگی‌ها برای سهولت استفاده، راحتی و سرعت برنامه‌نویسی ارائه می‌کند. این دوره به شما نحوه ایجاد، زیر مجموعه و دستکاری data.tables را نشان می دهد. همچنین در مورد ویژگی های data.tables الهام گرفته شده از پایگاه داده، از جمله عملیات گروهی داخلی، خواهید آموخت. این دوره با روش های سریع وارد کردن و صادرات داده های متنی جدولی مانند فایل های CSV به پایان می رسد. پس از اتمام دوره، شما قادر خواهید بود از data.table در R برای یک فرآیند دستکاری و تجزیه و تحلیل کارآمدتر استفاده کنید. در طول دوره، مجموعه داده سفر دوچرخه‌سواری در منطقه خلیج سانفرانسیسکو از سال 2014 را بررسی خواهید کرد.

Related Skills

datacamp دستکاری داده ها با dplyr (Mitalearn-399990)

  • 34 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: James Chapman
درباره این دوره:

بگویید که یک مجموعه داده عالی پیدا کرده اید و می خواهید در مورد آن بیشتر بدانید. چگونه می توانید به سوالاتی که در مورد داده ها دارید پاسخ دهید؟ می‌توانید از dplyr برای پاسخ به این سؤالات استفاده کنید - همچنین می‌تواند به تغییرات اساسی داده‌های شما کمک کند. همچنین یاد خواهید گرفت که داده های خود را جمع آوری کنید و متغیرها را اضافه، حذف یا تغییر دهید. در طول مسیر، یک مجموعه داده حاوی اطلاعات مربوط به شهرستان‌ها در ایالات متحده را بررسی خواهید کرد. شما این دوره را با استفاده از این ابزارها در مجموعه داده نام‌های نوزاد برای بررسی روند نام‌گذاری نوزادان در ایالات متحده به پایان خواهید رساند.

datacamp دستکاری داده ها با پانداها (Mitalearn-399395)

  • 45 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Maggie Matsui,Richie Cotton
درباره این دوره:

pandas محبوب‌ترین کتابخانه پایتون در جهان است که برای همه چیز از دستکاری داده‌ها تا تجزیه و تحلیل داده‌ها استفاده می‌شود. در این دوره آموزشی، نحوه دستکاری DataFrames را یاد می گیرید، همانطور که مجموعه داده های دنیای واقعی را برای تجزیه و تحلیل استخراج، فیلتر و تبدیل می کنید. با استفاده از پانداها، تمام مفاهیم اصلی علم داده را کشف خواهید کرد. با استفاده از داده‌های دنیای واقعی، از جمله ارقام فروش Walmart و سری‌های زمانی دمای جهانی، نحوه وارد کردن، تمیز کردن، محاسبه آمار و ایجاد تجسم - با استفاده از پانداها برای افزودن به قدرت پایتون را خواهید آموخت!

ویدیوها حاوی رونوشت‌های زنده هستند که با کلیک کردن روی "نمایش رونوشت" در پایین سمت چپ ویدیوها قابل دسترسی هستند.

واژه نامه دوره را می توانید در سمت راست در بخش منابع پیدا کنید.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

datacamp دستکاری داده ها در Alteryx (Mitalearn-403543)

  • 35 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Behrang Behjoo
درباره این دوره:

در چشم‌انداز مبتنی بر داده‌های امروزی، دستکاری کارآمد داده‌ها بسیار مهم است و Alteryx ابزارهای قدرتمندی را برای دستیابی به آن ارائه می‌کند. در این دوره، اتحادیه‌ها، ضمیمه‌ها، پیوندها، تجزیه و بهینه‌سازی عملکرد را بررسی می‌کنید و به شما این امکان را می‌دهد که گردش کار خود را ساده کنید و بازی تحلیلی خود را ارتقا دهید. ما به عناصر اصلی Alteryx می پردازیم و تکنیک هایی را برای هماهنگ کردن داده های شما به طور یکپارچه و افزایش توانایی های تحلیلی شما تسلط می دهیم. یاد بگیرید که چالش های داده را به پیروزی تبدیل کنید!

datacamp دستکاری داده ها در KNIME (Mitalearn-446723)

  • 27 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Philipp Kowalski
درباره این دوره:

آیا آماده اید انقلابی در گردش کار داده خود ایجاد کنید و کارهای دستی و مستعد خطا را حذف کنید؟ این دوره برای حرفه ای ها طراحی شده است که به دنبال دستکاری خودکار داده ها با استفاده از KNIME، حتی بدون تجربه کدنویسی هستند. شما یاد خواهید گرفت که داده ها را از چندین منبع ادغام و تبدیل کنید، بینش ها را با محورها جمع آوری کنید، مدیریت فایل ها را ساده کنید و با پایگاه های داده تعامل موثری داشته باشید. در پایان، مهارت‌هایی برای ایجاد جریان‌های کاری قدرتمندی خواهید داشت که باعث صرفه‌جویی در زمان، بهبود دقت و افزایش بهره‌وری می‌شود. ایده آل برای تحلیلگران، دانشمندان داده شهروندی، و هر کسی که با داده ها کار می کند!

coursera دستکاری داده ها در RPA (Mitalearn-303209)

  • 1 hours 55 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: UiPath
درباره این دوره:

دوره دستکاری داده ها در RPA دانشی در مورد متغیرها، آرگومان ها و دستکاری داده ها ارائه می دهد. همچنین شما را با متغیرها و آرگومان ها، انواع آنها و کاربرد آنها در پروژه های اتوماسیون آشنا می کند. در قسمت بعدی دوره، با دستکاری داده ها در استودیو آشنا خواهید شد. همچنین با روش ها و عملیات های مختلف انجام شده بر روی انواع داده های مختلف و کاربرد آنها در پروژه های اتوماسیون آشنا خواهید شد. با تکیه بر هر مفهوم، ویدئوهای نمایشی وجود خواهد داشت که این عملیات و روش ها را توضیح می دهد. این دوره دارای چندین تمرین تمرینی است که به تقویت دانش شما و درک ایجاد گردش کار در استودیو کمک می کند.

datacamp دستکاری داده ها در Snowflake (Mitalearn-446740)

  • 21 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Jake Roach
درباره این دوره:

برای مدیریت داده‌های بزرگ و کوچک، تمیز یا کثیف، ساختاریافته یا بدون ساختار، هزاران تیم داده به Snowflake روی می‌آورند. در این دوره، مهارت‌هایی را که برای دستکاری و تبدیل داده‌ها در Snowflake نیاز دارید، تسلط خواهید یافت.

ابتدا، نحوه پیاده‌سازی منطق if-then با استفاده از دستورات CASE در Snowflake را بررسی خواهید کرد. با استفاده از عبارات CASE، شما یاد خواهید گرفت که شرایط مختلف را برای انجام کارهایی مانند دسته بندی مقادیر در یک جدول ارزیابی کنید. و اغلب تنها یکی از شرایطی که شما در حال ارزیابی آن هستید، نخواهد بود. همچنین دستان خود را در ساخت عبارات CASE با عبارات شرطی متعدد و پیچیده کثیف خواهید کرد.

هنگامی که از عبارات CASE مطمئن شدید، ابتدا وارد نوشتن پرسش‌های فرعی می‌شوید. پرس و جوهای فرعی به شما این قدرت را می دهند که نتایج را در پرس و جوی دیگری که در حال ساخت آن هستید ترکیب کنید. همچنین خواهید دید که چگونه عبارات جدول متداول به شما اجازه می دهد تا کاری کاملاً مشابه انجام دهید، اما این بار به روشی سازماندهی شده تر.

در پایان این دوره، ابزارهای مورد نیاز برای دستکاری و تبدیل داده‌ها در Snowflake و ارتقاء سطح شغلی خود به عنوان یک متخصص داده را خواهید داشت.

datacamp دستکاری داده ها در SQL (Mitalearn-399174)

  • 1 hours 3 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Mona Khalil
درباره این دوره:

بنابراین شما یاد گرفته اید که چگونه داده ها را از جداول موجود در پایگاه داده خود جمع آوری کرده و به آنها بپیوندید - حالا چی؟ چگونه داده های خود را دستکاری، تغییر شکل داده و به بهترین شکل ممکن از آنها استفاده کنید؟ این دوره در سطح متوسط ​​چندین عملکرد کلیدی لازم برای بحث، فیلتر کردن و دسته بندی اطلاعات در یک پایگاه داده رابطه ای، گسترش جعبه ابزار SQL و پاسخ به سوالات پیچیده را به شما آموزش می دهد. استفاده قوی از عبارات CASE، پرسش‌های فرعی، و توابع پنجره را یاد خواهید گرفت—همه اینها در حالی که با استفاده از پایگاه داده فوتبال اروپا، حقایق جالبی درباره فوتبال کشف می‌کنید.

datacamp دستکاری داده ها در جولیا (Mitalearn-406637)

  • 47 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Katerina Zahradova
درباره این دوره:

Julia یک زبان برنامه نویسی جدید و هیجان انگیز است که برای یادگیری ماشین، محاسبات علمی و داده کاوی طراحی شده است. این دوره دانش لازم برای شروع سفر دستکاری داده های خود را در جولیا در اختیار شما قرار می دهد.

ما بر دانش شما از DataFrames از دوره های مقدماتی جولیا و متوسط جولیا خواهیم ساخت. در پایان دوره، شما به مهارت‌های اصلی برای بازرسی، تبدیل، گروه‌بندی، تجسم DataFrames و بسیاری موارد دیگر مجهز خواهید شد.

datacamp دستکاری داده های سری زمانی در R (Mitalearn-403866)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Harrison Brown
درباره این دوره:

کار با داده هایی که در طول زمان تغییر می کنند یک مهارت ضروری در علم داده است. در این دوره آموزشی، پایه‌های نشان‌دهنده یک سری زمانی، نحوه بازیابی آمار خلاصه و روندهای مربوط به داده‌های یک سری زمانی، و نحوه تفسیر بصری یک سری زمانی را خواهید آموخت. توابع پنجره را پوشش می‌دهید تا بر یک دوره خاص مورد علاقه تمرکز کنید و روش‌های "تجربه" داده‌های خود را بیاموزید - پر کردن مقادیر از دست رفته با روش‌های پر کردن ثابت، LOCF یا درون یابی خطی.

Related Skills

datacamp دستکاری داده های سری زمانی در پایتون (Mitalearn-401214)

  • 58 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Stefan Jansen
درباره این دوره:

در این دوره با اصول دستکاری داده های سری زمانی آشنا خواهید شد. داده‌های سری زمانی، داده‌هایی هستند که با توالی تاریخ یا زمان نمایه می‌شوند. شما یاد خواهید گرفت که چگونه از روش های ساخته شده در پانداها برای کار با این شاخص استفاده کنید. همچنین خواهید آموخت که چگونه سری های زمانی را مجدداً نمونه برداری کنید تا فرکانس را تغییر دهید. این دوره همچنین به شما نشان می دهد که چگونه مقادیر نورد و تجمعی را برای سری های زمانی محاسبه کنید. در نهایت، شما از تمام مهارت‌های جدید خود برای ایجاد یک شاخص سهام با وزن از داده‌های واقعی سهام استفاده خواهید کرد.

datacamp قالب بندی مشروط در Google Sheets (Mitalearn-405991)

  • 37 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Adam Steinfurth
درباره این دوره:

صفحه‌گسترده‌ها اغلب از داشتن داده‌های بیش از حد رنج می‌برند. اگر می‌خواهید داستان زیربنایی را که در داده‌ها وجود دارد، بدون ایجاد گزارش‌های اضافی بگویید، قالب‌بندی شرطی می‌تواند کمک کند! قالب بندی مشروط چه برای نشان دادن سن موجودی شما با برجسته کردن اقلام با استفاده از مقیاس رنگی باشد، چه برجسته کردن بزرگترین واریانس ها در داده های مالی سال به سال، قالب بندی مشروط دارای گزینه های داخلی است که می تواند بدون کد پیچیده استفاده شود. می توان از آن به جای مرتب سازی یا فیلتر کردن استفاده کرد زیرا با داده هایی که از قبل وجود دارد کار می کند! در پایان، شما گزارش خود را با استفاده از قالب بندی مشروط برای تجزیه و تحلیل لیست حقوق و دستمزد یک شرکت ایجاد خواهید کرد.

datacamp کار با داده های دسته بندی شده در پایتون (Mitalearn-401231)

  • 56 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kasey Jones
درباره این دوره:

توانایی درک، استفاده و خلاصه کردن داده‌های غیر عددی - مانند گروه خونی یا وضعیت تاهل یک فرد - یکی از اجزای حیاتی دانشمند داده بودن است. در این دوره، نحوه دستکاری و تجسم داده های طبقه بندی شده با استفاده از پانداها و دریازادگان را خواهید آموخت. از طریق تمرین‌های عملی، با نوع داده‌های دسته‌بندی پانداها، از جمله نحوه ایجاد، حذف و به‌روزرسانی ستون‌های دسته‌بندی آشنا خواهید شد. همچنین با طیف وسیعی از مجموعه داده‌ها از جمله ویژگی‌های سگ‌های قابل پذیرش، بررسی‌های سفر لاس وگاس، و داده‌های سرشماری کار خواهید کرد تا مهارت‌های خود را در کار با داده‌های طبقه‌بندی توسعه دهید.

datacamp کار با داده های مکانی در پایتون (Mitalearn-403390)

  • 1 hours 5 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Dani Arribas-Bel,Joris Van den Bossche
درباره این دوره:

بخش خوبی از داده‌های موجود در دنیای واقعی ذاتاً فضایی هستند. از جمعیت ثبت شده در سرشماری ملی گرفته تا هر مغازه در همسایگی شما، اکثر مجموعه داده ها جنبه مکانی دارند که می توانید از آن برای استفاده حداکثری از آنچه ارائه می کنند استفاده کنید. این دوره به شما نشان می دهد که چگونه داده های مکانی را در گردش کار پایتون Data Science خود ادغام کنید. شما یاد خواهید گرفت که چگونه با استفاده از ابعاد جغرافیایی آنها با داده های دنیای واقعی تعامل، دستکاری و تقویت کنید. شما یاد خواهید گرفت که داده های مکانی جدولی را در رایج ترین فرمت ها بخوانید (به عنوان مثال GeoJSON، shapefile، geopackage) و آنها را در نقشه ها تجسم کنید. سپس منابع مختلف را با استفاده از مکان آنها به عنوان پلی که آنها را در ارتباط با یکدیگر قرار می دهد ترکیب می کنید. و در پایان دوره، می‌توانید بفهمید چه چیزی داده‌های جغرافیایی را منحصربه‌فرد می‌کند و به شما امکان می‌دهد آنها را در زمینه‌های مختلف تغییر دهید و تغییر دهید.

coursera محیط برنامه نویسی R (Mitalearn-331208)

  • 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Brooke Anderson
درباره این دوره:

این دوره مقدمه ای دقیق بر زبان برنامه نویسی R با تمرکز ویژه بر استفاده از R برای توسعه نرم افزار در محیط علم داده ارائه می دهد. چه بخشی از یک تیم علم داده باشید و چه به صورت انفرادی در جامعه ای از توسعه دهندگان کار می کنید، این دوره به شما دانش R را می دهد که برای مشارکت مفید در آن تنظیمات لازم است. این دوره به عنوان اولین دوره در تخصص، پایه اساسی R مورد نیاز برای دوره های زیر را فراهم می کند. ما مفاهیم اصلی R و مبانی زبان، مفاهیم کلیدی مانند داده‌های مرتب و ابزارهای "tidyverse" مرتبط، پردازش و دستکاری مجموعه داده‌های پیچیده و بزرگ، مدیریت داده‌های متنی، و وظایف پایه علم داده را پوشش می‌دهیم. پس از اتمام این دوره، زبان آموزان به کنسول R تسلط خواهند داشت و می توانند مجموعه داده های مرتبی را از طیف گسترده ای از منابع داده ممکن ایجاد کنند.

datacamp مدل سازی داده ها در Power BI (Mitalearn-400177)

  • 34 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Sara Billen,Maarten Van den Broeck
درباره این دوره:

مدل سازی مناسب داده ها اساس تجزیه و تحلیل داده ها و ایجاد گزارش ها در Power BI است. این دوره به شما امکان می دهد جعبه ابزاری از تکنیک های پاکسازی، شکل دهی و بارگذاری داده ها را کشف کنید که می توانید آنها را روی داده های خود اعمال کنید. شما با نحوه انتخاب بین Power Query و Power BI آشنا خواهید شد و با رفتن به طرحواره های ستاره و دانه های برف پایه های مدل سازی داده ها را کشف خواهید کرد. همه این موارد را در مجموعه داده‌های دنیای واقعی صادر شده توسط اداره سرشماری ایالات متحده اعمال خواهید کرد.

datacamp مدل سازی داده های متوسط ​​در Power BI (Mitalearn-400398)

  • 34 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Sara Billen,Maarten Van den Broeck
درباره این دوره:

در این دوره، دانش خود را در مورد حقایق، ابعاد و روابط آنها گسترش خواهید داد. شما در مورد اصلی بودن روابط و نحوه استفاده از فیلتر متقابل دو جهته در مدل خود یاد می گیرید. همچنین استفاده از اندازه‌گیری‌ها و سلسله‌مراتب‌های سریع را بررسی کرده و DAX را برای سفارشی‌سازی کامل مدل داده‌های خود بنویسید. در نهایت، با بهترین شیوه های گزارش دهی Power BI برای بهبود عملکرد گزارش های خود آشنا می شوید.

coursera مدیریت پایگاه های داده رابطه ای (Mitalearn-318577)

  • 4 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Shadow Farrell
درباره این دوره:

در مدیریت پایگاه‌های داده رابطه‌ای، با ساختار، طراحی و استفاده از زمینه‌های کلیدی اولیه و خارجی آشنا می‌شوید که شما را به دانش پایه مجهز می‌کند. پس از اتمام این دوره، شما قادر خواهید بود: ● در استفاده از زبان پرس و جو ساختاریافته (SQL) مسلط شوید و از آن برای تجزیه و تحلیل ساختارهای پایگاه داده استفاده کنید ● پایگاه داده ها، جداول و رکوردها را ایجاد و مدیریت کنید ● تجزیه و تحلیل داده ها را با استفاده از پرس و جوهای اولیه SQL، عبارات شرطی و مقایسه منطقی انجام دهید ● داده های خروجی را با استفاده از SQL کنترل کنید ● پرس و جوهای پیچیده را با استفاده از پیوندها و پرسش های فرعی ایجاد کنید در طول این دوره، آزمایشگاه‌های عملی تجربه عملی در کار با SQL و دستکاری پایگاه‌های داده را ارائه می‌دهند. در پایان این دوره، شما پروژه ای را تکمیل می کنید که به شما امکان می دهد دانش و مهارت هایی را که در طول دوره آموخته اید به نمایش بگذارید.

datacamp مدیریت داده های از دست رفته با اعمال در R (Mitalearn-406331)

  • 55 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Michał Oleszak
درباره این دوره:

داده‌های گمشده همه جا هستند. فرآیند پر کردن مقادیر از دست رفته به عنوان imputation شناخته می‌شود، و اگر می‌خواهید پیش‌بینی‌های دقیقی داشته باشید و خود را از جمعیت متمایز کنید، دانستن نحوه پر کردن صحیح داده‌های از دست رفته یک مهارت ضروری است. در این دوره آموزشی، نحوه استفاده از تجسم‌سازی و آزمون‌های آماری را برای تشخیص الگوهای داده از دست رفته و نحوه تلقی داده‌ها با استفاده از مجموعه‌ای از مدل‌های آماری و یادگیری ماشینی را یاد خواهید گرفت. همچنین مهارت‌های تصمیم‌گیری را به دست خواهید آورد که به شما کمک می‌کند تصمیم بگیرید که کدام روش انتساب در یک موقعیت خاص مناسب‌تر است. در نهایت، یاد خواهید گرفت که عدم قطعیت ناشی از انتساب را در استنتاج و پیش‌بینی‌های خود بگنجانید، و آنها را قوی‌تر و قابل اعتمادتر کنید.

datacamp مقابله با داده های از دست رفته در پایتون (Mitalearn-404240)

  • 51 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Suraj Donthi
درباره این دوره:

از کار با داده های نامرتب خسته شده اید؟ آیا می دانستید که بیشتر وقت یک دانشمند داده صرف یافتن، پاکسازی و سازماندهی مجدد داده ها می شود؟! خوب معلوم است که می توانید داده های خود را به روشی هوشمندانه تمیز کنید! در این دوره آموزشی مقابله با داده های از دست رفته در پایتون، شما این کار را انجام خواهید داد! شما یاد خواهید گرفت که به مقادیر از دست رفته برای داده های عددی و دسته بندی و همچنین داده های سری زمانی رسیدگی کنید. شما یاد خواهید گرفت که الگوهایی را که داده های از دست رفته نشان می دهند، ببینید! در حین کار با داده‌های کیفیت هوا و دیابت، همچنین یاد می‌گیرید که تأثیرات برانگیختن داده‌ها را تجزیه و تحلیل، نسبت داده و ارزیابی کنید.

Suggestions