Course catalog

Course duration

Course provider

Topic

Categories

Showing 13,001-13,020 of 18,566 items.

linkedin علم داده آسان شد: تجزیه و تحلیل عملی با ابزار نرم افزار بدون کد KNIME توسط پیرسون (Mitalearn-455767)

  • 4 hours 46 minutes
  • مناسب همه
  • Release date: 10 February 2026
  • Author: Pearson
درباره این دوره:

<p>مفاهیم اساسی، روش‌ها، الگوریتم‌ها و کاربردهای علم داده را کاوش کنید. با بهترین شیوه های فعلی در این زمینه و نحوه اجرای آنها با استفاده از ابزار نرم افزاری بصری، بصری و بدون کد KNIME آشنا شوید. یک نمای کلی از علم داده، ابزارهای رایج، توسعه مدل ML با KNIME، و رابطه بین علم داده، هوش مصنوعی و یادگیری ماشین را دریافت کنید. در طول مسیر، مهارت های ضروری را در تجزیه و تحلیل متن و متن کاوی توسعه دهید.</p><p>این دوره توسط پیرسون ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

Related Skills

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 (Mitalearn-437084)

  • 1 hours 30 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Barton Poulson
درباره این دوره:

در این دوره، بارتون پولسون - پروفسور، مشاور، کارآفرین و کارشناس داده - دیدگاهی تازه و قابل دسترس از نحوه کاربرد علم داده در دنیای مالی را همراه با ارزیابی روشنگرانه از چالش های رخ داده و راه حل های بالقوه ارائه می دهد. درباره علم داده و اینکه چگونه می توانید مهارت های خود را در امور مالی توسعه دهید بیشتر بیاموزید. با تعدادی از احتمالات، چالش ها و راه حل ها آشنا شوید. به‌علاوه، رسانه‌های اجتماعی و تعامل غیرحرفه‌ای را با موضوعات مالی، از جمله بخش‌هایی درباره هوش مصنوعی، LLMs، ChatGPT، تأثیرات مالی رسانه‌های اجتماعی، و برنامه‌های پرداخت اجتماعی بررسی کنید.

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 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

Suggestions