Course catalog

Course duration

Course provider

Topic

Categories

Showing 101-120 of 536 items.

linkedin آموزش ضروری پانداها (Mitalearn-129503)

  • 2 hours 14 minutes
  • متوسط
  • Release date: 25 July 2026
  • Author: Jonathan Fernandes
درباره این دوره:

pandas یک کتابخانه منبع باز است که ساختارهای داده با کارایی بالا و آسان برای استفاده و ابزارهای تجزیه و تحلیل داده را برای پایتون فراهم می کند. در این دوره آموزشی سطح متوسط، نحوه استفاده از کتابخانه پانداها و ابزارها برای تجزیه و تحلیل داده ها و ساختاردهی داده ها را بیاموزید. مربی Jonathan Fernandes به موضوعاتی مانند DataFrames، رسم اولیه، نمایه سازی و groupby می پردازد. جاناتان برای کمک به یادگیری نحوه کار موثرتر با داده ها، شما را از طریق یک سری تمرینات که بر اساس همان مجموعه داده های عمومی و بزرگ است، هدایت می کند: برندگان مدال المپیک از 1896 تا 2008.

linkedin آموزش ضروری پایتون برای علوم داده قسمت 1 (Mitalearn-183801)

  • 6 hours 2 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Lillian Pierson, P.E.
درباره این دوره:

Python for Data Science Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. در حال حاضر به روز شده و به دو بخش گسترش یافته است - برای تجربه بیشتر عملی با پایتون. در این دوره، مربی لیلیان پیرسون شما را گام به گام از طریق یک پروژه علم داده عملی راهنمایی می کند: یک وب اسکراپر که داده ها را از وب دانلود و تجزیه و تحلیل می کند. در طول راه، او تکنیک هایی را برای پاکسازی، قالب بندی مجدد، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم حذف نقاط پرت؛ انجام تجزیه و تحلیل ساده داده ها؛ و نمودارهای تعاملی را با استفاده از کتابخانه Plotly تولید کنید. شما باید این آموزش را با تجربه کدنویسی اولیه که می توانید به سازمان خود ببرید و به سرعت در پروژه های علم داده سفارشی خود اعمال کنید، کنار بگذارید.

coursera ابزارها و شیوه های مقابله با چالش های همه گیر (Mitalearn-327740)

  • 1 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marco Brambilla
درباره این دوره:

مروری بر ابزارها، تکنیک‌ها و شیوه‌هایی که می‌توانند توسط سیاست‌گذاران، کشورها و سازمان‌ها برای نظارت، مدیریت و واکنش به همه‌گیری‌ها و کاهش و کنترل تأثیرات آن‌ها اعمال شوند. یک دوره مقدماتی و چند رشته ای که شامل علوم داده، علوم اجتماعی، مراقبت های بهداشتی و مدیریت می شود و راه را برای دوره های مختلف در مورد موضوعات خاص هموار می کند. این دوره بخشی از پروژه تحقیقاتی "پاسخ پان اروپایی به اثرات کووید-19 و همه گیری ها و اپیدمی های آینده" است (PERISCOPE، ​​https://www.periscopeproject.eu/). PERISCOPE که توسط برنامه بودجه تحقیقاتی کمیسیون اروپا Horizon 2020 تحت موافقتنامه کمک مالی شماره 101016233 تأمین می شود، تأثیرات اجتماعی-اقتصادی و رفتاری گسترده همه گیری COVID-19 را بررسی می کند تا اروپا را انعطاف پذیرتر و برای خطرات در مقیاس بزرگ آینده آماده کند.

coursera ابزارهای تجزیه و تحلیل داده ها (Mitalearn-335645)

  • 3 hours 14 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jen Rose,Lisa Dierker
درباره این دوره:

در این دوره، فرضیه هایی در مورد داده های خود ایجاد و آزمایش خواهید کرد. شما انواع تست های آماری و همچنین استراتژی هایی را یاد خواهید گرفت تا بدانید که چگونه می توانید آزمون مناسب را برای داده ها و سؤالات خاص خود اعمال کنید. با استفاده از دو بسته نرم افزاری آماری قدرتمند (SAS یا Python) که انتخاب کرده اید، تجزیه و تحلیل همبستگی ANOVA، Chi-Square و Pearson را بررسی خواهید کرد. این دوره شما را از طریق اصول اولیه آماری راهنمایی می کند تا ابزارهایی برای پاسخ به سوالاتی که ایجاد کرده اید در اختیار شما قرار دهد. در طول دوره، پیشرفت خود را با دیگران به اشتراک می گذارید تا بازخورد ارزشمندی کسب کنید و بینش دیگری را در مورد کارشان به یادگیرندگان ارائه دهید.

coursera ابزارهای خط فرمان برای علم داده های ژنومی (Mitalearn-335322)

  • 6 hours 1 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Liliana Florea, PhD
درباره این دوره:

دستوراتی را که برای مدیریت و تجزیه و تحلیل دایرکتوری ها، فایل ها و مجموعه های بزرگی از داده های ژنومی نیاز دارید، معرفی می کند. این چهارمین دوره در رشته تخصصی علم داده های بزرگ ژنومی از دانشگاه جان هاپکینز است.

coursera ابزارهای شش سیگما برای تجزیه و تحلیل (Mitalearn-289014)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: David Cook, PhD,Bill Bailey, PhD,Gregory Wiles, PhD
درباره این دوره:

این دوره به مرحله اندازه گیری و بخش هایی از مرحله تجزیه و تحلیل فرآیند شش سیگما DMAIC (تعریف، اندازه گیری، تجزیه و تحلیل، بهبود و کنترل) می پردازد. شما با ابزارهای ناب برای تجزیه و تحلیل فرآیند، تجزیه و تحلیل حالت شکست و اثرات (FMEA)، تجزیه و تحلیل سیستم اندازه گیری (MSA) و تکرارپذیری و تکرارپذیری سنج (GR&R) آشنا خواهید شد و با آمار اولیه آشنا خواهید شد. این دوره ابزارهای مفید مرحله اندازه گیری و تجزیه و تحلیل را تشریح می کند و به شما یک نمای کلی از آمار مربوط به فرآیند شش سیگما ارائه می دهد. ماژول آمار یک نمای کلی از مفاهیم را در اختیار شما قرار می دهد و چندین مثال به شما داده می شود تا ببینید چگونه این مفاهیم را به کار ببرید. هر ماژول شامل خواندن، بحث، ویدئوهای سخنرانی، و آزمون ها خواهد بود تا مطمئن شوید که مطالب و مفاهیم مورد مطالعه را درک می کنید. برنامه درسی کاربردی ما بر اساس آخرین کتاب راهنمای شش سیگما تایید شده (ویرایش دوم) ساخته شده است و دانش آموزان اصول شش سیگما را توسعه می دهند / یاد می گیرند. ثبت‌نام شامل دسترسی آنلاین به محتوای دوره، پروژه‌ها و منابع است، اما شامل متن همراه The Certified Six Sigma Handbook (ویرایش دوم) نمی‌شود. برای تکمیل تکالیف نیازی به متن همراه نیست. با این حال، متن کتاب راهنمای شناخته شده ای است که توسط متخصصان این حوزه استفاده می شود. همچنین، این یک متن بسیار توصیه شده برای کسانی است که مایل به پیشرفت در شش سیگما هستند و در نهایت از آژانس های حرفه ای مانند انجمن کیفیت آمریکا (ASQ) گواهینامه دریافت می کنند.

coursera ابزارهای قدرت اکسل برای تجزیه و تحلیل داده ها (Mitalearn-293009)

  • 4 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nicky Bull,Dr Prashan S. M. Karunaratne
درباره این دوره:

به Excel Power Tools for Data Analysis خوش آمدید. در این دوره چهار هفته ای به معرفی Power Query، Power Pivot و Power BI، سه ابزار قدرت تبدیل، تجزیه و تحلیل و ارائه داده ها می پردازیم. سهولت و انعطاف‌پذیری اکسل مدت‌هاست که آن را به ابزاری منتخب برای انجام تجزیه و تحلیل داده‌ها تبدیل کرده است، اما دارای محدودیت‌های ذاتی است: برای یکی، داده‌های واقعاً «بزرگ» به سادگی در یک صفحه‌گسترده جا نمی‌شوند و برای دیگری، فرآیند وارد کردن و تمیز کردن. داده ها می توانند تکراری، وقت گیر و مستعد خطا باشند. در طول چند سال گذشته، مایکروسافت روی تبدیل تجربه انتها به انتها برای تحلیلگران کار کرده است، و اکسل با گنجاندن Power Query و Power Pivot دستخوش یک ارتقاء اساسی شده است. در این دوره یاد می گیریم که چگونه از Power Query برای خودکارسازی فرآیند وارد کردن و آماده سازی داده ها برای تجزیه و تحلیل استفاده کنیم. خواهیم دید که چگونه Power Pivot با ارائه یک پایگاه داده تحلیلی در داخل کتاب کار اکسل، با قابلیت ذخیره میلیون‌ها ردیف و یک زبان مدل‌سازی قدرتمند به نام DAX که به ما امکان می‌دهد تحلیل‌های پیشرفته روی داده‌های خود انجام دهیم، فرآیند تحلیل واقعی را متحول می‌کند. ما کار خود را با خروج از اکسل و معرفی Power BI، که از معماری Power Query و Power BI نیز استفاده می‌کند، به پایان می‌رسانیم، اما به ما اجازه می‌دهد تا گزارش‌ها و داشبوردهای تعاملی خیره‌کننده ایجاد کنیم. این سومین دوره در تخصص ما در تجزیه و تحلیل داده ها و تجسم است. دوره های قبلی: اصول اکسل برای تجزیه و تحلیل داده ها و تجسم داده ها در اکسل، آماده سازی داده ها، تمیز کردن، تجسم و ایجاد داشبورد را پوشش می دهد. برای استفاده بیشتر از این دوره، توصیه می کنیم دوره های قبلی را انجام دهید یا تجربه ای در این زمینه داشته باشید. در این دوره ما بر روی ابزارهای قدرت اکسل تمرکز می کنیم، برای این سفر هیجان انگیز با ما همراه باشید. لطفاً توجه داشته باشید که Power Query، Power Pivot و Power BI Desktop فقط در پلتفرم ویندوز در دسترس هستند، بنابراین کاربران مک به Bootcamp دارای ویندوز یا یک ماشین مجازی با Windows O/S نیاز دارند. در حالی که Power Query به عنوان یک افزونه اکسل 2010 و 2013 در دسترس است، ابزارها به طور قابل توجهی تغییر کرده اند و این دوره فقط برای اکسل 2016 به بعد طراحی و آزمایش شده است. برای تجربه بهینه، ما Office 365 را توصیه می کنیم.

coursera اجرایی Capstone علوم داده (Mitalearn-300302)

  • 1 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Brian Caffo, PhD,Roger D. Peng, PhD
درباره این دوره:

Executive Data Science Capstone، پروژه اوج این تخصص، فرصتی برای افرادی است که هر چهار دوره EDS را گذرانده‌اند تا آنچه را که آموخته‌اند در یک سناریوی دنیای واقعی که با همکاری Zillow، یک املاک و مستغلات آنلاین مبتنی بر داده‌ها ایجاد شده است، اعمال کنند. بازار اجاره، و DataCamp، یک پلت فرم مبتنی بر وب برای برنامه نویسی علم داده. وظیفه شما رهبری یک تیم علوم داده مجازی و اتخاذ تصمیمات کلیدی در طول مسیر است تا نشان دهید که آنچه را که برای پیشبرد یک پروژه تحلیل پیچیده از ابتدا تا انتها لازم است دارید. برای پروژه نهایی، شما یک ارائه را تهیه و ارسال خواهید کرد که توسط همکاران شرکت کننده اصلی شما ارزیابی و درجه بندی می شود. تصویر جلد دوره توسط Luckey_sun. Creative Commons BY-SA https://flic.kr/p/bx1jvU

linkedin اخلاق بازاریابی (Mitalearn-151535)

  • 52 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Deirdre Breakenridge
درباره این دوره:

صداقت اغلب بزرگترین دارایی یک برند است. برای جلب اعتماد مشتریان، بازاریابان باید اخلاق را در اولویت قرار دهند. در این دوره، کارشناس بازاریابی Deirdre Breakenridge توضیح می‌دهد که چگونه می‌توان شیوه‌های بازاریابی اخلاقی را اجرا و تقویت کرد که اطمینان حاصل می‌کند که کارمندان شما تصمیماتی را می‌گیرند که به نفع شرکت و مشتریان شما باشد. ابتدا یاد بگیرید که چگونه اخلاق سازمان بازاریابی خود را تجزیه و تحلیل کنید و تعریف کنید که اخلاق برای تیم خود و برای عموم چه معنایی دارد. سپس دریابید که چگونه می‌توانید رویه‌های اخلاقی را در جریان کار فعلی خود اعمال کنید و اخلاق را در هر مرحله با آموزش، آزمایش و معیارها تقویت کنید. در نهایت، Deirdre مطالعات موردی خاص و واقعی را به اشتراک می گذارد که نمونه های خوب و بد اخلاق در بازاریابی را به نمایش می گذارد.

coursera اخلاق علم داده (Mitalearn-326771)

  • 5 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: H.V. Jagadish
درباره این دوره:

ملاحظات اخلاقی در مورد حفظ حریم خصوصی و کنترل اطلاعات مصرف کننده و کلان داده ها، به ویژه پس از نقض اخیر داده ها در مقیاس بزرگ چیست؟ این دوره چارچوبی برای تجزیه و تحلیل این نگرانی ها فراهم می کند، زیرا شما پیامدهای اخلاقی و حریم خصوصی جمع آوری و مدیریت کلان داده ها را بررسی می کنید. تأثیر گسترده‌تر حوزه علم داده بر جامعه مدرن و اصول انصاف، مسئولیت‌پذیری و شفافیت را بررسی کنید تا به درک عمیق‌تری از اهمیت مجموعه‌ای از ارزش‌های اخلاقی مشترک دست پیدا کنید. شما نیاز به افشای داوطلبانه را در هنگام استفاده از ابرداده برای اطلاع از الگوریتم‌های پایه و/یا سیستم‌های هوش مصنوعی پیچیده بررسی خواهید کرد و در عین حال بهترین شیوه‌ها را برای مدیریت مسئولانه داده، درک اهمیت قانون اصول شیوه‌های اطلاعات منصفانه و قوانین مربوط به «حق فراموش شود." این دوره به شما کمک می‌کند به سوالاتی مانند اینکه چه کسی مالک داده‌ها است، چگونه برای حفظ حریم خصوصی ارزش قائل هستیم، چگونه رضایت آگاهانه دریافت کنیم و منصف بودن به چه معناست پاسخ دهید. دانشمندان داده و هر کسی که شروع به استفاده یا گسترش استفاده از داده ها می کند از این دوره بهره مند خواهند شد. هیچ دانش قبلی خاصی لازم نیست.

coursera اخلاق هوش مصنوعی در عمل (Mitalearn-333792)

  • 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brent Summers
درباره این دوره:

تحقیقات اخلاق هوش مصنوعی یک زمینه نوظهور است و برای اثبات مهارت های خود، باید تفکر انتقادی و توانایی تحلیلی خود را نشان دهیم. از آنجایی که معقول نیست که با مهارت های تازه تاسیس خود وارد یک مقاله تحقیقاتی کامل شویم، در عوض روی 3 پروژه کار خواهیم کرد که توانایی شما را در تجزیه و تحلیل هوش مصنوعی اخلاقی در موضوعات و موقعیت های مختلف نشان می دهد. این پروژه ها شامل تمام مهارت هایی است که در این تخصص اخلاق هوش مصنوعی آموخته اید.

linkedin ادغام Tableau و R برای علم داده (Mitalearn-108508)

  • 1 hours 10 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Ben Sullins
درباره این دوره:

R به‌عنوان یکی از قوی‌ترین راه‌حل‌های محاسباتی آماری شناخته می‌شود. Tableau - یک پلتفرم پیشرو هوش تجاری - قابلیت های تجسم و اکتشاف عالی داده را ارائه می دهد. در صورت ترکیب، Tableau و R یکی از قدرتمندترین و کامل‌ترین راه‌حل‌های تجزیه و تحلیل داده در صنعت امروزی را ارائه می‌کنند که توانایی‌های بی‌نظیری را برای کسب‌وکارها برای دیدن و درک داده‌هایشان فراهم می‌کند. در این دوره آموزشی، نحوه ادغام این دو پلتفرم و همچنین نحوه تعیین اینکه چه زمانی هر کدام انتخاب بهتری هستند را بیاموزید. مربی بن سالینز نحوه اتصال Tableau را به R توضیح می دهد و ژئوکدینگ، اجرای مدل های رگرسیون خطی، خوشه بندی و موارد دیگر را پوشش می دهد.

coursera ادغام داده ها با Microsoft Azure Data Factory (Mitalearn-330783)

  • 1 hours 54 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره آموزشی، نحوه ایجاد و مدیریت خطوط لوله داده در فضای ابری با استفاده از Azure Data Factory را خواهید آموخت. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسان و توسعه دهندگان داده است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از سرویس های داده Microsoft Azure استفاده می کنند نشان دهند. این برای هر کسی که علاقه مند به آماده شدن برای DP-203: مهندسی داده در آزمون Microsoft Azure (بتا) ایده آل است. این سومین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و اجرای راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera ارتباط نتایج علم داده [coursera] (Mitalearn-335594)

  • 3 hours 25 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Bill Howe
درباره این دوره:

نکته مهم: تکلیف دوم در این دوره، مبحث Graph Analysis در Cloud را پوشش می دهد، که در آن شما از Elastic MapReduce و زبان Pig برای انجام تجزیه و تحلیل نمودار بر روی یک مجموعه داده نسبتاً بزرگ، حدود 600 گیگابایت استفاده خواهید کرد. برای تکمیل این تکلیف، باید از خدمات وب آمازون (AWS) استفاده کنید. آمازون سخاوتمندانه پیشنهاد داده است تا حداکثر 50 دلار اعتبار AWS رایگان به هر زبان آموز در این دوره ارائه دهد تا به شما امکان تکمیل تکلیف را بدهد. جزئیات بیشتر در مورد روند دریافت این اعتبار در پیام خوش آمدگویی دوره و همچنین در خود تکلیف موجود است. لطفاً توجه داشته باشید که آمازون، دانشگاه واشنگتن و کورسرا در صورت اتمام اعتبار خود نمی توانند هیچ هزینه ای را به شما بازپرداخت کنند. در حالی که ما معتقدیم که این تکلیف به یک تجربه یادگیری عالی در این دوره کمک می کند، می دانیم که برخی از یادگیرندگان ممکن است نتوانند یا تمایلی به استفاده از AWS نداشته باشند. ما نمی‌توانیم برای فراگیرانی که تکالیفی را که نیاز به استفاده از AWS دارند، گواهینامه صادر کنیم. به این ترتیب، اگر نمی‌توانید یا نمی‌خواهید از AWS استفاده کنید، نباید برای گواهینامه دوره در ارتباط با نتایج داده پرداخت کنید، زیرا بدون انجام این کار نمی‌توانید دوره را با موفقیت به پایان برسانید. پیش بینی کافی نیست! دانشمندان داده موثر می دانند که چگونه نتایج خود را توضیح و تفسیر کنند و یافته ها را به طور دقیق به ذینفعان برای اطلاع از تصمیمات تجاری منتقل کنند. تجسم حوزه تحقیقاتی در علوم کامپیوتر است که ارتباط موثر نتایج کمی را با پیوند دادن ادراک، شناخت و الگوریتم‌ها برای بهره‌برداری از پهنای باند عظیم قشر بینایی انسان مطالعه می‌کند. در این دوره شما یاد خواهید گرفت که تجسم های موثر را بشناسید، طراحی کنید و از آنها استفاده کنید. فقط به این دلیل که می‌توانید پیش‌بینی کنید و دیگران را متقاعد کنید که بر اساس آن عمل کنند، به این معنی نیست که باید این کار را انجام دهید. در این دوره، ملاحظات اخلاقی در مورد کلان داده ها و اینکه چگونه این ملاحظات شروع به تأثیرگذاری بر سیاست و عملکرد می کنند را بررسی خواهید کرد. شما با محدودیت های اساسی استفاده از فناوری برای محافظت از حریم خصوصی و کدهای رفتاری که برای هدایت رفتار دانشمندان داده در حال ظهور هستند، آشنا خواهید شد. همچنین با اهمیت تکرارپذیری در علم داده و اینکه چگونه ابر تجاری می‌تواند به پشتیبانی از تحقیقات تکرارپذیر حتی برای آزمایش‌هایی که شامل مجموعه داده‌های عظیم، زیرساخت‌های محاسباتی پیچیده یا هر دو هستند، کمک کند، خواهید آموخت. اهداف آموزشی: پس از اتمام این دوره، شما قادر خواهید بود: 1. تجسم ها را طراحی و نقد کنید 2. پیشرفت های روز را در حریم خصوصی، اخلاقیات، حاکمیت پیرامون کلان داده و علم داده توضیح دهید. 3. از محاسبات ابری برای تجزیه و تحلیل مجموعه داده های بزرگ به روشی قابل تکرار استفاده کنید.

coursera ارزیابی برای تحلیل داده ها و مبانی تجسم (Mitalearn-328284)

  • مبتدی
  • Release date: 27 June 2026
  • Author: IBM Skills Network Team
درباره این دوره:

این دوره آخرین مرحله در تخصص مبانی تحلیل داده و تجسم است. این شامل یک امتحان نهایی درجه بندی شده است که محتوای سه دوره را پوشش می دهد: مقدمه ای بر تجزیه و تحلیل داده ها، مبانی اکسل برای تجزیه و تحلیل داده ها، و تجسم داده ها و داشبورد با اکسل و Cognos. از دوره مقدماتی تجزیه و تحلیل داده ها، درک شما در مورد موضوعاتی مانند اکوسیستم داده و مبانی تجزیه و تحلیل داده ها، پوشش ابزارهای جمع آوری داده و داده کاوی ارزیابی می شود. با رفتن به دوره مبانی اکسل برای تجزیه و تحلیل داده ها، انتظار سوالاتی با تمرکز بر استفاده از صفحات گسترده اکسل در تجزیه و تحلیل داده ها، مهارت در پاکسازی و جدال داده ها، و مهارت در کار با جداول محوری داشته باشید. در نهایت، از دوره تجسم داده ها و داشبوردها با اکسل و Cognos، دانش خود را از مبانی IBM Cognos و توانایی خود در استفاده از اکسل برای تجسم موثر داده ها نشان خواهید داد.

coursera از Excel تا Power BI (Mitalearn-319257)

  • 2 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Keith Gibson
درباره این دوره:

آیا از Excel برای مدیریت، تجزیه و تحلیل و تجسم داده های خود استفاده می کنید؟ آیا دوست دارید کارهای بیشتری انجام دهید؟ شاید شما Power BI را به عنوان یک جایگزین در نظر گرفته اید، اما از ایده کار در یک محیط پیشرفته ترسیده اید. واقعیت این است که بسیاری از ابزارها و مکانیسم های مشابه در هر دو محصول مایکروسافت وجود دارد. این بدان معناست که کاربران اکسل در واقع به طور منحصربه‌فردی برای انتقال به مدل‌سازی و تجسم داده در Power BI قرار می‌گیرند! با استفاده از روش‌هایی که احساس آشنایی دارند، می‌توانید یاد بگیرید که از Power BI برای اتخاذ تصمیمات تجاری مبتنی بر داده با استفاده از حجم زیادی از داده استفاده کنید. ما به شما کمک خواهیم کرد تا دانش و مهارت های اساسی Power BI را ایجاد کنید، از جمله: • وارد کردن داده ها از اکسل و مکان های دیگر به Power BI. • درک محیط Power BI و سه نمای آن. • ایجاد مهارت های سطح مبتدی تا متوسط ​​برای پیمایش محصول Power BI. • بررسی روابط تأثیرگذار در مجموعه داده ها. • طراحی تصاویر و گزارش های Power BI. • ساخت داشبوردهای موثر برای اشتراک گذاری، ارائه و همکاری با همتایان در Power BI Service. برای این دوره شما نیاز دارید: • درک اولیه از فرآیندهای تجزیه و تحلیل داده ها در اکسل. • حداقل یک حساب رایگان دارای مجوز Power BI، از جمله: • برنامه دسکتاپ Power BI. • Power BI Online در Microsoft 365. مدت دوره تقریباً سه ساعت می باشد. یادگیری به پنج ماژول تقسیم می شود که پنجمین یک ارزیابی تجمعی است. طراحی برنامه درسی شامل درس های ویدیویی، یادگیری تعاملی با استفاده از آموزش های ویدئویی کوتاه و نحوه انجام، و فرصت های تمرین با استفاده از مجموعه داده های رایگان است. مخاطبان مورد نظر شامل دانشجویان بازرگانی، صاحبان مشاغل کوچک، دستیاران اداری، حسابداران، مدیران خرده‌فروشی، برآوردگرها، مدیران پروژه، تحلیلگران کسب‌وکار و هر کسی که تمایل به تصمیم‌گیری کسب‌وکار مبتنی بر داده‌ها دارد، می‌شود. برای این سفر به ما بپیوندید!

coursera استخراج مقدار از داده های تاریک: ULEADD (Mitalearn-329967)

  • 3 hours 21 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Curtis Thompson
درباره این دوره:

این دوره به شما دانش کار در مورد رویکرد ULEADD برای استخراج ارزش از داده ها را ارائه می دهد. ULEADD - مخفف Understand, Learn, Evaluate, Assess, Define, Design - چارچوبی برای کشف است که ساختاری برای شناسایی و استخراج ارزش از داده هایی که معمولاً از دید پنهان هستند ارائه می دهد. اگرچه این دوره بر استفاده از ULEADD با داده های تاریک تمرکز دارد، احتمالاً متوجه خواهید شد که این رویکرد در بسیاری از سناریوهای پروژه و داده مفید است.

coursera استخراج، تبدیل و بارگذاری داده ها (Mitalearn-333877)

  • 2 hours 26 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Stacey McBrine,Sarah Haq
درباره این دوره:

این دوره برای کسب و کار و متخصصان داده طراحی شده است که به دنبال یادگیری اولین مرحله فنی فرآیند علم داده به نام Extract, Transform and Load یا ETL هستند. به یادگیرندگان نحوه جمع‌آوری داده‌ها از منابع متعدد آموزش داده می‌شود تا در دسترس باشد تا تبدیل و تمیز شود و سپس در مجموعه داده‌های جمع‌آوری‌شده برای آماده‌سازی و تمیز کردن داده‌ها فرو می‌روند تا بعداً بتوانند در مقصد نهایی بارگذاری شوند. در پایان دوره، فراگیران داده‌ها را در مقصد نهایی بارگذاری می‌کنند تا بتوان آن‌ها را تحلیل و مدل‌سازی کرد. دانشجوی معمولی در این دوره تجربه کار با داده ها و استعداد با برنامه نویسی کامپیوتر را خواهد داشت.

coursera استراتژی های پیشرفته بهینه سازی موتورهای جستجو (Mitalearn-295219)

  • 4 hours 7 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dave Lloyd
درباره این دوره:

این دوره بر روی استراتژی های فنی، موبایلی و اجتماعی برای افزایش ترافیک سایت تمرکز دارد. نحوه ایجاد سئو برای مخاطبان بین المللی از طریق بومی سازی محتوا، هم ترازی تیم جهانی و بهینه سازی برای موتورهای جستجوی محلی را بیاموزید. تکنیک‌هایی را برای بهینه‌سازی وب‌سایت‌های سازگار با موبایل، کشف برنامه‌های تلفن همراه، و استفاده از رسانه‌های اجتماعی برای هدایت ترافیک SEO ارگانیک کشف کنید. همچنین یاد خواهید گرفت که چگونه معیارهای کلیدی سئو را شناسایی کرده و موفقیت را به مشتریان و سهامداران خود جمع آوری، تفسیر، اعتبارسنجی و گزارش دهید.

coursera استراتژی های طراحی برای به حداکثر رساندن کیفیت کل داده ها (Mitalearn-329916)

  • 4 hours 56 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brady T. West,James Wagner,Jinseok Kim
درباره این دوره:

در پایان این دوره سوم در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. در مورد ابزارها و تکنیک های طراحی برای به حداکثر رساندن TDQ در تمام مراحل چارچوب TDQ در طول یک جمع آوری داده یا فرآیند جمع آوری داده ها بیاموزید. 2. جنبه‌هایی از فرآیند تولید یا جمع‌آوری داده را که بر TDQ تأثیر می‌گذارد، شناسایی کنید و بتوانید ارزیابی کنید که آیا و چگونه می‌توان چنین جنبه‌هایی را اندازه‌گیری کرد. 3. استراتژی‌های حداکثرسازی TDQ را که می‌توان هنگام جمع‌آوری داده‌های طراحی شده و یافت شده/ارگانیک به کار برد، درک کنید. 4. ایجاد راه حل برای مشکلات طراحی فرضی که در طول فرآیند جمع آوری داده ها یا جمع آوری و پردازش داده ها ایجاد می شود. این تخصص به طور کلی با هدف بررسی عمیق چارچوب کیفیت کل داده ها و ارائه اطلاعات بیشتر در مورد ارزیابی دقیق کیفیت کل داده ها که باید قبل از تجزیه و تحلیل داده ها اتفاق بیفتد، در اختیار یادگیرندگان قرار می دهد. هدف این است که یادگیرندگان ارزیابی های کیفیت داده ها را به عنوان یک جزء حیاتی برای همه پروژه ها در فرآیند خود بگنجانند. ما صمیمانه امیدواریم که دانش در مورد کیفیت کل داده ها را به همه فراگیران، مانند دانشمندان داده و تحلیلگران کمی، که در مراحل اولیه فرآیند علم داده که بر جمع آوری داده ها و ارزیابی کیفیت داده ها تمرکز دارد، آموزش کافی ندیده اند، منتشر کنیم. ما احساس می‌کنیم که اگر داده‌های جمع‌آوری‌شده/جمع‌آوری‌شده از کیفیت کافی برخوردار نباشند، دانش گسترده از تکنیک‌های علم داده و روش‌های تجزیه و تحلیل آماری به یک مطالعه تحقیقاتی کمی کمک نمی‌کند. این تخصص بر اولین گام‌های اساسی در هر نوع تحقیق علمی با استفاده از داده‌ها تمرکز می‌کند: تولید یا جمع‌آوری داده‌ها، درک اینکه داده‌ها از کجا آمده‌اند، ارزیابی کیفیت داده‌ها، و اقداماتی برای به حداکثر رساندن کیفیت داده‌ها قبل از انجام هر نوع تحلیل آماری یا به کارگیری تکنیک های علم داده برای پاسخ به سؤالات تحقیق. با توجه به این تمرکز، مطالب کمی در مورد تجزیه و تحلیل داده ها وجود خواهد داشت، که در بی شمار تخصص های موجود Coursera پوشش داده شده است. تمرکز اصلی این تخصص بر درک و به حداکثر رساندن کیفیت داده ها قبل از تجزیه و تحلیل خواهد بود.

Suggestions