Course catalog

Course duration

Course provider

Topic

Categories

Showing 12,161-12,180 of 17,394 items.

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 خرده فروشی، فروش و تجارت (Mitalearn-111721)

  • 1 hours 10 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: Barton Poulson
درباره این دوره:

چگونه فناوری دائماً داده ها را از دنیای تجارت اطراف ما جمع آوری می کند؟ از داده های موجود در خرده فروشی و مخارج مصرف کننده چه چیزی می توانید بدست آورید؟ این دوره به بررسی راه‌های مهمی می‌پردازد که کسب‌وکارها تحت تأثیر فناوری قرار می‌گیرند و چگونه شرکت‌ها از داده‌های موجود در همه جا برای بهبود تجارت استفاده می‌کنند. به Barton Poulson بپیوندید تا نحوه استفاده از داده ها برای درک مشتریان، توصیه محصولات به مشتریان، به دست آوردن مشتریان جدید، وفاداری مشتری و موارد دیگر را به شما معرفی کند.

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.

coursera علم داده در زندگی واقعی (Mitalearn-335526)

  • 2 hours 39 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Brian Caffo, PhD,Jeff Leek, PhD,Roger D. Peng, PhD
درباره این دوره:

آیا تا به حال تجربه عالی علم داده را داشته اید؟ کشش داده کاملاً انجام شد. هیچ خطای ادغام یا داده های از دست رفته وجود نداشت. قبل از تجزیه و تحلیل، فرضیه ها به وضوح تعریف شده بودند. تصادفی سازی برای درمان مورد علاقه انجام شد. طرح تحلیلی قبل از تجزیه و تحلیل ترسیم شد و دقیقاً دنبال شد. نتیجه گیری ها واضح و تصمیمات قابل اجرا واضح بود. آیا این اتفاق برای شما افتاده است؟ البته نه. تجزیه و تحلیل داده ها در زندگی واقعی کثیف است. چگونه می توان تیمی را که با تجزیه و تحلیل داده های واقعی مواجه است، مدیریت کرد؟ در این دوره یک هفته‌ای، ایده‌آل را با آنچه در زندگی واقعی اتفاق می‌افتد مقایسه می‌کنیم. با تضاد ایده آل، مفاهیم کلیدی را یاد خواهید گرفت که به شما در مدیریت تحلیل های زندگی واقعی کمک می کند. این یک دوره متمرکز طراحی شده است تا شما را به سرعت در انجام علم داده در زندگی واقعی به سرعت بشناساند. 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 گذراندن این دوره خواهید دانست که چگونه: 1، تجربه "عالی" علم داده را توصیف کنید 2. شناسایی نقاط قوت و ضعف در طرح های آزمایشی 3. مشکلات احتمالی را هنگام جمع‌آوری/ جمع‌آوری داده‌ها شرح دهید و راه‌حل‌هایی را برای مدیریت کشش داده‌ها بیاموزید. 4. مفروضات مدل سازی آماری را به چالش بکشید و بازخورد را به تحلیلگران داده هدایت کنید 5. مشکلات رایج در ارتباط تجزیه و تحلیل داده ها را شرح دهید 6. نگاهی اجمالی به یک روز از زندگی یک مدیر تجزیه و تحلیل داده ها داشته باشید. این دوره در سطح مفهومی برای مدیران فعال دانشمندان داده و آماردانان تدریس می شود. برخی از مفاهیم کلیدی مورد بحث عبارتند از: 1. طراحی آزمایشی، تصادفی سازی، تست A/B 2. استنتاج علی، خلاف واقع، 3. استراتژی های مدیریت کیفیت داده ها. 4. تعصب و گیج کننده 5. یادگیری ماشینی متضاد در مقابل استنتاج آماری کلاسیک تبلیغ دوره: https://www.youtube.com/watch?v=9BIYmw5wnBI تصویر جلد دوره توسط جاناتان گراس. Creative Commons BY-ND https://flic.kr/p/q1vudb

coursera علم داده در مراقبت های بهداشتی طبقه بندی شده و پزشکی دقیق (Mitalearn-330375)

  • 4 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr Areti Manataki,Dr Frances Wong
درباره این دوره:

حجم فزاینده ای از داده ها در زیست پزشکی و مراقبت های بهداشتی از داده های ژنومی گرفته تا پرونده های الکترونیکی بیماران و داده های جمع آوری شده توسط دستگاه های پوشیدنی در دسترس است. پیشرفت های اخیر در علم داده، علوم زیستی را متحول کرده و منجر به پزشکی دقیق و مراقبت های بهداشتی طبقه بندی شده می شود. در این دوره آموزشی، با انواع مختلف داده ها و روش های محاسباتی مربوط به مراقبت های بهداشتی طبقه بندی شده و پزشکی دقیق آشنا خواهید شد. شما تجربه عملی کار با چنین داده هایی را خواهید داشت. و از رهبران این حوزه در مورد مطالعات موردی موفق یاد خواهید گرفت. موضوعات عبارتند از: (i) پردازش توالی، (ii) تجزیه و تحلیل تصویر، (iii) مدل سازی شبکه، (iv) مدل سازی احتمالی، (v) یادگیری ماشین، (vi) پردازش زبان طبیعی، (vii) مدل سازی فرآیند و (viii) نمودار داده ها ویدیوی تبلیغاتی دوره را اینجا ببینید: http://edin.ac/2pn350P

coursera علم داده در مقیاس - پروژه Capstone (Mitalearn-335203)

  • مناسب همه
  • Release date: 27 June 2026
  • Author: Bill Howe
درباره این دوره:

در این مرحله، دانش‌آموزان در یک پروژه دنیای واقعی شرکت خواهند کرد که از آنها می‌خواهد مهارت‌هایی را از کل خط لوله علم داده به کار گیرند: آماده‌سازی، سازمان‌دهی، و تبدیل داده‌ها، ساخت یک مدل، و ارزیابی نتایج. از طریق همکاری با Coursolve، هر پروژه Capstone با سهامداران شریکی مرتبط است که علاقه خاصی به نتایج شما دارند و مشتاق هستند تا آنها را در عمل اجرا کنند. این پروژه‌ها ساده نخواهند بود و نتیجه آن تجویز نمی‌شود - شما باید ابهام و نتایج منفی را تحمل کنید! اما ما معتقدیم که این تجربه مفید خواهد بود و شما را برای پروژه های علم داده در عمل بهتر آماده می کند.

linkedin علم داده دولت و علوم سیاسی، با بارتون پولسون (Mitalearn-128449)

  • 1 hours 2 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

آیا شما علاقه مند به افزایش درک خود از نحوه عملکرد دولت و سیاست هستید؟ اگر چنین است، این دوره کوتاه می‌تواند با بررسی روش‌های عمیقی که علم داده بر نحوه عملکرد دولت و فرآیند سیاسی ما تأثیر می‌گذارد کمک کند. بارتون پولسون، دانشمند داده و پروفسور، مروری غیرفنی از نحوه عملکرد علم داده در بخش عمومی ارائه می‌کند. او بحث می کند که چگونه می توان از تحلیل های پیش بینی کننده برای کمک به درک بازنمایی سیاسی استفاده کرد. بررسی می کند که چگونه علم داده بر مسائل امنیت ملی، حریم خصوصی و عدالت اجتماعی تأثیر می گذارد.

Related Skills

coursera علم داده رایگان کد (Mitalearn-328420)

  • 3 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Natasha Balac, Ph.D.
درباره این دوره:

کلاس Code Free Data Science برای زبان آموزانی طراحی شده است که به دنبال کسب یا گسترش دانش خود در زمینه علم داده هستند. شرکت‌کنندگان آموزش‌های پایه را در مورد رویکردهای تحلیلی پیش‌بینی‌کننده مؤثر همراه با رشته رو به رشد علم داده بدون هیچ گونه نیاز برنامه‌نویسی دریافت خواهند کرد. روش‌های یادگیری ماشین با استفاده از پلتفرم KNIME Analytics برای کشف الگوها و روابط در داده‌ها ارائه می‌شوند. پیش بینی روندها و رفتارهای آینده امکان تصمیم گیری های پیشگیرانه و مبتنی بر داده را فراهم می کند. در طول کلاس، فراگیران مهارت های جدیدی برای اعمال الگوریتم های پیش بینی بر داده های واقعی، ارزیابی، اعتبارسنجی و تفسیر نتایج بدون هیچ پیش نیازی برای هر نوع برنامه نویسی به دست خواهند آورد. شرکت کنندگان مهارت های ضروری برای طراحی، ساخت، تأیید و آزمایش مدل های پیش بینی را به دست خواهند آورد. شما یاد خواهید گرفت • نحوه طراحی گردش کار علم داده بدون نیاز به برنامه نویسی • مهارت های ضروری علوم داده برای طراحی، ساخت، آزمایش و ارزیابی مدل های پیش بینی • روش های دستکاری، آماده سازی و طبقه بندی و خوشه بندی داده ها • روش های اعمال الگوریتم های علم داده بر داده های واقعی و ارزیابی و تفسیر نتایج

linkedin علم داده رسانه و سرگرمی با بارتون پولسون (Mitalearn-111738)

  • 56 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

موسیقی، تئاتر، رقص و فیلم ممکن است مانند تجارت های داده محور به نظر نرسند، اما می توانند به اندازه تجارت الکترونیک یا امور مالی از علم داده بهره ببرند. به پروفسور، محقق و مشاور علوم داده، بارتون پولسون بپیوندید تا روش‌های شگفت‌انگیزی را که در آن رسانه‌ها و صنایع سرگرمی اطراف ما تحت تأثیر داده‌ها و علم داده‌ها و تجزیه‌وتحلیل‌ها تحت تأثیر قرار می‌گیرند - و به طور اساسی تغییر کرده‌اند - را بررسی می‌کند.\r\n\r\n مشاهده آن برای کسانی که در رسانه کار می کنند ضروری است، اما همچنین برای هر کسی که علاقه مند به تأثیر فناوری بر دنیای اطراف ما است جذاب است. بیاموزید که چگونه از علم داده برای ارزیابی مخاطبان هدف خود، بهینه سازی قیمت گذاری و زمان بندی رویدادها و محصولات دیجیتال، شناسایی دزدی دریایی، محافظت از مالکیت معنوی خود، پاداش دادن به کارمندان و به حداکثر رساندن بازگشت سرمایه خود استفاده کنید. ترکیب برخی تحلیل‌های ساده می‌تواند منجر به مخاطبان گسترده‌تر و تجربیات غنی‌تر برای تلاش خلاقانه بعدی شما شود.

linkedin علم داده سازمان های خدماتی غیرانتفاعی، با بارتون پولسون (Mitalearn-140655)

  • 1 hours 8 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

یاد بگیرید چگونه از علم داده برای انجام کارهای خوب استفاده کنید. علم داده می‌تواند کمک بزرگی به سازمان‌های غیرانتفاعی باشد که در تلاش برای شناسایی اهداکنندگان، درک جوامع خود، ارزیابی تأثیر آنها و بهره‌وری بیشتر هستند. در این دوره آموزشی، مدرس، دانشمند داده و کارآفرین بارتون پولسون بحث می‌کند که چگونه می‌توان برخی از نگرانی‌های رایج سازمان‌های خدماتی غیرانتفاعی را با استفاده از منابع جدید داده - از جمله رسانه‌های اجتماعی و تجزیه و تحلیل وب - برطرف کرد و چگونه روش‌هایی مانند تجزیه و تحلیل پیش‌بینی‌کننده، یادگیری ماشین، و تجسم داده ها می تواند سازمان ها را بهره وری و کارآمدتر کند. او همچنین فرصت های شغلی را برای دانشمندان داده که می خواهند از جاه طلبی های مدنی خود به بهترین شکل استفاده کنند، پوشش می دهد.

linkedin علم داده طراحی تجربی (Mitalearn-171935)

  • 3 hours 35 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Monika Wahi
درباره این دوره:

آیا علاقه مند به یادگیری نحوه ایجاد یک آزمایش آنلاین هستید که به شما کمک می کند تجارت خود را بهتر بشناسید؟ این دوره می تواند به شما کمک کند تا سرعت خود را افزایش دهید. مربی مونیکا وحی به یادگیرندگان بدون پیشینه طراحی آزمایشی نحوه ساخت یک آزمون A/B برای یک صفحه وب، اجرای آزمون، تجزیه و تحلیل داده ها و تصمیم گیری بر اساس نتایج آزمون را به یادگیرندگان نشان می دهد. مونیکا با توضیح اینکه تست A/B دقیقا چیست و در چه شرایطی مفید است، شروع می‌کند. سپس استراتژی‌های بالقوه برای افزایش نرخ تبدیل و همچنین نحوه انتخاب هر دو شرایط A و B برای آزمایش را پوشش می‌دهد. در مرحله بعد، او نحوه تعریف نرخ تبدیل و توسعه و مستندسازی تعاریف موردی، انجام یک تحلیل پایه در اکسل و بر اساس نتایج تجزیه و تحلیل، طراحی یک تست A/B را توضیح می‌دهد. بعلاوه، او نحوه انجام یک تست مجذور کای در اکسل و تخمین اندازه نمونه را با استفاده از G*Power نشان می‌دهد.

linkedin علم داده عملی با استفاده از SQL، Tableau، Python و Spark (Mitalearn-391864)

  • 1 hours 13 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Ben Sullins,Free the Data Academy
درباره این دوره:

به‌دنبال گسترش دانش فنی خود در پرکاربردترین پلت‌فرم‌های علم داده در جهان هستید؟ در این دوره، به مربی Ben Sullins از Free the Data Academy بپیوندید تا به شما نشان دهد چگونه با استفاده از SQL، Tableau، Python و Spark چهار پروژه علمی داده مجزا بسازید. تجزیه و تحلیل داده های کارکنان با SQL، ساخت داشبورد فروش در Tableau، انجام تجزیه و تحلیل فروش در پایتون و تجزیه و تحلیل خدمات در Spark را به صورت عملی و حرفه ای انجام دهید. در پایان این دوره، شما به مهارت های پیشرفته و بسیار مورد توجهی مجهز خواهید شد تا حرفه علم داده خود را به سطح بعدی ارتقا دهید.

توجه: این دوره توسط بن سالینز ایجاد شده است. آکادمی داده را آزاد کنید. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

Suggestions