کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 15,861 تا 15,880 مورد از کل 18,566 مورد.

coursera مقدمه ای بر TensorFlow برای هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق (Mitalearn-309924)

  • 1 ساعت 16 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Laurence Moroney
درباره این دوره:

اگر توسعه‌دهنده نرم‌افزاری هستید که می‌خواهید الگوریتم‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی بسازید، باید بدانید که چگونه از ابزارهای ساخت آنها استفاده کنید. این دوره بخشی از DeepLearning.AI TensorFlow Developer Specialization است و بهترین روش ها برای استفاده از TensorFlow، یک چارچوب منبع باز محبوب برای یادگیری ماشین را به شما آموزش می دهد. دوره یادگیری ماشین و تخصص یادگیری عمیق از Andrew Ng مهمترین و اساسی ترین اصول یادگیری ماشین و یادگیری عمیق را آموزش می دهد. این تخصص توسعه‌دهنده DeepLearning.AI TensorFlow به شما می‌آموزد که چگونه از TensorFlow برای پیاده‌سازی این اصول استفاده کنید تا بتوانید شروع به ساخت و استفاده از مدل‌های مقیاس‌پذیر برای مشکلات دنیای واقعی کنید. برای ایجاد درک عمیق تر از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

datacamp مقدمه ای بر TensorFlow در پایتون (Mitalearn-402302)

  • 57 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Isaiah Hull
درباره این دوره:

چندی پیش، الگوریتم‌های بینایی کامپیوتری پیشرفته نمی‌توانستند بین تصاویر گربه‌ها و سگ‌ها تفاوت قائل شوند. امروزه، یک دانشمند داده ماهر که به چیزی بیش از یک لپ تاپ مجهز نیست، می تواند ده ها هزار شی را با دقتی بیشتر از چشم انسان طبقه بندی کند. در این دوره، از TensorFlow 2.6 برای توسعه، آموزش و پیش‌بینی مدل‌هایی استفاده خواهید کرد که پیشرفت‌های عمده‌ای را در سیستم‌های توصیه، طبقه‌بندی تصاویر و فین‌تک انجام داده‌اند. شما هم API های سطح بالا را یاد خواهید گرفت که به شما امکان می دهد مدل های یادگیری عمیق را در 15 خط کد طراحی و آموزش دهید و هم API های سطح پایین را که به شما امکان می دهد فراتر از روال های معمولی بروید. همچنین یاد خواهید گرفت که قیمت مسکن، پیش‌فرض‌های کارت اعتباری وام گیرنده، و تصاویر حرکات زبان اشاره را به‌طور دقیق پیش‌بینی کنید.

مهارت‌های مرتبط

coursera مقدمه ای بر Terraform (Mitalearn-324017)

  • متوسط
  • انتشار: 27 June 2026
  • مدرس: Mohit Chandarana,Max Kraev
درباره این دوره:

اولین پیکربندی Terraform خود را کدنویسی کرده و بدون نصب چیزی اعمال کنید! این دوره برای زبان آموزانی طراحی شده است که دانش محدودی از رایانش ابری دارند و پایه ای محکم برای تهیه و مدیریت زیرساخت های ابری با استفاده از Terraform، یک ابزار منبع باز IaaS (زیرساخت به عنوان سرویس) ارائه می دهد. ماژول های این دوره معماری و نحو پایه Terraform، مدیریت منابع و سایر موضوعات مرتبط را پوشش می دهند. بررسی نمونه های AWS EC2 توصیه می شود. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا هستند که با انجام دادن درک عمیق‌تری ایجاد می‌کنند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت

coursera مقدمه ای بر Tidyverse (Mitalearn-327315)

  • مبتدی
  • انتشار: 27 June 2026
  • مدرس: Carrie Wright, PhD,Shannon Ellis, PhD,Stephanie Hicks, PhD
درباره این دوره:

این دوره مجموعه قدرتمندی از ابزارهای علم داده را به نام Tidyverse معرفی می کند. Tidyverse روشی را متحول کرده است که دانشمندان داده تقریباً تمام جنبه های کار خود را انجام می دهند. ما ایده ساده "داده های مرتب" و نحوه سازماندهی داده ها برای تجزیه و تحلیل و مدل سازی را پوشش خواهیم داد. همچنین نحوه تبدیل غیر مرتب به داده‌های مرتب، چرخه حیات پروژه علم داده و اکوسیستم بسته‌های Tidyverse R را که می‌توان برای اجرای یک پروژه علم داده استفاده کرد، پوشش خواهیم داد. اگر در علم داده تازه کار هستید، اکوسیستم بسته‌های R Tidyverse راهی عالی برای یادگیری جنبه‌های مختلف خط لوله علم داده، از وارد کردن داده‌ها، مرتب کردن داده‌ها در قالبی که کار با آن آسان است، کاوش و تجسم است. داده ها و برازش مدل های یادگیری ماشینی اگر قبلاً در علم داده باتجربه هستید، Tidyverse یک سیستم قدرت برای ساده کردن گردش کار شما به شیوه ای منسجم ارائه می دهد که می تواند به راحتی با سایر ابزارهای علم داده ارتباط برقرار کند. در این دوره مهم است که با زبان برنامه نویسی R آشنا باشید. اگر هنوز با R آشنایی ندارید، پیشنهاد می کنیم ابتدا برنامه نویسی R را قبل از بازگشت برای تکمیل این دوره کامل کنید.

datacamp مقدمه ای بر Tidyverse [Datacamp] (Mitalearn-399497)

  • 42 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: David Robinson
درباره این دوره:

این مقدمه ای بر زبان برنامه نویسی R است که بر روی مجموعه ای قدرتمند از ابزارها به نام Tidyverse تمرکز دارد. با استفاده از ابزارهای dplyr و ggplot2، فرآیندهای درهم تنیده دستکاری و تجسم داده ها را یاد خواهید گرفت. شما یاد خواهید گرفت که با فیلتر کردن، مرتب‌سازی و خلاصه کردن مجموعه داده‌های واقعی از داده‌های کشور تاریخی، داده‌ها را دستکاری کنید تا به سؤالات اکتشافی پاسخ دهید. سپس یاد خواهید گرفت که با بسته ggplot2 این داده های پردازش شده را به نمودارهای خطی، نمودارهای نواری، هیستوگرام و موارد دیگر تبدیل کنید. ارزش تجزیه و تحلیل داده های اکتشافی و قدرت ابزار Tidyverse را خواهید چشید. این یک مقدمه مناسب برای کسانی است که تجربه قبلی در R ندارند و علاقه مند به انجام تجزیه و تحلیل داده ها هستند.

مهارت‌های مرتبط

coursera مقدمه ای بر VueJS Framework (Mitalearn-306405)

  • مبتدی
  • انتشار: 27 June 2026
  • مدرس: Anh Le,Neil Thawani
درباره این دوره:

اصول اولیه HTML، CSS و VueJS را بدون نصب چیزی کاوش کنید! این دوره برای زبان آموزان مبتدی طراحی شده است و پایه محکمی از مهارت های اساسی در HTML، CSS و VueJS ارائه می دهد. فراگیران درک درستی از فرآیند خلاقانه طراحی نیز ایجاد خواهند کرد. ماژول های این دوره مبانی HTML، مبانی CSS، مبانی VueJS را پوشش می دهند و همچنین یک تجربه طراحی اکتشافی را برای زبان آموزان فراهم می کنند. در پایان دوره، فراگیران به طور کامل یک برنامه todo را با استفاده از HTML، CSS و VueJS توسعه خواهند داد. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه همراه با تصاویر و نمونه‌های کاوش پیشنهادی هستند که با انجام دادن، درک عمیق‌تری ایجاد می‌کنند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند گزینه ای، پر کردن جای خالی و بدون درهم آمیختن بلوک های پاسخ) به تمرین های کوچک و قابل دسترس که به جای ساعت ها، دقیقه ها طول می کشد، بهره مند خواهید شد. .

linkedin مقدمه ای بر Web API ها (Mitalearn-388906)

  • 1 ساعت 20 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Andrew Probert
درباره این دوره:

APIها همه جا حاضر شده اند. اغراق نیست اگر بگوییم وب روی API ها اجرا می شود. اگر به‌دنبال پیشرفت به‌عنوان یک طراح وب هستید یا حتی به‌عنوان مدیر پروژه فقط در مورد فناوری صحبت می‌کنید، ضروری است که درک اولیه‌ای از APIها داشته باشید. در این دوره پر از اطلاعات مفید و چالش های عملی، اندرو پروبرت به شما معرفی ملایمی از API ها ارائه می دهد که بسیاری از موانع شروع کار را از بین می برد. دریابید که API چیست، JSON چیست و چگونه می توانید از API و JSON برای کار با اشیا و تجزیه داده ها استفاده کنید. نحوه اتصال به API، پیمایش اسناد API، درخواست، استفاده از پارامترها برای فیلتر کردن پاسخ و موارد دیگر را بیاموزید. به طور عمیق کار با Giphy API را بررسی کنید، سپس به نحوه رسیدگی به خطاها و امنیت بپردازید. به علاوه، در مورد اصول اولیه GraphQL و نحوه پرس و جو کردن داده ها از API GraphQL بیاموزید.

datacamp مقدمه ای بر آپاچی کافکا (Mitalearn-447216)

  • 22 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Mike Metzger
درباره این دوره:

این دوره یک پایه محکم در آپاچی کافکا فراهم می کند. شما با درک هدف اصلی و اجزای یک نصب کافکا، از جمله موضوعات، تولیدکنندگان و مصرف کنندگان شروع خواهید کرد. همانطور که پیشرفت می کنید، با ZooKeeper در معماری کافکا، کاوش در سرورها، کارگزاران و مدیریت خوشه ها کاوش خواهید کرد. این دوره همچنین ایجاد و مدیریت موضوعات کافکا را پوشش می دهد و شما را با ابزارهای ضروری عیب یابی مجهز می کند. در پایان، شما به طور کامل از آپاچ کافکا، برای مقابله با چالش‌های جریان داده در دنیای واقعی آشنا خواهید شد.

مهارت‌های مرتبط

datacamp مقدمه ای بر آپاچی کافکا [Datacamp] (Mitalearn-400228)

  • 2 ساعت
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Mike Metzger
درباره این دوره:

این دوره یک پایه محکم در آپاچی کافکا فراهم می کند. شما با درک هدف اصلی و اجزای یک نصب کافکا، از جمله موضوعات، تولیدکنندگان و مصرف کنندگان شروع خواهید کرد. همانطور که پیشرفت می کنید، با ZooKeeper در معماری کافکا، کاوش در سرورها، کارگزاران و مدیریت خوشه ها کاوش خواهید کرد. این دوره همچنین ایجاد و مدیریت موضوعات کافکا را پوشش می دهد و شما را با ابزارهای ضروری عیب یابی مجهز می کند. در پایان، شما به طور کامل از آپاچ کافکا، برای مقابله با چالش‌های جریان داده در دنیای واقعی آشنا خواهید شد.

مهارت‌های مرتبط

linkedin مقدمه ای بر آزمون گواهینامه PHR (Mitalearn-127701)

  • 58 دقیقه
  • متوسط
  • بروزرسانی: 21 June 2026
  • مدرس: Joanne Simon-Walters
درباره این دوره:

متخصصان منابع انسانی باید در مورد روندهای منابع انسانی، بهترین شیوه ها و قوانین جاری باقی بمانند. صدور گواهینامه یکی از راه های نشان دادن این تعهد است. مؤسسه صدور گواهینامه منابع انسانی (HRCI®) گواهینامه حرفه ای منابع انسانی (PHR) استاندارد صنعت است. اگر به گواهینامه PHR و فرآیند امتحان علاقه دارید، این دوره مکانی برای شروع است. جوآن والترز فرمت آزمون و شش حوزه اصلی موضوع را بررسی می کند: مدیریت و استراتژی کسب و کار، توسعه منابع انسانی، حقوق و مزایا، برنامه ریزی نیروی کار و اشتغال، روابط کارمند و کار، و مدیریت ریسک. او همچنین توضیح می دهد که چگونه آزمون نمره گذاری می شود و پس از دریافت گواهی اولیه یا مردود شدن در روز امتحان چه انتظاری می توانید داشته باشید.\r\n\r\n

مهارت‌های مرتبط

linkedin مقدمه ای بر آزمون گواهینامه SHRM-CP (Mitalearn-127735)

  • 1 ساعت 6 دقیقه
  • متوسط
  • انتشار: 21 June 2026
  • مدرس: Joanne Simon-Walters
درباره این دوره:

کسب اعتبار انجمن حرفه‌ای دارای گواهینامه مدیریت منابع انسانی (SHRM-CP) می‌تواند شما را از سایرین در زمینه منابع انسانی متمایز کند و نشان می‌دهد که دانش لازم برای یک رهبر مؤثر را دارید. این دوره برای کمک به شما در درک آنچه در روز آزمون انتظار دارید طراحی شده است و شما را برای موفقیت در امتحان آماده می کند. مربی جوآن والترز یک نمای کلی از محتوای امتحان SHRM-CP ارائه می دهد که توسط انجمن مدیریت منابع انسانی (SHRM®) توضیح داده شده است، و نحوه اندازه گیری شایستگی های رفتاری و حوزه های دانش در SHRM-CP® را به اشتراک می گذارد. جوآن همچنین راهنمایی های عمومی آماده سازی آزمون را ارائه می دهد و آنچه را که پس از شرکت در آزمون انتظار دارید را به اشتراک می گذارد.\r\n\r\n

مهارت‌های مرتبط

coursera مقدمه ای بر آکوستیک (قسمت 1) (Mitalearn-351863)

  • 10 ساعت 56 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Yang-Hann Kim
درباره این دوره:

این دوره با استفاده از مفهوم امپدانس به معرفی آکوستیک می پردازد. این دوره با ارتعاشات و امواج شروع می شود و نشان می دهد که چگونه ارتعاش را می توان به عنوان نوعی موج از نظر ریاضی و فیزیکی در نظر گرفت. آنها با مثال های تک بعدی، که از نظر ریاضی ساده ترین اما به اندازه کافی روشن بینش فیزیکی را ارائه می دهند، تحقق می یابند. سپس قسمت 1 با توضیح امواج بر روی سطح صاف ناپیوستگی به پایان می رسد و نشان می دهد که چگونه ویژگی های انتشار امواج در فضایی که عدم تطابق امپدانس توزیع شده وجود دارد تغییر می کند.

datacamp مقدمه ای بر آلتریکس (Mitalearn-400517)

  • 32 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Iason Prassides
درباره این دوره:

Alteryx Designer یک پلت فرم پیشرو برای تجزیه و تحلیل داده است که یک رابط بصری ایده آل برای حرفه ای ها در همه سطوح ارائه می دهد. این دوره شما را با ملزومات Alteryx Designer Desktop آشنا می‌کند، از پیمایش رابط آن گرفته تا استفاده از قابلیت کشیدن و رها کردن آن برای گردش کار داده‌های کارآمد. وارد کردن، پاکسازی و پیوستن داده ها را خواهید آموخت و به سمت تکنیک های پیشرفته پیش بینی، آماری و تجزیه و تحلیل فضایی می روید. در پایان این دوره، شما در تبدیل داده‌های خام به بینش‌های عملی مهارت خواهید داشت و مهارت‌های پردازش و تحلیل داده‌های خود را افزایش می‌دهید. سفر Alteryx Designer خود را برای باز کردن قابلیت های قدرتمند تجزیه و تحلیل داده آغاز کنید!

مهارت‌های مرتبط

coursera مقدمه ای بر آمار (Mitalearn-326329)

  • 4 ساعت 21 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Guenther Walther
درباره این دوره:

"مقدمه ای بر آمار" استنفورد به شما مفاهیم تفکر آماری را می آموزد که برای یادگیری از داده ها و ارتباط بینش ضروری هستند. در پایان دوره، می‌توانید تجزیه و تحلیل داده‌های اکتشافی را انجام دهید، اصول کلیدی نمونه‌گیری را درک کنید، و آزمون‌های اهمیت مناسب را برای زمینه‌های مختلف انتخاب کنید. شما مهارت های اساسی را به دست خواهید آورد که شما را برای پیگیری موضوعات پیشرفته تر در تفکر آماری و یادگیری ماشین آماده می کند. موضوعات شامل آمار توصیفی، نمونه‌گیری و آزمایش‌های کنترل شده تصادفی، احتمال، توزیع‌های نمونه‌گیری و قضیه حد مرکزی، رگرسیون، آزمون‌های رایج اهمیت، نمونه‌گیری مجدد، مقایسه‌های چندگانه است.

مهارت‌های مرتبط

datacamp مقدمه ای بر آمار [Datacamp] (Mitalearn-399599)

  • 1 ساعت 5 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: George Boorman
درباره این دوره:

آمار در اطراف ما وجود دارد، از بازاریابی گرفته تا فروش و مراقبت های بهداشتی. توانایی جمع‌آوری، تجزیه و تحلیل و نتیجه‌گیری از داده‌ها نه تنها بسیار ارزشمند است، بلکه انتظار نقش‌هایی که به طور سنتی تحلیلی نیستند برای درک مفاهیم اساسی آمار نیز امری عادی است. این دوره شما را به مهارت های لازم برای احساس اطمینان در کار با تجزیه و تحلیل داده ها برای جلب بینش مجهز می کند. شما با روش‌های رایجی که برای خلاصه‌سازی و توصیف داده‌ها استفاده می‌شود، آشنا می‌شوید، یاد می‌گیرید که چگونه احتمال را می‌توان در سناریوهای تجاری اعمال کرد، و خواهید فهمید که چگونه آزمایش‌ها برای درک روابط و الگوها انجام می‌شوند. شما با مجموعه داده های دنیای واقعی از جمله داده های جرم و جنایت در لندن، انگلستان و داده های فروش از یک شرکت خرده فروشی آنلاین کار خواهید کرد!

مهارت‌های مرتبط

coursera مقدمه ای بر آمار بیزی (Mitalearn-329525)

  • 3 ساعت 30 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Dr. Srijith Rajamohan
درباره این دوره:

هدف از این دوره، معرفی آمار محاسباتی به دانشمندان مشتاق یا جدید داده است. شرکت کنندگان با یادگیری مبانی احتمال، مدل سازی بیزی و استنتاج شروع خواهند کرد. این اولین دوره در یک تخصص شامل سه دوره خواهد بود. از نوت بوک پایتون و ژوپیتر در طول این دوره برای تصویرسازی و اجرای مدلسازی بیزی استفاده خواهد شد. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics/docs/index.html قرار دارد. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرسان این دوره دکتر سریجیت راجاموهان و دکتر رابرت ستلاژ خواهند بود.

datacamp مقدمه ای بر آمار در Google Sheets (Mitalearn-402846)

  • 25 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Ted Kwartler
درباره این دوره:

آمار علمی است که به جمع آوری، تجزیه و تحلیل و تفسیر داده ها می پردازد. داشتن یک پایه محکم در آمار به شما کمک می کند تا به طور موثر با داده های خود برای آزمایش فرضیه ها و کشف بینش هایی که می تواند به حل مشکلات شما کمک کند، کار کنید. این دوره طراحی شده است تا پایه و اساس آمار را به شما ارائه دهد. با استفاده از توابع Google Sheets، به میانگین ها، توزیع ها، آزمایش فرضیه ها می پردازید و با استفاده از دانش جدید خود در یک مطالعه موردی، دوره را به پایان می رسانید. در طول مسیر، شما با مجموعه داده‌های مختلفی از حراج‌های eBay گرفته تا آموزش سواران تا رتبه‌بندی‌های تاریخی تایید ریاست جمهوری کار خواهید کرد. لذت ببرید!

مهارت‌های مرتبط

datacamp مقدمه ای بر آمار در R (Mitalearn-399803)

  • 1 ساعت 1 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Maggie Matsui
درباره این دوره:

آمار مطالعه نحوه جمع آوری، تجزیه و تحلیل و نتیجه گیری از داده ها است. این ابزار بسیار ارزشمندی است که می توانید از آن برای تمرکز بر آینده و استنباط پاسخ به هزاران سوال استفاده کنید. به عنوان مثال، احتمال اینکه شخصی محصول شما را بخرد چقدر است، تیم پشتیبانی شما چند تماس دریافت خواهد کرد، و چه اندازه شلوار جین باید برای 95 درصد جمعیت تولید کنید؟ در این دوره آموزشی، از داده‌های فروش برای کشف نحوه پاسخگویی به سؤالاتی مانند اینها استفاده می‌کنید، زیرا مهارت‌های آماری خود را افزایش می‌دهید و یاد می‌گیرید چگونه میانگین‌ها را محاسبه کنید، از نمودارهای پراکنده برای نشان دادن رابطه بین مقادیر عددی و محاسبه همبستگی استفاده کنید. شما همچنین با احتمال، ستون فقرات استدلال آماری مقابله خواهید کرد، و یاد خواهید گرفت که چگونه یک مطالعه خوب طراحی کنید تا از داده‌ها نتیجه بگیرید.

مهارت‌های مرتبط

datacamp مقدمه ای بر آمار در پایتون (Mitalearn-399514)

  • 1 ساعت 3 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Maggie Matsui
درباره این دوره:

آمار مطالعه نحوه جمع آوری، تجزیه و تحلیل و نتیجه گیری از داده ها است. این ابزار بسیار ارزشمندی است که می توانید از آن برای تمرکز بر آینده و استنباط پاسخ به هزاران سوال استفاده کنید. به عنوان مثال، احتمال اینکه شخصی محصول شما را بخرد چقدر است، تیم پشتیبانی شما چند تماس دریافت خواهد کرد، و چه اندازه شلوار جین باید برای 95 درصد جمعیت تولید کنید؟ در این دوره آموزشی، با افزایش مهارت های آماری خود و یادگیری نحوه محاسبه میانگین ها، استفاده از نمودارهای پراکنده برای نشان دادن رابطه بین مقادیر عددی و محاسبه همبستگی، نحوه پاسخگویی به سوالاتی از این قبیل را خواهید یافت. شما همچنین با احتمال، ستون فقرات استدلال آماری مقابله خواهید کرد، و یاد خواهید گرفت که چگونه از پایتون برای انجام یک مطالعه خوب طراحی شده برای نتیجه گیری خود از داده ها استفاده کنید.

مهارت‌های مرتبط

coursera مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی (Mitalearn-340133)

  • 1 ساعت 37 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Alex Bottle
درباره این دوره:

به مقدمه ای بر آمار و تجزیه و تحلیل داده ها در بهداشت عمومی خوش آمدید! این دوره به شما بلوک‌های اصلی تجزیه و تحلیل آماری - انواع متغیرها، توزیع‌های رایج، آزمایش فرضیه‌ها را آموزش می‌دهد، اما بیش از آن، شما را قادر می‌سازد مجموعه داده‌ای را که قبلاً هرگز ندیده‌اید، بگیرید، ویژگی‌های کلیدی آن را شرح دهید. نقاط قوت و ویژگی های آن را بشناسید، تحلیل های اساسی اساسی انجام دهید و سپس فرضیه ها را بر اساس میانگین ها و نسبت ها تدوین و آزمایش کنید. سپس پایه محکمی برای رفتن به تحلیل پیچیده تر و گذراندن دوره های دیگر در این مجموعه خواهید داشت. نرم افزار محبوب، منعطف و کاملا رایگان R را که توسط متخصصان آمار و یادگیری ماشین در همه جا استفاده می شود، یاد خواهید گرفت. این کار عملی است، بنابراین ابتدا با نحوه بیان یک فرضیه قابل آزمایش از طریق نمونه هایی از تحقیقات پزشکی که توسط رسانه ها گزارش شده است، آشنا خواهید شد. سپس با مجموعه داده‌های مربوط به عادات غذایی میوه و سبزیجات کار می‌کنید: داده‌هایی که به‌طور واقع بینانه نامرتب هستند، زیرا مجموعه داده‌های بهداشت عمومی در واقعیت چنین هستند. در طول مسیر، مینی آزمون هایی با بازخورد برای بررسی درک شما وجود خواهد داشت. این دوره توانایی شما را برای تفکر انتقادی و عدم پذیرش چیزها بدیهی تر می کند: در این عصر الگوریتم های کنترل نشده و اخبار جعلی، این مهارت ها بیش از همیشه مهم هستند. پیش نیازها برخی از فرمول ها برای کمک به درک ارائه شده است، اما این از آن دوره هایی نیست که برای دنبال کردن آن نیاز به مدرک ریاضی دارید. شما فقط به اعداد اولیه (مثلاً از حساب دیفرانسیل و انتگرال استفاده نمی کنیم) و آشنایی با روش های نموداری و جدولی برای ارائه نتایج نیاز دارید. هیچ دانشی از R یا برنامه نویسی فرض نمی شود.

دوره‌های پیشنهادی