Course catalog

Course duration

Course provider

Topic

Categories

Showing 121-140 of 600 items.

coursera اندازه گیری کیفیت کل داده ها (Mitalearn-329763)

  • 5 hours 44 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brady T. West,James Wagner,Jinseok Kim
درباره این دوره:

در پایان این دوره دوم در تخصص کیفیت داده کل، فراگیران قادر خواهند بود: 1. معیارهای مختلفی را برای ارزیابی کیفیت داده کل (TDQ) در هر مرحله از چارچوب TDQ بیاموزید. 2. یک نقشه مفهومی با کیفیت ایجاد کنید که جنبه های مرتبط TDQ را از یک برنامه کاربردی یا منبع داده خاص ردیابی کند. 3. از طریق مبادلات نسبی بین جنبه های کیفیت، هزینه های نسبی و محدودیت های عملی اعمال شده توسط یک پروژه یا مطالعه خاص فکر کنید. 4. شناسایی نرم افزارهای مرتبط و ابزارهای مرتبط برای محاسبه معیارهای مختلف. 5. معیارهایی را که می توان برای داده های طراحی شده و یافت شده/ارگانیک محاسبه کرد، درک کنید. 6. معیارها را روی داده های واقعی اعمال کنید و مقادیر حاصل از آنها را از دیدگاه TDQ تفسیر کنید. 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.

coursera انیمیشن داده محور برای ارتباطات علمی (Mitalearn-330324)

  • 16 hours 34 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Jessica Kendall-Bar
درباره این دوره:

در این دوره، هر دانش‌آموز یک انیمیشن علمی ایجاد می‌کند که داستانی را با داده‌ها برای ارتباط بهتر نتایج علمی بیان می‌کند - در طول مسیر آنها مهارت‌های برنامه‌نویسی، نوشتن علمی و مهارت‌های انیمیشن فنی را یاد خواهند گرفت. این دوره به دانش آموزان در داستان سرایی مبتنی بر داده آموزش می دهد که تحقیقات و ارتباطات علمی را به نفع جوامع و سیاست گذاران در مقیاس محلی و جهانی ترویج می کند. دانش‌آموزان یک اسکریپت نوشتن علمی پیش‌نویس می‌کنند، گرافیک‌های شطرنجی و برداری سفارشی، تجسم داده‌ها و انیمیشن‌ها را در Adobe Photoshop، Adobe Illustrator، Adobe After Effects، Adobe Premiere Pro و Autodesk Maya ایجاد می‌کنند. برای پروژه نهایی خود، دانش‌آموزان این دارایی‌های مبتنی بر داده را در یک چکیده ویدیویی متحرک جمع‌آوری می‌کنند.

coursera ایجاد ارزش با داده های تاریک (Mitalearn-329950)

  • 2 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Curtis Thompson
درباره این دوره:

در این دوره، با استفاده از یک رویکرد اصولی که توانایی شما را در استفاده از داده های تاریک برای افزودن ارزش به یک محصول نهایی نشان می دهد، تفکر سطح بعدی در مورد ایجاد ارزش با داده های تاریک را یاد خواهید گرفت.

coursera ایجاد داشبورد و داستان سرایی با Tableau (Mitalearn-328777)

  • 5 hours 36 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Govind Acharya,Hunter Whitney
درباره این دوره:

با استفاده از تجسم‌هایی که در دوره قبلی، Visual Analytics with Tableau ایجاد کردید، داشبوردهایی ایجاد می‌کنید که به شما کمک می‌کند داستان را در داده‌های خود شناسایی کنید، و خواهید فهمید که چگونه از Storypoints برای ایجاد یک داستان قدرتمند استفاده کنید تا تأثیر ماندگاری را در بین مخاطبان خود به جا بگذارید. . شما اهداف ذینفعان خود را با نیازهای کاربران نهایی خود متعادل خواهید کرد و می توانید داستان خود را برای حداکثر تأثیرگذاری ساختار و سازماندهی کنید. در طول دوره، توابع پیشرفته تری را در Tableau اعمال خواهید کرد، مانند سلسله مراتب، اقدامات و پارامترها برای هدایت تعاملات کاربر. برای پروژه نهایی خود، یک روایت قانع‌کننده ایجاد می‌کنید تا در یک جلسه، به‌عنوان یک گزارش ثابت یا در یک نمایش تعاملی آنلاین ارائه شود.

coursera ایجاد یک تیم علم داده (Mitalearn-335611)

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

علم داده یک ورزش تیمی است. به عنوان یک مدیر علوم داده، وظیفه شما این است که تیم را برای موفقیت استخدام کنید، سازماندهی و مدیریت کنید. در این دوره یک هفته‌ای، به این موضوع خواهیم پرداخت که چگونه می‌توانید افراد مناسب را برای تکمیل تیم علم داده خود بیابید، چگونه آنها را سازماندهی کنید تا بهترین فرصت را برای احساس قدرت و موفقیت به آنها بدهید، و چگونه تیم خود را در حین رشد مدیریت کنید. . این یک دوره متمرکز طراحی شده است تا شما را سریعاً در روند ساخت و مدیریت یک تیم علم داده با خبر کند. هدف ما این بود که این کار را تا حد امکان برای شما راحت کنیم بدون اینکه هیچ محتوای ضروری را قربانی کنیم. ما اطلاعات فنی را کنار گذاشته‌ایم تا بتوانید روی مدیریت تیم خود و پیشبرد آن تمرکز کنید. پس از اتمام این دوره خواهید دانست. 1. نقش های مختلف در تیم علم داده از جمله دانشمند داده و مهندس داده 2. نحوه ارتباط تیم علم داده با سایر تیم های یک سازمان 3. صلاحیت های مورد انتظار اعضای مختلف تیم علم داده چیست؟ 4. سوالات مرتبط برای مصاحبه با دانشمندان داده 5. نحوه مدیریت فرآیند ورود به تیم 6. چگونه تیم های علم داده را به سمت موفقیت هدایت کنیم 7. چگونه تیم های علم داده را تشویق و توانمند کنیم تعهد: 1 هفته مطالعه، 4-6 ساعت تصویر جلد دوره توسط JaredZammit. Creative Commons BY-SA. https://flic.kr/p/5vuWZz

coursera با استفاده از BigQuery یک انبار داده بسازید (Mitalearn-336869)

  • 1 hours 51 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Caio Avelino
درباره این دوره:

قدرت Google BigQuery را با شروع سفر برای مهارت در ساخت انبار داده و جستجوی پیشرفته باز کنید. در این دوره جامع، شما یاد خواهید گرفت که از قابلیت های BigQuery، از راه اندازی و دسترسی به پلتفرم گرفته تا ایجاد انبارهای داده با استفاده از رابط کاربری و پایتون استفاده کنید. از طریق درس‌های عملی و برنامه‌های کاربردی، مهارت‌های اساسی مورد نیاز برای مدیریت، پرس‌وجو و بهینه‌سازی داده‌های خود را در این پلتفرم قدرتمند مبتنی بر ابر ایجاد خواهید کرد. این دوره برای تحلیلگران داده، مهندسان داده، متخصصان هوش تجاری و هر کسی که علاقه مند به تسلط بر هنر ساخت انبارهای داده کارآمد و انجام پرس و جوهای پیشرفته داده با استفاده از Google BigQuery هستند، طراحی شده است. زبان آموزان باید درک اولیه از SQL و آشنایی با مفاهیم داده داشته باشند. هدف این دوره ارائه یک درک جامع از Google BigQuery به زبان آموزان است و به آنها قدرت ایجاد انبارهای داده کارآمد، انجام پرس و جو و تصمیم گیری آگاهانه مبتنی بر داده را می دهد. چه یک متخصص داده یا یک تحلیلگر مشتاق باشید، این دوره شما را به ابزارها و دانشی مجهز می کند تا پتانسیل کامل BigQuery را برای بهبود عملکرد تجاری باز کنید.

coursera با پایتون شروع کنید (Mitalearn-335934)

  • 3 hours 44 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این دومین دوره از هفت دوره در گواهی تحلیل داده های پیشرفته گوگل است. زبان برنامه نویسی پایتون یک ابزار قدرتمند برای تجزیه و تحلیل داده ها است. در این دوره، مفاهیم اولیه برنامه نویسی پایتون و نحوه استفاده متخصصان داده از پایتون در محل کار را خواهید آموخت. شما مفاهیمی مانند برنامه نویسی شی گرا، متغیرها، انواع داده ها، توابع، عبارات شرطی، حلقه ها و ساختارهای داده را بررسی خواهید کرد. کارمندان Google که در حال حاضر در این زمینه کار می‌کنند، با ارائه فعالیت‌های عملی که وظایف مرتبط را شبیه‌سازی می‌کنند، به اشتراک گذاشتن نمونه‌هایی از کارهای روزانه‌شان، و کمک به شما در تقویت مهارت‌های تجزیه و تحلیل داده‌ها برای آماده شدن برای حرفه‌تان، شما را در این دوره راهنمایی می‌کنند. فراگیرانی که هفت دوره در این برنامه را تکمیل می کنند، مهارت های مورد نیاز برای درخواست برای مشاغل علوم داده و تجزیه و تحلیل داده های پیشرفته را خواهند داشت. این گواهی مستلزم آگاهی قبلی از اصول، مهارت‌ها و ابزارهای تحلیلی پایه است که در گواهی تجزیه و تحلیل داده‌های Google پوشش داده شده است. در پایان این دوره، شما: -تعریف زبان برنامه نویسی چیست و چرا پایتون توسط دانشمندان داده استفاده می شود اسکریپت های پایتون را برای نمایش داده ها و انجام عملیات ایجاد کنید -جریان برنامه ها را با استفاده از شرایط و توابع کنترل کنید -استفاده از انواع حلقه ها هنگام انجام عملیات مکرر - انواع داده ها مانند اعداد صحیح، شناورها، رشته ها و بولی ها را شناسایی کنید -دستکاری ساختارهای داده مانند لیست ها، تاپل ها، دیکشنری ها و مجموعه ها - وارد کردن و استفاده از کتابخانه های پایتون مانند NumPy و پانداها

coursera با علم داده به مسائل تجاری بپردازید (Mitalearn-333741)

  • 1 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Sarah Haq,Stacey McBrine
درباره این دوره:

این دوره برای حرفه ای های کسب و کار طراحی شده است که می خواهند یاد بگیرند که چگونه یک موضوع تجاری برای یک پروژه علم داده مناسب است یا خیر و از فرآیند علم داده استفاده کنند. دانشجوی معمولی در این دوره تجربه در یک محیط تجاری و درک سطح بالایی از مفاهیم بنیادی علم داده خواهد داشت، از جمله، اما نه محدود به: انواع داده ها، نقش های علم داده، چرخه عمر کلی علم داده، و مزایا و مزایا. چالش های علم داده

coursera بازیابی متن و موتورهای جستجو (Mitalearn-334608)

  • 9 hours 24 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: ChengXiang Zhai
درباره این دوره:

سال‌های اخیر شاهد رشد چشم‌گیر داده‌های متنی زبان طبیعی، از جمله صفحات وب، مقالات خبری، ادبیات علمی، ایمیل‌ها، اسناد سازمانی و رسانه‌های اجتماعی مانند مقالات وبلاگ، پست‌های انجمن، بررسی محصول و توییت‌ها بوده‌ایم. داده‌های متنی از این جهت منحصربه‌فرد هستند که معمولاً به‌جای سیستم رایانه‌ای یا حسگرها، مستقیماً توسط انسان تولید می‌شوند، و بنابراین برای کشف دانش درباره نظرات و ترجیحات افراد، علاوه بر بسیاری از انواع دیگر دانش که در متن کدگذاری می‌کنیم، بسیار ارزشمند هستند. این دوره به فناوری های موتورهای جستجو می پردازد که به دو دلیل نقش مهمی در هر برنامه داده کاوی شامل داده های متنی دارند. اولا، در حالی که داده‌های خام ممکن است برای هر مشکل خاصی بزرگ باشند، اغلب یک زیرمجموعه نسبتا کوچک از داده‌های مرتبط هستند، و یک موتور جستجو ابزار ضروری برای کشف سریع زیرمجموعه کوچکی از داده‌های متنی مرتبط در یک متن بزرگ است. مجموعه دوم، موتورهای جستجو برای کمک به تحلیلگران برای تفسیر هر گونه الگوی کشف شده در داده ها با اجازه دادن به آنها برای بررسی داده های متن اصلی مربوطه برای درک هر الگوی کشف شده مورد نیاز هستند. شما مفاهیم اساسی، اصول و تکنیک های اصلی در بازیابی متن را که علم زیربنایی موتورهای جستجو است، یاد خواهید گرفت.

linkedin باشگاه براکتولوژی: استفاده از جنون مارس برای یادگیری علم داده (Mitalearn-107692)

  • 12 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Brian Tonsoni
درباره این دوره:

وقتی کسی گروهی را به تصویر می کشد که بیش از 100 متخصص ورزشی را برای برنده شدن در ماتریس براکت 2016 - یک مسابقه آنلاین براکت جنون مارس - به تصویر می کشد، یک کلاس درس پر از دانش آموزان دبیرستانی در شهرهای کوچک ممکن است اولین تصویری نباشد که به ذهن می رسد. مطمئناً آن چیزی نبود که معلم مطالعات اجتماعی برایان تونسونی هنگام شروع به کار Delphi Bracketology - یک باشگاه دبیرستانی که از علم داده برای پیش‌بینی تیم‌هایی که NCAA برای مسابقات بسکتبال مردان بخش I انتخاب می‌کند، استفاده می‌کند. اما چیزی که به عنوان یک گردهمایی غیررسمی از طرفداران ورزش شروع شد، خیلی زود به مجموعه ای از قهرمانان تبدیل شد. در این فیلم کوتاه، با برخی از اعضای این تیم قابل توجه آشنا شوید و بیاموزید که چگونه رویکرد غیررسمی و پروژه محور تونسونی به یادگیری به این براکت شناسان جوان کمک کرد تا انواع مهارت های کلیدی - علم داده، سخنرانی در جمع و غیره - را که هر معلمی به دست می آورد. امید است در دانش آموزان خود القا کنند.

coursera برازش مدل های آماری به داده ها با پایتون (Mitalearn-333061)

  • 5 hours 41 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brenda Gunderson,Brady T. West,Kerby Shedden
درباره این دوره:

در این دوره، کاوش خود را در مورد تکنیک های استنتاج آماری با تمرکز بر علم و هنر تطبیق مدل های آماری با داده ها گسترش خواهیم داد. ما بر روی مفاهیم ارائه شده در دوره استنتاج آماری (دوره 2) برای تأکید بر اهمیت اتصال سؤالات تحقیق به روش های تجزیه و تحلیل داده های خود، تکیه خواهیم کرد. ما همچنین بر اهداف مختلف مدل سازی، از جمله استنتاج در مورد روابط بین متغیرها و ایجاد پیش بینی برای مشاهدات آینده، تمرکز خواهیم کرد. این دوره تکنیک های مختلف مدل سازی آماری از جمله رگرسیون خطی، رگرسیون لجستیک، مدل های خطی تعمیم یافته، مدل های اثرات سلسله مراتبی و ترکیبی (یا چند سطحی) و تکنیک های استنتاج بیزی را معرفی و بررسی می کند. همه تکنیک‌ها با استفاده از مجموعه‌های داده واقعی نشان داده می‌شوند، و این دوره بر رویکردهای مدل‌سازی مختلف برای انواع مختلف مجموعه داده‌ها، بسته به طرح مطالعه زیربنای داده‌ها تأکید می‌کند (اشاره به دوره 1، درک و تجسم داده‌ها با پایتون) . در طول این جلسات مبتنی بر آزمایشگاه، فراگیران از طریق آموزش هایی با تمرکز بر مطالعات موردی خاص برای کمک به تقویت مفاهیم آماری هفته، که شامل غواصی عمیق بیشتر در کتابخانه های پایتون از جمله Statsmodels، Pandas و Seaborn است، کار خواهند کرد. این دوره از محیط نوت بوک Jupyter در Coursera استفاده می کند.

coursera برای DP-203: مهندسی داده در آزمون Microsoft Azure آماده شوید (Mitalearn-333384)

  • 1 hours 10 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

گواهینامه های مایکروسافت با ارائه مدارک شناخته شده و مورد تایید صنعت در سطح جهانی مبنی بر تسلط بر مهارت های کسب و کارهای دیجیتال و ابری به شما یک مزیت حرفه ای می دهد. دانش خود را در مورد نحوه استفاده از خدمات و زبان های مختلف داده Azure برای ذخیره و تولید مجموعه داده های تمیز و پیشرفته برای تجزیه و تحلیل تجدید خواهید کرد. دانش خود را در یک آزمون عملی که با تمام موضوعات اصلی تحت پوشش آزمون DP-203 ترسیم شده است، آزمایش خواهید کرد و اطمینان حاصل می کند که برای موفقیت در صدور گواهینامه به خوبی آماده شده اید. همچنین یک نمای کلی دقیق تر از برنامه صدور گواهینامه مایکروسافت و جایی که می توانید در حرفه خود ادامه دهید دریافت خواهید کرد. همچنین نکات و ترفندها، استراتژی های تست، منابع مفید و اطلاعاتی در مورد نحوه ثبت نام در آزمون DP-203 Proctored دریافت خواهید کرد. در پایان این دوره، شما آماده ثبت نام و شرکت در آزمون DP-203 خواهید بود. این آخرین دوره از یک برنامه 10 دوره ای است که به شما کمک می کند تا برای شرکت در آزمون آماده شوید تا بتوانید در طراحی و پیاده سازی 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.

linkedin برای مصاحبه علم داده خود آماده شوید (Mitalearn-218940)

  • 31 minutes
  • مناسب همه
  • Release date: 22 June 2026
  • Author: Free the Data Academy,Ben Sullins
درباره این دوره:

اگر به دنبال کار به عنوان یک تحلیلگر داده، مهندس یا دانشمند جوان هستید، این دوره بهترین تکنیک ها را برای ایجاد مشاغل در علم داده به شما می دهد. مربی بن سالینز طرز فکر یک مدیر استخدام را بررسی می کند و به شما نشان می دهد چگونه یک نسخه نمایشی آماده کنید که می توانید در مصاحبه شغلی خود بیاورید. بن برخی از بهترین شیوه ها را برای سالم بودن از نظر جسمی و روانی و آمادگی مناسب برای مصاحبه توضیح می دهد. او مواردی را که باید در مصاحبه شما بیاورید را پوشش می دهد، سپس روش ها و مراحلی را که باید برای مذاکره در مورد آنچه بیشتر از یک پیشنهاد می خواهید بردارید، مرور می کند. روش های بن به شما اعتماد به نفس و تمرینی را می دهد که برای یافتن شغل در علم داده نیاز دارید.n ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

coursera بررسی اجمالی اجرایی تجزیه و تحلیل کسب و کار (Mitalearn-296205)

  • 4 hours 49 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Douglas B. Laney
درباره این دوره:

کسب‌وکارها بر اساس داده‌ها کار می‌کنند و داده‌ها بدون تجزیه و تحلیل ارزش کمی دارند. توانایی پردازش داده‌ها برای پیش‌بینی رفتار افراد یا بازارها، تشخیص سیستم‌ها یا موقعیت‌ها، یا تجویز اقدامات برای افراد یا فرآیندها، امروزه تجارت را پیش می‌برد. بسیاری از کسب‌وکارها به طور فزاینده‌ای در تلاش هستند تا «داده‌محور» شوند و بیشتر به اطلاعات سرد و الگوریتم‌های پیچیده تکیه می‌کنند تا غریزه درونی یا واکنش‌های آهسته انسان‌ها. این دوره بر درک مفاهیم کلیدی تجزیه و تحلیل و وسعت احتمالات تحلیلی متمرکز خواهد بود. این کلاس با هم ده‌ها مشکل و راه‌حل تحلیلی در دنیای واقعی را در اکثر صنایع اصلی و عملکردهای تجاری بررسی می‌کند. این دوره همچنین به فناوری های تحلیلی، معماری ها و نقش ها از هوش تجاری تا علم داده و از انبارهای داده تا دریاچه های داده می پردازد. و این دوره با بحث در مورد روندهای تحلیلی و آینده پایان خواهد یافت.

coursera برقراری ارتباط با نتایج تجزیه و تحلیل کسب و کار (Mitalearn-333656)

  • 2 hours 45 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Manuel Laguna,Dan Zhang,David Torgerson
درباره این دوره:

فرآیند تحلیلی به مدل هایی ختم نمی شود که بتواند با دقت پیش بینی کند یا بهترین راه حل را برای مشکلات تجاری تجویز کند. توسعه این مدل ها و به دست آوردن بینش از داده ها لزوماً منجر به اجرای موفق نمی شود. این به توانایی انتقال نتایج به کسانی که تصمیم می گیرند بستگی دارد. ارائه یافته ها به تصمیم گیرندگانی که با زبان تجزیه و تحلیل آشنایی ندارند، چالشی است. در این دوره شما یاد خواهید گرفت که چگونه نتایج تجزیه و تحلیل را به ذینفعانی که جزئیات تجزیه و تحلیل را درک نمی کنند، اما شواهدی از تجزیه و تحلیل و داده ها می خواهند، منتقل کنید. شما قادر خواهید بود وسایل نقلیه مناسبی را برای ارائه اطلاعات کمی انتخاب کنید، از جمله وسایل نقلیه مبتنی بر اصول تجسم داده ها. همچنین یاد خواهید گرفت که چگونه داستان‌های تجزیه و تحلیل داده را توسعه داده و ارائه دهید که زمینه، بینش و تفسیر را ارائه می‌کند.

coursera برنامه نویسی CASL برای محاسبات توزیع شده در SAS® Viya® (Mitalearn-336291)

  • 6 hours 12 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Peter Styliadis,Stacey Syphus
درباره این دوره:

به دوره آموزشی CASL Programming for Distributed Computing در SAS Viya خوش آمدید. SAS Viya یک پلتفرم هوش مصنوعی، تحلیلی و مدیریت داده است که بر روی معماری بومی ابری مقیاس‌پذیر، توزیع‌شده اجرا می‌شود. در این دوره آموزشی، نحوه استفاده از زبان برنامه نویسی بومی CAS (CASL) را برای استفاده از خدمات SAS Cloud Analytics (CAS)، موتور محاسباتی پرکاربرد، تجزیه و تحلیل درون حافظه و توزیع شده در SAS Viya خواهید آموخت. شما یاد خواهید گرفت که چگونه از CASL برای دسترسی، کاوش، آماده سازی، تجزیه و تحلیل و خلاصه کردن داده ها در محیط پردازش موازی انبوه سرور CAS استفاده کنید. این یک دوره پیشرفته است که برای زبان آموزانی با حداقل یک سال تجربه برنامه نویسی با یک زبان مدرن (SAS، R، Python، SQL و غیره) و حداقل یک سال تجربه کار با داده ها در نظر گرفته شده است. برای موفقیت در این دوره، باید درک کلی از مفاهیم اساسی برنامه نویسی کامپیوتر و چرخه حیات تجزیه و تحلیل داده ها داشته باشید. در پایان دوره، شما قادر خواهید بود: - درک و استفاده از سرورهای مختلف SAS Viya. - برای دسترسی و مدیریت داده ها به سرور CAS متصل شوید. - از CASL برای کاوش، آماده سازی و تجزیه و تحلیل داده ها استفاده کنید. - ایجاد گزارش و تجسم با استفاده از SAS Viya.

coursera برنامه نویسی R (Mitalearn-332432)

  • 5 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Jeff Leek, PhD,Brian Caffo, PhD
درباره این دوره:

در این دوره شما یاد خواهید گرفت که چگونه به زبان R برنامه نویسی کنید و چگونه از R برای تجزیه و تحلیل موثر داده ها استفاده کنید. شما یاد خواهید گرفت که چگونه نرم افزارهای لازم برای یک محیط برنامه نویسی آماری را نصب و پیکربندی کنید و مفاهیم زبان برنامه نویسی عمومی را همانطور که در یک زبان آماری سطح بالا پیاده سازی می شوند، شرح دهید. این دوره مسائل عملی در محاسبات آماری را پوشش می‌دهد که شامل برنامه‌نویسی در R، خواندن داده‌ها در R، دسترسی به بسته‌های R، نوشتن توابع R، اشکال‌زدایی، پروفایل‌سازی کد R، و سازمان‌دهی و اظهار نظر کد R می‌شود. موضوعات در تجزیه و تحلیل داده های آماری نمونه های کاری را ارائه می دهند.

linkedin برنامه نویسی R در علم داده: تاریخ و زمان (Mitalearn-186657)

  • 2 hours 17 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

یکی از مشکلات اساسی علم داده کار با تاریخ و زمان است. این دوره به مهندسان داده، پزشکان DevOps و برنامه نویسان علوم داده رایج ترین (و بسیاری از نه چندان رایج!) مشکلات و نحوه استفاده از ابزارهای مبتنی بر R برای پیاده سازی راه حل ها را نشان می دهد. نحوه ذخیره و بازیابی تاریخ ها و زمان ها در پایه R را بیاموزید. نحوه قالب بندی، مقایسه، اضافه و تفریق، و استخراج تاریخ ها و زمان ها با استفاده از توابع R داخلی را بیاموزید. سپس بیاموزید که چگونه پکیج‌های تخصصی R، مانند lubridate، busdater، zoo، timelineR، هر زمان، تاریخ و موارد دیگر را برای انجام برخی از کارهای سنگین ترکیب کنید. مربی مارک نیمن راس شما را از طریق هر بسته راهنمایی می کند، بنابراین می توانید از مزایا و بهترین استفاده های هر یک از آنها قدردانی کنید.

coursera برنامه نویسی SAS® برای محاسبات توزیع شده در SAS® Viya® (Mitalearn-336274)

  • 3 hours 38 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Stacey Syphus,Peter Styliadis
درباره این دوره:

به دوره آموزشی SAS Programming for Distributed Computing در SAS Viya خوش آمدید. SAS Viya یک پلتفرم هوش مصنوعی، تحلیلی و مدیریت داده است که بر روی معماری بومی ابری مقیاس‌پذیر، توزیع‌شده اجرا می‌شود. در این دوره شما یاد خواهید گرفت که چگونه برنامه های Base SAS موجود را برای اجرا در SAS Viya تغییر دهید. برنامه هایی که ایجاد می کنید از قدرت سرویس های تحلیلی ابری SAS (CAS) برای دسترسی، مدیریت و تجزیه و تحلیل جداول درون حافظه استفاده می کنند. این یک دوره پیشرفته است که برای زبان آموزان با تجربه برنامه نویسی SAS در نظر گرفته شده است. برای موفقیت، باید بتوانید از طریق کتابخانه های SAS به داده ها دسترسی داشته باشید، داده ها را با مرحله DATA بخوانید و آماده کنید، داده ها را با استفاده از PROC SQL جستجو کنید، و داده ها را با روش های MEANS و FREQ خلاصه کنید. این دانش اساسی را می توان در تخصص برنامه نویس Coursera SAS به دست آورد. در پایان دوره، شما قادر خواهید بود: - بارگذاری داده ها در سرویس های تحلیل ابری SAS - مرحله DATA و کد رویه SQL را برای اجرا در CAS تغییر دهید - از رویه های فعال CAS استفاده کنید - کد CASL را برای اجرای اقدامات CAS بنویسید

coursera برنامه نویسی برای علم داده (Mitalearn-328743)

  • 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr Jonathan Ward,Hassan Izanloo
درباره این دوره:

اصول برنامه نویسی را بررسی کنید و با زبان پایتون آشنا شوید. پس از اتمام این دوره، شما قادر خواهید بود برنامه های پایتون را در Jupyter Notebook بنویسید و برنامه نویسی پایه را شرح دهید. در این دوره شما هر آنچه را که برای شروع سفر برنامه نویسی خود نیاز دارید را یاد خواهید گرفت. انواع مختلف داده های موجود در پایتون و نحوه استفاده از آنها را کشف خواهید کرد، نحوه اعمال ساختارهای کنترل شرطی و حلقه ای را یاد خواهید گرفت و توابع خود را بنویسید. این دوره توضیحات مفصلی از مفاهیم جدید و اطلاعات پس زمینه برای زمینه اضافی ارائه می دهد. آزمون های موجود به شما کمک می کند تا درک خود را توسعه دهید. شما همچنین تمرینات را با استفاده از Jupyter Notebook در رایانه خود کامل خواهید کرد. با استفاده از Jupyter Notebook، می‌توانید یادداشت‌های خود را با مثال‌های مفید ترکیب کنید تا منابع مورد نیاز برای برنامه‌نویسی را در آینده به طور مستقل توسعه دهید. این دوره یک مزه کننده کارشناسی ارشد آنلاین در علوم داده (آمار) است، اما می تواند توسط زبان آموزانی که می خواهند مقدماتی بر برنامه نویسی و کشف اصول پایتون داشته باشند تکمیل شود.

Suggestions