Course catalog

Course duration

Course provider

Topic

Categories

Showing 7,961-7,980 of 17,394 items.

linkedin تجزیه و تحلیل تجارت: ابزارها و تکنیک های اساسی (Mitalearn-414066)

  • 1 hours 19 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Jamie Champagne
درباره این دوره:

اگر کار تجزیه و تحلیل کسب و کار را انجام می دهید و می خواهید نه تنها تحویل های اصلی را ببینید بلکه نحوه تحویل آنها را نیز ببینید ، این دوره برای شما مناسب است. این دوره فناوری-آگنوستیک از ابزارهای مختلفی استفاده می کند تا نحوه راه اندازی و ارائه آثار باستانی کلیدی تجزیه و تحلیل کسب و کار را به شما نشان دهد. مربی جیمی شامپاین قابلیت ردیابی را از طریق راه اندازی و استفاده از ماتریس قابلیت ردیابی مورد نیاز برجسته می کند. جیمی نحوه مدل سازی فرایندها را با نشان دادن تکامل طبیعی درجه جزئیات که با کار تجزیه و تحلیل تجارت اتفاق می افتد ، نشان می دهد. بعلاوه ، او قدرت نمودارهای زمینه را با هر دو نمودار جریان داده های اساسی و دقیق توضیح می دهد تا به شما در تعریف و استخراج الزامات در کار تجزیه و تحلیل تجارت کمک کند.

linkedin تجزیه و تحلیل ترافیک شبکه برای پاسخ حادثه توسط Infosec (Mitalearn-430641)

  • 11 hours 38 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Infosec Institute
درباره این دوره:

ابزارها و تکنیک های اساسی برای دستیابی به امنیت شبکه را کشف کنید. پتانسیل Wireshark را برای جلب بینش در مورد الگوهای ترافیکی و تهدیدها باز کنید. تهدیدهای مشترک شبکه را به دنبال مطالعات موردی عملی ، از جمله اعم از داده ها و بدافزار چند مرحله ای بررسی کنید. نحوه جمع آوری و تجزیه و تحلیل داده های ترافیک شبکه را با استفاده از روش های مختلف مانند تجزیه و تحلیل آماری و مبتنی بر رویداد کشف کنید. خود را با مهارت در نظارت بر شبکه و جمع آوری اطلاعات برای افزایش تشخیص و پاسخ تهدید تجهیز کنید. این دوره یک ایده آل برای مهندسین امنیت ، مدیران شبکه ، تحلیلگران امنیت سایبری و هر کسی است که به دنبال تقویت مجموعه مهارت های امنیت سایبری خود است.

این دوره توسط موسسه Infosec ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

datacamp تجزیه و تحلیل تصویر زیست پزشکی در پایتون (Mitalearn-401044)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Stephen Bailey
درباره این دوره:

زمینه تصویربرداری زیست‌پزشکی در سال‌های اخیر منفجر شده است - اما برای افراد ناآشنا، حتی بارگذاری داده‌ها نیز می‌تواند یک چالش باشد! در این دوره مقدماتی، اصول تحلیل تصویر با استفاده از NumPy، SciPy و Matplotlib را خواهید آموخت. شما در یک سی تی اسکن کل بدن پیمایش می کنید، یک سری زمانی MRI قلبی را تقسیم می کنید و تعیین می کنید که آیا بیماری آلزایمر ساختار مغز را تغییر می دهد یا خیر. حتی اگر قبلاً با تصاویر کار نکرده اید، دوره را با یک جعبه ابزار محکم برای ورود به این زمینه پویا به پایان خواهید رساند.

coursera تجزیه و تحلیل تقاضا (Mitalearn-289252)

  • 1 hours 10 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Yao Zhao
درباره این دوره:

به تجزیه و تحلیل تقاضا خوش آمدید - یکی از پرطرفدارترین مهارت ها در مدیریت زنجیره تامین و بازاریابی! از طریق داستان واقعی و داده های یک تولید کننده پیشرو ظروف آشپزی در آمریکای شمالی، مهارت های تجزیه و تحلیل داده ها را برای برنامه ریزی و پیش بینی تقاضا یاد خواهید گرفت. پس از اتمام این دوره، شما قادر خواهید بود 1. بهبود دقت پیش‌بینی با ساخت و اعتبارسنجی مدل‌های پیش‌بینی تقاضا. 2. با شناسایی عوامل محرک (مانند زمان، فصلی، قیمت و سایر عوامل محیطی) تقاضا و تعیین کمیت تأثیر آنها، تقاضا را بهتر تحریک کرده و تحت تأثیر قرار دهید. AK یک تولید کننده پیشرو ظروف در آمریکای شمالی است. محصول رده بالای تازه راه اندازی شده آن در بازار شتاب بیشتری به دست می آورد. با این حال، تعدیل قیمت در فصل اوج افزایش تقاضای قابل توجهی را تحریک کرد که AK را کاملا غافلگیر کرد و منجر به سفارش‌های عقب‌افتاده بزرگ شد. AK با خطر از دست دادن شتاب بازار به دلیل ناراحتی مشتریان و هزینه های بالای مرتبط با تولید بیش از حد و حمل و نقل سریع مواجه شد. پیش بینی دقیق تقاضا برای افزایش درآمد و کاهش هزینه ضروری است. شناسایی محرک‌های تقاضا و ارزیابی تأثیر آن‌ها بر تقاضا می‌تواند به شرکت‌ها کمک کند تا تقاضا را بهتر تحت تأثیر قرار دهند و تحریک کنند. امیدوارم از دوره لذت ببرید!

linkedin تجزیه و تحلیل توصیفی مراقبت های بهداشتی در R (Mitalearn-99413)

  • 4 hours 43 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Monika Wahi
درباره این دوره:

تحلیل رفتار و ریسک با استفاده از R، نرم افزار محاسبات آماری منبع باز. R محیط و زبانی را فراهم می کند که می توانید از آن برای تجزیه و تحلیل داده ها استفاده کنید، از جمله مجموعه داده های نظارت بر عوامل خطر رفتاری (BRFSS) که به صورت عمومی در دسترس است. این دوره مهارت های اصلی علوم داده مراقبت های بهداشتی، از جمله اپیدمیولوژی، و همچنین نحوه انجام تجزیه و تحلیل مقطعی، راه اندازی فرهنگ لغت داده، توسعه ابرداده، تعیین عوامل مخدوش کننده، اعمال استثناها، ایجاد نمودارها، تولید متغیرهای پیامد مستمر و طبقه بندی شده و بیشتر. علم برای ویرایش، تجزیه و تحلیل و تفسیر داده ها. یاد بگیرید که چگونه متغیرهای جدید را کدنویسی کنید، از فرآیند مدلسازی گام به گام استفاده کنید و تصمیمات خود را مستند کنید. بیاموزید که چگونه نتایج را با تولید نمودارها و گرافیک ها تجسم کنید و چگونه جداول و شکل ها را به اسناد خود اضافه کنید. این دوره به شما کمک می کند تا به طور مستقل یک تجزیه و تحلیل کامل BRFSS را طراحی، توسعه و اجرا کنید و حتی نتایج خود را در نشریات یا مجلات علمی منتشر کنید.

coursera تجزیه و تحلیل جغرافیایی با ArcGIS (Mitalearn-332687)

  • 4 hours 54 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Eric Howard
درباره این دوره:

دانش GIS خود را در این دوره در مورد تجزیه و تحلیل جغرافیایی، تمرکز بر ابزارهای تجزیه و تحلیل، داده های سه بعدی، کار با رسترها، پیش بینی ها و متغیرهای محیطی به کار ببرید. در طول هر چهار هفته این دوره، ما در یک پروژه با هم کار خواهیم کرد - چیزی منحصر به فرد در این دوره - از ایده پروژه، از طریق بازیابی داده ها، مدیریت و پردازش داده های اولیه، و در نهایت به محصولات تجزیه و تحلیل ما. در این کلاس شما اصول تحلیل جغرافیایی و محیطی را طی چهار ماژول یک هفته ای یاد خواهید گرفت: هفته 1: نحوه نمایش داده های مکانی و تجزیه و تحلیل روابط مکانی با استفاده از ArcGIS Pro هفته 2: انجام تجزیه و تحلیل مبتنی بر شبکه هفته 3: نمایش نقشه های حرارتی و تجزیه و تحلیل هات اسپات در ArcGIS Pro هفته چهارم: دانش خود را در مورد داستان سرایی داده ها گسترش دهید. بیاموزید که چگونه داده های خود را به صورت بصری نمایش دهید و نقشه های خود را در ArcGIS Online به اشتراک بگذارید. تجزیه و تحلیل جغرافیایی با ArcGIS را به عنوان یک دوره مستقل یا به عنوان بخشی از تخصص سیستم های اطلاعات جغرافیایی (GIS) بخوانید. شما باید قبل از گذراندن این دوره، تجربه ای معادل با گذراندن دوره های اول و دوم در این رشته، «مبانی GIS» و «فرمت ها، طراحی و کیفیت داده های GIS» داشته باشید. با تکمیل این کلاس سوم در تخصص، مهارت های مورد نیاز برای موفقیت در برنامه کامل را به دست خواهید آورد.

coursera تجزیه و تحلیل جغرافیایی و محیطی (Mitalearn-352662)

  • 7 hours 23 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Nick Santos
درباره این دوره:

دانش GIS خود را در این دوره در زمینه تجزیه و تحلیل جغرافیایی، تمرکز بر ابزارهای تجزیه و تحلیل، داده های سه بعدی، کار با شطرنجی ها، پیش بینی ها و متغیرهای محیطی به کار ببرید. در تمام چهار هفته این دوره، ما در یک پروژه با هم کار خواهیم کرد - چیزی منحصر به فرد در این دوره - از ایده پروژه، از طریق بازیابی داده ها، مدیریت و پردازش داده های اولیه، و در نهایت به محصولات تجزیه و تحلیل ما. در این کلاس شما اصول تحلیل جغرافیایی و محیطی را در طول چهار ماژول یک هفته ای یاد خواهید گرفت: هفته 1: Tour ArcToolbox و نحوه استفاده از ابزارهای رایج تجزیه و تحلیل جغرافیایی که در هفته دوم ArcGIS تعبیه شده است: به دست آوردن درک درستی از مدل های داده شطرنجی: نمادسازی ، بازپروژه، همپوشانی، و ارزیابی رسترها. به مدل‌های داده‌های سه‌بعدی و درونیابی مشاهدات در سطوح و شطرنجی‌های سه‌بعدی انحرافی داشته باشید. هفته سوم: به پیش‌بینی‌ها و سیستم‌های مختصات، که برای همه GIS اساسی هستند، عمیق بروید. بیاموزید که چگونه از متغیرهای محیطی برای محدود کردن تحلیل های خود و دریافت محصولات داده با کیفیت بهتر استفاده کنید. هفته چهارم: دانش خود را در مورد نمادشناسی گسترش دهید. نحوه نمایش بصری داده های خود را با طبقه بندی آنها در گروه بندی های منطقی و سپس نمادگذاری آنها بر روی نقشه خود بیاموزید. تجزیه و تحلیل جغرافیایی و محیطی را به عنوان یک دوره مستقل یا به عنوان بخشی از تخصص سیستم های اطلاعات جغرافیایی (GIS) بخوانید. شما باید قبل از گذراندن این دوره، تجربه ای معادل با گذراندن دوره های اول و دوم در این رشته، «مبانی GIS» و «فرمت ها، طراحی و کیفیت داده های GIS» داشته باشید. با تکمیل این کلاس سوم در تخصص، مهارت های مورد نیاز برای موفقیت در برنامه کامل را به دست خواهید آورد.

coursera تجزیه و تحلیل جنسیتی برای نوآوری (Mitalearn-288606)

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

تجزیه و تحلیل جنسیتی راهی برای تجزیه و تحلیل محصولات، خدمات، فرآیندها و سیاست های شما با لنز جنسیتی است تا فرصت های پنهان برای نوآوری و اثربخشی را کشف کند. ما به سوالاتی مانند این پاسخ خواهیم داد: چرا زنان 47 درصد بیشتر از مردان در هنگام تصادف رانندگی آسیب می بینند؟ چرا محصولات مالی نمی توانند نیازهای زنان را در طول چرخه زندگی آنها برآورده کنند؟ چرا اتوماسیون و هوش مصنوعی بیشتر بر زنان تأثیر می گذارد تا مردان؟ چرا سیاست های خنثی جنسیتی لزوماً برابر نیستند؟ این دوره مقدماتی در 5 دوره تخصصی تحلیل جنسیتی است که توسط موسسه جنسیت و اقتصاد (GATE) در دانشکده مدیریت روتمن دانشگاه تورنتو ارائه شده است. در این دوره، شما پایه های انجام تجزیه و تحلیل جنسیت را خواهید ساخت. با مفاهیم و اصطلاحات مرتبط با تجزیه و تحلیل جنسیتی، از جمله جنسیت، جنسیت، هویت جنسیتی، گرایش جنسی و روابط متقابل راحت خواهید شد. شما بررسی خواهید کرد که چگونه سیاست ها، محصولات، خدمات و فرآیندها ممکن است نتایج جنسیتی ناخواسته داشته باشند که فرصت ها را از دست می دهند یا خطرات بی موردی را ایجاد می کنند. شما یاد خواهید گرفت که مفروضات زیربنایی این سیاست ها، محصولات، خدمات و فرآیندها را کشف کنید و هنجارهای اجتماعی، فرهنگی و یا سازمانی را که باعث تداوم محرومیت و نابرابری می شوند، بشکنید. خواهید دید که چگونه تجزیه و تحلیل جنسیتی می تواند به نوآوری های تحول آفرین منجر شود. شما همچنین شایستگی‌های خود را ارزیابی می‌کنید و برنامه توسعه خود را شروع می‌کنید و سفر خود را برای ایجاد یک برنامه کاری برای پروژه تجزیه و تحلیل جنسیتی خود آغاز می‌کنید.

coursera تجزیه و تحلیل حسابداری (Mitalearn-299112)

  • 6 hours 27 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian J Bushee,Christopher D. Ittner
درباره این دوره:

تجزیه و تحلیل حسابداری بررسی می کند که چگونه داده های صورت های مالی و معیارهای غیر مالی را می توان با عملکرد مالی مرتبط کرد.   در این دوره آموزشی که توسط اساتید حسابداری تحسین شده وارتون تدریس می شود، خواهید آموخت که چگونه از داده ها برای ارزیابی عملکرد مالی و پیش بینی سناریوهای مالی آتی استفاده می شود. در حالی که بسیاری از سازمان‌های حسابداری و مالی داده‌ها را ارائه می‌کنند، تجزیه و تحلیل حسابداری این داده‌ها را برای ارائه بینش به کار می‌گیرد و این دوره به بررسی بسیاری از زمینه‌هایی می‌پردازد که در آن داده‌های حسابداری بینشی را در زمینه‌های تجاری دیگر از جمله پیش‌بینی رفتار مصرف‌کننده، استراتژی شرکت، مدیریت ریسک، بهینه‌سازی، و بیشتر در پایان این دوره، خواهید فهمید که چگونه داده های مالی و داده های غیر مالی برای پیش بینی رویدادها، بهینه سازی عملیات و تعیین استراتژی تعامل دارند. این دوره آموزشی طراحی شده است تا به شما کمک کند تا تصمیمات تجاری بهتری در مورد نقش های نوظهور تجزیه و تحلیل حسابداری بگیرید، به طوری که بتوانید آنچه را که آموخته اید برای تصمیم گیری های تجاری خود و ایجاد استراتژی با استفاده از داده های مالی به کار ببرید. 

coursera تجزیه و تحلیل حسابداری I: اندازه گیری و افشای دارایی ها (Mitalearn-294369)

  • 4 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Gerlando Lima
درباره این دوره:

**توجه: شما باید دوره تحلیل حسابداری I: نقش حسابداری به عنوان یک سیستم اطلاعاتی را تکمیل کنید یا قبل از شروع این دوره با مفاهیم آموزش داده شده در آنجا آشنا باشید.** این دوره دومین دوره از یک تخصص گزارشگری مالی پنج دوره است که جمع آوری، پردازش و انتقال اطلاعات حسابداری (از طریق گزارش های مالی) در مورد واحدهای اقتصادی به اشخاص ذینفع (یعنی مدیران و ذینفعان خارجی مانند سهامداران و طلبکاران) را پوشش می دهد. . برای کسب مرتبط ترین دانش از این دوره ها، فراگیران باید یک دوره مقدماتی حسابداری را قبل از این تخصص گذرانده باشند (که از طریق دوره های Coursera قابل انجام است، مانند هر دوره حسابداری از مبانی تخصص حسابداری: https://www.coursera. .org/specializations/accounting-fundamentals). این تخصص بر مفاهیم، ​​اصول و تئوری حسابداری با تأکید بر مشکلاتی که در به کارگیری این مفاهیم برای اهداف گزارشگری خارجی ایجاد می شود، تمرکز دارد. تاکید ویژه بر اندازه‌گیری دارایی‌ها، بدهی‌ها، حقوق صاحبان سهام و درآمد، و همچنین افشای اطلاعات اضافی است که ممکن است به کاربران در درک گزارش‌های مالی کمک کند. در این دوره، بررسی خود را از دسته‌های دارایی کلیدی زیربنای مفاهیم ترازنامه که در دوره قبلی معرفی شدند، آغاز می‌کنیم. ما سفر خود را به سمت پایین ترازنامه با بررسی وجوه نقد و مطالبات، که معمولاً دو دارایی اول فهرست شده اند، آغاز خواهیم کرد. ما با بررسی موجودی و دارایی های با عمر طولانی، که معمولاً دو تا از بزرگترین ارزش دارایی ها هستند، مسیر خود را در ترازنامه ادامه خواهیم داد. ما مسائل مربوط به اندازه‌گیری و گزارش‌دهی مربوط به موجودی‌ها و هزینه مربوط به هزینه کالاهای فروخته شده را در صورت سود و زیان بررسی خواهیم کرد. در نیمه دوم این دوره، بررسی خود را در مورد دسته‌بندی دارایی‌های کلیدی با بررسی دارایی‌های مادی و نامشهود با عمر طولانی که برای تولید کالاها و خدمات بسیار حیاتی هستند، به پایان خواهیم رساند. این امر مستلزم بحث در مورد تملک و واگذاری دارایی، ماشین آلات و تجهیزات و همچنین تخصیص هزینه خواهد بود. در ادامه، در مورد کاهش احتمالی این دارایی ها و همچنین برخورد مناسب با مخارج انجام شده پس از کسب بحث خواهیم کرد. در نهایت، نحوه شناسایی و حسابداری سرمایه گذاری های بدهی و سهام را بررسی خواهیم کرد. دانشگاه ایلینوی در Urbana-Champaign، که به طور مداوم به عنوان یکی از سه برنامه حسابداری برتر کشور رتبه بندی می شود، اکنون کارشناسی ارشد حسابداری را با نرخ شهریه بسیار مقرون به صرفه ارائه می دهد و کاملاً آنلاین است. iMSA یک برنامه کارشناسی ارشد حسابداری است و دانشجویان با مدرک کارشناسی ارشد فارغ التحصیل می شوند که بسیار شناخته شده است. یک یا دو دوره آزاد را امتحان کنید، سپس برای پذیرش در نسخه دارای اعتبار درخواست دهید زیرا ممکن است در طول فرآیند درخواست واجد شرایط شرکت در دوره های دارای اعتبار باشید. اگر هیچ پیش نیازی برای مدرک کامل ندارید، می توانید دوره های Coursera را برای نشان دادن آمادگی و تقویت درخواست خود برای iMSA تکمیل کنید. برای کسب اطلاعات بیشتر در مورد این برنامه هیجان انگیز آنلاین iMSA به این لینک مراجعه کنید: https://www.coursera.org/degrees/imsa

coursera تجزیه و تحلیل حسابداری I: نقش حسابداری به عنوان یک سیستم اطلاعاتی (Mitalearn-293757)

  • 3 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Gerlando Lima
درباره این دوره:

این دوره اولین دوره از یک تخصص گزارشگری مالی پنج دوره است که جمع آوری، پردازش و انتقال اطلاعات حسابداری (از طریق گزارش های مالی) در مورد واحدهای اقتصادی به اشخاص ذینفع (یعنی مدیران و ذینفعان خارجی مانند سهامداران و طلبکاران) را پوشش می دهد. . برای کسب مرتبط ترین دانش از این دوره ها، فراگیران باید یک دوره مقدماتی حسابداری را قبل از این تخصص گذرانده باشند (که از طریق دوره های Coursera قابل انجام است، مانند هر دوره حسابداری از مبانی تخصص حسابداری: https://www.coursera. .org/specializations/accounting-fundamentals). این تخصص بر مفاهیم، ​​اصول و تئوری حسابداری با تأکید بر مشکلاتی که در به کارگیری این مفاهیم برای اهداف گزارشگری خارجی ایجاد می شود، تمرکز دارد. تاکید ویژه بر اندازه‌گیری دارایی‌ها، بدهی‌ها، حقوق صاحبان سهام و درآمد، و همچنین افشای اطلاعات اضافی است که ممکن است به کاربران در درک گزارش‌های مالی کمک کند. پس از مقدمه ای کوتاه بر این دوره، زمانی را صرف درک ساختار کلی حسابداری مالی و استانداردها و همچنین بررسی فرآیند اساسی حسابداری مورد استفاده برای تهیه صورت های مالی خواهیم کرد که چارچوبی برای مطالعه مفاهیم در دروس باقی مانده ایجاد می کند. در تخصص گزارشگری مالی در این دوره، بررسی اطلاعات کلیدی موجود در ترازنامه و صورت سود و زیان و افشای مالی مربوط به آنها را آغاز خواهیم کرد. صورت جریان های نقدی به طور مختصر با بحث بیشتر در دوره های بعدی تخصصی معرفی خواهد شد. همچنین، مروری گذرا از مفاهیم کلیدی مربوط به ارزش زمانی پول ارائه خواهیم کرد، زیرا این دوره را با تمرکز بر شناسایی درآمد، از جمله بحث در مورد استاندارد درآمد جدید، به پایان خواهیم رساند. ما رویکرد کلی برای شناسایی درآمد را بررسی خواهیم کرد، مسائل ویژه ای که بر شناسایی درآمد تأثیر می گذارد، از جمله قراردادهای ساخت و ساز بلند مدت. علاوه بر این، نسبت‌های رایج مورد استفاده در تحلیل سودآوری را مورد بحث و بررسی قرار خواهیم داد. دانشگاه ایلینوی در Urbana-Champaign، که به طور مداوم به عنوان یکی از سه برنامه حسابداری برتر کشور رتبه بندی می شود، اکنون کارشناسی ارشد حسابداری را با نرخ شهریه بسیار مقرون به صرفه ارائه می دهد و کاملاً آنلاین است. iMSA یک برنامه کارشناسی ارشد حسابداری است و دانشجویان با مدرک کارشناسی ارشد فارغ التحصیل می شوند که بسیار شناخته شده است. یک یا دو دوره آزاد را امتحان کنید، سپس برای پذیرش در نسخه دارای اعتبار درخواست دهید زیرا ممکن است در طول فرآیند درخواست واجد شرایط شرکت در دوره های دارای اعتبار باشید. اگر هیچ پیش نیازی برای مدرک کامل ندارید، می توانید دوره های Coursera را برای نشان دادن آمادگی و تقویت درخواست خود برای iMSA تکمیل کنید. برای کسب اطلاعات بیشتر در مورد این برنامه هیجان انگیز آنلاین iMSA به این لینک مراجعه کنید: https://www.coursera.org/degrees/imsa

datacamp تجزیه و تحلیل خوشه ای در R (Mitalearn-404665)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Dmitriy Gorenshteyn
درباره این دوره:

تحلیل خوشه ای یک ابزار قدرتمند در میز کار علم داده است. برای یافتن گروه‌هایی از مشاهدات (خوشه‌ها) که ویژگی‌های مشابهی دارند استفاده می‌شود. این شباهت‌ها می‌تواند همه نوع تصمیمات تجاری را نشان دهد. به عنوان مثال، در بازاریابی، از آن برای شناسایی گروه های متمایز از مشتریان استفاده می شود که می توان برای آنها تبلیغات طراحی کرد. در این دوره آموزشی با دو روش خوشه بندی متداول - خوشه بندی سلسله مراتبی و خوشه بندی k-means آشنا خواهید شد. شما نه تنها یاد خواهید گرفت که چگونه از این روش ها استفاده کنید، بلکه یک شهود قوی برای نحوه کار آنها و نحوه تفسیر نتایج آنها ایجاد خواهید کرد. این شهود را با کاوش در سه مجموعه داده مختلف توسعه خواهید داد: موقعیت‌های بازیکن فوتبال، داده‌های هزینه‌های مشتری عمده‌فروشی، و داده‌های دستمزد شغلی طولی.

Related Skills

datacamp تجزیه و تحلیل خوشه ای در پایتون (Mitalearn-401656)

  • 54 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Shaumik Daityari
درباره این دوره:

احتمالاً با Google News مواجه شده اید که به طور خودکار مقالات خبری مشابه را در یک موضوع گروه بندی می کند. آیا تا به حال فکر کرده اید که چه فرآیندی در پس زمینه برای رسیدن به این گروه ها اجرا می شود؟ در این دوره آموزشی با یادگیری بدون نظارت از طریق خوشه بندی با استفاده از کتابخانه SciPy در پایتون آشنا می شوید. این دوره پیش پردازش داده ها و استفاده از خوشه بندی سلسله مراتبی و k-means را پوشش می دهد. از طریق این دوره، آمار بازیکنان یک بازی ویدیویی محبوب فوتبال، FIFA 18 را بررسی خواهید کرد. پس از اتمام دوره، می‌توانید به سرعت الگوریتم‌های مختلف خوشه‌بندی را روی داده‌ها اعمال کنید، خوشه‌های تشکیل‌شده را تجسم کنید و نتایج را تجزیه و تحلیل کنید.

coursera تجزیه و تحلیل خوشه ای در داده کاوی (Mitalearn-334761)

  • 4 hours 20 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jiawei Han
درباره این دوره:

مفاهیم اساسی تجزیه و تحلیل خوشه را کشف کنید و سپس مجموعه ای از متدولوژی ها، الگوریتم ها و کاربردهای خوشه بندی معمولی را مطالعه کنید. این شامل روش های پارتیشن بندی مانند k-means، روش های سلسله مراتبی مانند BIRCH و روش های مبتنی بر چگالی مانند DBSCAN/OPTICS است. علاوه بر این، روش‌هایی برای اعتبارسنجی خوشه‌بندی و ارزیابی کیفیت خوشه‌بندی را بیاموزید. در نهایت نمونه هایی از تحلیل خوشه ای در برنامه ها را ببینید.

coursera تجزیه و تحلیل خوشه ای، معادن انجمن، و ارزیابی مدل (Mitalearn-333469)

  • 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julie Pai
درباره این دوره:

به تجزیه و تحلیل خوشه ای، معادن انجمن و ارزیابی مدل خوش آمدید. در این دوره ما با کاوش در تجزیه و تحلیل خوشه‌ها و بخش‌بندی شروع می‌کنیم و در مورد چگونگی استفاده از تکنیک‌هایی مانند فیلترینگ مشارکتی و استخراج قوانین انجمن بحث می‌کنیم. همچنین توضیح خواهیم داد که چگونه می توان یک مدل را برای عملکرد ارزیابی کرد و تفاوت در انواع تحلیل و زمان اعمال آنها را بررسی خواهیم کرد.

coursera تجزیه و تحلیل خوشه بندی (Mitalearn-331905)

  • 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "تحلیل خوشه بندی" دانش آموزان را با مفاهیم اساسی یادگیری بدون نظارت با تمرکز بر تکنیک های خوشه بندی و کاهش ابعاد آشنا می کند. شرکت‌کنندگان روش‌های مختلف خوشه‌بندی، از جمله پارتیشن‌بندی، سلسله مراتبی، مبتنی بر چگالی و خوشه‌بندی مبتنی بر شبکه را بررسی خواهند کرد. علاوه بر این، دانش آموزان در مورد تجزیه و تحلیل مؤلفه اصلی (PCA) برای کاهش ابعاد یاد خواهند گرفت. از طریق آموزش های تعاملی و مطالعات موردی عملی، دانش آموزان تجربه عملی در استفاده از تکنیک های خوشه بندی و کاهش ابعاد در مجموعه داده های متنوع به دست خواهند آورد. در پایان این دوره، دانشجویان قادر خواهند بود: 1. درک اصول و اهمیت یادگیری بدون نظارت، به ویژه خوشه بندی و کاهش ابعاد. 2. مفاهیم و کاربردهای روش های پارتیشن بندی، سلسله مراتبی، مبتنی بر چگالی و خوشه بندی مبتنی بر شبکه را درک کنید. 3. مبانی ریاضی الگوریتم های خوشه بندی را برای درک عملکرد آنها کاوش کنید. 4. استفاده از تکنیک های خوشه بندی در مجموعه داده های متنوع برای کشف الگو و کاوش داده ها. 5. درک مفهوم کاهش ابعاد و اهمیت آن در کاهش پیچیدگی فضای ویژگی. 6. تجزیه و تحلیل مؤلفه اصلی (PCA) را برای کاهش ابعاد اجرا کنید و فضای ویژگی کاهش یافته را تفسیر کنید. 7. ارزیابی نتایج خوشه بندی و اثربخشی کاهش ابعاد با استفاده از معیارهای عملکرد مناسب. 8. تکنیک های خوشه بندی و کاهش ابعاد را در مطالعات موردی در دنیای واقعی به کار ببرید تا بینش های معناداری به دست آورید. در طول دوره، دانش‌آموزان فعالانه در آموزش‌ها و مطالعات موردی شرکت خواهند کرد، مهارت‌های تجزیه و تحلیل خوشه‌بندی و کاهش ابعاد خود را تقویت می‌کنند و تجربه عملی در به‌کارگیری این تکنیک‌ها در مجموعه داده‌های متنوع به دست می‌آورند. با دستیابی به اهداف یادگیری، شرکت کنندگان به خوبی مجهز می شوند تا در وظایف یادگیری بدون نظارت برتری پیدا کنند و با استفاده از تکنیک های خوشه بندی و کاهش ابعاد تصمیمات آگاهانه بگیرند.

coursera تجزیه و تحلیل داده ها (Mitalearn-331667)

  • 3 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sarah Haq,Stacey McBrine
درباره این دوره:

این دوره برای متخصصان کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه داده ها را تجزیه و تحلیل کنند تا بینش به دست آورند، از روش های تجزیه و تحلیل آماری برای کشف توزیع زیربنایی داده ها استفاده کنند، از تجسم هایی مانند هیستوگرام، نمودار پراکندگی و نقشه ها برای تجزیه و تحلیل داده ها و پیش پردازش داده ها برای تولید استفاده کنند. مجموعه داده آماده برای آموزش دانشجوی معمولی در این دوره چندین سال تجربه در زمینه فناوری محاسبات از جمله استعداد در برنامه نویسی کامپیوتر خواهد داشت.

coursera تجزیه و تحلیل داده ها با R (Mitalearn-330528)

  • 2 hours 24 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Tiffany Zhu,Yiwen Li,Gabriela de Queiroz
درباره این دوره:

زبان برنامه نویسی R به طور هدفمند برای تجزیه و تحلیل داده ها ساخته شده است. R کلیدی است که دری را بین مشکلاتی که می خواهید با داده ها حل کنید و پاسخ هایی که برای رسیدن به اهداف خود نیاز دارید باز می کند. این دوره با یک سوال شروع می شود و سپس شما را در فرآیند پاسخ دادن به آن از طریق داده ها راهنمایی می کند. ابتدا تکنیک های مهمی را برای آماده سازی (یا مشاجره کردن) داده های خود برای تجزیه و تحلیل خواهید آموخت. سپس یاد خواهید گرفت که چگونه از طریق تجزیه و تحلیل داده های اکتشافی به درک بهتری از داده های خود دست یابید، به شما کمک می کند تا داده های خود را خلاصه کنید و روابط مرتبط بین متغیرهایی را شناسایی کنید که می تواند به بینش منجر شود. هنگامی که داده های شما برای تجزیه و تحلیل آماده شد، یاد خواهید گرفت که چگونه مدل خود را توسعه دهید و عملکرد آن را ارزیابی و تنظیم کنید. با پیروی از این فرآیند، می توانید مطمئن شوید که تجزیه و تحلیل داده های شما مطابق با استانداردهایی است که تعیین کرده اید و می توانید به نتایج اطمینان داشته باشید. شما با بازی در نقش یک تحلیلگر داده که در حال تجزیه و تحلیل داده های خروج و رسیدن خطوط هوایی برای پیش بینی تاخیرهای پرواز است، تجربه عملی ایجاد خواهید کرد. با استفاده از مجموعه داده‌های عملکرد به‌موقع شرکت گزارش‌دهنده هواپیمایی، خواندن فایل‌های داده، پیش‌پردازش داده‌ها، ایجاد مدل‌ها، بهبود مدل‌ها و ارزیابی آن‌ها را تمرین می‌کنید تا در نهایت بهترین مدل را انتخاب کنید. ویدیوها را تماشا کنید، از طریق آزمایشگاه ها کار کنید و به مجموعه خود اضافه کنید. موفق باشید! توجه: پیش نیاز این دوره، مهارت های اولیه برنامه نویسی R است. به عنوان مثال، مطمئن شوید که دوره ای مانند مقدمه ای بر برنامه نویسی R برای علم داده از IBM را گذرانده اید.

coursera تجزیه و تحلیل داده ها با Tidyverse (Mitalearn-327247)

  • 2 hours 52 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jane Wall
درباره این دوره:

این دوره به معرفی ملایم ما برای برنامه نویسی در R ادامه می دهد که برای 3 نوع یادگیرنده 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 بلدید اما با R آشنا نیستید • مقداری برنامه نویسی R را می شناسید اما می خواهید در مورد افعال tidyverse اطلاعات بیشتری کسب کنید بهتر است بعد از اولین دوره تخصصی گرفته شود یا اگر قبلاً با ggplot، RMarkdown و نوشتن تابع پایه در R آشنا هستید. از Learn to use reader برای خواندن در داده های خود، dplyr برای تجزیه و تحلیل داده ها و stringr استفاده خواهید کرد. و forcats برای دستکاری رشته ها و عوامل.

coursera تجزیه و تحلیل داده ها با استفاده از SQL (Mitalearn-327264)

  • 2 hours 18 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Analytics Vidhya
درباره این دوره:

در این دوره جامع، شما برای تسلط بر هنر تجزیه و تحلیل داده ها از طریق SQL، سفری تحول آفرین را آغاز خواهید کرد. SQL ابزار قدرتمندی است که برای مدیریت و دستکاری داده ها در پایگاه داده های رابطه ای استفاده می شود. در طول این دوره، مهارت‌های ضروری برای استخراج کارآمد داده‌های مرتبط از پایگاه‌های داده را به دست می‌آورید و به شما این امکان را می‌دهد که به راحتی در میان حجم وسیعی از اطلاعات حرکت کنید. با تمرکز بر کاربرد عملی، شما به دنیای تجزیه و تحلیل داده ها کاوش خواهید کرد، و کشف خواهید کرد که چگونه می توانید بینش های معناداری را از مجموعه داده های بزرگی که در پایگاه داده های پیچیده رابطه ای قرار دارند، به دست آورید. در پایان این دوره، شما مهارت های ایجاد و اصلاح پایگاه های داده را به دست آورید، و شما را به توانایی حل مشکلات تجاری در دنیای واقعی مجهز می کند. با اطمینان از دقت و قابلیت اطمینان تجزیه و تحلیل خود، فیلتر کردن و تمیز کردن مجموعه داده ها را بیاموزید. چه بخواهید یک تحلیلگر داده باشید، چه یک متخصص هوش تجاری یا یک تصمیم گیرنده با تکیه بر بینش های داده محور، این دوره ابزارها و دانش لازم را برای موفقیت در اختیار شما قرار می دهد.

Suggestions