Course catalog

Course duration

Course provider

Topic

Categories

Showing 8,021-8,040 of 17,394 items.

linkedin تجزیه و تحلیل داده های پایتون (Mitalearn-433565)

  • 3 hours 43 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Michele Vallisneri
درباره این دوره:

علم داده شیوه ای را که رهبران دولت و صنعت به مشکلات خاص و جهان در کل نگاه می کنند ، تغییر داده است. کنجکاو در مورد چگونگی عملکرد تجزیه و تحلیل داده ها در عمل؟ در این دوره ، مربی میشل والیزنرنی توضیح می دهد که برای شروع کار با استفاده از Python چه کاری لازم است.

میشل نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می دهد و در مورد اصول کار با ساختارهای داده در پایتون ، تازه کننده ای را ارائه می دهد. سپس ، او به چیزهای بزرگ می پرید: قدرت آرایه ها ، نمایه سازی و جداول در Numpy و Pandas. او همچنین شما را از طریق دو پروژه بزرگ داده های بزرگ راهنمایی می کند: استفاده از NUMPY برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پاندا برای تجزیه و تحلیل محبوبیت نام کودک در قرن گذشته. چالش های صادر شده در این راه به شما کمک می کند تا آنچه را آموخته اید تمرین کنید. بعلاوه ، در مورد مهارت های موجود در کارهای اساسی تجزیه و تحلیل داده ها بیاموزید: واردات و درگیری ، خلاصه و تجسم ، مدل سازی و استدلال.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، فیلم "تنظیم: استفاده از Codespaces" را بررسی کنید.

linkedin تجزیه و تحلیل داده های پایتون (Mitalearn-179194)

  • 2 hours 30 minutes
  • متوسط
  • Release date: 11 March 2020
  • Author: Michele Vallisneri
درباره این دوره: 

 علم داده در حال تغییر روشی است که رهبران دولت و صنعت هم به مشکلات خاص و هم به جهان در کل نگاه می کنند. کنجکاو هستید که چگونه تجزیه و تحلیل داده ها در عمل عمل می کند؟ در این دوره آموزشی، مدرس Michele Vallisneri به شما نشان می‌دهد که چگونه با استفاده از پایتون شروع به علم داده‌ها می‌کند.

Michele نحوه تنظیم محیط تجزیه و تحلیل خود را نشان می‌دهد و یک تازه‌سازی در مورد اصول اولیه کار ارائه می‌دهد. با ساختارهای داده در پایتون سپس، او به چیزهای بزرگ می پردازد: قدرت آرایه ها، نمایه سازی، و جداول در NumPy و پانداها - دو بسته محبوب شخص ثالث که به طور خاص برای تجزیه و تحلیل داده ها طراحی شده اند. او همچنین دو پروژه نمونه کلان داده را بررسی می کند: استفاده از NumPy برای شناسایی و تجسم الگوهای آب و هوا و استفاده از پانداها برای تجزیه و تحلیل محبوبیت نام نوزادان در قرن گذشته. چالش‌های ارائه شده در طول مسیر به شما کمک می‌کند تا آنچه را که آموخته‌اید تمرین کنید.

توجه: این نسخه از دوره به‌روزرسانی شد تا تغییرات اخیر در Python 3، NumPy، و پانداها را منعکس کند.

coursera تجزیه و تحلیل داده های پایتون (Mitalearn-329015)

  • 6 hours 17 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Victor Geislinger
درباره این دوره:

این دوره استفاده از زبان برنامه نویسی پایتون را برای دستکاری مجموعه داده ها به عنوان جایگزینی برای صفحات گسترده معرفی می کند. شما از چارچوب OSEMN تجزیه و تحلیل داده ها پیروی می کنید تا داده ها را بکشید، تمیز کنید، دستکاری کنید و تفسیر کنید و در عین حال اصول برنامه نویسی اساسی و توابع پایه پایتون را یاد بگیرید. شما با کتابخانه پایتون، پانداها و نحوه استفاده از آن برای به دست آوردن، تمیز کردن، کاوش و تجسم داده ها آشنا خواهید شد. در پایان این دوره شما قادر خواهید بود: • از پایتون برای ساخت حلقه ها و ساختارهای داده اولیه استفاده کنید • مرتب سازی، پرس و جو و ساختار داده ها در پانداها، کتابخانه پایتون • تجسم داده ها را با کتابخانه های پایتون ایجاد کنید • مدل سازی و تفسیر داده ها با استفاده از پایتون این دوره برای افرادی طراحی شده است که می خواهند اصول استفاده از پایتون را برای مرتب سازی و ساختار داده ها برای تجزیه و تحلیل داده ها یاد بگیرند. شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید.

coursera تجزیه و تحلیل داده های پایتون [coursera] (Mitalearn-305776)

  • 3 hours 15 minutes
  • مبتدی
  • Release date: 27 June 2026
  • Author: Scott Rixner,Joe Warren
درباره این دوره:

این دوره مقدماتی بر برنامه نویسی پایتون را که با اصول برنامه نویسی پایتون و بازنمایی داده های پایتون آغاز شده است، ادامه می دهد. ما در مورد خواندن، ذخیره و پردازش داده های جدولی، که کارهای رایج هستند، یاد خواهیم گرفت. همچنین فایل های CSV و پشتیبانی پایتون برای خواندن و نوشتن آنها را به شما آموزش خواهیم داد. فایل‌های CSV یک فرمت فایل متنی عمومی و ساده هستند که به شما امکان می‌دهد داده‌های جدولی را بین برنامه‌های مختلف مبادله کنید. این مفاهیم و مهارت ها به شما کمک می کند تا دانش برنامه نویسی پایتون خود را بیشتر گسترش دهید و به شما امکان می دهد داده های پیچیده تری را پردازش کنید. در پایان دوره، کار با داده های جدولی در پایتون راحت خواهید بود. این امر تخصص برنامه نویسی پایتون شما را گسترش می دهد و به شما امکان می دهد طیف وسیع تری از اسکریپت ها را با استفاده از پایتون بنویسید. این دوره از Python 3 استفاده می کند. در حالی که بیشتر برنامه های Python همچنان از Python 2 استفاده می کنند، Python 3 آینده زبان برنامه نویسی Python است. این دوره از محیط های توسعه پایتون دسکتاپ استفاده می کند که به شما امکان می دهد برنامه های پایتون را مستقیماً بر روی رایانه خود اجرا کنید.

linkedin تجزیه و تحلیل داده های پایتون برای مراقبت های بهداشتی (Mitalearn-385795)

  • 2 hours 48 minutes
  • مناسب همه
  • Release date: 1 April 2024
  • Author: Wuraola Oyewusi
درباره این دوره: 

 صنعت مراقبت های بهداشتی یکی از متنوع ترین منابع داده، از بالینی گرفته تا اداری گرفته تا زنجیره فروش و تامین، و حتی داده های نظارتی است. این دوره با دانشمند داده و داروساز Wuraola Oyewusi به شما می آموزد که چگونه از پایتون برای طیف گسترده ای از سناریوهای تجزیه و تحلیل داده ها در مراقبت های بهداشتی استفاده کنید. Wuraola موارد کاربرد عملی مانند تجزیه و تحلیل داده های آماری، دستکاری داده ها، بحث و تجسم با استفاده از برنامه نویسی Python برای سناریوهای مختلف در صنعت مراقبت های بهداشتی را پوشش می دهد.

coursera تجزیه و تحلیل داده های پیشرفته ChatGPT (Mitalearn-316622)

  • 6 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Jules White
درباره این دوره:

ChatGPT Advanced Data Analysis با کمک به تقویت بهره وری و حمایت از خلاقیت شما، وظایف را متحول می کند. تجزیه و تحلیل داده های پیشرفته ChatGPT می تواند به شما کمک کند تا هوش خود را تقویت کنید و وظایف خود را خودکار کنید، مانند: 1. تبدیل یک فایل اکسل به تصویرسازی و سپس اسلاید در یک ارائه پاورپوینت. استخراج داده ها از یک سری فایل PDF 2. پاسخ دادن به سوالات در مورد آنچه در فایل های PDF وجود دارد، و تجسم داده ها. به طور خودکار تعیین می کند که آیا رسید مطابق با خط مشی مسافرتی است که در یک PDF ثبت شده است 3. تبدیل یک سند به یک ارائه آموزشی و آزمون های مرتبط. خواندن و سازماندهی مجدد مجموعه ای از اسناد بر اساس محتوای آنها 4. تولید محتوای رسانه های اجتماعی و بازاریابی از یک سری اسناد یا رونوشت های ویدئویی 5. تغییر اندازه و ویرایش خودکار ویدیوها/تصاویر در حالی که فهرست آنها در یک CSV هر کسی با ChatGPT Advanced Data Analysis می‌تواند بدون داشتن تجربه قبلی در برنامه‌نویسی از این قابلیت‌ها استفاده کند. این دوره به شما می آموزد که چگونه با ChatGPT Advanced Data Analysis برای انجام این وظایف صحبت کنید، چگونه به حل مسئله فکر کنید و چه نوع وظایفی برای ابزار مناسب هستند. شما طیف گسترده ای از بلوک های سازنده را یاد خواهید گرفت که می توانید در کار و زندگی خود به کار ببرید. مدل‌های زبان بزرگ به دستورالعمل‌ها و سؤالات مطرح شده توسط کاربران در عبارات زبان طبیعی پاسخ می‌دهند که به «اعلان‌ها» معروف هستند. اگرچه مدل‌های بزرگ زبان بسیاری از زمینه‌ها را مختل می‌کنند، اکثر کاربران مهارت‌های لازم برای نوشتن پیام‌های مؤثر را ندارند. کاربران خبره، که نحوه نوشتن اعلان‌های خوب را می‌دانند، در مرتبه‌ای مولدتر هستند و می‌توانند کاربردهای خلاقانه‌تری را برای این ابزارها باز کنند. این دوره شما را با مهارت های نوشتاری سریع که تجزیه و تحلیل داده های پیشرفته ChatGPT را هدف قرار می دهد آشنا می کند.

linkedin تجزیه و تحلیل داده های جغرافیایی آموزش ضروری (Mitalearn-421223)

  • 1 hours 57 minutes
  • مناسب همه
  • Release date: 4 September 2024
  • Author: Milan Janosov, Ph.D.
درباره این دوره: 

 مقدار داده های مکانی - اطلاعاتی که به مختصات جغرافیایی برچسب خورده است - گسترده است ، از سیاهههای مربوط به GPS که تلفن های همراه به نقشه های آنلاین و برنامه های ناوبری می گیرند و حتی تا آنجا که توسط ماهواره های ضبط شده در اطراف زمین ضبط می شوند. این دوره با هدف اتصال این نوع گسترده از داده ها به تمرین روزانه با ارائه یک مرور کلی از صنعت داده های جغرافیایی انجام می شود. برای یک تجربه عملی و عملی در زمینه کاوش ، تجسم و تجزیه و تحلیل داده های جغرافیایی با استفاده از چندین ابزار علوم داده مبتنی بر پایتون ، به مربی میلان Janosov بپیوندید.

linkedin تجزیه و تحلیل داده های جغرافیایی پیشرفته در پایتون (Mitalearn-409340)

  • 1 hours 55 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Milan Janosov, Ph.D.
درباره این دوره:

در این دوره ، میلان جانوسوف ، متخصص شناخته شده در سطح جهانی ، علوم پیشرفته داده های جغرافیایی را با استفاده از پایتون بررسی می کند و شما را به ابزارهایی برای حل مشکلات دنیای واقعی در بخش های مختلف مجهز می کند. نحوه دستکاری ، مدل سازی و تجسم داده های جغرافیایی را کشف کنید. در مورد پیچیدگی های نمایه سازی فضایی و نحوه استفاده از GeoCoding برای تبدیل آدرس های متنی به مختصات مکانی اطلاعات کسب کنید. به مهارت های پیچیده تری شیرجه بزنید و درک خود را از داده های زمانی مکانی ایجاد کنید ، بنابراین می توانید تغییرات را با گذشت زمان ردیابی کنید. از طریق مثالها و تمرینات ، از جمله یک سکوی قوی برای ساختن خطوط لوله تحلیلی جغرافیایی موثر ، تمرین عملی را انجام دهید. هنگامی که این دوره را تمام می کنید ، یک پایه محکم و تخصص پیشرفته در علم داده های جغرافیایی مبتنی بر پایتون خواهید داشت ، و آماده خواهید بود تا در هر زمینه حرفه ای یا پژوهشی ، مدل ها و تجزیه و تحلیل های مکانی پیشرفته را برطرف کنید.

coursera تجزیه و تحلیل داده های حسابداری با پایتون (Mitalearn-293944)

  • 11 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Ronald Guymon,Linden Lu
درباره این دوره:

این دوره بر توسعه مهارت های پایتون برای جمع آوری داده های تجاری تمرکز دارد. برخی از مطالب مشابه از مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم را پوشش می دهد، اما در یک محیط برنامه نویسی با هدف کلی تر (ژوپیتر نوت بوک برای پایتون)، به جای اکسل و ویرایشگر ویژوال بیسیک. این مفاهیم در چارچوب یک یا چند حوزه داده حسابداری (به عنوان مثال، داده های صورت های مالی از EDGAR، داده های سهام، داده های وام، داده های محل فروش) آموزش داده می شوند. نیمه اول دوره از جایی شروع می شود که مقدمه ای بر تجزیه و تحلیل داده های حسابداری و تجسم متوقف شد: استفاده در یک محیط توسعه یکپارچه برای خودکارسازی وظایف تجزیه و تحلیل داده ها. ما در مورد نحوه مدیریت کد و اشتراک‌گذاری نتایج در Jupyter Notebook، یک محیط توسعه محبوب برای نرم‌افزارهای تجزیه و تحلیل داده‌ها مانند Python و R بحث می‌کنیم. سپس برخی از مهارت‌های برنامه‌نویسی اساسی، مانند عملگرهای ریاضی، توابع، عبارات شرطی و حلقه‌ها را با استفاده از نرم‌افزار پایتون مرور می‌کنیم. نیمه دوم دوره بر روی جمع آوری داده ها برای اهداف یادگیری ماشین تمرکز دارد. ما دانش آموزان را با قالب های داده پاندا و Numpy برای ساختاردهی و دستکاری داده ها آشنا می کنیم. سپس داده ها را با استفاده از تجسم و رگرسیون خطی تجزیه و تحلیل می کنیم. در نهایت نحوه استفاده از پایتون برای تعامل با داده های SQL را توضیح می دهیم.

linkedin تجزیه و تحلیل داده های دستی با ChatGPT-5 (Mitalearn-421937)

  • 39 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Alex Freberg
درباره این دوره:

کار با داده ها می تواند وقت گیر و پیچیده باشد ، اما هوش مصنوعی می تواند کمک کند. این دوره به شما نشان می دهد که چگونه می توانید از chatgpt-5 به عنوان یک شریک دستی در تجزیه و تحلیل داده ها استفاده کنید. شما یاد می گیرید که چگونه مجموعه داده ها را بارگیری و کشف کنید ، داده های کثیف تمیز ، الگوهای کشف شده و با استفاده از ویژگی پیشرفته تجزیه و تحلیل داده ها تجسم کنید. ChatGPT-5 همچنین می تواند نتایج را در زبان ساده توضیح دهد و به شما در برقراری ارتباط به روشنی به شما کمک می کند. این که آیا شما یک تحلیلگر هستید یا یک حرفه ای که با داده کار می کنید ، این دوره به شما کمک می کند تا تخصص خود را با هوش مصنوعی برای تقویت بهره وری و کشف بینش های عمیق تر ترکیب کنید.

coursera تجزیه و تحلیل داده های رسانه های اجتماعی (Mitalearn-332874)

  • 3 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Chirag Shah
درباره این دوره:

نتایج یادگیرنده: پس از گذراندن این دوره، شما قادر خواهید بود: - از سرویس های مختلف رابط برنامه نویسی برنامه (API) برای جمع آوری داده ها از منابع مختلف رسانه های اجتماعی مانند یوتیوب، توییتر و فلیکر استفاده کنید. - پردازش داده های جمع آوری شده - عمدتاً ساختار یافته - با استفاده از روش هایی شامل همبستگی، رگرسیون و طبقه بندی برای به دست آوردن بینش در مورد منابع و افرادی که آن داده ها را تولید کرده اند. - داده های بدون ساختار - عمدتاً نظرات متنی - را برای احساسات بیان شده در آنها تجزیه و تحلیل کنید. - از ابزارهای مختلف برای جمع آوری، تجزیه و تحلیل و کاوش داده های رسانه های اجتماعی برای اهداف تحقیق و توسعه استفاده کنید. نمونه داستان یادگیرنده: تحلیلگر داده که می خواهد از داده های رسانه های اجتماعی استفاده کند. ایزابلا یک تحلیلگر داده است که به عنوان مشاور برای یک شرکت چند ملیتی کار می کند. او تجربه کار با ابزارهای تحلیل وب و همچنین داده های بازاریابی را دارد. او می‌خواهد اکنون در عرصه رسانه‌های اجتماعی گسترش یابد و سعی کند از حجم وسیعی از داده‌های موجود از طریق کانال‌های مختلف رسانه‌های اجتماعی استفاده کند. به طور خاص، او می خواهد ببیند که مشتریان، شرکا و رقبا چگونه محصولات/خدمات خود را مشاهده می کنند و در مورد آنها صحبت می کنند. او امیدوار است که یک گردش کار جدید از تجزیه و تحلیل داده ایجاد کند که پردازش داده های سنتی با استفاده از وب و ابزارهای بازاریابی و همچنین روش های جدیدتر استفاده از داده های رسانه های اجتماعی را در بر می گیرد. نمونه نقش های شغلی که به این مهارت ها نیاز دارند: - تحلیلگر رسانه های اجتماعی - تحلیلگر وب - تحلیلگر داده - بازاریابی و روابط عمومی پروژه نهایی قابل تحویل / مصنوع: این دوره دارای یک سری تکالیف کوچک یا پروژه های کوچک است که شامل جمع آوری داده ها، تجزیه و تحلیل و ارائه شامل منابع مختلف رسانه های اجتماعی با استفاده از تکنیک های آموخته شده در کلاس است. این دوره توسط دکتر چراغ شاه در زمانی که او عضو هیئت علمی دانشگاه راتگرز بود، ایجاد شد. او در حال حاضر یکی از اعضای هیئت علمی دانشگاه واشنگتن است.

datacamp تجزیه و تحلیل داده های رسانه های اجتماعی در R (Mitalearn-406705)

  • 1 hours 11 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Sowmya Vivek,Vivek Vijayaraghavan
درباره این دوره:

تجزیه و تحلیل داده‌های رسانه‌های اجتماعی می‌تواند بینش‌های ارزشمندی را در اختیار شما قرار دهد. می تواند استراتژی های کمپین را اطلاع رسانی کند، بازاریابی و فروش را بهبود بخشد، مشارکت مشتری را اندازه گیری کند، تجزیه و تحلیل رقبا را انجام دهد و شبکه های دست نخورده را شناسایی کند. در این دوره، از R برای استخراج و تجسم داده‌های توییتر، انجام تحلیل شبکه و مشاهده موقعیت جغرافیایی توییت‌ها استفاده می‌کنید. از مجموعه داده‌های مختلفی برای به کار بردن چیزهایی که آموخته‌اید، استفاده می‌کنید، از جمله توییت‌هایی درباره افراد مشهور، شرکت‌های فناوری، موضوعات پرطرفدار و ورزش.

datacamp تجزیه و تحلیل داده های رسانه های اجتماعی در پایتون (Mitalearn-403152)

  • 51 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Alex Hanna
درباره این دوره:

تویتر صدها میلیون پیام در روز تولید می کند و مردم در سراسر جهان در مورد ورزش، سیاست، تجارت و سرگرمی بحث می کنند. شما می توانید در عرض چند دقیقه به هزاران پیامی که در این جریان جریان دارد دسترسی داشته باشید. در این دوره آموزشی، نحوه جمع آوری داده های توییتر و تجزیه و تحلیل متن توییت، شبکه های توییتر و منشاء جغرافیایی توییت را یاد می گیرید. ما این کار را با مجموعه داده‌های شرکت‌های فناوری، هشتگ‌های علم داده و آدرس سال ۲۰۱۸ انجام خواهیم داد. با استفاده از این روش‌ها، می‌توانید با کشف فراوانی موضوعات مهم، تنوع شبکه‌های بحث و گستره جغرافیایی یک موضوع، تصمیم‌گیری تجاری و سیاسی را آگاه کنید.

linkedin تجزیه و تحلیل داده های شطرنجی زمین در پایتون (Mitalearn-421240)

  • 2 hours 38 minutes
  • مناسب همه
  • Release date: 8 January 2025
  • Author: Milan Janosov, Ph.D.
درباره این دوره: 

 آیا به دنبال یک مرور کلی از تجزیه و تحلیل داده های شطرنجی در پایتون هستید؟ این دوره که یک مناسب برای دانشمندان داده و پزشکان جغرافیایی است ، این دوره به منظور کمک به شما در استفاده از داده های بردار و ابزارهای مختلف در پایتون ، مانند ژئوپاندا و شکل ، طراحی شده است. مربی میلان Janosov اصول اولیه را پوشش می دهد ، از ایجاد داده های شطرنجی مصنوعی گرفته تا جمع آوری ، تجسم و اصلاح داده های شطرنجی موجود در دنیای واقعی. در طول راه ، تجربه عملی را در مورد کاوش در داده های شطرنجی هم از نظر آماری و هم بصری کسب کنید. در پایان این دوره ، شما به مهارت های تقاضا برای تغییر شکل مجدد و دوباره ساخت مجدد داده های شطرنجی ، ترکیب داده های شطرنجی تک باند در داده های شطرنجی چند منظوره ، انجام تجزیه و تحلیل پیشرفته بر روی داده های شطرنجی چند بندی و موارد دیگر مجهز خواهید شد.

datacamp تجزیه و تحلیل داده های کسب و کار در SQL (Mitalearn-400330)

  • 53 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Michel Semaan
درباره این دوره:

کسب و کارها داده ها را در مورد همه چیز، از عملیات گرفته تا بازاریابی و منابع انسانی، ردیابی می کنند. استفاده از این داده‌ها به کسب‌وکارها این امکان را می‌دهد تا خود و مشتریانشان را بهتر بشناسند، که منجر به سود بیشتر و عملکرد بهتر می‌شود. در این دوره آموزشی، با معیارهای کلیدی که کسب و کارها برای اندازه گیری عملکرد استفاده می کنند، آشنا خواهید شد. شما پرس و جوهای SQL را برای محاسبه این معیارها و تولید نتایج آماده گزارش می نویسید. در طول دوره، داده‌های یک استارت‌آپ تخیلی تحویل غذا را با الگوبرداری از داده‌های شرکت‌های واقعی مطالعه خواهید کرد.

Related Skills

coursera تجزیه و تحلیل داده های کیفی با نرم افزار MAXQDA (Mitalearn-344162)

  • 3 hours 45 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Karen Andes, PhD
درباره این دوره:

این دوره شما را با نرم افزار MAXQDA برای تجزیه و تحلیل آسانتر داده ها در طول فرآیند تحقیق کیفی آشنا می کند. شما در این دوره نحوه انجام یادداشت ها، متغیرها، تقسیم بندی، کدگذاری و تکنیک های کاهش داده را بررسی خواهید کرد!

datacamp تجزیه و تحلیل داده های نظرسنجی در R (Mitalearn-404614)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kelly McConville
درباره این دوره:

قبلاً در یک نظرسنجی (یا 1000) شرکت کرده‌اید، درست است؟ آیا تا به حال به این فکر کرده اید که طراحی یک نظرسنجی چه چیزی را شامل می شود و چگونه پاسخ های نظرسنجی به بینش های عملی تبدیل می شوند؟ البته که داری! در تجزیه و تحلیل داده‌های نظرسنجی در R، شما با نظرسنجی‌ها از A تا Z کار می‌کنید، از ساختارهای طراحی نظرسنجی رایج، مانند خوشه‌بندی و طبقه‌بندی شروع می‌کنید و تا تجسم و تجزیه و تحلیل نتایج نظرسنجی ادامه می‌دهید. شما داده های نظرسنجی را از نظرسنجی ملی سلامت و تغذیه با استفاده از نظرسنجی R و بسته های tidyverse مدل خواهید کرد. پس از این دوره، شما قادر خواهید بود نتایج نظرسنجی را با موفقیت تفسیر کنید و در نهایت پاسخ سوالات داغ زندگی را بیابید!

Related Skills

datacamp تجزیه و تحلیل داده های نظرسنجی در پایتون (Mitalearn-405651)

  • 52 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: EbunOluwa Andrew
درباره این دوره:

چه این شرکتی است که به دنبال درک ترجیحات کاری کارکنان خود است یا یک کمپین بازاریابی که می‌خواهد بداند چگونه می‌تواند به بهترین شکل به مخاطبان غالب خود پاسخ دهد، داده‌های نظرسنجی یکی از بهترین ابزارهای موجود است. در اینجا، هدف از تجزیه و تحلیل داده های نظرسنجی و زمانی که مناسب است از ابزارهای آماری توصیفی و استنباطی استفاده کنید، خواهید آموخت. شما یاد خواهید گرفت که چندین روش نمونه برداری را با استفاده از پایتون به کار ببرید و نتایج نظرسنجی خود را برای تفسیر کیفی متغیرها و نتایج مرتبط با آزمون های مدل سازی، بسته به نوع نظرسنجی که در حال تجزیه و تحلیل هستید، تجسم کنید.

Related Skills

linkedin تجزیه و تحلیل داده های یادگیری بخش 2: گسترش و بکارگیری دانش اصلی (Mitalearn-215591)

  • 3 hours 22 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Robin Hunt
درباره این دوره:

کار با داده ها یک چیز است. ارائه مجموعه داده‌های با کیفیت و تجسم‌های دقیق برای تصمیم‌گیری، دیگری است. اگر به یک دوره آموزشی یا حرفه ای در تجزیه و تحلیل داده ها فکر می کنید، این دوره می تواند به شما کمک کند تا شروع خوبی داشته باشید. رابین هانت، مدیرعامل و یکی از بنیانگذاران ThinkData Solutions، مهارت‌های عملی را به اشتراک می‌گذارد تا به شما کمک کند از داده‌های خود بیشترین بهره را ببرید و حرفه خود را در داده‌ها شروع کنید. رابین در مورد قوانین کسب و کار، فیلتر کردن نویز در داده‌هایی که همه ما با آن سروکار داریم، و نحوه ارائه آنچه تصمیم گیرندگان می‌خواهند صحبت می‌کند. او نحوه ایجاد مجموعه‌های داده با پرس‌و‌جوها، پیوستن و ضمیمه‌ها را پوشش می‌دهد، سپس به ساخت داده‌های انبوه با کل کوئری‌ها می‌پردازد. رابین به محورها، نحوه استفاده از محورها برای ساخت داشبوردها و تجسم‌های اولیه و نحوه استفاده از Power Query برای تبدیل داده‌ها می‌پردازد. او با بهترین شیوه ها برای جلسات و رساندن کار شما به سطح بعدی برای سازمان شما به پایان می رسد.

Related Skills

linkedin تجزیه و تحلیل داده های یادگیری: 1 مبانی (Mitalearn-210576)

  • 3 hours 29 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Robin Hunt
درباره این دوره:

آیا شما علاقه مند به دنبال کردن حرفه ای در تجزیه و تحلیل داده هستید؟ در این دوره، مربی رابین هانت شما را به ذهن یک تحلیلگر می آورد. او مفاهیم اساسی را تعریف و توضیح می دهد، مانند نحوه تفکر در مورد داده ها، نحوه کار با دیگران در نقش های مختلف برای به دست آوردن داده های مورد نیاز، و ابزارهایی که برای کار با داده ها نیاز دارید، مانند اکسل و مایکروسافت اکسس. او شما را با پرس و جوهای SQL، PowerBI و موارد دیگر آشنا می کند. رابین وارد نحو می شود و توضیح می دهد که چگونه داده هایی را که می بینید تفسیر کنید، داده های مورد نیاز خود را پیدا کنید و داده ها را برای کار داده موثر پاک کنید. او درباره حاکمیت داده ها و نحوه پرسیدن سؤالات صحیح از بخش های مختلف برای جمع آوری داده های مورد نیاز توضیح می دهد. Robin نحوه کار با داده ها، از جمله نحوه وارد کردن داده، کار با فایل های مسطح مانند CSV و ایجاد مجموعه داده برای دیگران را نشان می دهد. رابین به معنای تمیز کردن و مدل‌سازی و همچنین نحوه استفاده از Power Query در اکسل می‌پردازد. او همچنین مجموعه‌های چالش/راه‌حل را در هر فصل اضافه کرده است تا به شما در ارزیابی مهارت‌هایتان کمک کند.

Related Skills

Suggestions