Course catalog

Course duration

Course provider

Topic

Categories

Showing 81-100 of 156 items.

coursera جنگو پیشرفته: APIهای خارجی و صف وظایف (Mitalearn-316316)

  • پیشرفته
  • Release date: 27 June 2026
  • Author: Patrick Ester,Ben Shaw
درباره این دوره:

کدنویسی کنید و وب سایت های جنگو را بدون نصب هیچ چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که با پایتون و مهارت های اولیه جنگو (مانند مواردی که در تخصص جنگو برای همه پوشش داده شده است) آشنا هستند. ماژول‌های این دوره شامل اتصال به APIهای خارجی، صف‌بندی وظایف، و جمع‌کردن موضوعات در سراسر تخصص در پروژه‌های capstone می‌شوند. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند گزینه ای، پر کردن جای خالی، و عدم درهم آمیختن بلوک های کد) به ساخت آهسته ویژگی ها، که منجر به پروژه های برنامه نویسی بزرگ در پایان دوره اهداف آموزشی دوره: اتصال به APIهای خارجی اجرای صف بندی وظایف از مهارت های مختلف جنگو برای ایجاد پروژه های با کیفیت نمونه کارها استفاده کنید

coursera جنگو پیشرفته: ساختن یک وبلاگ (Mitalearn-316163)

  • پیشرفته
  • Release date: 27 June 2026
  • Author: Patrick Ester,Ben Shaw
درباره این دوره:

کدنویسی کنید و وب سایت های جنگو را بدون نصب هیچ چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که با پایتون و مهارت های اولیه جنگو (مانند مواردی که در تخصص جنگو برای همه پوشش داده شده است) آشنا هستند. ماژول‌های این دوره مروری بر مفاهیم هسته جنگو، تنظیمات پروژه‌های پیشرفته، نماهای مبتنی بر کلاس و سایر موضوعات پیشرفته مانند مدل‌های پروکسی، ورود به سیستم، کش کردن و بهینه‌سازی پرس و جو را پوشش می‌دهند. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند گزینه ای، پر کردن جای خالی، و عدم درهم آمیختن بلوک های کد) به ساخت آهسته ویژگی ها، که منجر به پروژه های برنامه نویسی بزرگ در پایان دوره اهداف آموزشی دوره: راه اندازی پروژه پیشرفته جنگو را راه اندازی کنید و مزایای آن را از نظر یکپارچه سازی و امنیت توضیح دهید. نماهای مختلف مبتنی بر کلاس و موارد استفاده از آنها را شرح دهید تشخیص و بهینه سازی عملکرد کد با استفاده از لاگ، ذخیره سازی و بهینه سازی پرس و جو

coursera جنگو پیشرفته: مقدمه ای بر چارچوب استراحت جنگو (Mitalearn-316265)

  • پیشرفته
  • Release date: 27 June 2026
  • Author: Patrick Ester,Ben Shaw
درباره این دوره:

کدنویسی کنید و وب سایت های جنگو را بدون نصب هیچ چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که با پایتون و مهارت های اولیه جنگو (مانند مواردی که در تخصص جنگو برای همه پوشش داده شده است) آشنا هستند. ماژول‌های این دوره مقدمه‌ای بر چارچوب Django REST و مدیریت JSON در چارچوب APIها، اصولی مانند سریال‌سازی ViewSheets و احراز هویت/مجوزها را پوشش می‌دهند. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند گزینه ای، پر کردن جای خالی، و عدم درهم آمیختن بلوک های کد) به ساخت آهسته ویژگی ها، که منجر به پروژه های برنامه نویسی بزرگ در پایان دوره اهداف آموزشی دوره: توضیح دهید که چگونه چارچوب Django REST به وب‌سایت‌های جنگو اجازه می‌دهد از APIها استفاده کنند چارچوب Django REST را اعمال کنید از ViewSets برای نگاشت نماها به منطق استفاده کنید احراز هویت را تنظیم و مجوزها را پیکربندی کنید

coursera حساب دیفرانسیل و انتگرال برای یادگیری ماشین و علم داده (Mitalearn-303821)

  • 4 hours 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Luis Serrano
درباره این دوره:

به تازگی برای سال 2024 به روز شده است! Mathematics for Machine Learning and Data Science یک برنامه آنلاین پایه است که توسط DeepLearning.AI ایجاد شده و توسط Luis Serrano تدریس می شود. در یادگیری ماشینی، شما مفاهیم ریاضی را از طریق برنامه نویسی به کار می برید. و بنابراین، در این تخصص، مفاهیم ریاضی را که با استفاده از برنامه نویسی پایتون یاد می گیرید، در تمرینات آزمایشگاهی عملی به کار خواهید برد. به عنوان یک زبان آموز در این برنامه، برای موفقیت به مهارت های برنامه نویسی پایتون اولیه تا متوسط ​​نیاز دارید. پس از اتمام این دوره، فراگیران قادر خواهند بود: • بهینه سازی تحلیلی انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از ویژگی های مشتقات و گرادیان ها • بهینه سازی تقریباً انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از روش های تکراری مرتبه اول (نزول گرادیان) و مرتبه دوم (روش نیوتن). • تفکیک بصری تمایز انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند • اجرای گرادیان نزول در شبکه های عصبی با توابع مختلف فعال سازی و هزینه بسیاری از مهندسان یادگیری ماشین و دانشمندان داده در زمینه ریاضیات به کمک نیاز دارند، و حتی تمرین‌کنندگان با تجربه نیز می‌توانند از کمبود مهارت‌های ریاضی عقب‌مانده شوند. این تخصص از آموزش نوآورانه در ریاضیات استفاده می‌کند تا به شما کمک کند تا سریع و شهودی یاد بگیرید، با دوره‌هایی که از تجسم‌های ساده برای پیگیری استفاده می‌کنند تا به شما کمک کنند تا ببینید که چگونه ریاضیات پشت یادگیری ماشین واقعاً کار می‌کند.  ما به شما توصیه می کنیم سطح ریاضی دبیرستان (توابع، جبر پایه) و آشنایی با برنامه نویسی (ساختارهای داده، حلقه ها، توابع، دستورات شرطی، اشکال زدایی) داشته باشید. تکالیف و آزمایشگاه‌ها در پایتون نوشته شده‌اند، اما این دوره تمام کتابخانه‌های یادگیری ماشینی را که استفاده می‌کنید معرفی می‌کند.

coursera خودکارسازی وظایف امنیت سایبری با پایتون (Mitalearn-303787)

  • 2 hours 40 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این هفتمین دوره گواهینامه امنیت سایبری گوگل است. این دوره‌ها شما را به مهارت‌هایی که برای درخواست یک شغل امنیت سایبری سطح ابتدایی نیاز دارید، مجهز می‌کند. شما بر اساس درک خود از موضوعاتی که در ششمین دوره گواهی امنیت سایبری Google معرفی شده‌اند، استفاده خواهید کرد. در این دوره با زبان برنامه نویسی پایتون آشنا می شوید و آن را در یک تنظیمات امنیت سایبری برای خودکارسازی وظایف به کار می برید. شما با تمرکز بر مفاهیم اساسی برنامه نویسی پایتون، از جمله انواع داده ها، متغیرها، عبارات شرطی و عبارات تکراری شروع می کنید. همچنین کار با پایتون را با توسعه توابع، استفاده از کتابخانه ها و ماژول ها و خوانایی کدهای خود یاد خواهید گرفت. علاوه بر این، شما با داده های رشته و فهرست کار خواهید کرد و نحوه وارد کردن، تجزیه و اشکال زدایی فایل ها را یاد خواهید گرفت. کارمندان Google که در حال حاضر در امنیت سایبری کار می‌کنند، شما را از طریق ویدیوها راهنمایی می‌کنند، فعالیت‌های عملی و نمونه‌هایی را ارائه می‌کنند که وظایف رایج امنیت سایبری را شبیه‌سازی می‌کنند، و به شما کمک می‌کنند مهارت‌های خود را برای آماده شدن برای مشاغل ایجاد کنید. فراگیرانی که این گواهی را تکمیل می کنند، برای درخواست نقش های امنیت سایبری سطح ابتدایی مجهز خواهند شد. هیچ تجربه قبلی لازم نیست. در پایان این دوره، شما: - نحوه استفاده از زبان برنامه نویسی پایتون در امنیت سایبری را توضیح دهید. - دستورات شرطی و تکراری را در پایتون بنویسید. - توابع پایتون جدید و تعریف شده توسط کاربر ایجاد کنید. - از پایتون برای کار با رشته ها و لیست ها استفاده کنید. - از عبارات منظم برای استخراج اطلاعات از متن استفاده کنید. - از پایتون برای باز کردن و خواندن محتویات یک فایل استفاده کنید. - بهترین شیوه ها برای بهبود خوانایی کد را شناسایی کنید. - کد اشکال زدایی را تمرین کنید.

coursera خودکارسازی وظایف دنیای واقعی با پایتون (Mitalearn-317472)

  • 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

در این دوره، ما تمام مفاهیمی را که آنها در طول این برنامه یاد گرفته اند با هم گره می زنیم. آنها با سناریوهایی در Qwiklabs مقابله خواهند کرد که آنها را برای استفاده همزمان از چندین مهارت به چالش می کشد. آنها نگاهی دقیق تر به نحوه استفاده از ماژول های خارجی پایتون مانند کتابخانه تصویر پایتون (PIL) برای گسترش قابلیت های کد خود خواهند داشت. آنها همچنین از سریال‌سازی داده‌ها برای تبدیل اشیاء درون حافظه به پیام‌هایی استفاده می‌کنند که می‌توانند روی برنامه‌هایی با رابط‌های برنامه‌نویسی کاربردی (API) ارسال شوند. در نهایت، زبان آموزان با استفاده از دانش فنی خود برای ایجاد یک برنامه، یک مشکل دنیای واقعی را حل می کنند!

coursera داده کاوی برای شهرهای هوشمند (Mitalearn-327757)

  • 7 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Dheeraj Kumar
درباره این دوره:

اینترنت اشیا (IoT) به یکی از اجزای مهم زندگی شهری تبدیل شده است و باعث ایجاد «شهرهای هوشمند» شده است. هدف این شهرهای هوشمند تبدیل مجتمع های شهری امروزی به فضاهای زندگی سازگار با محیط زیست و سازگار با محیط زیست است. زیرساخت دیجیتال شهرهای هوشمند حجم عظیمی از داده ها را تولید می کند که می تواند به ما در درک بهتر عملیات و سایر جنبه های مهم زندگی شهر کمک کند. در این دوره، شما با تکنیک های مختلف داده کاوی و یادگیری ماشین و مجموعه داده های مختلفی که می توان بر روی آنها اعمال کرد، آشنا خواهید شد. شما یاد خواهید گرفت که چگونه داده کاوی را در پایتون پیاده سازی کنید و نتایج را برای استخراج دانش عملی تفسیر کنید. این دوره شامل آزمایش‌های عملی با استفاده از مجموعه داده‌های زندگی واقعی مختلف است تا شما را قادر می‌سازد روی مجموعه داده‌های جدید مرتبط با دامنه خود آزمایش کنید. شما از زبان برنامه نویسی پایتون 3 برای خواندن و پیش پردازش داده ها استفاده می کنید و سپس وظایف مختلف داده کاوی را روی داده های پاک شده برای به دست آوردن نتایج دلخواه پیاده سازی می کنید. پس از آن، نتایج را برای کارآمدترین توصیف تجسم خواهید کرد.

coursera داده ها برای یادگیری ماشین (Mitalearn-333979)

  • 3 hours 38 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Anna Koop
درباره این دوره:

این دوره همه چیز در مورد داده ها است و اینکه چگونه برای موفقیت مدل یادگیری ماشین کاربردی شما بسیار مهم است. گذراندن این دوره به زبان آموزان این مهارت ها را می دهد: درک عناصر حیاتی داده ها در مراحل یادگیری، آموزش و عملیات سوگیری ها و منابع داده را درک کنید تکنیک هایی را برای بهبود کلیت مدل خود اجرا کنید عواقب بیش از حد برازش را توضیح دهید و اقدامات کاهشی را شناسایی کنید اقدامات آزمون و اعتبارسنجی مناسب را اجرا کنید. نشان دهید که چگونه می توان دقت مدل شما را با مهندسی ویژگی های متفکرانه بهبود بخشید. تأثیر پارامترهای الگوریتم بر قدرت مدل را بررسی کنید برای موفقیت در این دوره، باید حداقل پیشینه سطح مبتدی در برنامه نویسی پایتون داشته باشید (به عنوان مثال، بتوانید کدهای موجود را بخوانید و کدنویسی کنید، با شرط ها، حلقه ها، متغیرها، لیست ها، دیکشنری ها و آرایه ها راحت باشید). شما باید درک اولیه ای از جبر خطی (نماد برداری) و آمار (توزیع احتمال و میانگین / میانه / حالت) داشته باشید. این سومین دوره از تخصص یادگیری ماشین کاربردی است که توسط Coursera و موسسه هوش ماشین آلبرتا برای شما آورده شده است.

coursera درختان و نمودارها: مبانی (Mitalearn-316146)

  • 9 hours 14 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Sriram Sankaranarayanan
درباره این دوره:

الگوریتم های اساسی در ساختارهای داده درختی، درختان جستجوی دودویی، درختان خود متعادل کننده، ساختارهای داده گراف و الگوریتم های پیمایش اساسی بر روی نمودارها. این دوره همچنین موضوعات پیشرفته ای مانند kd-trees برای داده های مکانی و الگوریتم های داده های مکانی را پوشش می دهد. درختان و نمودارها: اصول اولیه را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، در نظر گرفت. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید.

coursera درک فناوری و داده ها (Mitalearn-291275)

  • 1 hours 57 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Accenture Teaching Staff
درباره این دوره:

به دوره آموزشی درک فناوری و داده ها خوش آمدید. این دوره به منظور ارائه پایه ای در مورد نحوه استفاده از فناوری و داده ها در زندگی روزمره طراحی شده است. این به شما کمک می کند تا موفقیت در یک محیط کار دیجیتال را یاد بگیرید. در پایان این دوره، شما قادر خواهید بود: - تکامل دستگاه های الکترونیکی را بشناسید - شناسایی فناوری های جدید در صنایع مختلف - فناوری هایی مانند ابر، هوش مصنوعی، بلاک چین و غیره را تعریف کنید. - تشخیص دیجیتالی شدن چیست و چگونه بر زندگی روزمره تأثیر می گذارد - شناخت اصول اولیه یک کامپیوتر از جمله قسمت های مختلف و ویژگی های امنیتی آن - کدگذاری را تعریف کنید - ویژگی های کلیدی جاوا اسکریپت را شناسایی کنید - ویژگی های کلیدی پایتون را شناسایی کنید - تشخیص نحوه تفسیر داده ها این دوره به چهار ماژول تقسیم می شود: درک فناوری، فناوری در محل کار، کاوش کدگذاری و کشف داده ها. ماژول یک، درک فناوری، مبانی فناوری و تکامل آن را بررسی می‌کند و مسیر توسعه فناوری را روشن می‌کند. با فناوری های دیجیتال و کاربرد رو به رشد آنها در صنایع مختلف آشنا خواهید شد. شما همچنین خواهید آموخت که چگونه اتوماسیون نه تنها برای محل کار مفید است، بلکه در خانه نیز اهمیت می یابد. ابر، بلاک چین و هوش مصنوعی فناوری‌های پرطرفداری هستند که در این ماژول بررسی خواهید کرد. ماژول دو، فناوری در کار، به ایجاد سواد دیجیتالی شما ادامه خواهد داد. شما با اصول اولیه کامپیوتر و اینترنت و نحوه استفاده از آنها در محیط کار آشنا خواهید شد. شما با تکنیک هایی برای کارآمدتر کار کردن و برقراری ارتباط مجازی آشنا خواهید شد، از جمله نکات مفیدی برای استفاده از ایمیل. همچنین یاد خواهید گرفت که چگونه داده های خود را ایمن کنید. در ماژول سه، Exploring Coding، شما با دنیای کدنویسی و برخی از زبان های برنامه نویسی کلیدی مانند جاوا اسکریپت و پایتون آشنا خواهید شد. شما در مورد گزینه های شغلی مختلف در برنامه نویسی، مانند توسعه وب، توسعه برنامه و توسعه نرم افزار یاد خواهید گرفت. ماژول چهار، کشف داده، به شما کمک می‌کند تا راه‌های جمع‌آوری و تفسیر داده‌ها و نحوه بکارگیری آن‌ها برای تصمیم‌گیری‌های حیاتی را درک کنید. با تکنیک های مختلف برای تفسیر داده ها و نحوه استفاده از توابع اکسل برای کار راحت تر با داده ها آشنا خواهید شد. این یک دوره آموزشی پایه است که برای یادگیرندگانی در نظر گرفته شده است که با فناوری و داده ها تازه کار هستند و می خواهند برای دنیای کار دیجیتالی آماده شوند. برای گذراندن این دوره به تجربه قبلی خاصی نیاز نیست. حق چاپ © 2023 Accenture. تمامی حقوق محفوظ است. Accenture و لوگوی آن علائم تجاری ثبت شده Accenture هستند.

coursera درک و تجسم داده ها با پایتون (Mitalearn-328318)

  • 5 hours 55 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، فراگیران با حوزه آمار، از جمله اینکه داده ها از کجا آمده اند، طراحی مطالعه، مدیریت داده ها و کاوش و تجسم داده ها، آشنا می شوند. یادگیرندگان انواع مختلف داده ها را شناسایی می کنند و یاد می گیرند که چگونه خلاصه ها را برای داده های تک متغیره و چند متغیره تجسم، تجزیه و تحلیل و تفسیر کنند. همچنین یادگیرندگان با تفاوت‌های بین نمونه‌گیری احتمالی و غیراحتمالی از جمعیت‌های بزرگ‌تر، این ایده که چگونه تخمین‌های نمونه متفاوت است و چگونه می‌توان در مورد جمعیت‌های بزرگ‌تر بر اساس نمونه‌گیری احتمالی استنتاج کرد، آشنا می‌شوند. در پایان هر هفته، فراگیران مفاهیم آماری را که با استفاده از پایتون آموخته‌اند، در محیط دوره به کار می‌گیرند. در طول این جلسات مبتنی بر آزمایشگاه، زبان آموزان کاربردهای مختلف پایتون را به عنوان یک ابزار، از جمله کتابخانه های Numpy، Pandas، Statsmodels، Matplotlib و Seaborn کشف خواهند کرد. فیلم‌های آموزشی ارائه شده است تا یادگیرندگان را در ایجاد تجسم‌ها و مدیریت داده‌ها، همه در پایتون، راهنمایی کند. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera دستکاری داده ها در مقیاس: سیستم ها و الگوریتم ها [coursera] (Mitalearn-334727)

  • 10 hours 26 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Bill Howe
درباره این دوره:

تجزیه و تحلیل داده ها به عنوان گلوگاه تصمیم گیری مبتنی بر شواهد جایگزین اکتساب داده شده است --- ما در حال غرق شدن در آن هستیم. استخراج دانش از مجموعه داده های بزرگ، ناهمگن و پر سر و صدا، نه تنها به منابع محاسباتی قدرتمند، بلکه به انتزاعات برنامه نویسی برای استفاده مؤثر از آنها نیاز دارد. انتزاعی‌هایی که در دهه گذشته پدیدار شدند، ایده‌هایی را از پایگاه‌های داده موازی، سیستم‌های توزیع‌شده و زبان‌های برنامه‌نویسی ترکیب می‌کنند تا کلاس جدیدی از پلت‌فرم‌های تجزیه و تحلیل داده مقیاس‌پذیر را ایجاد کنند که پایه و اساس علم داده را در مقیاس‌های واقعی تشکیل می‌دهند. در این دوره، چشم انداز سیستم های مربوطه، اصولی که آنها بر آن تکیه می کنند، معاوضه آنها و نحوه ارزیابی کاربرد آنها در برابر نیازهای خود را خواهید آموخت. شما خواهید آموخت که چگونه سیستم های عملی از مرز تحقیقات در علوم کامپیوتر استخراج شده اند و چه سیستم هایی در افق قرار دارند. رایانش ابری، پایگاه‌های داده SQL و NoSQL، MapReduce و اکوسیستمی که ایجاد کرده، Spark و هم‌عصران آن، و سیستم‌های تخصصی برای نمودارها و آرایه‌ها پوشش داده خواهد شد. شما همچنین تاریخچه و زمینه علم داده، مهارت‌ها، چالش‌ها و روش‌هایی که این اصطلاح به آن اشاره می‌کند، و نحوه ساختار یک پروژه علم داده را خواهید آموخت. در پایان این دوره، شما قادر خواهید بود: اهداف آموزشی: 1. الگوها، چالش ها و رویکردهای رایج مرتبط با پروژه های علم داده و اینکه چه چیزی آنها را از پروژه ها در زمینه های مرتبط متمایز می کند، شرح دهید. 2. مدل های برنامه نویسی مرتبط با دستکاری داده های مقیاس پذیر، از جمله جبر رابطه ای، کاهش نقشه و سایر مدل های جریان داده را شناسایی و استفاده کنید. 3. استفاده از فناوری پایگاه داده که برای تجزیه و تحلیل در مقیاس بزرگ، از جمله مفاهیم محرک پایگاه داده موازی، پردازش پرس و جو موازی، و تجزیه و تحلیل درون پایگاه داده سازگار شده است. 4. فروشگاه‌های ارزش کلیدی و سیستم‌های NoSQL را ارزیابی کنید، معاوضه‌های آنها را با سیستم‌های قابل مقایسه، جزئیات نمونه‌های مهم در فضا، و روندهای آینده را شرح دهید. 5. "Think" در MapReduce برای نوشتن موثر الگوریتم‌ها برای سیستم‌هایی از جمله Hadoop و Spark. شما محدودیت ها، جزئیات طراحی، رابطه آنها با پایگاه های داده و اکوسیستم مرتبط با الگوریتم ها، برنامه های افزودنی و زبان ها را درک خواهید کرد. نوشتن برنامه در Spark 6. چشم انداز سیستم های تخصصی داده های بزرگ را برای نمودارها، آرایه ها و جریان ها توصیف کنید.

coursera دوره Crash در پایتون (Mitalearn-316639)

  • 4 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این دوره به منظور آموزش پایه های نوشتن برنامه های ساده در پایتون با استفاده از رایج ترین ساختارها طراحی شده است. هیچ مواجهه قبلی با برنامه نویسی مورد نیاز نیست. در پایان این دوره، مزایای برنامه نویسی در نقش های IT را درک خواهید کرد. درک نحو اصلی پایتون؛ کاوش در ویرایشگرهای کد مختلف و محیط های توسعه دهنده؛ قادر به نوشتن برنامه های ساده با استفاده از پایتون. بفهمید که چگونه اجزای سازنده برنامه نویسی با هم تطبیق می یابند. و تمام این دانش را برای حل یک مشکل برنامه نویسی پیچیده ترکیب کنید. ما با بررسی اصول اولیه نوشتن یک برنامه کامپیوتری شروع می کنیم. در طول مسیر، از طریق تمرین‌های تعاملی و مثال‌های دنیای واقعی، تجربه عملی با مفاهیم برنامه‌نویسی به دست خواهید آورد. شما به سرعت متوجه خواهید شد که چگونه رایانه ها می توانند چندین کار را انجام دهند - فقط باید کدی بنویسید که به آنها بگوید چه کاری انجام دهند.

coursera رابط با Raspberry Pi (Mitalearn-355501)

  • 4 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ian Harris
درباره این دوره:

Raspberry Pi از انواع دستگاه های ورودی/خروجی مبتنی بر پروتکل هایی مانند HDMI، USB و Ethernet برای برقراری ارتباط با دنیای خارج استفاده می کند. در این کلاس یاد خواهید گرفت که چگونه از این پروتکل ها با سایر دستگاه های خارجی (حسگرها، موتورها، GPS، جهت گیری، صفحه نمایش LCD و غیره) استفاده کنید تا دستگاه اینترنت اشیا خود را با دنیای واقعی تعامل کنید. اکثر دستگاه های فیزیکی از سیگنال های آنالوگ استفاده می کنند. با این حال سخت افزار کامپیوتر دیجیتال است، بنابراین در این کلاس شما یاد خواهید گرفت که چگونه این سیگنال ها به عقب و جلو تبدیل می شوند و چگونه باید هنگام برنامه ریزی دستگاه خود به آن توجه کرد. طراحی اولیه یک سیستم حسگر محرک نیز پوشش داده خواهد شد. همچنین یاد خواهید گرفت که چگونه سیستم‌های سخت‌افزاری پیچیده‌تری را با استفاده از بردهای توسعه Raspberry Pi بسازید تا دستگاه‌های سرگرم‌کننده و هیجان‌انگیز IoT ایجاد کنید. لطفا توجه داشته باشید که این دوره شامل تالار گفتگو نمی باشد.

coursera ریاضیات برای یادگیری ماشین: PCA (Mitalearn-332704)

  • 2 hours 19 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Marc Peter Deisenroth
درباره این دوره:

این دوره در سطح متوسط، مبانی ریاضی را برای استخراج تجزیه و تحلیل مؤلفه اصلی (PCA)، یک تکنیک کاهش ابعاد بنیادی معرفی می‌کند. ما برخی از آمارهای اولیه مجموعه داده‌ها را پوشش می‌دهیم، مانند مقادیر میانگین و واریانس، فاصله‌ها و زوایای بین بردارها را با استفاده از محصولات داخلی محاسبه می‌کنیم و پیش‌بینی‌های متعامد داده‌ها را بر روی فضاهای فرعی با ابعاد پایین‌تر استخراج می‌کنیم. با استفاده از همه این ابزارها، ما PCA را به عنوان روشی استخراج می کنیم که میانگین مربعات خطای بازسازی بین نقاط داده و بازسازی آنها را به حداقل می رساند. در پایان این دوره، شما با مفاهیم مهم ریاضی آشنا می شوید و می توانید PCA را به تنهایی پیاده سازی کنید. اگر مشکل دارید، مجموعه‌ای از نوت‌بوک‌های ژوپیتر را پیدا خواهید کرد که به شما امکان می‌دهند ویژگی‌های تکنیک‌ها را کشف کنید و آنچه را که برای رسیدن به مسیر باید انجام دهید، راهنمایی کنید. اگر قبلاً متخصص هستید، این دوره ممکن است بخشی از دانش شما را تازه کند. سخنرانی ها، مثال ها و تمرین ها نیاز دارند: 1. برخی از توانایی های تفکر انتزاعی 2. پیشینه خوب در جبر خطی (به عنوان مثال جبر ماتریسی و برداری، استقلال خطی، مبنا) 3. پیشینه اساسی در حساب چند متغیره (به عنوان مثال، مشتقات جزئی، بهینه سازی اساسی) 4. دانش اولیه در برنامه نویسی پایتون و numpy سلب مسئولیت: این دوره به طور قابل ملاحظه ای انتزاعی تر است و به برنامه نویسی بیشتری نسبت به دو دوره دیگر تخصصی نیاز دارد. با این حال، اگر می‌خواهید الگوریتم‌های یادگیری ماشین را درک و توسعه دهید، این نوع تفکر انتزاعی، دستکاری جبری و برنامه‌نویسی ضروری است.

coursera ساخت برنامه های کاربردی هوش مصنوعی با API های Watson (Mitalearn-330256)

  • 57 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Antonio Cangiano
درباره این دوره:

یک زبان آموز می تواند برنامه ای بنویسد که از چندین سرویس هوش مصنوعی Watson (کشف، گفتار به متن، دستیار و متن به گفتار) استفاده کند. در پایان دوره، آنها بهترین شیوه های ترکیب سرویس های Watson و نحوه ایجاد سیستم های بازیابی اطلاعات تعاملی با Discovery + Assistant را خواهند آموخت.

coursera ساختارهای پایه پایتون: لیست ها، رشته ها و فایل ها (Mitalearn-306779)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Elise Deitrick,Patrick Ester
درباره این دوره:

کدنویسی کنید و اولین برنامه پایتون خود را در چند دقیقه بدون نصب چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که تجربه برنامه نویسی محدودی دارند و پایه محکمی از موضوعات نه فقط پایتون، بلکه اصلی علوم کامپیوتر را فراهم می کند که می توانند به زبان های دیگر منتقل شوند. ماژول های این دوره شامل لیست ها، رشته ها و فایل ها می شود. تکمیل اصول پایتون: انتخاب و تکرار قبل از گذراندن این دوره توصیه می شود. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت

coursera ساختارهای داده پایتون (Mitalearn-301543)

  • 5 hours 20 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Charles Russell Severance
درباره این دوره:

این دوره به معرفی ساختارهای داده اصلی زبان برنامه نویسی پایتون می پردازد. ما از اصول اولیه برنامه نویسی رویه ای عبور خواهیم کرد و چگونگی استفاده از ساختارهای داده داخلی پایتون مانند لیست ها، فرهنگ لغت ها و تاپل ها را برای انجام تجزیه و تحلیل داده ها به طور فزاینده ای پیچیده بررسی خواهیم کرد. این دوره فصل های 6-10 کتاب درسی "Python for Everybody" را پوشش می دهد. این دوره پایتون 3 را پوشش می دهد.

coursera سلنیوم وب درایور با پایتون (Mitalearn-304858)

  • 4 hours 9 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

“Selenium WebDriver with Python” یک دوره آموزشی پایه است که هدف آن ارائه یک درک جامع از سلنیوم و اجزای آن است. همچنین به درک نحوه عملکرد Selenium WebDriver کمک می کند. این دوره با نمایش تنظیمات محیطی برای Selenium WebDriver با پایتون آغاز می شود. شرح مختصری از مکان یابی عناصر وب و تعاملات وب در این دوره ارائه شده است. این دوره مروری بر تست فریمورک ها با Selenium WebDriver را پوشش می دهد. برخی از موضوعات پیشرفته مانند Handling Popup، Alerts، Multiple Browser Tabs، Mouse and Keyboard تعاملات نیز در این دوره برجسته شده است. این دوره 4 ساعت فیلم آموزشی را ارائه می دهد که به ماژول ها تقسیم می شود. درک مفاهیم دوره از طریق نمایش های آزمایشگاهی آسان است. به منظور آزمودن درک فراگیران، هر ماژول شامل ارزیابی‌هایی در قالب پرسش‌های مسابقه و ویدیویی است. یک آزمون اجباری سوالات درجه بندی شده نیز در پایان هر ماژول ارائه شده است. ماژول 1: شروع به کار با Selenium WebDriver ماژول 2: عناصر وب و تعاملات وب ماژول 3: تست سلنیوم و ویژگی های پیشرفته دانش قبلی مبانی زبان برنامه نویسی پایتون و مفاهیم تست را می توان به عنوان پس زمینه توصیه شده برای Selenium WebDriver با پایتون اضافه کرد. در پایان این دوره، فراگیران قادر خواهند بود: -تنظیم محیط برای سلنیوم وب درایور با پایتون بررسی اجمالی چارچوب های تست (unittest، pytest) و راه اندازی موارد تست. - مدیریت پاپ آپ، هشدارها، چندین برگه مرورگر، تعاملات ماوس و صفحه کلید اشکال زدایی با سلنیوم WebDriver

coursera شبکه ابری (Mitalearn-314514)

  • 8 hours 15 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: P. Brighten Godfrey,Ankit Singla
درباره این دوره:

در دوره آموزشی شبکه ابری، خواهیم دید که شبکه باید چه کاری انجام دهد تا محاسبات ابری را فعال کند. ما با صحبت با کارشناسان برجسته صنعت و همچنین بررسی تحقیقات جدید جالبی که ممکن است آینده شبکه ابری را شکل دهد، رویه فعلی را بررسی خواهیم کرد. این دوره به ما امکان می دهد تا چالش های شبکه ابری را عمیقا بررسی کنیم - چگونه یک زیرساخت شبکه بسازیم که چابکی استقرار شبکه های مجازی را بر روی یک زیرساخت مشترک فراهم می کند، که هم انتقال کارآمد داده های بزرگ و هم ارتباطات با تاخیر کم را امکان پذیر می کند. که امکان می دهد برنامه ها در سراسر کشورها و قاره ها فدرال شوند؟ بررسی چگونگی دستیابی به این اهداف، زمینه را برای بقیه دوره فراهم می کند. این دوره بر هر دو عملیات و منطق طراحی تأکید می کند - به عنوان مثال، چیزها چگونه کار می کنند و چرا آنها به این روش طراحی شده اند. ما مشتاقیم که دوره را با شما شروع کنیم و نگاهی به آنچه امروزه به زیرساخت ارتباطی حیاتی برای بسیاری از برنامه ها تبدیل شده است بیاندازیم.

Suggestions