Course catalog

Course duration

Course provider

Topic

Categories

Showing 101-108 of 108 items.

coursera مقدمه ای بر Tidyverse (Mitalearn-327315)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

این دوره مجموعه قدرتمندی از ابزارهای علم داده را به نام Tidyverse معرفی می کند. Tidyverse روشی را متحول کرده است که دانشمندان داده تقریباً تمام جنبه های کار خود را انجام می دهند. ما ایده ساده "داده های مرتب" و نحوه سازماندهی داده ها برای تجزیه و تحلیل و مدل سازی را پوشش خواهیم داد. همچنین نحوه تبدیل غیر مرتب به داده‌های مرتب، چرخه حیات پروژه علم داده و اکوسیستم بسته‌های Tidyverse R را که می‌توان برای اجرای یک پروژه علم داده استفاده کرد، پوشش خواهیم داد. اگر در علم داده تازه کار هستید، اکوسیستم بسته‌های R Tidyverse راهی عالی برای یادگیری جنبه‌های مختلف خط لوله علم داده، از وارد کردن داده‌ها، مرتب کردن داده‌ها در قالبی که کار با آن آسان است، کاوش و تجسم است. داده ها و برازش مدل های یادگیری ماشینی اگر قبلاً در علم داده باتجربه هستید، Tidyverse یک سیستم قدرت برای ساده کردن گردش کار شما به شیوه ای منسجم ارائه می دهد که می تواند به راحتی با سایر ابزارهای علم داده ارتباط برقرار کند. در این دوره مهم است که با زبان برنامه نویسی R آشنا باشید. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

datacamp مقدمه ای بر امنیت داده ها (Mitalearn-401979)

  • 52 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Angeline Corvaglia
درباره این دوره:

در دنیای امروزی مبتنی بر داده، شدت نقض اطلاعات و تهدیدات سایبری در حال افزایش است. انفجار هوش مصنوعی مولد خطرات را حتی بیشتر کرده است. این دوره یک درک جامع از اصول امنیت داده ارائه می دهد. ما همچنین به اهمیت پرورش ذهنیت امنیت داده، که عاملی حیاتی برای موفقیت است، خواهیم پرداخت. انجام این کار به شما این امکان را می دهد که از اطلاعات حساس محافظت کنید و از دارایی های دیجیتال سازمان خود محافظت کنید.

coursera مقدمه ای بر تحلیل داده ها (Mitalearn-287841)

  • 4 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Anke Audenaert
درباره این دوره:

این دوره یک درک عملی و چارچوبی برای وظایف اصلی تجزیه و تحلیل، از جمله استخراج داده، تمیز کردن، دستکاری و تجزیه و تحلیل ارائه می دهد. این چرخه OSEMN را برای مدیریت پروژه های تحلیلی معرفی می کند و شما نمونه های واقعی از نحوه استفاده شرکت ها از بینش داده ها برای بهبود تصمیم گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، KPI و معیارهای مرتبط را تدوین کنید • یک فرآیند تجزیه و تحلیل داده ها را با استفاده از چارچوب OSEMN اعمال کنید • داده های مربوطه را که برای بازاریابی جمع آوری می شود، شناسایی و تعریف کنید • فرمت های مختلف داده و کاربردهای آنها را در سناریوهای مختلف مقایسه و مقایسه کنید • شکاف های داده ها را شناسایی کنید و نقاط قوت و ضعف داده های جمع آوری شده را بیان 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 ایده آل، شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی را در این برنامه تکمیل کرده اید.

datacamp مقدمه ای بر کیفیت داده ها (Mitalearn-401690)

  • 46 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Chrissy Bloom
درباره این دوره:

کیفیت داده یک مفهوم اساسی است که اگر با داده ها کار می کنید باید درک شود. مفاهیم و فرآیندهای کیفیت داده، صنایع را در بر می گیرد و می تواند توسط هر شخصی که داده تولید یا مصرف می کند، اعمال شود. این دوره اصول اولیه شامل ابعاد کیفیت داده ها، نقش ها و مسئولیت ها و انواع قوانین کیفیت داده را پوشش می دهد. شما درک درستی از فرآیند کیفیت داده به دست خواهید آورد و برای شروع نظارت بر کیفیت داده های خود آماده می شوید. شما با یادگیری تعریف کیفیت داده و چرایی اهمیت آن در تصمیم گیری تجاری شروع خواهید کرد. هنگامی که اهمیت آن را درک کردید، با شش بعد کیفیت داده های اساسی آشنا خواهید شد. شما از این ابعاد برای تعریف قوانین کیفی داده های کارآگاهی و پیشگیرانه استفاده خواهید کرد. در پایان این دوره، نحوه نظارت، شناسایی و حل مشکلات کیفیت داده ها را خواهید فهمید. شما به داده های خود از دریچه ای حساس تر نگاه خواهید کرد و قبل از استفاده در مورد مشکلات بالقوه کیفیت داده فکر خواهید کرد. در نهایت، شما قادر خواهید بود تصمیمات بهتری بگیرید و با استفاده از تکنیک‌های اساسی کیفیت داده‌ها که در این دوره آموزش داده می‌شوند، اعتماد بیشتری به داده‌های خود داشته باشید.

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