Course catalog

Course duration

Course provider

Topic

Categories

Showing 101-120 of 507 items.

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.

linkedin استفاده از پایتون با اکسل (2019) (Mitalearn-164166)

  • 1 hours 22 minutes
  • متوسط
  • Release date: 31 October 2019
  • Author: Madecraft,Anthony Sagely
درباره این دوره: 

 پایتون سریع ترین زبان برنامه نویسی در حال رشد جهان است. این ابزار قدرتمندی است که به ساده‌سازی توسعه و علم داده کمک می‌کند. در این دوره آموزشی از Madecraft، می توانید یاد بگیرید که چگونه قدرت زبان پایتون را با ابزارهای تجزیه و تحلیل داده ها و گزارش در مایکروسافت اکسل ترکیب کنید. کشف کنید که چگونه از پانداها و کتابخانه‌های openpyxl برای بازرسی، فیلتر کردن، تمیز کردن و تبدیل داده‌ها استفاده کنید و چگونه گزارش‌های محکمی بسازید که به کسب‌وکارها کمک می‌کند تا اقدام کنند. نحوه کار با حجم زیادی از داده ها را که به تنهایی در اکسل غیرقابل مدیریت هستند، کشف کنید. در پایان این دوره، بینندگان می‌آموزند که چگونه این ترکیب ابزارها می‌تواند کسب‌وکارها را به بینش‌های بهتری نسبت به قبل هدایت کند.

nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

coursera استفاده از داده های بدون ساختار با Cloud Dataproc در Google Cloud em Português Brasileiro (Mitalearn-334370)

  • 2 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

این برنامه آموزشی فشرده از یک پایه اولیه استفاده می‌کند و به طور خاص مهندسی داده در پلتفرم Google Cloud را بررسی می‌کند. از طریق ویدیوها، نمایش‌های آزمایشگاهی و آزمایش‌های حرفه‌ای، صداگذاری خوشه‌های جمع‌آوری و جستجو برای کارهای اجرایی Hadoop، Spark، Pig e/ou Hive no Google Cloud Platform. محاسبات و یکپارچه‌سازی سیستم‌های یادگیری ماشینی Google Aos Recursivos Programas de Análise. Nos laboratórios práticos، você criará e gerenciará os clusters انجام Dataproc usando o console da Web و CLI و usará o cluster برای کارهای اجرایی Spark e Pig. Depois você criará notebooks iPython que são integrados ao BigQuery و ao armazenamento و utilizará o Spark. برای این منظور، به عنوان APIهای یادگیری ماشینی یکپارچه شده و به تجزیه و تحلیل داده ها پرداخته می شود. پیش نیازها • پایه‌های اصلی یادگیری ماشینی و داده‌های بزرگ در پلتفرم Google Cloud (و تجربیات مشابه) • Algum conhecimento de Python

linkedin استفاده از داشبوردهای بهداشت عمومی (Mitalearn-208094)

  • 1 hours 5 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Madecraft,Jennifer Shin
درباره این دوره:

برخی رویدادها داده های بزرگ را به چشم عموم می آورند. همه‌گیری کووید-19 داده‌های گسترده‌ای را از موسسات دولتی که داشبوردهای خود را منتشر می‌کنند، از جمله دولت‌ها، بیمارستان‌ها و مدارس تولید کرده است. با این حال، هنگام استفاده از این منابع، مهم است که بتوانیم صحت داده ها را ارزیابی کنیم و حتی مهم تر از آن استفاده مسئولانه از داده ها است. در این دوره با دانشمند داده و پروفسور جنیفر شین، نحوه ارزیابی داشبوردهای مختلفی را که در دسترس محققان است، از جمله داشبورد COVID-19 از دانشگاه جان هاپکینز و داشبورد موسسه سنجش و ارزیابی سلامت (IHME) بیاموزید. نحوه مشاهده و تفسیر معیارها و تجسم های داشبورد و استفاده موثر از آنها در پروژه های علم داده خود را بیاموزید.

این دوره توسط Madecraft. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

linkedin استفاده از منابع داده های بهداشت عمومی (Mitalearn-197452)

  • 55 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Madecraft,Jennifer Shin
درباره این دوره:

برخی رویدادها داده های بزرگ را به چشم عموم می آورند. در طول همه‌گیری کووید-19، حجم گسترده‌ای از داده‌ها توسط مؤسسات عمومی - از جمله دولت‌ها، بیمارستان‌ها و مدارس - جمع‌آوری و استفاده شده است و برای اتخاذ تصمیم‌های کلیدی که بر مردم تأثیر می‌گذارد، استفاده شده است. تأثیر گسترده احتمالی تصمیمات اتخاذ شده بر اساس این داده ها بر اهمیت توانایی تأیید صحت داده ها و همچنین استفاده مسئولانه از آنها تأکید می کند. در این دوره با دانشمند داده و پروفسور جنیفر شین، نحوه ارزیابی و دسترسی به داده های بهداشت عمومی را با کاوش در منابع محرک داشبورد COVID-19، از جمله 1Point3Acres، BNO News، WorldoMeter و پروژه پیگیری COVID-19 بیاموزید. نحوه شناسایی منابع معتبر و ارزیابی کیفیت اطلاعات جمع آوری شده را بیاموزید.

این دوره توسط Madecraft ایجاد شده است. الف>. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

coursera استقرار مدل های یادگیری ماشینی (Mitalearn-335050)

  • 1 hours 52 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Julian McAuley
درباره این دوره:

در این دوره آموزشی با سیستم‌های توصیه‌کننده (که برای پروژه Capstone مطالعه خواهیم کرد) آشنا می‌شویم و همچنین مسائل مربوط به استقرار محصولات داده را بررسی خواهیم کرد. در پایان این دوره، شما باید بتوانید یک سیستم توصیه‌گر کار را پیاده‌سازی کنید (مثلاً برای پیش‌بینی رتبه‌بندی، یا تولید فهرست‌های محصولات مرتبط)، و باید ابزارها و تکنیک‌های مورد نیاز برای استقرار چنین سیستم کاری در دنیای واقعی را بدانید. ، مجموعه داده های در مقیاس بزرگ. این دوره آخرین دوره در محصولات Python Data Products for Predictive Analytics است که بر اساس سه دوره قبلی (پردازش و تجسم داده های پایه، تفکر طراحی و تجزیه و تحلیل پیش بینی برای محصولات داده، و مدل سازی پیش بینی معنادار) ساخته شده است. در هر مرحله از تخصص، شما تجربه عملی در دستکاری داده ها و ایجاد مهارت های خود را به دست خواهید آورد، و در نهایت به پروژه ای که شامل تمام مفاهیم آموزش داده شده در تخصص می شود، ختم می شود.

coursera اسکریپت نویسی با پایتون و SQL برای مهندسی داده (Mitalearn-333146)

  • 4 hours 12 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Alfredo Deza,Kennedy Behrman,Noah Gift
درباره این دوره:

در این دوره سوم از Python، Bash و SQL Essentials for Data Engineering Specialization، شما تکنیک هایی را برای کار موثر با Python و SQL بررسی خواهید کرد. ما از طریق ساختارهای داده مفید در اسکریپت نویسی پایتون می گذریم و به پایگاه داده هایی مانند MySQL متصل می شویم. علاوه بر این، یاد خواهید گرفت که چگونه از یک ویرایشگر متن مدرن برای اتصال و اجرای پرس و جوهای SQL در برابر یک پایگاه داده واقعی استفاده کنید و عملیات بارگیری و استخراج داده ها را انجام دهید. در نهایت، از داده های استخراج شده از وب سایت ها با استفاده از تکنیک های scraping استفاده خواهید کرد. این مهارت ها به شما این امکان را می دهد که زمانی که داده ها به راحتی در دسترس نیستند، یا زمانی که برای استخراج اطلاعات مفید از پایگاه های داده به پرس و جوهای فضایی نیاز است، به طور موثر کار کنید.

linkedin اشتباهات Power BI برای اجتناب (2021) (Mitalearn-209471)

  • 59 minutes
  • مناسب همه
  • Release date: 9 February 2021
  • Author: Madecraft,John David Ariansen
درباره این دوره: 

 به عنوان یک متخصص داده با استفاده از Microsoft Power BI، هدف شما این است که همیشه مهارت های خود را افزایش دهید. در این دوره، مربی جان دیوید آریانسن با یادگیری اشتباهاتی که باید اجتناب کنید، به رشد مهارت های شما کمک می کند. ابتدا جان شما را با چند چالش Power BI آشنا می کند. او به شما نشان می دهد که چگونه به یک متفکر سیستم تبدیل شوید، مهارت های تجزیه و تحلیل خود را بهبود بخشید و از تجسم به طور موثر استفاده کنید. او بر اهمیت جمع آوری داده های مناسب، حذف مراحل اضافی، نمایه سازی منابع داده و حذف داده های غیر ضروری تأکید می کند. جان به شما یاد می دهد که چگونه از جداول جستجو و طرح ستاره استفاده کنید. سپس به این موضوع می پردازد که چرا باید روابط دو طرفه را هنگام مدل سازی حذف کنید و در عوض چه کاری باید انجام دهید. او درباره ایجاد تجسم از داده‌های سری زمانی و نحوه استفاده مؤثر از گروه‌ها، برش‌کننده‌ها و نکات ابزار سفارشی بحث می‌کند. او شما را در انجام یک تجزیه و تحلیل Top-N راهنمایی می کند، سپس با توضیح نحوه استفاده از مقدار مناسب رنگ نتیجه گیری می کند.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

coursera اصول fMRI 1 (Mitalearn-328709)

  • 5 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Lindquist, PhD, MSc,Tor Wager, PhD
درباره این دوره:

تصویربرداری تشدید مغناطیسی عملکردی (fMRI) پرکاربردترین تکنیک برای بررسی مغز زنده و کارآمد انسان در حین انجام وظایف و تجربه حالات ذهنی است. این یک نقطه همگرایی برای کار چند رشته ای از بسیاری از رشته ها است. روانشناسان، آماردانان، فیزیکدانان، دانشمندان کامپیوتر، دانشمندان علوم اعصاب، محققان پزشکی، دانشمندان علوم رفتاری، مهندسان، محققان بهداشت عمومی، زیست شناسان و دیگران گرد هم می آیند تا درک ما از ذهن و مغز انسان را ارتقا دهند. این دوره طراحی، اکتساب و تجزیه و تحلیل داده های تصویربرداری تشدید مغناطیسی کاربردی (fMRI) از جمله استنتاج روانشناختی، فیزیک MR، K Space، طراحی تجربی، پیش پردازش داده های fMRI و همچنین مدل های خطی تعمیم یافته (GLM) را پوشش می دهد. کتاب مربوط به کلاس را می توانید در اینجا پیدا کنید: https://leanpub.com/principlesoffmri.

coursera اصول fMRI 2 (Mitalearn-335475)

  • 6 hours 29 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Martin Lindquist, PhD, MSc,Tor Wager, PhD
درباره این دوره:

تصویربرداری تشدید مغناطیسی عملکردی (fMRI) پرکاربردترین تکنیک برای بررسی مغز زنده و کارآمد انسان در حین انجام وظایف و تجربه حالات ذهنی است. این یک نقطه همگرایی برای کار چند رشته ای از بسیاری از رشته ها است. روانشناسان، آماردانان، فیزیکدانان، دانشمندان کامپیوتر، دانشمندان علوم اعصاب، محققان پزشکی، دانشمندان علوم رفتاری، مهندسان، محققان بهداشت عمومی، زیست شناسان و دیگران گرد هم می آیند تا درک ما از ذهن و مغز انسان را ارتقا دهند. این دوره تجزیه و تحلیل داده های تصویربرداری تشدید مغناطیسی کاربردی (fMRI) را پوشش می دهد. این ادامه دوره "اصول fMRI، قسمت 1" است.

coursera اصول پلتفرم قدرت مایکروسافت (Mitalearn-316860)

  • 4 hours 16 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره با ارزش تجاری و قابلیت های محصول Power Platform آشنا می شوید. شما برنامه‌های Power ساده ایجاد می‌کنید، داده‌ها را با Microsoft Dataverse متصل می‌کنید، داشبورد Power BI می‌سازید، فرآیندی را با Power Automate خودکار می‌کنید و با Power Virtual Agents یک ربات چت می‌سازید. در پایان این دوره، شما قادر خواهید بود: • ارزش تجاری Power Platform را تشریح کنید • اجزای اصلی Power Platform را شناسایی کنید • قابلیت های Power BI را نشان دهید • قابلیت های Power Apps را شرح دهید • ارزش تجاری Power را نشان دهید. عوامل مجازی پلتفرم قدرت مایکروسافت فقط برای برنامه نویسان و متخصصان فناوری نیست. اگر شما یا شرکتی که در آن کار می‌کنید، می‌خواهید با خودکار کردن فرآیندهای کسب‌وکار، تجزیه و تحلیل داده‌ها برای تولید بینش‌های تجاری، و با ایجاد تجربه‌های ساده اپلیکیشن یا حتی ربات‌های چت، بهره‌وری را بهبود بخشید، این دوره مناسبی برای شروع کار شماست. حرفه ای و یادگیری مهارت های شگفت انگیز Microsoft Power Platform Fundamentals به عنوان پایه ای از دانش بنیادی عمل می کند تا شما را برای گواهینامه Microsoft: Power Platform Fundamentals - PL900 Exam آماده کند. شما قادر خواهید بود دانش واقعی خود را از اصول پلتفرم Microsoft Power به نمایش بگذارید. این دوره می تواند پیشرفت شما را تسریع کند و به شغل شما رونق بخشد، زیرا از مهارت های مایکروسافت خود برای بهبود بهره وری تیم خود استفاده می کنید.

coursera اصول سرمایه گذاری داده محور (Mitalearn-329729)

  • 3 hours 50 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Youngju Nielsen
درباره این دوره:

در این دوره، مدرس به بررسی تحلیل بنیادی سرمایه گذاری با استفاده از برنامه نویسی R می پردازد. این دوره مباحث تجزیه و تحلیل سرمایه گذاری را پوشش می دهد، اما در عین حال، شما را وادار می کند آن را با استفاده از برنامه نویسی R تمرین کنید. تمرکز این دوره آموزش دادن به شما برای انجام تجزیه و تحلیل عنصری برای مدیریت سرمایه گذاری است که ممکن است لازم باشد هر روز در شغل خود انجام دهید. علاوه بر این، یادداشت مطالعه برای انجام با استفاده از برنامه نویسی پایتون ارائه خواهد شد. این دوره با این فرض طراحی شده است که اکثر دانشجویان در حال حاضر کمی دانش در اقتصاد مالی دارند. انتظار می رود دانش آموزان در مورد سهام و اوراق قرضه و ترازنامه، سود و غیره شنیده باشند و سطح آمار مقدماتی مانند میانگین، میانه، توزیع، رگرسیون و غیره را بدانند. مدرس جزئیات برنامه نویسی R را برای مبتدیان توضیح خواهد داد. این یک دوره عالی برای شما برای بهبود مهارت های برنامه نویسی خواهد بود. اگر در برنامه نویسی R بسیار خوب هستید، فرصتی عالی برای تمرین مجدد با مثال های مالی و سرمایه گذاری در اختیار شما قرار می دهد. پروفسور Youngju Nielsen این دوره را با دستیاران Keonwoo Lim و Jeeun Yuen ایجاد می کند. ================================================== ========================================= توصیه های دوره Coursera قبل از این دوره برای کسانی که با برنامه نویسی پایه R آشنا نیستند: <شروع به کار با R> https://www.coursera.org/projects/getting-started-with-r <مقدمه ای بر تجزیه و تحلیل کسب و کار با R> https://www.coursera.org/learn/business-analytics-r <آمار با پایتون > https://www.coursera.org/specializations/statistics-with-python

coursera اصول هوش مصنوعی برای دانشمندان بدون داده (Mitalearn-298823)

  • 4 hours 46 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kartik Hosanagar,Prasanna Tambe
درباره این دوره:

در این دوره، به طور عمیق خواهید فهمید که چگونه یادگیری ماشین برای مدیریت و تفسیر داده های بزرگ استفاده می شود. شما با ابزارهایی مانند Teachable Machine و TensorFlow نگاهی دقیق به راه‌ها و روش‌های مختلف برای ایجاد الگوریتم‌هایی برای ادغام در کسب‌وکار خود خواهید داشت. شما همچنین روش‌های مختلف ML، یادگیری عمیق، و همچنین محدودیت‌ها را یاد می‌گیرید، اما همچنین نحوه دقت و استفاده از بهترین داده‌های آموزشی را برای الگوریتم‌های خود خواهید آموخت. سپس GAN ها و VAE ها را بررسی می کنید و از دانش جدید خود برای تعامل با AutoML استفاده می کنید تا به شما کمک کند شروع به ساخت الگوریتم هایی کنید که مطابق با نیازهای شما کار می کنند. همچنین مصاحبه‌های انحصاری با رهبران صنعت را خواهید دید که Big Data را برای شرکت‌هایی مانند مک‌دونالد و ویزا مدیریت می‌کنند. در پایان این دوره، روش‌های مختلفی برای کدنویسی، از جمله نحوه استفاده از ابزارهای بدون کد، درک عمیق یادگیری، نحوه اندازه‌گیری و بررسی خطاها در الگوریتم‌ها و نحوه استفاده از داده‌های بزرگ نه تنها برای حفظ حریم خصوصی مشتری، بلکه نحوه استفاده از این داده‌ها برای توسعه استراتژی‌های مختلف که کسب‌وکار شما را هدایت می‌کنند، یاد خواهید گرفت.

coursera اعمال حساب دیفرانسیل و انتگرال با پایتون (Mitalearn-330919)

  • 9 hours 34 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Joseph W. Cutrone, PhD
درباره این دوره:

این دوره برای برنامه نویس پایتون طراحی شده است که می خواهد پایه های حساب دیفرانسیل و انتگرال را برای کمک به حل مسائل چالش برانگیز توسعه دهد و همچنین دانش آموز ریاضیاتی که به دنبال یادگیری تئوری و تکنیک های عددی حساب کاربری کاربردی در پایتون است. در پایان این دوره، شما یاد خواهید گرفت که چگونه از مفاهیم اساسی حساب دیفرانسیل و انتگرال برای توسعه برنامه های کاربردی پایتون قوی استفاده کنید که انواع چالش های دنیای واقعی را حل می کند. سخنرانی‌های ویدیویی، خواندن، نمونه‌های کار شده، ارزیابی‌ها و کدهای پایتون همگی در این دوره ارائه می‌شوند. اینها برای نشان دادن تکنیک‌های حل معادلات، کار با توابع، و محاسبه و اعمال مشتقات و انتگرال‌ها استفاده می‌شوند. اگر علاقه مند به شروع توسعه مفاهیم در زمینه هایی مانند ریاضی کاربردی، علوم داده، امنیت سایبری یا هوش مصنوعی هستید یا فقط به تجدید حساب یا کدنویسی در پایتون نیاز دارید، این دوره برای شما مناسب است.

Suggestions