Course catalog

Course duration

Course provider

Topic

Categories

Showing 8,601-8,620 of 18,566 items.

linkedin تجزیه و تحلیل زنجیره تامین اکسل: حل مشکلات حمل و نقل (Mitalearn-197588)

  • 2 hours 25 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Curt Frye
درباره این دوره:

مایکروسافت اکسل می تواند یک مزیت مخفی برای حل چالش های پیچیده زنجیره تامین باشد. با مربی Curt Frye همراه باشید زیرا او نحوه استفاده از افزونه Excel Solver را برای به حداقل رساندن هزینه های حمل و نقل و حمل و نقل در زنجیره تامین نشان می دهد. کرت طیف وسیعی از موضوعات را پوشش می‌دهد، از جمله نحوه تجزیه و تحلیل هزینه‌های ثابت و تصمیم‌های بازگشایی تسهیلات، اعمال سطح محدودیت‌های خدمات، و انجام تحلیل سناریو. او همچنین سناریوهای مشکل را برای شما فراهم می کند تا آنها را حل کنید، سپس راه حل های مربوط به هر کدام را مرور می کند. پس از تماشای این دوره و کار کردن با مثال‌ها، می‌توانید تکنیک‌هایی را که برنامه‌های زنجیره تامین تخصصی برای رسیدن به نتایج استفاده می‌کنند، شرح دهید.

linkedin تجزیه و تحلیل زنجیره تامین اکسل: حل مشکلات موجودی (Mitalearn-198438)

  • 1 hours 39 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Curt Frye
درباره این دوره:

Excel pro Curt Frye نشان می دهد که چگونه می توان هزینه های موجودی را تجزیه و تحلیل کرد و سیاست های موجودی موثر را در یک زنجیره تامین توسعه داد. او نحوه محاسبه کل هزینه ها و کل هزینه های مربوطه را برای یک محصول توضیح می دهد. او نحوه ادغام اثرات زمان تحویل را در تجزیه و تحلیل و چگونگی تعیین میزان هزینه اضافی حداقل سفارشات را پوشش می دهد. کرت به نحوه ارزیابی تخفیف های کمیت و نحوه محاسبه مقادیر تولید برای به حداکثر رساندن سود می پردازد. او در مورد اینکه چگونه سفارش‌های برگشتی بر سیاست‌های موجودی اثر می‌گذارد و نحوه محاسبه مقدار سفارش اقتصادی برای سیاست‌های موجودی که اجازه سفارش‌های برگشتی را می‌دهد، بحث می‌کند. او شما را با مشکلات مرتبط با کالاهایی آشنا می‌کند که طول عمر محدودی دارند، که اغلب به آن مشکل فروشندگان خبر گفته می‌شود، سپس به شما نشان می‌دهد که چگونه داده‌ها و خلاصه‌های مورد نیاز برای حل مشکل خبرفروش را تولید کنید. در خاتمه، کرت شما را با نحوه محاسبه سطح سهام پایه برای سطح هدف خدمات و نحوه محاسبه امتیاز سفارش مجدد بر اساس عملکرد سطح خدمات چرخه راهنمایی می کند.

linkedin تجزیه و تحلیل زنجیره تامین اکسل: مدیریت شبیه سازی ها با استفاده از VBA (Mitalearn-219637)

  • 54 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Curt Frye
درباره این دوره:

آیا می‌دانستید که می‌توانید ماکروهای Solver را ضبط و اجرا کنید، ورودی‌های تصادفی ایجاد کنید، شبیه‌سازی‌های متعدد و موارد دیگر را در اکسل اجرا کنید؟ علاوه بر این، می توانید همه این کارها را بدون خرید نرم افزار تخصصی گران قیمت انجام دهید. در این دوره، مربی Curt Frye نشان می دهد که چگونه با استفاده از افزودنی Solver در ترکیب با VBA، تجزیه و تحلیل زنجیره تامین خود را تقویت کنید. با کار بر روی یک مشکل حمل و نقل مثال، کرت از طریق ایجاد یک مرجع به کتابخانه Solver VBA، ضبط و اجرای یک ماکرو Solver، تولید ورودی‌های تصادفی، و تعریف ساختار حلقه برای اجرای شبیه‌سازی‌های متعدد گام بر می‌دارد. سپس با نوشتن خروجی مدل، ایجاد داشبورد نتایج برای تجزیه و تحلیل خروجی مدل شما، کاوش سناریوهای جایگزین با یک مدل Solver و موارد دیگر، تحلیل دقیق را فعال می کند.

datacamp تجزیه و تحلیل زنجیره تامین در پایتون (Mitalearn-404784)

  • 1 hours
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Aaren Stubberfield
درباره این دوره:

تجزیه و تحلیل زنجیره تامین، فعالیت های زنجیره تامین را از حدس زدن به مواردی تبدیل می کند که با استفاده از داده ها تصمیم می گیرند. یک ابزار ضروری در تجزیه و تحلیل زنجیره تامین، استفاده از تجزیه و تحلیل بهینه سازی برای کمک به تصمیم گیری است. طبق گفته Deloitte، 79 درصد از سازمان‌ها با عملکرد بالا زنجیره تامین به رشد درآمدی دست می‌یابند که به طور قابل‌توجهی بالاتر از میانگین است. این دوره شما را با PuLP، یک مدل ساز بهینه سازی برنامه خطی که در پایتون نوشته شده است، آشنا می کند. با استفاده از PuLP، این دوره به شما نشان می‌دهد که چگونه سؤالات بهینه‌سازی زنجیره تأمین را فرموله کنید و به سؤالات بهینه‌سازی زنجیره تأمین پاسخ دهید، مانند اینکه یک مرکز تولید باید در کجا قرار داشته باشد، چگونه تقاضای تولید را در امکانات مختلف تخصیص دهید، و موارد دیگر. ما نتایج مدل ها و مفاهیم آنها را از طریق تست حساسیت و شبیه سازی بررسی خواهیم کرد. این دوره به شما کمک می کند تا با استفاده از قدرت پایتون و PuLP، تصمیم گیری در مورد زنجیره تامین را بهبود بخشید.

datacamp تجزیه و تحلیل سبد بازار در R (Mitalearn-406501)

  • 1 hours 13 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Christopher Bruffaerts
درباره این دوره:

آخرین باری که در سوپرمارکت بودید، چه چیزی در سبد خریدتان بود؟ آیا ارتباطی بین محصولاتی که خریداری کردید، مانند اسپاگتی و گوجه فرنگی یا ژامبون و آناناس وجود داشت؟ چه آنلاین و چه آفلاین، خرده‌فروشان از اطلاعات میلیون‌ها سبد مشتری برای تجزیه و تحلیل ارتباط بین اقلام و استخراج اطلاعات بینش با استفاده از قوانین مرتبط استفاده می‌کنند.

برای کمک به تعیین میزان ارتباط بین اقلام، از تجزیه و تحلیل سبد بازار برای کشف ارتباطات نادیده و تجسم قوانین مرتبط و روشنگر استفاده خواهید کرد. سپس می‌توانید آنچه را که در مجموعه داده‌های فیلم یاد گرفته‌اید تمرین کنید، زیرا پیش‌بینی می‌کنید کدام فیلم‌ها با هم تماشا می‌شوند تا توصیه‌های فیلم شخصی‌سازی شده برای کاربران ایجاد کنید.

datacamp تجزیه و تحلیل سبد بازار در پایتون (Mitalearn-404750)

  • 55 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Isaiah Hull
درباره این دوره:

توصیه های محصول آمازون و پیشنهادات فیلم نتفلیکس چه وجه مشترکی دارند؟ هر دوی آنها بر تحلیل سبد بازار تکیه می‌کنند، که ابزاری قدرتمند برای تبدیل حجم وسیعی از معاملات مشتری و مشاهده داده‌ها به قوانین ساده برای تبلیغ و توصیه محصول است. در این دوره آموزشی، نحوه انجام تجزیه و تحلیل سبد بازار را با استفاده از الگوریتم Apriori، معیارهای استاندارد و سفارشی، قوانین تداعی، تجمیع و هرس و تجسم می آموزید. سپس مهارت‌های جدید خود را از طریق تمرین‌های تعاملی، توصیه‌های ساختمانی برای یک فروشگاه مواد غذایی کوچک، یک کتابخانه، یک فروشنده کتاب الکترونیکی، یک خرده‌فروش هدیه جدید و یک سرویس پخش فیلم تقویت خواهید کرد. در این فرآیند، اطلاعات آماری پنهان را برای بهبود توصیه‌ها برای مشتریان کشف خواهید کرد.

datacamp تجزیه و تحلیل سری زمانی در PostgreSQL (Mitalearn-404954)

  • 44 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Jasmin Ludolf
درباره این دوره:

این دوره به شما می آموزد که چگونه از PostgreSQL برای مدیریت داده های تاریخ و زمان استفاده کنید. شما با توابع و فراخوانی آشنا خواهید شد تا به شما در تجزیه و دستکاری این داده ها، انجام محاسبات و استفاده از توابع پنجره کمک کنند. شما این تکنیک‌ها را در داده‌های دنیای واقعی به کار می‌گیرید تا دما را تجزیه و تحلیل کنید، به برنامه‌های قطار نگاه کنید، و بررسی کنید که چگونه محبوبیت مقالات خبری در طول زمان تغییر می‌کند.

datacamp تجزیه و تحلیل سری زمانی در R (Mitalearn-403985)

  • 46 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: David S. Matteson
درباره این دوره:

بسیاری از پدیده‌های زندگی روزمره ما، مانند حرکت قیمت سهام، در بازه‌های زمانی معینی اندازه‌گیری می‌شوند. روش های تجزیه و تحلیل سری های زمانی برای تجزیه و تحلیل این نوع داده های خاص بسیار مفید هستند. در این دوره آموزشی با برخی از مفاهیم و تکنیک های تحلیل سری های زمانی اصلی آشنا می شوید.

Related Skills

datacamp تجزیه و تحلیل سری زمانی در SQL Server (Mitalearn-403407)

  • 51 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Maham Khan
درباره این دوره:

SQL Server دارای مجموعه ای قوی از ابزارها برای آماده سازی، تجمیع و جستجوی داده های سری زمانی است. این دوره به شما نشان می دهد که چگونه می توانید تاریخ ها را بسازید و با آنها کار کنید، تاریخ ها را از رشته ها تجزیه کنید (و با رشته های نامعتبر مقابله کنید)، و تاریخ ها را برای گزارش قالب بندی کنید. از آنجا، خواهید دید که چگونه اپراتورهای تجمیع داخلی و توابع پنجره SQL Server می توانند مشکلات مهم تجاری مانند محاسبه مجموع در حال اجرا، یافتن میانگین متحرک و نمایش تفاوت های ماه به ماه با استفاده از مجموعه داده های نمونه واقعی را حل کنند. همچنین خواهید دید که چگونه نگاه متفاوت به داده های خود می تواند مشکلات دشوار را حل کند.

datacamp تجزیه و تحلیل سری زمانی در پایتون (Mitalearn-402030)

  • 42 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Rob Reider
درباره این دوره:

از قیمت سهام گرفته تا داده‌های آب و هوایی، داده‌های سری زمانی در دامنه‌های بسیار متنوعی یافت می‌شوند، و توانایی کارکرد مؤثر با چنین داده‌هایی برای دانشمندان داده یک مهارت مهم است. این دوره شما را با تجزیه و تحلیل سری های زمانی در پایتون آشنا می کند. پس از آشنایی با سری زمانی، با چندین مدل سری زمانی از مدل های خودرگرسیون و میانگین متحرک گرفته تا مدل های همجمعی آشنا خواهید شد. در طول مسیر، نحوه تخمین، پیش‌بینی و شبیه‌سازی این مدل‌ها را با استفاده از کتابخانه‌های آماری در پایتون یاد خواهید گرفت. نمونه‌های متعددی از نحوه استفاده از این مدل‌ها، با تأکید ویژه بر برنامه‌های کاربردی در امور مالی را مشاهده خواهید کرد.

Related Skills

linkedin تجزیه و تحلیل سری زمانی و پیش بینی با GPT-4O (Mitalearn-437526)

  • 38 minutes
  • مناسب همه
  • Release date: 24 July 2024
  • Author: Alina Zhang
درباره این دوره: 

 

یکی از نکات برجسته این دوره این است که هیچ برنامه نویسی لازم نیست. اکنون می توانید با استفاده از زبان انسانی با استفاده از زبان انسانی برای تجزیه و تحلیل ، پیش بینی و تجسم داده های سری زمانی ارتباط برقرار کنید. با موارد ضروری آنچه را می توان پیش بینی کرد و در اعماق اجزای داده های سری زمانی مانند روندها ، فصلی بودن ، چرخه ها و سر و صدا شروع کنید ، شروع کنید. بیاموزید که داده ها را با استفاده از روشهای افزودنی ، ضرب و STL تجزیه کنید. پیشرفت به مدل سازی پیش بینی با ARIMA و مدل های هموار سازی نمایی ، تسلط بر تنظیم HyperParameter و انتخاب مدل. در پایان این دوره ، شما مجهز به پیش بینی فردا و آماده شدن برای آینده با اعتماد به نفس خواهید بود.


datacamp تجزیه و تحلیل سری های زمانی در Power BI (Mitalearn-403611)

  • 43 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kevin Barlow
درباره این دوره:

داده‌های سری زمانی را با Power BI تجزیه و تحلیل کنید شما مجموعه داده‌ها را گرفته‌اید و آن‌ها را از هر زاویه ممکن تجزیه و تحلیل کرده‌اید، اما آیا می‌دانستید که یک بعد وجود دارد که هر تحلیلی در آن مشترک است؟ درست است؛ وقت آن است! آیا تا به حال به این فکر کرده اید که چگونه داده های شما در طول زمان تغییر می کند؟

تکنیک های رایج تحلیل را تمرین کنید در این دوره آموزشی تجزیه و تحلیل سری های زمانی در Power BI، شما با دو مجموعه داده مختلف کار خواهید کرد و تکنیک های رایج را برای تجزیه و تحلیل داده ها در طول زمان تمرین خواهید کرد. شما با تجزیه و تحلیل داده‌های Superstoredata برای نقطه فروش (PoS) در مکان‌ها و زمان‌های مختلف شروع می‌کنید، جایی که تغییرات را با انواع مختلف پنجره، دوره تا تاریخ، و توابع دوره بیش از دوره محاسبه می‌کنید.

از الگوریتم های داخلی و DAX استفاده کنید سپس، به داده های مالی مایکروسافت (NASDAQ: MSFT) می پردازید و می بینید که چگونه می توانیم داده ها را در آینده پیش بینی کنیم، از هر دو الگوریتم داخلی و DAX برای انجام این کار استفاده کنیم.

پس از دوره آموزشی، یک جعبه ابزار کامل برای مقابله با داده های سری زمانی و تسلط بر بعد چهارم خواهید داشت.

datacamp تجزیه و تحلیل سری های زمانی در جدول (Mitalearn-405447)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Chris Hui
درباره این دوره:

سری‌های زمانی در اطراف ما هستند. از پستی که در توییتر ایجاد کرده‌اید، تا نوسانات روزانه در بازارهای مالی - اینها همه نمونه‌هایی از نقاط داده سری زمانی هستند که نیاز به تجزیه و تحلیل دارند. در این دوره، دسته بندی، درمان و تحلیل سری های زمانی را یاد خواهید گرفت. اگر قصد دارید به‌عنوان یک متخصص تجزیه‌وتحلیل پیشرفت کنید، یک الزام مطلق است.

coursera تجزیه و تحلیل سیستم های اندازه گیری (Mitalearn-331735)

  • 4 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

در این دوره، شما یاد خواهید گرفت که سیستم های اندازه گیری را برای ثبات و قابلیت فرآیند تجزیه و تحلیل کنید و اینکه چرا داشتن یک فرآیند اندازه گیری پایدار قبل از انجام هر گونه تحلیل آماری ضروری است. شما سیستم‌های اندازه‌گیری پیوسته را تجزیه و تحلیل می‌کنید و با استفاده از نرم‌افزار R، دقت و صحت را از نظر آماری مشخص می‌کنید. شما تجزیه و تحلیل سیستم های اندازه گیری را برای کنترل آماری بالقوه، کوتاه مدت و بلند مدت و قابلیت انجام خواهید داد. علاوه بر این، شما یاد خواهید گرفت که چگونه یک اندازه گیری گسسته را ارزیابی کنید و تجزیه و تحلیل هایی را برای سازگاری داخلی، تطابق بین ارزیاب ها و تطابق با یک استاندارد انجام دهید. در نهایت، نحوه تصمیم گیری در مورد بهبود فرآیند سیستم های اندازه گیری را یاد خواهید گرفت. این تخصص را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) ارائه شده در پلت فرم Coursera 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 تجزیه و تحلیل سیستم های کنترل: مدل سازی سیستم های پویا (Mitalearn-351421)

  • 8 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Lucy Pao
درباره این دوره:

در این دوره، مدل سازی سیستم های پویا و کنترل بازخورد را بررسی خواهید کرد. این دوره با مقدمه ای از تئوری کنترل و استفاده از تبدیل های لاپلاس در حل معادلات دیفرانسیل آغاز می شود، که پایه ای قوی در مدل سازی سیستم های خطی، تغییر ناپذیری زمانی و دینامیکی ارائه می دهد. هفته آینده به قوانین حاکم بر مدل‌سازی سیستم‌های دینامیک، با تمرکز بر استخراج معادلات دیفرانسیل از اصول بنیادی مانند قوانین نیوتن و قوانین کیرشهوف، و همچنین تسلط بر نمایش سیستم‌ها به عنوان توابع انتقال در حوزه لاپلاس خواهد پرداخت. هفته سوم عمیق‌تر به تبدیل‌های لاپلاس می‌پردازد و بر قضایای ارزش اولیه/پایانی، دستکاری نمودار بلوکی و تحلیل پاسخ دینامیکی تأکید می‌کند. با حرکت به هفته چهارم، یاد خواهید گرفت که عملکرد سیستم را با استفاده از مشخصات پاسخ گذرا تجزیه و تحلیل کنید، و شما را قادر می سازد تا رفتار سیستم را به طور موثر ارزیابی و بهینه کنید. در نهایت، در هفته پنجم، پایداری Bounded-Input Bounded-Output (BIBO) و معیار پایداری Routh را بررسی خواهید کرد، و مهارت های ارزیابی، تجزیه و تحلیل و طراحی سیستم های پایدار را به دست خواهید آورد. در پایان دوره، شما به خوبی برای پیمایش در پیچیدگی های سیستم های کنترل و مدل سازی پویا مجهز خواهید شد.

coursera تجزیه و تحلیل شبکه برای تجزیه و تحلیل بازاریابی (Mitalearn-334064)

  • 1 hours 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Chris J. Vargo,Scott Bradley
درباره این دوره:

تجزیه و تحلیل شبکه یک روش قدیمی است که برای درک روابط بین کلمات و بازیگران در شبکه های گسترده تر که در آن وجود دارند استفاده می شود. این دوره تجزیه و تحلیل شبکه را در رابطه با داده های بازاریابی، به ویژه مجموعه داده های متنی و شبکه های اجتماعی پوشش می دهد. زبان‌آموزان مروری مفهومی از تجزیه و تحلیل شبکه را طی می‌کنند و از طریق آموزش‌های آموزشی در پایتون به مجموعه داده‌های دنیای واقعی می‌روند. دوره با یک پروژه بزرگ به پایان می رسد. این دوره 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، گذراند. 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.

datacamp تجزیه و تحلیل شبکه در R (Mitalearn-405481)

  • 42 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: JAMES CURLEY
درباره این دوره:

معرفی شبکه ها را دریافت کنید مفاهیم اساسی در تحلیل شبکه را کشف کنید. این دوره با آموزش اصول اولیه شبکه های اجتماعی، رئوس و لبه ها و نحوه استفاده از بسته igraph R برای کاوش و تجسم داده های شبکه آغاز می شود. شما به مشاهده شبکه های هدایت شده با جزئیات بیشتر، از جمله شناسایی روابط کلیدی بین رئوس و به کارگیری مهارت های جدید خود در مجموعه داده های شبکه که به انتقال سرخک در هاگلوک نگاه می کند، ادامه خواهید داد. ساختارها و نمودارهای شبکه را درک کنید با مشاهده چگالی شبکه و طول مسیر متوسط، ساختارها و زیرساخت های شبکه را مشخص کنید. فصل سوم این دوره شما را از طریق تصادفی‌سازی و نمودارهای تصادفی، قبل از رفتن به مثلث‌ها، گذرا و تجسم دسته‌ها راهنمایی می‌کند. شناسایی روابط با استفاده از Assortativity در igraph Assortativity تعیین می کند که اگر دو راس دارای یک ویژگی مشترک باشند - چه عددی باشد یا طبقه بندی، چقدر احتمال دارد که به یکدیگر متصل شوند. شما تابع ASSORTATIVITY را در igraph برای تعیین تأثیر جنسیت بر مجموعه داده های شبکه دوستی بررسی خواهید کرد و برای ارزیابی یافته های خود از تصادفی سازی استفاده خواهید کرد. نقشه های شبکه تعاملی را با استفاده از threejs ایجاد کنید در پایان این دوره، دانش خود را فراتر از igraph گسترش می‌دهید تا قابلیت‌های تجسم شبکه threejs را کشف کنید. شما اولین نمودارهای شبکه تعاملی خود را با استفاده از این بسته R خواهید ساخت و به چگونگی توسعه بیشتر تجسم خود نگاه خواهید کرد.

Related Skills

linkedin تجزیه و تحلیل شبکه های اجتماعی با استفاده از R (Mitalearn-100348)

  • 1 hours 6 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Curt Frye
درباره این دوره:

تجزیه و تحلیل شبکه های اجتماعی با استفاده از R به تحلیلگران می آموزد که چگونه داده های یک شبکه اجتماعی مانند توییتر یا فیس بوک را با زبان آماری مبتنی بر متن، R، تجسم و تجزیه و تحلیل کنند. به شما آموزش می دهد که چگونه ماژول های R sna و igraph کار می کنند و چگونه داده ها را برای تجزیه و تحلیل قالب بندی کنید، نمودار ایجاد کنید، نمودارهای شبکه را تجزیه و تحلیل کنید، و شبکه ها را تجسم کنید. به مربی کرت فرای بپیوندید و بیاموزید که چگونه روابط و روندهای بین شبکه ها را به روش های جدید و هیجان انگیز بررسی کنید و اطلاعاتی در مورد نحوه تعامل افراد در یک سازمان کشف کنید.

coursera تجزیه و تحلیل شبیه سازی برای مهندسین مکانیک با Autodesk Fusion 360 (Mitalearn-353682)

  • 4 hours 19 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Autodesk
درباره این دوره:

اساس طراحی مهندسی اغلب با اعتبار سنجی همراه است. شبیه‌سازی ابزاری عالی است که به مهندسان اجازه می‌دهد تا طرح‌ها را قبل از تبدیل شدن به یک نمونه فیزیکی آزمایش، تأیید و اصلاح کنند. هنگامی که در اوایل فرآیند برای طراحی شبیه‌سازی محور و در طول فرآیند توسعه استفاده می‌شود، شبیه‌سازی می‌تواند به پیشبرد طراحی، اتخاذ تصمیمات طراحی آگاهانه، سرعت بخشیدن به زمان تولید، و مهم‌تر از همه، شناسایی و حذف اشتباهات پرهزینه طراحی کمک کند. با این حال، مانند هر ابزار دیگری، باید به درستی استفاده شود تا بهترین نتیجه را به همراه داشته باشد. در این دوره، ما شبیه‌سازی استرس استاتیکی استفاده، بهینه‌سازی شکل، حرارتی و سایر انواع شبیه‌سازی مکانیکی را بررسی می‌کنیم تا بهتر بفهمیم چگونه می‌توانیم این ابزارها را در مسائل طراحی روزمره به کار ببریم. پس از گذراندن این دوره، شما قادر خواهید بود: - گردش کار شبیه سازی را در Fusion 360 شرح دهید. - موارد استفاده برای انواع مختلف مطالعات شبیه سازی را خلاصه کنید. - نشان دادن دانش و مهارت در مهارت های پیشرفته تر Fusion 360 CAD و CAE. - توضیح و شناسایی نتایج شبیه سازی آیا به دنبال دوره های آمادگی گواهینامه Autodesk Fusion 360 هستید؟ منابع آموزشی اضافی را بررسی کنید تا به شما کمک کند مهارت های خود را ارتقا دهید: https://www.autodesk.com/learning

coursera تجزیه و تحلیل شرایط ضروری (NCA) (Mitalearn-358952)

  • 2 hours 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jon Bokrantz,Chloé Schwizgebel,Wilfred Knol
درباره این دوره:

به تجزیه و تحلیل شرایط ضروری (NCA) خوش آمدید. NCA داده ها را با استفاده از منطق ضرورت تجزیه و تحلیل می کند. یک شرط ضروری دلالت بر این دارد که اگر شرط وجود نداشته باشد، شکست تضمینی نتیجه وجود خواهد داشت. اما برعکس این موضوع صادق نیست. اگر شرایط موجود باشد، موفقیت نتیجه تضمین نمی شود. نمونه هایی از شرایط لازم عبارتند از نمره GMAT دانشجو برای پذیرش در برنامه دکترا. زمانی که نمره GMAT بسیار پایین باشد، دانشجو در مقطع دکترا پذیرفته نمی شود. هوش برای خلاقیت، همانطور که خلاقیت بدون هوش وجود نخواهد داشت و تعهد مدیریت برای تغییر سازمانی، همانطور که تغییر سازمانی بدون تعهد مدیریت رخ نخواهد داد. NCA را می توان با مجموعه داده های موجود یا جدید استفاده کرد و می تواند بینش های جدیدی را برای تئوری و عمل ارائه دهد. شما می توانید NCA را به عنوان یک رویکرد مستقل یا به عنوان بخشی از یک رویکرد چند روشی تکمیل کننده رگرسیون خطی چندگانه (MLR)، مدل سازی معادلات ساختاری (SEM) یا تحلیل مقایسه کیفی (QCA) به کار ببرید. این دوره عناصر اساسی NCA را توضیح می دهد و از مثال های گویا در مورد نحوه انجام NCA با نرم افزار R استفاده می کند. موضوعات عبارتند از (i) راه اندازی یک مطالعه NCA (2) اجرای NCA و (iii) ارائه نتایج NCA. امیدواریم از دوره لذت ببرید!

Suggestions