Course catalog

Course duration

Course provider

Topic

Categories

Showing 101-104 of 104 items.

coursera مقدمه ای بر مهندسی داده (Mitalearn-319155)

  • 4 hours 18 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Priya Kapoor
درباره این دوره:

سفر خود را در یکی از مشاغلی که به سرعت در حال رشد هستند، امروز با این دوره مهندسی داده مبتدی آغاز کنید! شما با مفاهیم اصلی، فرآیندها و ابزارهایی که برای به دست آوردن دانش پایه ای از مهندسی داده باید بدانید، آشنا خواهید شد. و همچنین نقش هایی که مهندسان داده، دانشمندان داده و تحلیلگران داده در اکوسیستم ایفا می کنند. شما این دوره را با درک اینکه مهندسی داده چیست و همچنین نقش هایی که مهندسان داده، دانشمندان داده و تحلیلگران داده در این زمینه هیجان انگیز ایفا می کنند آغاز خواهید کرد. در ادامه با اکوسیستم مهندسی داده، انواع مختلف ساختارهای داده، فرمت‌های فایل، منابع داده و زبان‌هایی که متخصصان داده در کارهای روزمره خود از آنها استفاده می‌کنند، آشنا خواهید شد. شما با اجزای یک پلتفرم داده آشنا می شوید و درکی از انواع مختلف مخازن داده مانند پایگاه داده های Relational (RDBMS) و NoSQL، انبارهای داده، Data Marts، Data Lakes و Data Lakehouse ها به دست خواهید آورد. سپس با ابزارهای پردازش داده های بزرگ مانند Apache Hadoop و Spark آشنا خواهید شد. همچنین با ETL، ELT، Data Pipelines و Data Integration آشنا خواهید شد. این دوره به شما درک یک چرخه عمر معمولی مهندسی داده را می دهد که شامل معماری پلتفرم های داده، طراحی فروشگاه های داده، و جمع آوری، وارد کردن، بحث، جست و جو، و تجزیه و تحلیل داده ها می شود. شما همچنین در مورد امنیت، حاکمیت، و انطباق یاد خواهید گرفت. شما در مورد فرصت های شغلی در زمینه مهندسی داده و مسیرهای مختلفی که می توانید برای مهارت یافتن به عنوان یک مهندس داده طی کنید، یاد خواهید گرفت. شما از چندین مهندس داده با تجربه خواهید شنید که بینش و توصیه های خود را به اشتراک می گذارند. در پایان این دوره، شما همچنین چندین آزمایشگاه عملی را تکمیل کرده اید و با یک پایگاه داده رابطه ای کار می کنید، داده ها را در پایگاه داده بارگذاری می کنید و برخی از عملیات پرس و جو اولیه را انجام می دهید.

linkedin نکات سریع فرمول ها و توابع اکسل (2020) (Mitalearn-192658)

  • 37 minutes
  • متوسط
  • Release date: 29 July 2020
  • Author: Jess Stratton
درباره این دوره: 

 اطلاعات بیشتر از کارشناسان برتر LinkedIn Learning

فرمول ها و توابع بی شمار در اکسل، تا حد زیادی آن چیزی است که آن را به یک برنامه منحصر به فرد قدرتمند تبدیل می کند. اما برای بسیاری از کاربران، فهمیدن اینکه چگونه این فرمول ها و توابع را برای حل مشکلات روزمره به کار ببرند، می تواند دشوار به نظر برسد. در این دوره آموزشی، جس استراتن، مربی کارکنان، این ویژگی‌های قدرتمند را ابهام می‌کند و نکاتی را به اشتراک می‌گذارد که به شما کمک می‌کنند تا در اکسل سریع‌تر و کارآمدتر کار کنید. Jess با پوشش دادن مفاهیم اساسی که برای شروع کار با توابع و فرمول‌ها نیاز دارید، شروع می‌کند، مانند نحوه ارجاع برنامه‌ای به سلول‌های موجود در کاربرگ‌های دیگر و ترکیب داده‌های سلولی با کاراکترهای دیگر. سپس به انواع توابع مفید اکسل می پردازد. با نحوه شمارش سلول هایی که دارای مجموعه خاصی از معیارها هستند با استفاده از COUNTIF، استخراج کاراکترها با LEFT و RIGHT، استفاده از INDEX و MATCH برای بازیابی یک مقدار و موارد دیگر آشنا شوید.

linkedin ویندوز 10: پیکربندی، ایمن و مدیریت داده ها (Mitalearn-83280)

  • 1 hours 53 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: James Gonzalez
درباره این دوره:

ویندوز 10 آخرین نسخه از سیستم عامل مشتری پیشرو در بازار مایکروسافت است. توانایی پیکربندی، ایمن سازی و مدیریت داده های ویندوز 10 برای هر متخصص فناوری اطلاعات کلیدی است. این دوره برای تکنسین های میز کمک و مدیران سیستمی طراحی شده است که می خواهند مهارت ها و دانش خود را در مورد آخرین ویژگی ها و فناوری های ویندوز ارتقا دهند.

rnrn چاپگرها و هارد دیسک ها او همچنین نحوه راه‌اندازی اشتراک‌گذاری فایل برای یک سازمان را با استفاده از شبکه‌های HomeGroup و مجوزهای NTFS نشان می‌دهد.

این دوره همچنین بخشی از مجموعه‌ای است که برای کمک به شما برای آماده‌سازی برای آزمون مایکروسافت 70-697 طراحی شده است: پیکربندی دستگاه‌های ویندوز.

coursera یادگیری ماشینی: یک مرور کلی (Mitalearn-320260)

  • 1 hours 14 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marcello Restelli
درباره این دوره:

این دوره یک نمای کلی از روش های اصلی در زمینه یادگیری ماشین ارائه می دهد. با شروع از طبقه بندی مشکلات مختلفی که می توان از طریق تکنیک های یادگیری ماشین حل کرد، این دوره به طور خلاصه برخی از راه حل های الگوریتمی را ارائه می دهد، که زمانی که می توانند موفق باشند، اما همچنین محدودیت های آنها را برجسته می کند. این مفاهیم از طریق مثال ها و مطالعات موردی توضیح داده خواهد شد.

Suggestions