Course catalog

Course duration

Course provider

Topic

Categories

Showing 8,521-8,540 of 18,566 items.

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.

coursera تجزیه و تحلیل داده ها با استفاده از پایتون (Mitalearn-328250)

  • 1 hours 24 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brandon Krakowsky
درباره این دوره:

این دوره مقدمه ای بر تکنیک های علوم داده پایه با استفاده از پایتون ارائه می دهد. دانش آموزان با مفاهیم اصلی مانند Data Frames و پیوستن به داده ها آشنا می شوند و یاد می گیرند که چگونه از کتابخانه های تجزیه و تحلیل داده ها مانند پانداها، numpy و matplotlib استفاده کنند. این دوره مروری بر بارگذاری، بازرسی و پرس و جوی داده های دنیای واقعی و چگونگی پاسخ به سوالات اساسی در مورد آن داده ها را ارائه می دهد. دانش‌آموزان مهارت‌هایی در جمع‌آوری و خلاصه‌سازی داده‌ها و همچنین تجسم داده‌های اولیه کسب خواهند کرد.

coursera تجزیه و تحلیل داده ها با پایتون [coursera] (Mitalearn-326448)

  • 1 hours 43 minutes
  • متوسط
  • Release date: 27 June 2026
  • Author: Joseph Santarcangelo
درباره این دوره:

تجزیه و تحلیل داده ها با پایتون یک مهارت کلیدی برای دانشمندان و تحلیلگران مشتاق داده است! این دوره شما را از مبانی وارد کردن و پاکسازی داده ها به ساخت و ارزیابی مدل های پیش بینی می کند. شما یاد می گیرید که چگونه داده ها را از منابع مختلف جمع آوری کنید، آن ها را به چالش بکشید و قالب بندی کنید، تجزیه و تحلیل داده های اکتشافی (EDA) انجام دهید، و تجسم های موثر ایجاد کنید. همانطور که پیشرفت می کنید، مدل های رگرسیون خطی، چند جمله ای و چند جمله ای می سازید، خطوط لوله داده را می سازید و مدل های خود را برای دقت بهتر اصلاح می کنید. از طریق آزمایشگاه‌ها و پروژه‌های عملی، با استفاده از کتابخانه‌های محبوب پایتون مانند Pandas، NumPy، Matplotlib، Seaborn، SciPy و Scikit-learn، تجربه عملی کسب خواهید کرد. این ابزارها به شما در دستکاری داده ها، ایجاد بینش و پیش بینی کمک می کنند. با تکمیل این دوره، شما نه تنها مهارت های قوی تجزیه و تحلیل داده ها را توسعه می دهید، بلکه گواهینامه Coursera و نشان دیجیتال IBM را نیز برای نمایش دستاورد خود کسب خواهید کرد.

linkedin تجزیه و تحلیل داده ها با پایتون و پاندا (Mitalearn-417041)

  • 13 hours 32 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Maven Analytics,Chris Bruehl
درباره این دوره:

این دوره مبتنی بر پروژه به منظور کمک به شما در یادگیری دو مورد از محبوب ترین بسته های پایتون برای تجزیه و تحلیل داده ها: Numpy و Pandas. برای معرفی آرایه ها و خصوصیات آرایه ، با یک آغازگر NUMPY شروع کنید ، عملیات مشترکی مانند نمایه سازی ، برش ، فیلتر و مرتب سازی را انجام دهید و مفاهیم مهم مانند بردار و پخش را کشف کنید. از آنجا ، به پاندا شیرجه بزنید و بر روی ابزارها و روشهای اساسی برای کشف ، تجزیه و تحلیل ، جمع آوری و تبدیل سری و داده ها تمرکز کنید. ترسیم DataFrames را با نمودارها و نمودارها ، دستکاری داده های سری زمانی ، وارد کردن و صادرات انواع مختلف فایل و ترکیب داده های داده ها با استفاده از روش های مشترک پیوست تمرین کنید.

در طول دوره ، شما می توانید نقش تحلیلگر داده را برای Maven Mega Mart ، یک شرکت بزرگ و چند ملیتی که زنجیره ای از فروشگاه های خرده فروشی و مواد غذایی را اداره می کند ، بازی کنید. با استفاده از مهارت های پایتون که در طول دوره یاد می گیرید ، با اعضای تیم Maven Mega Mart برای تجزیه و تحلیل محصولات ، قیمت گذاری ، معاملات و موارد دیگر همکاری کنید.

توجه: این دوره توسط کریس بروهل و آنالیتیکس ساخته شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

coursera تجزیه و تحلیل داده ها با پروژه پایتون (Mitalearn-332024)

  • متوسط
  • Release date: 27 June 2026
  • Author: Di Wu
درباره این دوره:

دوره "پروژه تجزیه و تحلیل داده ها" دانش آموزان را قادر می سازد تا دانش و مهارت های خود را که در این تخصص به دست آورده اند برای انجام پروژه تجزیه و تحلیل داده های واقعی مورد علاقه خود به کار گیرند. شرکت‌کنندگان جهات مختلفی را در تجزیه و تحلیل داده‌ها، از جمله یادگیری تحت نظارت و بدون نظارت، رگرسیون، خوشه‌بندی، کاهش ابعاد، قوانین تداعی، و تشخیص موارد دور از دسترس را بررسی خواهند کرد. در سراسر ماژول ها، دانش آموزان تکنیک ها و روش های تجزیه و تحلیل داده های ضروری را یاد می گیرند و سفری از داده های خام به دانش و هوش را آغاز می کنند. با تکمیل دوره، دانش آموزان در تجزیه و تحلیل داده ها مهارت خواهند داشت، می توانند تخصص خود را در پروژه های مختلف به کار گیرند و تصمیمات مبتنی بر داده را بگیرند. در پایان این دوره، دانشجویان قادر خواهند بود: 1. درک مفاهیم اساسی و روش شناسی تجزیه و تحلیل داده ها در جهات مختلف، از جمله یادگیری تحت نظارت و بدون نظارت، رگرسیون، خوشه بندی، کاهش ابعاد، قوانین تداعی، و تشخیص موارد دور از دسترس. 2. محدوده و جهت پروژه تجزیه و تحلیل داده ها را مشخص کنید، تکنیک ها و روش های مناسب برای دستیابی به اهداف پروژه را شناسایی کنید. 3. از الگوریتم‌های طبقه‌بندی مختلف، مانند Nearest Neighbors، Decision Trees، SVM، Naive Bayes و Logistic Regression برای کارهای مدل‌سازی پیش‌بینی‌کننده استفاده کنید. 4. روش های اعتبارسنجی متقابل و مجموعه را برای افزایش عملکرد و قابلیت تعمیم مدل های طبقه بندی اجرا کنید. 5. از الگوریتم های رگرسیون، از جمله Simple Linear، Polynomial Linear و Linear با منظم سازی، برای مدل سازی و پیش بینی نتایج عددی استفاده کنید. 6. انجام رگرسیون چند متغیره و استفاده از روش های اعتبارسنجی متقابل و مجموعه در تحلیل رگرسیون. 7. تکنیک های خوشه بندی، از جمله روش های پارتیشن بندی، سلسله مراتبی، مبتنی بر چگالی و مبتنی بر شبکه را برای کشف الگوها و ساختارهای اساسی در داده ها کاوش کنید. 8. از تجزیه و تحلیل اجزای اصلی (PCA) برای کاهش ابعاد استفاده کنید تا داده های با ابعاد بالا را ساده کنید و به تجسم داده ها کمک کنید. 9. از الگوریتم‌های Apriori و FPGrowth برای استخراج قوانین مرتبط و کشف ارتباط آیتم‌های جالب در داده‌های تراکنشی استفاده کنید. 10. برای شناسایی نقاط داده های غیرعادی و نقاط پرت متنی، از روش های تشخیص پرت، از جمله Zscore، IQR، OneClassSVM، Isolation Forest، DBSCAN و LOF استفاده کنید. در طول دوره، دانش‌آموزان به طور فعال در آموزش‌ها، تمرین‌های عملی و مطالعه موردی پروژه تجزیه و تحلیل داده‌ها شرکت می‌کنند و تجربه عملی در تکنیک‌های مختلف تجزیه و تحلیل داده‌ها به دست می‌آورند. با دستیابی به اهداف یادگیری، شرکت کنندگان به خوبی مجهز خواهند شد تا در پروژه های تجزیه و تحلیل داده ها برتری پیدا کنند و در سناریوهای دنیای واقعی تصمیمات مبتنی بر داده اتخاذ کنند.

coursera تجزیه و تحلیل داده ها با صفحات گسترده و SQL (Mitalearn-327043)

  • 3 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brandon Larkin
درباره این دوره:

این دوره شما را با نحوه استفاده از صفحات گسترده و پرس و جوهای SQL برای تجزیه و تحلیل و استخراج داده ها آشنا می کند. شما یاد خواهید گرفت که چگونه به طور عملی چارچوب تجزیه و تحلیل داده های OSEMN و توابع صفحه گسترده را برای پاک کردن داده ها، محاسبه آمار خلاصه، ارزیابی همبستگی ها و موارد دیگر اعمال کنید. شما همچنین به تکنیک های متداول تجسم داده ها می پردازید و یاد می گیرید که چگونه از داشبورد برای گفتن داستانی با داده های خود استفاده کنید. در پایان این دوره شما قادر خواهید بود: • داده ها را با صفحات گسترده پاک کنید • از فرمول های رایج صفحه گسترده برای محاسبه آمار خلاصه استفاده کنید • روندها و الگوهای داده را شناسایی کنید • عبارات و پرس و جوهای SQL اساسی را برای استخراج داده ها در صفحات گسترده بنویسید • نمودارهایی را در Google Sheets ایجاد کنید و از Tableau برای تجسم داده ها استفاده کنید • از داشبورد برای ایجاد تجسم داده ها استفاده کنید 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. در حالت ایده‌آل شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی و دوره 2: مقدمه‌ای بر تجزیه و تحلیل داده‌ها را در این برنامه تکمیل کرده‌اید.

linkedin تجزیه و تحلیل داده ها برای تحلیلگران قیمت گذاری در اکسل (Mitalearn-417092)

  • 2 hours 4 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Michael McDonald
درباره این دوره:

کشف کنید که چگونه تصمیمات قیمت گذاری دقیق تر محصول را که سود سازمان شما را به حداکثر می رساند ، بگیرید. در این دوره ، مربی مایکل مک دونالد با استفاده از تجزیه و تحلیل سناریو ، بهینه سازی قیمت و تجزیه و تحلیل واریانس برای الگوبرداری از تجزیه و تحلیل داده ها در پشت قیمت گذاری می رود. مایکل توضیح می دهد که چگونه می توان قیمت گذاری بسته را در یک سناریو تعیین کرد ، تخمین کشش قیمت ، محاسبه سود بهینه سازی قیمت را با یک متغیر یا بسیاری از متغیرها ، قیمت ترازو و ملاحظات حجم فروش و موارد دیگر محاسبه کرد. اگر می خواهید شغلی را در امور مالی شرکت ها دنبال کنید - به ویژه به عنوان یک تحلیلگر قیمت گذاری در یک شرکت بیمه ، خرده فروشی ، تولید یا فناوری - پس از آن این دوره می تواند به شما در تجهیز مهارت های لازم برای کمک به شرکت خود در موفقیت در اقتصاد امروز کمک کند.

Suggestions