Course catalog

Course duration

Course provider

Topic

Categories

Showing 11,841-11,860 of 16,544 items.

linkedin عکس‌ها برای macOS Monterey و آموزش ضروری آیفون (Mitalearn-245443)

  • 1 hours 17 minutes
  • مناسب همه
  • Release date: 6 December 2021
  • Author: Derrick Story
درباره این دوره: 

 با نرم افزار رایگان Photos for macOS اپل، می توانید عکس ها را به روش های مختلف مدیریت، بهبود بخشید و به اشتراک بگذارید. در این دوره، عکاس، نویسنده و مربی Derrick Story شما را به کاوش دقیق Photos برای macOS می‌برد. Derrick بازدیدی از رابط کاربری و ویژگی‌های جدید عنوان را ارائه می‌کند، سپس به جزئیات روش‌هایی می‌پردازد که می‌توانید از متن زنده برای تبدیل دوربین خود به دستیار شخصی خود استفاده کنید. او به شما نشان می‌دهد که چگونه تصاویر را بر اساس نوع شی جستجو کنید، تصاویر را از پیام‌ها در عکس‌ها کپی کنید، از یادداشت‌های سریع با عکس‌ها استفاده کنید، و کارهای معمول را با میانبرها خودکار کنید. Derrick شما را در فرآیند واردات بهبودیافته راهنمایی می کند و نکات مفیدی در مورد سازماندهی و ویرایش مستقیم تصاویر خود در Photos به شما می دهد. به‌علاوه، او به شما نشان می‌دهد کجا می‌توانید نکات و تکنیک‌های بیشتری برای کار با Photos برای macOS بیابید.

Related Skills

coursera علائم حیاتی: درک آنچه بدن به ما می گوید (Mitalearn-345726)

  • 7 hours 46 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Connie B. Scanga, PhD
درباره این دوره:

علائم حیاتی - ضربان قلب، فشار خون، دمای بدن، تعداد تنفس و درد - اطلاعات مهمی را در مورد وضعیت فیزیولوژیکی بدن انسان به اشتراک می‌گذارند. در این دوره شش قسمتی، آناتومی و فیزیولوژی زیربنای علائم حیاتی را بررسی می کنیم تا درک سیستماتیک و یکپارچه ای از نحوه عملکرد بدن ایجاد کنید. سیستم‌های بدن مربوطه از جمله سیستم‌های قلبی عروقی و تنفسی بررسی می‌شوند، و به دنبال آن توضیحاتی در مورد چگونگی تأثیر عملکرد این سیستم‌ها بر علائم حیاتی ارائه می‌شود. ما در مورد محدوده های نرمال، انواع طبیعی و مکانیسم هایی که زمینه ساز تغییرات در اندازه گیری عینی علائم حیاتی هستند بحث می کنیم. این دوره همچنین شامل نمایش تکنیک های مناسب برای اندازه گیری علائم حیاتی در خود و دیگران است. این دوره برای مخاطبان گسترده و عمومی طراحی شده است، اما به ویژه برای افرادی که در بخش مراقبت های بهداشتی کار می کنند، کسانی که به عنوان یک متخصص مراقبت های بهداشتی شغلی را در نظر می گیرند، مراقبان غیرمتخصص، کسانی که علاقه مند به سلامت شخصی و تناسب اندام هستند، یا هر کسی که به سادگی می خواهد درک کند، جالب خواهد بود. نحوه عملکرد بدن

coursera علم تربیت ورزشکاران جوان قسمت 2 (Mitalearn-371022)

  • 12 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Chris Brooks
درباره این دوره:

در این دوره آموزشی یاد خواهید گرفت که چگونه نوعی تمرین را طراحی کنید که از ماهیت پلاستیکی بدن ورزشکار بهره می برد تا فنوتیپ مناسب برای یک ورزش را بسازید. ما راه‌هایی را بررسی می‌کنیم که سیستم عضلانی می‌تواند برای تولید نیرو و قدرت بالاتر و نوع تمرین مورد نیاز برای شکل‌دهی ظرفیت فیزیکی ورزشکار طراحی شود تا انرژی و نیازهای بیوشیمیایی ورزش را برآورده کند. ما همچنین هزینه پلاستیسیته را زمانی که فراتر از توانایی بدن برای تنظیم خود برای پاسخگویی به استرس های تمرینی تحمیل شده انجام می شود، بررسی می کنیم. هزینه افزایش بیش از حد انعطاف پذیری به شکل آسیب و خستگی مزمن است. در اصل، یک مربی می تواند بدن ورزشکار را بیش از حد فشار دهد و ممکن است شکست بخورد. پس از اتمام این دوره، شما قادر خواهید بود یک برنامه آموزشی سالانه از نظر علمی معتبر جمع آوری کنید.

Related Skills

coursera علم خوراک شناسی (Mitalearn-337600)

  • 8 hours 8 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: King Lau Chow
درباره این دوره:

این دوره چندین اصل علمی اساسی را معرفی می کند که زیربنای روش شناسی پخت و پز، تهیه غذا و لذت بردن از غذا هستند. همه موضوعات تحت پوشش دارای پایه قوی در زیست شناسی، شیمی و کاربرد فیزیک هستند. از جمله، آنها شامل مصرف غذای پخته، پیامدهای فیزیولوژیکی و تکاملی حواس، تأثیرات جغرافیایی و فرهنگی بر روی غذا، و منطق پشت تهیه غذا هستند. ما همچنین در مورد موضوعاتی مانند جفت شدن حواس برای بهبود تحریک حس بحث خواهیم کرد. تغییر طعم با روش های شیمیایی و تغییر رنگ برای بهبود ظاهر ظروف. پس از نمایش ویدیویی اصول علمی آشپزی، یاد خواهید گرفت که مواد اصلی و ترکیبات آنها را برای تهیه غذای سالم خوب بشناسید. همچنین از شما خواسته می شود که اصول آشپزی خاصی را از طریق تکالیف هفتگی امتحان و تمرین کنید. داده های خود را تجزیه و تحلیل کنید و تجربیات خود را با دیگران مقایسه کنید. در پایان این دوره، شما قادر خواهید بود: - از اساس علمی دستور العمل های مختلف قدردانی کنید. - دستور العمل های خود را با ادغام برخی از اصول علمی در غذاهای جدید توسعه دهید. - تأثیر جهان مادی بر ادراک انسان را از حواس مختلف تشخیص دهد. - از هنر ادغام علم در آشپزی و غذاخوری قدردانی کنید. نکته مهم: این دوره برای افراد با نیازهای غذایی خاص مانند رژیم های گیاهخواری، دیابتی و بدون گلوتن طراحی نشده است. اگر با هر بخشی از تکالیف یا فعالیت‌های این دوره احساس ناراحتی می‌کنید، می‌توانید برخی از مواد را جایگزین کنید یا از دوستان و اعضای خانواده بخواهید تا در مزه کردن تکالیف شما کمک کنند. از طرف دیگر، اگر تمام شرایط واجد شرایط دیگر را برای گذراندن دوره برآورده کرده باشید، می توانید آن تکلیف خاص را نادیده بگیرید. ویدئوی مروری بر دوره: https://www.coursera.org/lecture/gastronomy/course-overview-43gyz

linkedin علم داده استفاده از تجزیه و تحلیل افراد (2022) (Mitalearn-445669)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 12 September 2022
  • Author: Serena Huang
درباره این دوره: 

 اگر به دنبال بهبود نحوه جذب، حفظ و توسعه کارکنان هستید، تجزیه و تحلیل افراد می‌تواند یکی از قانع‌کننده‌ترین و مؤثرترین راه‌ها برای استفاده از قدرت کامل داده‌ها در سازمان شما باشد. در این دوره، مربی سرنا هوانگ به شما نشان می دهد که چگونه از تجزیه و تحلیل افراد برای بهینه سازی استراتژی های جذب و حفظ استعداد خود استفاده کنید.

مبانی تجزیه و تحلیل افراد و مدیریت منابع انسانی مبتنی بر داده را بیاموزید. بیاموزید که چگونه می توانید ناوبری کیفیت داده، برنامه های کاربردی دنیای واقعی، رویکردهای اندازه گیری، ایمن سازی خرید اجرایی، و تاثیر رو به رشد فناوری جدید بر تجزیه و تحلیل افراد در عمل را شروع کنید. از جذب استعداد گرفته تا حفظ کارکنان، تنوع و شمول، و برنامه‌ریزی استراتژیک نیروی کار، Serena به شما می‌آموزد که چگونه مهارت‌های تجزیه و تحلیل داده‌های خود را با افراد به سطح بالاتری برسانید. در پایان این دوره، شما آماده خواهید بود که با استفاده از برخی از جدیدترین و جالب‌ترین ابزارها در علم داده، جذب، حفظ و توسعه کارکنان را افزایش دهید.

Related Skills

linkedin علم داده اقتصاد، بانکداری و امور مالی، با بارتون پولسون (Mitalearn-128466)

  • 1 hours 20 minutes
  • متوسط
  • Update date: 9 May 2018
  • Author: Barton Poulson
درباره این دوره:

علم داده در هیچ کجا به اندازه مالی مرتبط نیست. ردیابی حرکت پول در سراسر جهان یکی از وظایف اصلی تحلیلگران امروزی است. در این دوره، دریابید که چگونه الگوریتم ها، اتوماسیون، برنامه های کاربردی داده های بزرگ و یادگیری ماشین ماهیت اقتصاد، بانکداری و مالی را تغییر می دهند. دانشمند داده و پروفسور بارتون پولسون یک نمای کلی غیر فنی از کاربردهای موفق و مشکل ساز علم داده در این زمینه ها ارائه می دهد. بیاموزید که چگونه علم داده بر نحوه خرید و فروش سهام، نحوه پردازش درخواست‌های وام و حتی نحوه شناسایی تقلب در حال حاضر که اطلاعات مالی در چنین مقیاس وسیعی به صورت آنلاین رد و بدل می‌شود، تأثیر می‌گذارد. کشف کنید که رسانه‌های اجتماعی چگونه بر روندهای اقتصادی تأثیر می‌گذارند، و چرا دانشمندان داده باید به ویژه مراقب باشند که اخلاق را در ذهن داشته باشند و مفروضات نادرست را در هنگام برخورد با داده‌های مالی بررسی کنند.

coursera علم داده انفورماتیک سلامت (Mitalearn-340592)

  • 5 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Hadi H. K. Kharrazi, MD, Ph.D,Sam Meiselman
درباره این دوره:

coursera علم داده با NumPy، مجموعه ها و دیکشنری ها (Mitalearn-328913)

  • 1 hours 29 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Genevieve M. Lipp,Nick Eubank,Kyle Bradbury
درباره این دوره:

در NumPy، یک بسته اساسی پایتون که برای مشاغل در علم داده بسیار مهم است، مهارت داشته باشید. این دوره جامع برای برنامه نویسان مبتدی که مایل به تبدیل شدن به دانشمندان داده، توسعه دهندگان نرم افزار، تحلیلگران داده، مهندسان یادگیری ماشین، مهندسان داده یا مدیران پایگاه داده هستند، طراحی شده است. با شروع مفاهیم پایه علوم کامپیوتر، مانند برنامه نویسی شی گرا و سازماندهی داده ها با استفاده از مجموعه ها و دیکشنری ها، به ساختارهای داده پیچیده تر مانند آرایه ها، بردارها و ماتریس ها خواهید رسید. تمرین عملی با NumPy شما را به مهارت های ضروری برای مقابله با چالش های کلان داده و حل موثر مشکلات داده مجهز می کند. شما برنامه های پایتون را برای دستکاری و فیلتر کردن داده ها و همچنین ایجاد بینش مفید از مجموعه داده های بزرگ می نویسید. در پایان دوره، شما در خلاصه کردن مجموعه داده ها مانند محاسبه میانگین ها، حداقل ها و حداکثرها مهارت خواهید داشت. علاوه بر این، مهارت های پیشرفته ای در بهینه سازی تجزیه و تحلیل داده ها با بردارسازی و تصادفی سازی داده ها به دست خواهید آورد. در طول سفر یادگیری خود، از انواع بسیاری از ساختارهای داده و تکنیک های تحلیلی برای انواع چالش های علم داده، از جمله عملیات ریاضی، تجزیه و تحلیل فایل متنی، و پردازش تصویر استفاده خواهید کرد. گام به گام، تکالیف هدایت شده هر هفته مهارت های شما را تقویت می کند و شما را قادر می سازد تا مشکلات را حل کنید و به طور مستقل نتیجه گیری های مبتنی بر داده ها را بگیرید. با تسلط بر NumPy و تقویت مهارت برنامه نویسی خود، خود را برای یک حرفه پربار در علم داده آماده کنید. این تجربه یادگیری متحول کننده را از امروز شروع کنید!

coursera علم داده با R - پروژه Capstone (Mitalearn-331004)

  • 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jeff Grossman,Yan Luo
درباره این دوره:

در این دوره آموزشی، مهارت‌ها و تکنیک‌های مختلف علوم داده را که به عنوان بخشی از دوره‌های قبلی در IBM Data Science با تخصص R یا IBM Data Analytics با Excel و R Professional Certificate آموخته‌اید، به کار می‌گیرید. برای این پروژه، شما نقش یک دانشمند داده را به عهده خواهید گرفت که اخیراً به یک سازمان پیوسته است و با چالشی مواجه می شوید که نیاز به جمع آوری داده ها، تجزیه و تحلیل، آزمایش فرضیه های اساسی، تجسم و مدل سازی دارد تا بر روی مجموعه داده های دنیای واقعی انجام شود. داده‌ها را از منابع متعدد جمع‌آوری و درک می‌کنید، بحث و گفتگو و آماده‌سازی داده‌ها را با Tidyverse انجام می‌دهید، تجزیه و تحلیل داده‌های اکتشافی را با SQL، Tidyverse و ggplot2 انجام می‌دهید، داده‌ها را با رگرسیون خطی مدل‌سازی می‌کنید، نمودارها و نمودارهایی را برای تجسم داده‌ها ایجاد می‌کنید و داشبورد تعاملی ایجاد می‌کنید. پروژه با ارائه گزارش تجزیه و تحلیل داده های شما، با یک خلاصه اجرایی برای ذینفعان مختلف در سازمان به اوج خود می رسد.

linkedin علم داده بازاریابی (Mitalearn-105176)

  • 2 hours 21 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Chris DallaVilla
درباره این دوره:

بازاریابی درست جلوی چشمان ما در حال تغییر است و این تحول توسط داده ها هدایت می شود. بازاریاب های مدرن باید داده ها و تجزیه و تحلیل ها را مانند قبل درک کنند و بتوانند با دانشمندان داده در محیط های چند رشته ای کار کنند. به طور مشابه، متخصصان با آموزش علوم داده باید یاد بگیرند که چگونه در هنگام کار با متخصصان بازاریابی و فروش، سهم خود را به حداکثر برسانند.\r\n\r\n کریس دالاویلا را دنبال کنید تا نحوه استفاده از R، Python و Tableau را برای انجام مدل‌سازی داده‌ها و ارزیابی عملکرد توضیح دهد. همانطور که کریس در این مفاهیم غوطه ور می شود، او مطالعات موردی خاصی را که مستقیماً از کار خودش می آید با مشتریان به اشتراک می گذارد. به علاوه، او سه روش ضروری و عملی را برای بازاریابی مبتنی بر داده به اشتراک می گذارد که می توانید از آنها برای تقویت عملکرد بازاریابی سازمان خود استفاده کنید.

linkedin علم داده بازی و ورزش های فانتزی (Mitalearn-137612)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Curt Frye
درباره این دوره:

آیا می خواهید بدانید کازینوها چگونه شانس را محاسبه می کنند و سود می کنند؟ کنجکاو هستید که لیگ های ورزشی فانتزی چگونه آمار را در طول فصل پیگیری می کنند؟ یک مرور سریع، سرگرم کننده و غیر فنی از نحوه ساختار صنایع قمار و ورزش های فانتزی ارائه دهید. کرت فرای از علم داده برای بررسی نحوه کسب درآمد کازینوها، طراحی بازی‌های خود، ارائه خدمات به مشتریان و گسترش جریان درآمد خود از طریق غذاخوری، گلف، سرگرمی و سایر جاذبه‌ها استفاده می‌کند. او همچنین ورزش‌های فانتزی را مرور می‌کند و لیگ‌های کم ریسک مانند براکت مسابقات NCAA را با مسابقات روزانه که در آن بازیکنان با پول واقعی قمار می‌کنند، مقایسه می‌کند.

linkedin علم داده برای توسعه دهندگان جاوا (Mitalearn-225281)

  • 3 hours 51 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Shaun Wassell
درباره این دوره:

یادگیری مبانی علم داده و نحوه به کارگیری آنها در جاوا دنیایی از امکانات را در زمینه ساخت نرم افزار و فرصت های شغلی برای شما باز می کند. در این دوره، مربی Shaun Wassell شما را از طریق مجموعه مهارت های مورد نیاز برای علم داده راهنمایی می کند، به شما نشان می دهد که چگونه داده ها را در جاوا تجسم کنید، و روش های مختلف تبدیل داده ها به اطلاعات را بررسی می کند. Shaun مفاهیم اساسی و مثال‌هایی از علم داده را معرفی می‌کند، سپس شما را در فرآیند نمایش داده‌ها در جاوا و برخی مشکلاتی که ممکن است با آن‌ها مواجه شوید راهنمایی می‌کند. او تکنیک های دستکاری داده ها مانند نقشه برداری، فیلتر کردن، جمع آوری و مرتب سازی را مورد بحث قرار می دهد. Shaun نحوه یافتن، جمع‌آوری، تمیز کردن، دستکاری و ذخیره داده‌ها را توضیح می‌دهد تا بتوانید کارهای مفیدی را با آن‌ها انجام دهید. بعد، او بخش سرگرم کننده را به شما نشان می دهد: روش های مختلفی که می توانید برای تبدیل داده ها به اطلاعات استفاده کنید. Shaun Nearest-Neighbor، Bayes، رگرسیون خطی، درخت تصمیم، خوشه بندی و موارد دیگر را پوشش می دهد.

datacamp علم داده برای کسب و کار (Mitalearn-400143)

  • 1 hours
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Mari Nazary,Michael Chow,kaelen medeiros,Ramnath Vaidyanathan
درباره این دوره:

علم داده چیست و چگونه می توانید از آن برای تقویت سازمان خود استفاده کنید؟ این دوره به شما در مورد مهارت هایی که در تیم داده خود نیاز دارید و اینکه چگونه می توانید آن تیم را برای رفع نیازهای سازمان خود ساختار دهید، آموزش می دهد. داده ها همه جا هست! این دوره به شما درکی از منابع داده ای که شرکت شما می تواند استفاده کند و نحوه ذخیره آن داده ها را به شما ارائه می دهد. همچنین راه هایی برای تجزیه و تحلیل و تجسم داده های خود از طریق داشبوردها و تست های A/B کشف خواهید کرد. برای پایان دادن به دوره، در مورد موضوعات هیجان انگیز در یادگیری ماشین بحث خواهیم کرد، از جمله خوشه بندی، پیش بینی سری های زمانی، پردازش زبان طبیعی (NLP)، یادگیری عمیق و هوش مصنوعی قابل توضیح! در طول مسیر، با انواع کاربردهای دنیای واقعی علم داده آشنا خواهید شد و از طریق تمرینات عملی، درک بهتری از این مفاهیم به دست خواهید آورد.

coursera علم داده برای نوآوری کسب و کار (Mitalearn-329134)

  • 1 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Marco Brambilla,Emanuele Della Valle
درباره این دوره:

این فرصتی است که همه چیز را در مورد علم داده برای نوآوری کسب و کار و آینده حرفه ای خود بیاموزید. فن آوری و تجزیه و تحلیل تجربه کسب و کار خود را مطابقت دهید! دوره نانو علم داده برای نوآوری کسب و کار خلاصه ای از تخصص لازم در علم داده برای مدیران و مدیران است تا نوآوری مبتنی بر داده را تقویت کنند. این دوره توضیح می دهد که علم داده چیست و چرا اینقدر هیپ شده است. یاد خواهید گرفت: * ارزشی که Data Science می تواند ایجاد کند * طبقات اصلی مشکلاتی که علم داده می تواند حل کند * تفاوت بین تجزیه و تحلیل توصیفی، پیش بینی کننده و تجویزی است * نقش یادگیری ماشین و هوش مصنوعی. از منظر فنی تر، این دوره روش های نظارت شده، بدون نظارت و نیمه نظارت را پوشش می دهد و توضیح می دهد که چه چیزی را می توان با روش های طبقه بندی، خوشه بندی و رگرسیون به دست آورد. این مقاله نقش مدل‌ها و فناوری‌های داده NoSQL و نقش و تأثیر پلت‌فرم‌های محاسباتی مبتنی بر ابر مقیاس‌پذیر را مورد بحث قرار می‌دهد. همه موضوعات با سخنرانی های مبتنی بر مثال، بحث در مورد موارد استفاده، داستان های موفقیت، و مثال های واقع بینانه پوشش داده شده است. پس از این دوره نانو، اگر می‌خواهید دانش خود را در زمینه علوم داده عمیق‌تر کنید، می‌توانید در دوره زنده نوآوری علوم داده برای کسب و کار شرکت کنید https://professionalschool.eitdigital.eu/data-science-for-business-innovation

coursera علم داده چیست؟ (Mitalearn-327842)

  • 3 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Alex Aklson
درباره این دوره:

آیا می خواهید بدانید چرا علم داده به عنوان جذاب ترین حرفه قرن بیست و یکم شناخته شده است؟ پس از گذراندن این دوره، شما قادر خواهید بود به این سوال پاسخ دهید، بفهمید علم داده چیست و دانشمندان داده چه می کنند و در مورد مسیرهای شغلی در این زمینه بیاموزید. هنر کشف بینش ها و روندها در داده ها از زمان های قدیم وجود داشته است. مصریان باستان از داده های سرشماری برای افزایش کارایی در جمع آوری مالیات استفاده می کردند و سیل رودخانه نیل را هر ساله به طور دقیق پیش بینی می کردند. از آن زمان، مردم به استفاده از داده ها برای استخراج بینش و پیش بینی نتایج ادامه دادند. اخیراً آنها زمینه ای منحصر به فرد و متمایز را برای کاری که انجام می دهند ایجاد کرده اند. این رشته علم داده است. در دنیای امروز، ما از علم داده برای یافتن الگوها در داده ها و نتیجه گیری و پیش بینی های معنادار و مبتنی بر داده استفاده می کنیم. این دوره برای همه است و مفاهیمی مانند نحوه استفاده دانشمندان داده از یادگیری ماشینی و یادگیری عمیق و نحوه استفاده شرکت ها از علم داده در تجارت را آموزش می دهد. شما با چندین دانشمند داده ملاقات خواهید کرد که بینش و تجربیات خود را در علم داده به اشتراک خواهند گذاشت. با گذراندن این دوره مقدماتی، سفر خود را به این رشته پر رونق آغاز خواهید کرد.

linkedin علم داده در Google Cloud Platform: Building Data Pipelines (Mitalearn-143273)

  • 1 hours 7 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر کهنه کار و دانشمندان داده Kumaran Ponnambalam - نشان می‌دهد که چگونه از آخرین فناوری‌ها در GCP برای ایجاد یک خط لوله داده بزرگ استفاده کنید که داده‌ها را به طور کامل در فضای ابری جذب، انتقال و تبدیل می‌کند. با نحوه تنظیم کارهای پردازش داده با استفاده از پرتو Apache و Cloud Dataflow آشنا شوید. نحوه استفاده از Cloud Pub/Sub را برای دریافت جریان و پیام‌رسانی بی‌درنگ کشف کنید. در نهایت، نحوه پردازش رویدادهای جریان در Cloud Dataflow را بیاموزید. این دوره از یک مورد استفاده نهایی استفاده می کند که نشان می دهد چگونه می توان دانش و بهترین شیوه های دوره را در یک گردش کار عملی علم داده به کار برد.

linkedin علم داده در Google Cloud Platform: راه حل های معماری (Mitalearn-156618)

  • 58 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

علم داده یک حوزه کاربردی است که به طور تصاعدی در حال رشد است، حجم عظیمی از داده را مصرف می کند و پیش بینی های انقلابی می کند. در همان زمان، Google Cloud Platform (GCP) با ارائه ابزارها و گزینه‌های پیشرفته به سرعت حرکت ابر را ردیابی می‌کند. در این دوره آموزشی، یاد بگیرید که چگونه راه حل های علم داده را بر روی GCP معماری کنید و از قدرت این دو فناوری برای تجارت خود استفاده کنید. مربی Kumaran Ponnambalam با بررسی گزینه‌های فناوری موجود در GCP برای اجرای فرآیندهای مختلف علم داده و همچنین مزایا و معایب این مجموعه از خدمات رایانش ابری شروع می‌کند. او سپس فن‌آوری‌ها و مراحل مختلف را از طریق فرآیند ساخت معماری برای موارد استفاده مختلف، از جمله تجزیه و تحلیل مشتری و کوپن تلفن همراه در زمان واقعی، تجزیه و تحلیل می‌کند.

linkedin علم داده در Google Cloud Platform: طراحی انبارهای داده (Mitalearn-143290)

  • 1 hours
  • متوسط
  • Release date: 22 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌هایی است که توسط متخصص باسابقه مهندسی ابر و دانشمند داده Kumaran Ponnambalam - نحوه طراحی و ساخت انبارهای داده با استفاده از GCP را نشان می‌دهد. انواع مختلف گزینه‌های ذخیره‌سازی موجود در GCP برای فایل‌ها، داده‌های رابطه‌ای، اسناد و داده‌های بزرگ، از جمله Cloud SQL، Cloud Bigtable، و Cloud BigQuery را کاوش کنید. سپس یاد بگیرید که چگونه از یک راه حل، BigQuery، برای انجام عملیات ذخیره سازی داده و پرس و جو استفاده کنید و موارد استفاده پیشرفته را مرور کنید، مانند کار با جداول پارتیشن و منابع داده خارجی. در نهایت، بهترین روش ها برای طراحی جدول، ذخیره سازی و بهینه سازی پرس و جو و نظارت بر انبارهای داده در BigQuery را بیاموزید.

linkedin علم داده در پلتفرم Google Cloud: تجزیه و تحلیل پیشگو (Mitalearn-190958)

  • 39 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

تجزیه و تحلیل پیشگویانه از داده های تاریخی برای نگاه به آینده استفاده می کند و سازمان ها را قادر می سازد تا تصمیمات بهتری بگیرند. با این حال، انجام پیش‌بینی‌های دقیق از داده‌های بزرگ می‌تواند یک کار طاقت فرسا باشد. Google Cloud Platform (GCP) را وارد کنید، مجموعه‌ای از خدمات رایانش ابری که مقیاس‌پذیری، کشش، و یادگیری ماشین خودکار را به تجزیه و تحلیل پیش‌بینی‌کننده می‌آورد. این دوره - یکی از مجموعه‌های دانشمند داده کوماران پونامبالام - نشان می‌دهد که چگونه از قدرت GCP برای ایجاد پیش‌بینی برای کسب‌وکارتان استفاده کنید. با کاوش در ابزارها و ویژگی‌های مختلف برای تجزیه و تحلیل پیش‌بینی‌کننده در GCP، از جمله Cloud Dataproc، Cloud ML Engine، و APIهای یادگیری ماشینی مانند Cloud Translation، Cloud Vision، و Cloud Video Intelligence شروع کنید. سپس نحوه ساخت، آموزش و استقرار مدل‌ها برای ایجاد پیش‌بینی را کشف کنید. به علاوه، بهترین شیوه‌ها را برای کنترل هزینه، آزمایش و نظارت بر عملکرد مدل‌های پیش‌بینی بیاموزید.

linkedin علم داده در پلتفرم ابری گوگل: تجزیه و تحلیل داده های اکتشافی (Mitalearn-143307)

  • 57 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

رایانش ابری مقیاس پذیری و کشش نامحدودی را برای کاربردهای علم داده به ارمغان می آورد. تخصص در پلتفرم‌های اصلی، مانند Google Cloud Platform (GCP)، برای متخصصان فناوری اطلاعات ضروری است. این دوره - یکی از مجموعه‌های متخصص مهندسی ابر و دانشمند داده کوماران پونامبالام - نحوه انجام تجزیه و تحلیل داده‌های اکتشافی با GCP را نشان می‌دهد. ابتدا مفاهیم تقسیم بندی و پروفایل را مرور کنید. سپس دست به کار شوید، همانطور که یاد می گیرید هم تجزیه و تحلیل متنی و هم بصری داده ها را با استفاده از ابزارهای ارائه شده توسط GCP انجام دهید: Cloud Datalab، BigQuery، Cloud Dataflow، و Data Studio. در نهایت، به یک مورد استفاده نهایی نگاه کنید که آنچه را که در دوره یاد گرفته‌اید اعمال می‌کند.

Suggestions