Course catalog

Course duration

Course provider

Topic

Categories

Showing 13,641-13,660 of 17,394 items.

linkedin مبانی عکاسی: ماکرو و کلوزآپ (Mitalearn-36734)

  • 4 hours 13 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Ben Long
درباره این دوره:

این دنیای کوچکی است و ثبت آن با یک عکس می تواند چالش برانگیز باشد. در این دوره، عکاس، نویسنده، و معلم بن لانگ شما را به یک سفر فوق العاده به قلمرو کوچک می برد، با جزئیات تجهیزات و تکنیک های عکاسی لازم برای گرفتن نماهای نزدیک از همه چیز، از محصولات گرفته تا پوزیشن ها.



>rnrn سپس، بن چالش‌های ویژه عکاسی ماکرو را بررسی می‌کند: برخورد با سوژه‌های متحرک، کار با عمق میدان بسیار کم، فوکوس، نورپردازی و موارد دیگر.

rnrn

linkedin مبانی عکاسی: نوردهی (قسمت 1) (Mitalearn-149495)

  • 2 hours 40 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Ben Long
درباره این دوره:

رسیدن به بهترین نوردهی برای یک عکس بخشی علم و بخشی هنر است. فناوری در کنار شماست، اما گاهی اوقات، برای به دست آوردن تصویری که می خواهید، باید کنترل های دوربین خود را نادیده بگیرید. در مبانی عکاسی: نوردهی، بن لانگ به عکاسان کمک می‌کند تا گزینه‌های هنری خود را با درک عمیق‌تر سرعت شاتر، دیافراگم، ISO و سایر جنبه‌های حیاتی نوردهی به آنها گسترش دهند. قسمت اول این مجموعه دو قسمتی به بررسی اصول اولیه می پردازد: مفاهیمی مانند لحن، محدوده دینامیکی، و میزان متقابل، و نحوه ارتباط آنها با تنظیمات دوربین دیجیتال شما. می توانید نحوه استفاده از نورسنج و هیستوگرام دوربین خود را یاد بگیرید، روشنایی و جزئیات را در عکس های خود تنظیم کنید، از تار شدن جلوگیری کنید و دقیقاً نحوه عملکرد حالت های خودکار را درک کنید. در پایان دوره، می‌دانید که چگونه یک «استراتژی نوردهی» ایجاد کنید که بتوانید در هر موقعیت تیراندازی از آن استفاده کنید.

rnrn

linkedin مبانی عکاسی: نوردهی (قسمت 2) (Mitalearn-147115)

  • 1 hours 39 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Ben Long
درباره این دوره:

رسیدن به بهترین نوردهی برای یک عکس بخشی علم و بخشی هنر است. در این دوره - دومین و آخرین قسمت از مجموعه مبانی عکاسی: نوردهی - بن لانگ به عکاسان کمک می کند تا گزینه های هنری خود را با درک عمیق تر سرعت شاتر، دیافراگم، ISO و سایر نوردهی های حیاتی گسترش دهند. تمرینات در اینجا، بن مفاهیم اساسی پوشش داده شده در قسمت قبلی را گسترش می دهد و نگاهی عمیق به حالت های اولویت، حالت دستی و عمق میدان دارد. بیاموزید که چگونه گزینه های ISO بالای دوربین خود را ارزیابی کنید، چگونه با در نظر گرفتن مراحل پس از تولید، عکاسی کنید و موارد دیگر. در پایان دوره، می‌دانید که چگونه یک استراتژی نوردهی ایجاد کنید که به شما امکان می‌دهد به طور موثر دانش نوردهی خود را در هر موقعیت تیراندازی به کار بگیرید.

coursera مبانی علم داده (Mitalearn-335917)

  • 1 hours 43 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Google Career Certificates
درباره این دوره:

این اولین دوره از هفت دوره در گواهی تجزیه و تحلیل داده های پیشرفته Google است که به توسعه مهارت های مورد نیاز برای درخواست نقش های حرفه ای داده های پیشرفته تر، مانند دانشمند داده در سطح ورودی یا تحلیلگر داده در سطح پیشرفته، کمک می کند. متخصصان داده ها داده ها را تجزیه و تحلیل می کنند تا به کسب و کارها در تصمیم گیری بهتر کمک کنند. برای انجام این کار، آنها از تکنیک های قدرتمندی مانند داستان سرایی داده، آمار و یادگیری ماشینی استفاده می کنند. در این دوره، شما سفر یادگیری خود را با کاوش در نقش متخصصان داده در محل کار آغاز خواهید کرد. همچنین در مورد گردش کار پروژه PACE (طرح، تجزیه و تحلیل، ساخت، اجرا) و اینکه چگونه می تواند به شما در سازماندهی پروژه های داده کمک کند، خواهید آموخت. 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: -کارکردهای تجزیه و تحلیل داده و علم داده را در یک سازمان توصیف کنید -ابزارهای استفاده شده توسط متخصصان داده را شناسایی کنید کاوش در ارزش نقش های مبتنی بر داده در سازمان ها فرصت های شغلی را برای یک متخصص داده بررسی کنید - گردش کار پروژه داده را توضیح دهید - مهارت های ارتباط موثر را توسعه دهید

coursera مبانی علم داده برای تحلیلگران داده (Mitalearn-330681)

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

در این دوره ما شما را از طریق بلوک های ساختمانی اساسی علم داده، یکی از سریع ترین زمینه های در حال رشد در جهان، راهنمایی می کنیم! با کمک دانشمندان پیشرو در صنعت خود، ما این دوره را برای ایجاد مهارت های علمی داده آماده و کاربردی در تنها 15 ساعت یادگیری طراحی کرده ایم. ابتدا، ما به شما یک مقدمه سریع از علم داده ارائه می دهیم - چیست و چگونه برای حل مشکلات دنیای واقعی استفاده می شود. برای بقیه دوره، ما مهارت‌هایی را به شما آموزش می‌دهیم که برای استفاده از مفاهیم و تکنیک‌های پایه علم داده برای حل این مشکلات دنیای واقعی نیاز دارید. در پایان این دوره، شما قادر خواهید بود از مهارت های موجود در تجزیه و تحلیل داده ها برای طراحی، اجرا، ارزیابی و انتقال نتایج پروژه های علم داده خود استفاده کنید.

coursera مبانی علم داده های مقیاس پذیر (Mitalearn-328335)

  • 1 hours 49 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Romeo Kienzler
درباره این دوره:

آپاچی اسپارک استاندارد واقعی برای پردازش داده در مقیاس بزرگ است. این اولین دوره از یک سری دوره ها به سمت تخصص IBM Advanced Data Science است. ما قویاً معتقدیم که برای موفقیت در شروع یادگیری یک پلتفرم علم داده مقیاس‌پذیر بسیار مهم است زیرا محدودیت‌های حافظه و CPU برای ساختن مدل‌های پیشرفته یادگیری ماشینی عامل محدودکننده هستند. در این دوره ما اصول Apache Spark را با استفاده از پایتون و pyspark به شما آموزش می دهیم. ما Apache Spark را در دو هفته اول معرفی خواهیم کرد و یاد خواهیم گرفت که چگونه از آن برای محاسبه وظایف اولیه اکتشافی و پیش پردازش داده در دو هفته گذشته استفاده کنیم. از طریق این تمرین شما همچنین با اساسی ترین معیارهای آماری و فناوری های تجسم داده ها آشنا می شوید. این به شما دانش کافی برای به عهده گرفتن نقش یک مهندس داده در هر محیط مدرن می دهد. اما به شما مبنایی برای پیشبرد حرفه خود به سمت علم داده نیز می دهد. لطفاً به برنامه درسی تخصصی کامل نگاهی بیندازید: https://www.coursera.org/specializations/advanced-data-science-ibm اگر این دوره را بگذرانید و گواهی دوره Coursera را دریافت کنید، یک IBM دیجیتال نیز کسب خواهید کرد. نشان برای کسب اطلاعات بیشتر در مورد نشان های دیجیتال IBM پیوند ibm.biz/badging را دنبال کنید. پس از تکمیل این دوره، شما قادر خواهید بود: • توضیح دهید که چگونه معیارهای آماری اساسی برای آشکار کردن الگوهای موجود در داده ها استفاده می شود. • شناسایی تکنیک های مفید برای کار با داده های بزرگ مانند روش های کاهش ابعاد و انتخاب ویژگی • استفاده از ابزارهای پیشرفته و کتابخانه های نموداری برای: o بهبود کارایی تجزیه و تحلیل داده های بزرگ با تجزیه و تحلیل موازی و پارتیشن بندی o تجسم داده ها به صورت تعدادی دو بعدی و فرمت های سه بعدی (Box Plot، Run Chart، Scatter Plot، Pareto Chart، و Multidimensional Scaling) برای تکمیل موفقیت آمیز دوره، پیش نیازهای زیر توصیه می شود: • مهارت های برنامه نویسی اولیه در پایتون • ریاضی پایه • SQL پایه (شما می توانید آن را به راحتی دریافت کنید. از https://www.coursera.org/learn/sql-data-science در صورت نیاز) برای تکمیل این دوره از فناوری های زیر استفاده می شود: (این فناوری ها در دوره در صورت لزوم معرفی شده اند بنابراین هیچ دانش قبلی وجود ندارد. لازم است.) • نوت بوک های Jupyter (به صورت رایگان توسط IBM Watson Studio برای شما آورده شده است) • ApacheSpark (به صورت رایگان توسط IBM Watson Studio برای شما آورده شده است) • Python گزارش شده است که برخی از مطالب این دوره بسیار پیشرفته است. بنابراین اگر شما هم همین احساس را دارید، لطفا قبل از شروع این دوره ابتدا به مطالب زیر نگاهی بیندازید، گزارش شده است که این واقعا کمک می کند. البته می توانید ابتدا این دوره را امتحان کنید و سپس در صورت نیاز دوره ها/مواد زیر را بگذرانید. این برنامه رایگان است... https://cognitiveclass.ai/learn/spark https://dataplatform.cloud.ibm.com/analytics/notebooks/v2/f8982db1-5e55-46d6-a272-fd11b670be38/view?access3311a945333333333333333333333333333333333333333333694=533311a9455 b3eae2a99e0dc923ec0775d891c31c5bbbc68 این دوره چهار هفته طول می کشد، 4-6 ساعت در هفته

linkedin مبانی علم داده: ارزیابی داده ها برای مدل سازی پیش بینی (Mitalearn-201413)

  • 4 hours 8 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Keith McCormick
درباره این دوره:

CRISP-DM، فرآیند استاندارد بین صنعتی برای داده کاوی، از شش فاز تشکیل شده است. اکثر دانشمندان داده جدید به سمت مدل سازی عجله می کنند زیرا این مرحله ای است که در آن بیشترین آموزش را دارند. اما اینکه پروژه موفق شود یا شکست، در واقع خیلی زودتر مشخص می شود. این دوره یک رویکرد سیستماتیک به فاز درک داده ها برای مدل سازی پیش بینی معرفی می کند. مربی، کیت مک کورمیک، اصول، دستورالعمل‌ها و ابزارهایی مانند KNIME و R را آموزش می‌دهد تا به درستی مجموعه داده‌ها را برای مناسب بودن آن برای یادگیری ماشین ارزیابی کند. نحوه جمع‌آوری داده‌ها، توصیف داده‌ها، کاوش داده‌ها با اجرای تجسم‌های دو متغیره، و تأیید کیفیت داده‌ها و همچنین انتقال به مرحله آماده‌سازی داده‌ها را کشف کنید. این دوره شامل مطالعات موردی و بهترین شیوه ها، و همچنین مجموعه چالش ها و راه حل ها برای حفظ دانش افزایش یافته است. در پایان، شما باید مهارت های لازم برای توجه مناسب به این مرحله حیاتی از تمام پروژه های موفق علم داده را داشته باشید.

linkedin مبانی علم داده: انتخاب پایگاه داده مناسب (Mitalearn-131934)

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

در طول چند سال گذشته، دنیای پایگاه داده شاهد انواع مختلفی از پایگاه داده های جدید بوده است: سند، کلید-مقدار، نمودار و ستونی. علاوه بر این، متخصصان علوم داده نیز غول قدیمی - سیستم های مدیریت پایگاه داده رابطه ای (RDBMS) - را به عنوان یک گزینه دارند. موارد استفاده از علم داده و تجزیه و تحلیل معمولی اکنون به متن، رسانه های اجتماعی، اینترنت اشیا و ابر گسترش یافته است. با توجه به این همه چیز، چگونه پایگاه داده مناسب را برای پروژه علم داده خاص خود انتخاب می کنید؟ این دوره می تواند با به اشتراک گذاشتن آنچه که برای تصمیم گیری آگاهانه نیاز دارید، کمک کند.\r\n\r\n در مرحله بعد، کوماران به انواع مختلف پایگاه داده می پردازد و نقاط قوت و ضعف هر یک را به اشتراک می گذارد. برای جمع بندی، او در موارد استفاده خاص قدم می زند و نحوه انتخاب بهترین فناوری پایگاه داده برای هر موقعیت را نشان می دهد.

linkedin مبانی علم داده: پشته علمی پایتون (2017) (Mitalearn-107760)

  • 3 hours 34 minutes
  • متوسط
  • Release date: 18 July 2017
  • Author: Miki Tebeka
درباره این دوره:

علم داده، بینش‌های قابل توجه و بسیار ارزشمندی را در مورد رفتار انسانی به سازمان‌ها ارائه می‌دهد. در حالی که داده کاوی می تواند کمی دلهره آور به نظر برسد، نیازی نیست که برای پردازش داده های خود یک برنامه نویس بسیار ماهر باشید. در این دوره آموزشی، نحوه استفاده از پشته علمی پایتون برای تکمیل وظایف رایج علم داده را بیاموزید. Miki Tebeka ابزارها و مفاهیمی را که برای پردازش مؤثر داده‌ها با پشته علمی پایتون نیاز دارید، شامل پانداها برای خرد کردن داده‌ها، matplotlib برای تجسم داده، NumPy برای محاسبات عددی و غیره را پوشش می‌دهد.

linkedin مبانی علم داده: پشته علمی پایتون [CoderPad] (Mitalearn-443561)

  • 2 hours 25 minutes
  • مناسب همه
  • Release date: 9 November 2022
  • Author: Miki Tebeka
درباره این دوره: 

 به مربی Miki Tebeka بپیوندید که در پشته علمی پایتون شیرجه می‌زند و به شما نشان می‌دهد چگونه از آن برای حل مشکلات استفاده کنید. Miki بسته‌های اصلی مورد استفاده در فرآیند علم داده را پوشش می‌دهد: numpy، pandas، matplotlib، scikit-learn، و موارد دیگر. او همچنین شما را از طریق نحوه بارگیری داده ها، تجزیه و تحلیل داده ها، اجرای مدل ها و نمایش نتایج راهنمایی می کند.

این دوره با GitHub Codespaces، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد، یکپارچه شده است. با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.

coursera مبانی علم داده: خوشه بندی K-Means در پایتون (Mitalearn-326652)

  • 2 hours 57 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr Matthew Yee-King,Dr Betty Fyn-Sydney,Dr Jamie A Ward
درباره این دوره:

سازمان‌ها در سراسر جهان از داده‌ها برای پیش‌بینی رفتارها و استخراج بینش‌های ارزشمند دنیای واقعی برای تصمیم‌گیری استفاده می‌کنند. مدیریت و تجزیه و تحلیل کلان داده ها به بخشی ضروری از امور مالی مدرن، خرده فروشی، بازاریابی، علوم اجتماعی، توسعه و تحقیقات، پزشکی و دولت تبدیل شده است. این MOOC که توسط یک تیم دانشگاهی از Goldsmiths، دانشگاه لندن طراحی شده است، به سرعت شما را با مفاهیم اصلی علم داده آشنا می کند تا شما را برای دوره های متوسط ​​و پیشرفته علوم داده آماده کند. این بر روی ریاضیات، آمار و مهارت های برنامه نویسی اساسی تمرکز دارد که برای کارهای معمولی تجزیه و تحلیل داده ها ضروری است. شما این مفاهیم اساسی را در یک کار نمونه‌ای خوشه‌بندی داده در نظر خواهید گرفت و از این مثال برای یادگیری مهارت‌های برنامه‌نویسی اولیه که برای تسلط بر تکنیک‌های علم داده ضروری هستند، استفاده خواهید کرد. در طول دوره، از شما خواسته می‌شود که یک سری تمرین‌های ریاضی و برنامه‌نویسی و یک پروژه خوشه‌بندی داده‌های کوچک برای یک مجموعه داده انجام دهید.

linkedin مبانی علم داده: داده کاوی (Mitalearn-91168)

  • 4 hours 40 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

تمام علم داده با داده های خوب شروع می شود. داده‌کاوی چارچوبی برای جمع‌آوری، جستجو و فیلتر کردن داده‌های خام در یک موضوع سیستماتیک است که تضمین می‌کند از همان ابتدا داده‌های تمیزی دارید. همچنین به شما کمک می کند تا مجموعه داده های بزرگ را تجزیه کنید و به معنی دارترین و مفیدترین اطلاعات دست یابید. این دوره، مبانی علم داده: داده کاوی، طراحی شده است تا نقطه ورود محکمی به تمامی ابزارها، تکنیک ها و تفکر تاکتیکی پشت داده کاوی ارائه دهد.

rnrn و بیشتر.

linkedin مبانی علم داده: داده کاوی در R (Mitalearn-227253)

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

علم داده در پیچیدگی و تقاضا با سرعت تصاعدی به رشد خود ادامه می دهد. داده کاوی حوزه ای از علم داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع تمرکز می کند: خوشه هایی از مشتریان مشابه، روندهایی در طول زمان که تنها پس از تفکیک اثرات فصلی و تصادفی قابل مشاهده هستند، و روش های جدید برای پیش بینی نتایج مهم. مربی بارتون پولسون بر روی داده کاوی در R تمرکز می کند، طیف گسترده ای از الگوریتم ها از جمله روش های یادگیری ماشین را ارائه می دهد و اطلاعات مهمی در مورد قوانین و سیاست هایی که بر داده کاوی تأثیر می گذارد ارائه می دهد. بارتون یک نمای کلی از کاهش ابعاد ارائه می دهد. او خوشه‌بندی را معرفی می‌کند، از جمله خوشه‌بندی سلسله مراتبی، سپس وارد تحلیل تداعی می‌شود. او استخراج و تجزیه سری های زمانی را توضیح می دهد، سپس با متن کاوی، تجزیه و تحلیل احساسات و امتیازدهی احساسات به پایان می رسد.

linkedin مبانی علم داده: داده کاوی در پایتون (Mitalearn-209862)

  • 3 hours 3 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

داده کاوی حوزه ای از علم داده است که بر یافتن الگوهای عملی در مجموعه داده های بزرگ و متنوع تمرکز می کند: خوشه هایی از مشتریان مشابه، روندهایی در طول زمان که تنها پس از تفکیک اثرات فصلی و تصادفی قابل مشاهده هستند، و روش های جدید برای پیش بینی نتایج مهم. در این دوره مدرس بارتون پولسون شما را با داده کاوی که از زبان برنامه نویسی پایتون استفاده می کند آشنا می کند. بارتون به برخی مقدمات، مانند ابزارهایی که ممکن است برای داده کاوی استفاده کنید، می پردازد. او جنبه‌های کاهش ابعاد را مورد بحث قرار می‌دهد، سپس خوشه‌بندی، از جمله خوشه‌بندی سلسله مراتبی، k-Means، DBSCAN و غیره را توضیح می‌دهد. بارتون طبقه بندی، از جمله kNN و درختان تصمیم را پوشش می دهد. او وارد تجزیه و تحلیل انجمن می شود و شما را با Apriori، Eclat و FP-Growth آشنا می کند. بارتون شما را از تجزیه سری زمانی عبور می دهد، سپس با امتیازدهی احساسات و سایر ابزارهای متن کاوی به پایان می رسد.

linkedin مبانی علم داده: مبانی (Mitalearn-273085)

  • 5 hours 17 minutes
  • مناسب همه
  • Release date: 4 February 2022
  • Author: Barton Poulson
درباره این دوره: 

 علم داده در حال هدایت یک انقلاب جهانی است که همه چیز را از اتوماسیون کسب و کار گرفته تا تعاملات اجتماعی در بر می گیرد. همچنین یکی از مشاغلی است که سریع‌ترین رشد را دارد و با ارزش‌ترین شغل، تحلیلگران و مهندسان را در سراسر جهان به کار می‌گیرد. این دوره یک نمای کلی غیر فنی و قابل دسترس از این رشته را ارائه می دهد که واژگان، مهارت ها، مشاغل، ابزارها و تکنیک های علم داده را پوشش می دهد. مربی بارتون پولسون روابط را با سایر زمینه های اشباع شده از داده مانند یادگیری ماشین و هوش مصنوعی تعریف می کند. او شیوه‌های اولیه را بررسی می‌کند: جمع‌آوری و تجزیه و تحلیل داده‌ها، تدوین قوانین برای طبقه‌بندی و تصمیم‌گیری، و ترسیم بینش‌های عملی. او همچنین در مورد اخلاق و مسئولیت پذیری بحث می کند و جهت کسب اطلاعات بیشتر را ارائه می دهد. در پایان، خواهید دید که چگونه علم داده می تواند به شما در تصمیم گیری بهتر، به دست آوردن بینش عمیق تر و موثرتر و کارآمدتر کردن کارتان کمک کند.

Related Skills

linkedin مبانی علم داده: مبانی (2019) (Mitalearn-166546)

  • 3 hours 41 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: Barton Poulson
درباره این دوره:

علم داده در حال هدایت یک انقلاب جهانی است که همه چیز را از اتوماسیون کسب و کار گرفته تا تعاملات اجتماعی در بر می گیرد. همچنین یکی از مشاغلی است که سریع‌تر رشد می‌کند و بیشترین پاداش را دارد و تحلیلگران و مهندسان را در سراسر جهان به کار می‌گیرد. این دوره یک نمای کلی غیر فنی و قابل دسترس از این رشته را ارائه می دهد که واژگان، مهارت ها، مشاغل، ابزارها و تکنیک های علم داده را پوشش می دهد. مربی بارتون پولسون روابط را با سایر زمینه های اشباع شده از داده مانند یادگیری ماشین و هوش مصنوعی تعریف می کند. او شیوه‌های اولیه را مرور می‌کند: جمع‌آوری و تجزیه و تحلیل داده‌ها، تدوین قوانینی برای طبقه‌بندی و تصمیم‌گیری، و ترسیم بینش‌های عملی. او همچنین در مورد اخلاق و مسئولیت پذیری بحث می کند و جهت کسب اطلاعات بیشتر را ارائه می دهد. در پایان، خواهید دید که چگونه علم داده می تواند به شما در تصمیم گیری بهتر، به دست آوردن بینش عمیق تر و موثرتر و کارآمدتر کردن کارتان کمک کند.

Related Skills

linkedin مبانی علم داده: مهندسی داده (Mitalearn-105244)

  • 53 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Ben Sullins
درباره این دوره:

با تسلط بر مهارت های اصلی مورد نیاز برای استفاده از داده ها برای کسب و کار خود، با اطمینان به داده های بزرگ نزدیک شوید. این دوره اصول مهندسی داده، طراحی سیستم، تجزیه و تحلیل و هوش تجاری را پوشش می دهد. بن سالینز، کارشناس علوم داده، نحوه جمع‌آوری و سازماندهی داده‌های خود را توضیح می‌دهد تا بتوانید نتایجی را ارائه دهید که سازمان شما می‌تواند از آن استفاده کند. بن با بررسی اکوسیستم داده مدرن و چگونگی ارتباط آن با اجرای یک هاب داده هوشمند و کارآمد شروع می کند. سپس، او به شما نشان می دهد که چگونه وظایف اصلی مربوط به مدیریت، بارگذاری، استخراج و تبدیل داده ها را انجام دهید. او همچنین شما را از طریق مرحله بندی، نمایه سازی، پاکسازی و انتقال داده ها راهنمایی می کند. در طول مسیر، او توصیه‌های عملی را ارائه می‌دهد که برای کارشناسان داده در سراسر یک سازمان - تحلیلگران، مهندسان، دانشمندان، مدل‌سازان و غیره قابل استفاده است.

linkedin مبانی علم داده: نمودارهای دانش (Mitalearn-219416)

  • 31 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Daniel Burgwinkel
درباره این دوره:

اصطلاح "گراف دانش" یک جستجوی معنایی مبتنی بر جمع‌آوری و پردازش سیستماتیک داده‌ها را توصیف می‌کند و اولین بار توسط گوگل ابداع شد. شرکت های اینترنتی پیشرو چندین سال است که از نمودارهای دانش برای ارائه اطلاعات متناسب با نیازهای مشتریان استفاده می کنند. همچنین می توانید از نمودارهای دانش برای ترسیم دانش داخلی شرکت خود و بهبود نتایج جستجو استفاده کنید. نمودارهای دانش همچنین می توانند نتایج سیستم های هوش مصنوعی یا یادگیری ماشین را بهبود بخشند. در این دوره، دانیل بورگوینکل، رهبر فناوری بلاک چین، توضیح می‌دهد که نمودارهای دانش چیست، مثال‌ها و موارد استفاده را ارائه می‌دهد، توصیه‌های عملی در مورد نحوه پیاده‌سازی نمودارهای دانش به شما ارائه می‌دهد و به شما نشان می‌دهد که چگونه یک پایگاه دانش بسازید. هدف این دوره مباشران داده، مدیران تحول دیجیتال و دانشمندان داده است که مسئول ذخایر داده و مدیریت دانش هستند.

Related Skills

coursera مبانی علوم کامپیوتر (Mitalearn-303022)

  • 1 hours 58 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Aspen Olmsted
درباره این دوره:

به مقدمه برنامه نویسی: ویژوال بیسیک خوش آمدید. در دنباله دوره شما یاد خواهید گرفت که برنامه هایی بنویسید که از تکنیک های رویه ای و شی گرا برای حل مشکلات تجاری استفاده می کنند. در اولین دوره در این دنباله، ما یک پایه محکم در موضوعات علوم کامپیوتری که درک آنها هنگام برنامه نویسی ویژوال بیسیک مهم است، در اختیار شما قرار می دهیم. در دوره های دوم تا چهارم، ما آستین ها را بالا می بریم و شروع به کدنویسی در ویژوال بیسیک می کنیم. در این دوره‌ها باید به رایانه‌ای دسترسی داشته باشید که دارای ویندوز، macOS یا لینوکس با نصب .NET 5 است. نحوه نصب دات نت 5 را به شما نشان خواهیم داد.

coursera مبانی عملکرد بهداشت عمومی: حفاظت از سلامت (Mitalearn-342326)

  • 1 hours 35 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr Richard J Pinder
درباره این دوره:

دوره حفاظت از سلامت چهارمین قسمت از تخصص گسترده تر مبانی بهداشت عمومی از استاد جهانی بهداشت عمومی امپریال کالج لندن (MPH) است. دامنه و محتوای این دوره از ابتدا توسط تیمی ترکیبی از دانشگاهیان و پزشکان با تکیه بر دهه ها تجربه بهداشت عمومی در دنیای واقعی و همچنین دانش عمیق دانشگاهی توسعه یافته است. از طریق سخنرانی های ویدئویی کوتاه، مصاحبه با پزشک و طیف گسترده ای از فعالیت های تعاملی، فراگیران در دنیای عمل بهداشت عمومی غوطه ور خواهند شد. برای کسانی که تازه وارد این رشته شده اند، در طول سه ماژول (برای سه هفته یادگیری در نظر گرفته شده است)، یادگیرندگان با دامنه، اصول و تفاوت های ظریف حفاظت از سلامت در زمینه عملکرد بهداشت عمومی آشنا می شوند. این دوره با مبانی مداخلات مبتنی بر آب، بهداشت و سلامت (WASH)، دانش آموزان را با علم و اصول میکروبیولوژی عملی، قبل از بررسی واکسن ها، مدیریت حوادث و تهدید ناشی از طیف گسترده ای از تهدیدات زیست محیطی طبیعی و مصنوعی آشنا می کند. . در پایان این دوره، فراگیران با اصول و رویکردهای اصلی حفاظت از سلامت آشنا و مسلط خواهند شد و در بحث در مورد مسائل حفاظت از سلامت در صورت حرکت به عمل، مطمئن خواهند بود.

Suggestions