با Microsoft Copilot، کسب و کار خود را به سطحی بالاتر ببرید! این دوره عملی برای حرفه‌ای‌های تجاری که تازه وارد Copilot هستند و می‌خواهند پتانسیل کامل آن را باز کنند، عالی است. نحوه افزایش بهره‌وری، ساده‌سازی جریان‌های کاری و تصمیم‌گیری هوشمندانه‌تر و مبتنی بر داده‌ها را کشف کنید. از طریق مثال‌های عملی و سناریوهای دنیای واقعی، یاد می‌گیرید که چگونه Copilot را به طور یکپارچه در عملیات روزمره خود ادغام کنید و به تیم خود قدرت دهید تا سریع‌تر و هوشمندانه‌تر کار کنند. فقط با رقبا همراه نشوید - با تسلط بر ابزارهایی که باعث موفقیت کسب و کار می شوند، جلوتر بمانید!

مدیریت چرخه حیات یک برنامه یادگیری ماشینی می‌تواند برای دانشمندان داده، مهندسان و توسعه‌دهندگان کار دلهره‌آوری باشد. برنامه‌های یادگیری ماشینی پیچیده هستند و سابقه اثبات شده‌ای دارند که ردیابی آنها دشوار است، بازتولید آن دشوار است و راه‌اندازی آن مشکل است.

در این دوره آموزشی، یاد خواهید گرفت که MLflow چیست و چگونه تلاش می کند تا مشکلات چرخه حیات یادگیری ماشین مانند ردیابی، تکرارپذیری و استقرار را ساده کند. پس از یادگیری MLflow، درک بهتری از نحوه غلبه بر پیچیدگی‌های ساخت برنامه‌های یادگیری ماشین و نحوه پیمایش مراحل مختلف چرخه زندگی یادگیری ماشین خواهید داشت.

هر چه بیشتر به هوش مصنوعی (AI) و یادگیری ماشین (ML) تکیه کنیم، بیشتر به آن سیستم‌ها نیاز داریم که قابل اعتماد و انعطاف‌پذیر باشند. در این دوره - که برای مهندسان ML، دانشمندان داده، متخصصان AppSec یا MLSec و رهبران کسب و کار طراحی شده است - به مدرس Diana Kelley بپیوندید تا با تمرکز بر تاثیرگذارترین مسائل امنیتی و استراتژی‌های پیشگیری با استفاده از چارچوب MLSecOps و MLSecOps، مروری کلی از نحوه ایجاد امنیت در یادگیری ماشین و هوش مصنوعی ارائه دهد.

DevSecOps برای پیدا کردن اینکه چگونه و کجا امنیت را می توان در خط لوله ML بافته کرد. دیانا به شما نشان می‌دهد که چگونه می‌توانید مدل‌های یادگیری ماشین را ایمن کنید، ارزیابی‌های ریسک آگاه از هوش مصنوعی را انجام دهید، زنجیره‌های تامین را ممیزی و پایش کنید، طرح‌های واکنش به حادثه را اجرا کنید، و تیم رویایی MLSecOps خود را بسازید. در پایان این دوره، شما آماده خواهید بود که به افراد و سازمان ها کمک کنید تا در مورد ایمن سازی سیستم های هوش مصنوعی و ML خود فعال تر باشند.

از ساختارهای پایگاه داده سفت و سخت رها شوید و قدرت MongoDB را کشف کنید، پایگاه داده اسنادی که با داده های شما سازگار است. در این دوره عملی، شما بر عملیات MongoDB از طریق کتابخانه PyMongo مسلط خواهید شد. شما اسناد را پرس و جو، فیلتر و دستکاری می‌کنید و یاد می‌گیرید که چگونه از طرح منعطف MongoDB استفاده کنید و در عین حال اعتبارسنجی را زمانی که ساختار مهم است پیاده‌سازی کنید. از عملیات اولیه CRUD گرفته تا عملگرهای جستجوی پیشرفته، مرتب‌سازی، پیش‌بینی و عملیات انبوه، مهارت‌های عملی برای ساخت و نگهداری برنامه‌های داده مدرن به دست خواهید آورد. این دوره شما را با مهارت های ضروری MongoDB که متخصصان داده امروزی به آن نیاز دارند، مجهز می کند.

پردازش زبان طبیعی (NLP) یکی از مهمترین اجزای هوش مصنوعی است. این به شما امکان می دهد تا حجم زیادی از داده ها را در قالب زبان طبیعی پردازش، تجزیه و تحلیل و درک کنید. در این دوره، مربی مارک نیمن راس به شما نشان می دهد که چگونه با استفاده از R، زبان برنامه نویسی محبوب برای محاسبات آماری و گرافیک، پیاده سازی الگوریتم های NLP را شروع کنید.

اصول دستکاری ماتریس ها و تولید آمار، هر دو را بررسی کنید. که هسته اصلی NLP موفق هستند. نحوه استفاده از ابزارها و چارچوب‌های متن‌کاوی مانند tm، quanteda، و tidytext و همچنین کار با corpora، منابع و دیگر انواع ابرداده سند NLP را بیاموزید. Mark بهترین روش‌ها را برای پیش‌پردازش متن در آماده‌سازی برای NLP، ایجاد داده‌های ساختاریافته، اعمال آمار در متن، انجام تجزیه و تحلیل احساسات، تجسم مجموعه‌های داده، و موارد دیگر را پوشش می‌دهد.

در سال‌های اخیر، پایگاه‌های داده NoSQL به دلیل توانایی آنها در مدیریت حجم زیادی از داده‌های بدون ساختار، محبوبیت زیادی داشته است. یادگیری استفاده از ابزارهای NoSQL مانند پایگاه‌های داده ستون‌گرا، سند، کلید-مقدار و نمودار به مهندسان داده، تحلیلگران و دانشمندان اجازه می‌دهد تا با گستره وسیع‌تری از داده‌ها تعامل داشته باشند. این پایگاه‌های داده NoSQL قابلیت‌های بیشتری را برای ذخیره‌سازی و بازیابی داده‌ها به ارمغان می‌آورد که در پایگاه‌های داده رابطه‌ای سنتی موجود نیست.

در دنیای پایگاه های داده ستون محور و نقش آنها در تکامل انبارهای داده غوطه ور شوید. کار با Snowflake را برای ایجاد و به روز رسانی جداول ستون محور و همچنین بهینه سازی طراحی جدول برای عملکرد تمرین کنید. عملکرد پیشرفته Snowflake را برای کار با داده های نیمه ساختار یافته کاوش کنید.

یاد بگیرید که از Postgres JSON به عنوان ابزاری برای پرس و جو از اسناد و پایگاه های داده شی گرا و انواع داده هایی که این فناوری پشتیبانی می کند استفاده کنید. مهارت های خود را در کار با داده های ذخیره شده در یک آرایه و همچنین داده های تودرتو تقویت کنید.

کار کردن با پایگاه‌های داده کلید-مقدار را راحت کنید و یاد بگیرید که این ذخیره‌سازی داده NoSQL چه زمانی بهترین کاربرد را دارد. استفاده از Redis را برای بارگیری و پرس و جوی داده ها و تجربه عملکرد سریع پایگاه های داده در حافظه تمرین کنید. پایگاه داده های گراف و موارد استفاده از آنها را در گردش کار داده کاوش کنید.

NumPy یک کتابخانه ضروری پایتون است. TensorFlow و scikit-learn از آرایه های NumPy به عنوان ورودی استفاده می کنند و پانداها و Matplotlib در بالای NumPy ساخته شده اند. در این دوره مقدماتی NumPy، شما تبدیل به یک مجادله کننده اصلی شی اصلی NumPy خواهید شد: آرایه ها! با استفاده از داده‌های سرشماری درختی شهر نیویورک، آرایه‌هایی را ایجاد، مرتب‌سازی، فیلتر و به‌روزرسانی خواهید کرد. متوجه خواهید شد که چرا NumPy بسیار کارآمد است و از پخش و بردارسازی برای سریعتر کردن کد NumPy خود استفاده کنید. در پایان دوره، شما از آرایه های سه بعدی برای تغییر نقاشی کلود مونه استفاده خواهید کرد و خواهید فهمید که چرا چنین تغییرات آرایه ابزارهای ضروری برای یادگیری ماشین هستند.

Oracle SQL یکی از پرکاربردترین سیستم های مدیریت پایگاه داده در سراسر جهان است. این به خوبی برای برنامه های کاربردی تجاری و سازمانی مناسب است و به ویژه در شرکت های بزرگ با پایگاه داده های ماموریت حیاتی محبوب است. بنابراین تسلط بر Oracle SQL تضمین می شود که فرصت های هیجان انگیزی را باز کند. در این دوره آموزشی، آشنایی کامل با Oracle SQL حل مشکلات تجاری برای فروشگاه رسانه های دیجیتال را خواهید داشت. ابتدا نحوه دسترسی، بازیابی و محدود کردن داده ها را خواهید آموخت. سپس جداول را تجمیع و ترکیب خواهید کرد. فصل آخر به شما می‌خواهد مقادیر از دست رفته را مدیریت کرده و داده‌ها را تبدیل کنید. در پایان این دوره، متوجه خواهید شد که چگونه اوراکل پرس و جوهای SQL را پردازش می کند و یک پایه محکم در Oracle SQL خواهد داشت.

یک نمای کلی 360 درجه از کاوش و استفاده از Power BI برای ایجاد گزارش‌های تاثیرگذار به دست آورید. در این دوره، زمانی که نحوه استفاده از این پلتفرم محبوب هوش تجاری را از طریق تمرینات عملی کشف می کنید، از صفر به قهرمان خواهید رسید. قبل از ایجاد تجسم با استفاده از قابلیت کشیدن و رها کردن Power BI، ابتدا نحوه بارگیری و تبدیل داده ها با اطمینان با استفاده از Power Query و اهمیت مدل های داده را خواهید آموخت. همچنین یاد می گیرید که به گزارش ها بپردازید و گزارش های خود را کاملا تعاملی کنید. شما قدرت را دارید!

ویدیوها حاوی رونوشت‌های زنده هستند که با کلیک کردن روی "نمایش رونوشت" در پایین سمت چپ ویدیوها قابل دسترسی هستند.

واژه نامه دوره را می توانید در سمت راست در بخش منابع پیدا کنید.

برای کسب اعتبارات CPE باید دوره را تکمیل کنید و در ارزیابی واجد شرایط به نمره 70% برسید. می‌توانید با کلیک بر روی علامت اعتبارات CPE در سمت راست به ارزیابی بروید.

پتانسیل واقعی داده های خود را باز کنید! با بحث دستی داده ها خداحافظی کنید و به تبدیل داده های کارآمد و کارآمد سلام کنید. در این دوره مقدماتی Excel Power Query، یاد خواهید گرفت که چگونه به طور یکپارچه به چندین منبع داده متصل شوید، داده های خود را به راحتی تمیز کرده و شکل دهید، و آن را بارگذاری کنید تا برای تجزیه و تحلیل آماده شود. در طول مسیر، با بسیاری از توابع موجود که Power Query ارائه می‌کند آشنا می‌شوید و به شما اطمینان می‌دهد که گزارش بعدی مبتنی بر اکسل خود را ساده کنید. چه یک تحلیلگر داده، حرفه ای کسب و کار یا علاقه مند به صفحات گسترده باشید، این دوره به شما این امکان را می دهد که در زمان خود صرفه جویی کنید، تصمیمات آگاهانه تری بگیرید و بینش های ارزشمندی را از داده های خود استخراج کنید.

این دوره برای مهندسان داده، دانشمندان داده و متخصصان یادگیری ماشین طراحی شده است که به دنبال کار با مجموعه داده های بزرگ با استفاده از PySpark هستند. شما سرعت و مقیاس‌پذیری Apache Spark را بررسی خواهید کرد، یاد خواهید گرفت که جلسات Spark ایجاد کنید، با RDD کار کنید و DataFrames را از طریق تمرین‌های عملی دستکاری کنید. این دوره همچنین PySpark SQL را پوشش می دهد و به شما یاد می دهد که چگونه داده ها را با SQL جستجو کنید، طرحواره ها و انواع داده های پیچیده را مدیریت کنید و عملکرد را در محیط های توزیع شده بهینه کنید. در پایان، مهارت‌های اساسی برای پردازش و تجزیه و تحلیل کلان داده‌ها را خواهید داشت که زمینه را برای برنامه‌های کاربردی پیشرفته مانند یادگیری ماشین و تجزیه و تحلیل داده‌های بزرگ فراهم می‌کند.

در این مقدمه مالی گرا برای R، ساختارهای داده ضروری مانند فهرست ها و چارچوب های داده را خواهید آموخت و این شانس را خواهید داشت که آن دانش را در نمونه های مالی دنیای واقعی به کار ببرید. در پایان دوره، با اصول دستکاری داده های خود برای انجام تجزیه و تحلیل مالی در R راحت خواهید بود.