کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 15,941 تا 15,960 مورد از کل 18,566 مورد.

coursera مقدمه ای بر بهبود کیفیت در مراقبت های بهداشتی (Mitalearn-346950)

  • 2 ساعت 45 دقیقه
  • مناسب همه
  • انتشار: 23 June 2026
  • مدرس: Dr Thomas Woodcock
درباره این دوره:

این دوره شما را با مفاهیم، ​​تئوری ها و کاربرد بهبود کیفیت (QI) در مراقبت های بهداشتی از دیدگاه جهانی آشنا می کند. شما از بیماران، پزشکان و دانشگاهیان خواهید شنید که بهبود کیفیت برای آنها چه معنایی دارد و چگونه با یکدیگر برای ایجاد تغییر کار می کنند. با مطالعه چالش‌ها، آنها و استراتژی‌هایی که برای غلبه بر آن چالش‌ها به کار گرفته‌اند، استفاده و نقد روش‌های QI اصلی را از متخصصان این حوزه یاد خواهید گرفت. در پایان این ماژول شما قادر خواهید بود: 1. شناخت ویژگی های رویکردهای مختلف بهبود کیفیت به منظور نقد آنها و تصمیم گیری در مورد زمان استقرار آنها. 2. مؤلفه های ضروری یک رویکرد ساختاریافته برای بهبود کیفیت را به منظور اعمال روش های کلیدی بهبود کیفیت برای پشتیبانی از برنامه ریزی، طراحی، اجرا و ارزیابی تلاش های بهبود توضیح دهید.

مهارت‌های مرتبط

datacamp مقدمه ای بر بهینه سازی در پایتون (Mitalearn-403798)

  • 59 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: James Chapman,Jasmin Ludolf
درباره این دوره:

این دوره مبتدیان را به بهینه سازان ماهر تبدیل می کند و به شما آموزش تبدیل و حل مسائل دنیای واقعی را با استفاده از مدل سازی ریاضی در پایتون با SciPy و PuLP می دهد. با شروع بهینه سازی و کاربردهای آن، از SymPy برای راه حل های تحلیلی بدون محاسبه دستی مشتقات استفاده می کنید و از SciPy برای پاسخ های عددی استفاده می کنید. شما به سمت برنامه نویسی خطی، بهینه سازی محدب محدود، و بهینه سازی اعداد صحیح مختلط با SciPy و PuLP پیشرفت خواهید کرد، با تمرکز بر مسائل عملی مانند تولید، حداکثر کردن سود، و تخصیص منابع.

مهارت‌های مرتبط

coursera مقدمه ای بر بینایی کامپیوتر (Mitalearn-352900)

  • 46 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در اولین دوره از گرایش مهندسی و علوم کامپیوتر ویژن، با بینایی کامپیوتر آشنا می شوید. متداول‌ترین الگوریتم‌ها را برای تشخیص، استخراج و تطبیق ویژگی‌ها می‌آموزید و از آنها استفاده می‌کنید تا تصاویر ماهواره‌ای را تراز کنید و تصاویر را با هم بچینید تا یک تصویر واحد از یک صحنه بزرگ‌تر ایجاد کنید. ویژگی‌ها در برنامه‌هایی مانند تخمین حرکت، ردیابی شی و یادگیری ماشین استفاده می‌شوند. شما از ویژگی هایی برای تخمین تحولات هندسی بین تصاویر و انجام ثبت تصویر استفاده خواهید کرد. هر زمان که نیاز به مقایسه تصاویر یک صحنه گرفته شده در زمان های مختلف یا ترکیب تصاویر بدست آمده از ابزارهای علمی مختلف داشته باشید، ثبت نام مهم است، همانطور که در تصاویر فراطیفی و پزشکی رایج است. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف بینایی رایانه‌تان را فراهم می‌کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این دوره، داشتن تجربه قبلی در پردازش تصویر کمک خواهد کرد. اگر با داده های تصویری تازه کار هستید، توصیه می شود ابتدا تخصص پردازش تصویر برای مهندسی و علوم را تکمیل کنید.

coursera مقدمه ای بر بینایی کامپیوتری و پردازش تصویر (Mitalearn-326550)

  • 2 ساعت 3 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Aije Egwaikhide,Joseph Santarcangelo
درباره این دوره:

Computer Vision یکی از هیجان انگیزترین زمینه ها در یادگیری ماشینی و هوش مصنوعی است. در بسیاری از صنایع مانند اتومبیل های خودران، روباتیک، واقعیت افزوده و بسیاری موارد دیگر کاربرد دارد. در این دوره آموزشی مبتدی، بینایی کامپیوتر را درک خواهید کرد و با کاربردهای مختلف آن در بسیاری از صنایع آشنا خواهید شد. به عنوان بخشی از این دوره، شما از Python، Pillow و OpenCV برای پردازش اولیه تصویر و انجام طبقه بندی تصویر و تشخیص اشیا استفاده خواهید کرد. این یک دوره عملی است و شامل چندین آزمایشگاه و تمرین است. آزمایشگاه‌ها آزمایشگاه‌های Jupyter و Computer Vision Learning Studio (CV Studio) را که یک ابزار آموزشی رایگان برای بینایی کامپیوتر است، ترکیب می‌کنند. CV Studio به شما امکان آپلود، آموزش و آزمایش مدل‌های تشخیص و طبقه‌بندی تصویر سفارشی خود را می‌دهد. در پایان دوره، برنامه وب بینایی کامپیوتر خود را ایجاد کرده و آن را در Cloud مستقر خواهید کرد. این دوره نیازی به تجربه قبلی در زمینه یادگیری ماشین یا کامپیوتر ندارد. با این حال، دانش کمی از زبان برنامه نویسی پایتون و ریاضی دبیرستان ضروری است.

coursera مقدمه ای بر پایتون [coursera] (Mitalearn-302886)

  • 2 ساعت 2 دقیقه
  • مبتدی
  • انتشار: 27 June 2026
  • مدرس: Adwith Malpe
درباره این دوره:

در جامعه امروزی، استفاده از فناوری های جدید در حال گسترش است و جهان را متحول می کند. بسیاری از فن‌آوری‌های جدید وظایف اضافی را خودکار می‌کنند تا افراد بتوانند وظایفی را با اولویت بیشتری انجام دهند. این فناوری های جدید خودکار به نوآوری مداوم نرم افزار بستگی دارد. برای توسعه نرم افزاری که می تواند کارایی ما را افزایش دهد و دنیا را به سمت بهتر شدن تغییر دهد، درک نحوه کدنویسی با استفاده از زبان های برنامه نویسی مختلف بسیار مهم است. این تخصص اصول اولیه زبان برنامه نویسی پایتون را معرفی می کند و نحوه پیاده سازی راه حل های مسائل دنیای واقعی را با استفاده از نحو پایتون آموزش می دهد. موضوعات این دوره از استفاده از محیط های توسعه یکپارچه (IDE) تا پیاده سازی سینتکس پایتون در اسکریپت ها را شامل می شود. برخی از عناوین شغلی که ممکن است از این دوره بهره مند شوند عبارتند از: دانشمند کامپیوتر، مهندس کامپیوتر، مهندس نرم افزار، توسعه دهنده نرم افزار، تستر نرم افزار، مهندس برق، مهندس مکانیک، مهندس شیمی و مهندس هوافضا. برای یادگیری مطالب در این دوره نیازی به تجربه برنامه نویسی یا علوم کامپیوتر ندارید. این دوره برای همه کسانی که علاقه مند به یادگیری نحوه کدنویسی و نوشتن برنامه در پایتون هستند آزاد است. ما بسیار هیجان زده هستیم که با ما یاد خواهید گرفت و امیدواریم از این دوره لذت ببرید!

datacamp مقدمه ای بر پایتون [Datacamp] (Mitalearn-399191)

  • 46 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Hugo Bowne-Anderson
درباره این دوره:

Python یک زبان برنامه نویسی همه منظوره است که برای علم داده محبوبیت بیشتری پیدا می کند. شرکت‌ها در سراسر جهان از پایتون برای جمع‌آوری اطلاعات از داده‌های خود و کسب مزیت رقابتی استفاده می‌کنند. برخلاف سایر آموزش های پایتون، این دوره به طور خاص برای علم داده بر پایتون تمرکز دارد. در دوره مقدماتی پایتون، با روش‌های قدرتمند برای ذخیره و دستکاری داده‌ها و ابزارهای مفید علم داده برای شروع تحلیل‌های خود آشنا خواهید شد. هم اکنون برنامه درسی پایتون آنلاین DataCamp را شروع کنید.

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.

مهارت‌های مرتبط

coursera مقدمه ای بر پایتون برای امنیت سایبری (Mitalearn-323677)

  • 1 ساعت 54 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Howard Poston
درباره این دوره:

این دوره اولین بخش از پایتون برای تخصص امنیت سایبری است. فراگیران یک معرفی و مرور کلی از قالب دوره و اهداف آموزشی دریافت خواهند کرد.

datacamp مقدمه ای بر پایتون برای امور مالی (Mitalearn-400483)

  • 41 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Adina Howe
درباره این دوره:

صنعت مالی به طور گسترده از Python برای تجزیه و تحلیل کمی استفاده می کند، از درک پویایی معاملات تا سیستم های مدیریت ریسک. این دوره به شما نشان می دهد که چگونه با ایجاد مهارت های پایتون، داده های مالی خود را تجزیه و تحلیل کنید. فصل اول توضیح می دهد که چگونه پایتون و امور مالی دست به دست هم می دهند. سپس با اصول پایتون مانند خروجی چاپ، انجام محاسبات، درک انواع داده ها و ایجاد متغیرها آشنا خواهید شد. در مرحله بعد، فهرست‌ها و آرایه‌ها را در پایتون پوشش می‌دهید و نحوه استفاده از آنها را برای کار با داده‌ها بررسی می‌کنید. شما از بسته های NumPy و Matplotlib برای دستکاری و تجسم داده ها استفاده خواهید کرد. در نهایت، دوره را با انجام یک تحلیل مالی پایتون بر روی مجموعه داده S&P 100 به پایان خواهید رساند. در اینجا، مهارت‌های پایتون خود را برای فیلتر کردن لیست‌ها، خلاصه کردن داده‌های بخش، ترسیم نسبت‌های P/E در هیستوگرام، تجسم روندهای مالی و شناسایی موارد پرت به کار می‌گیرید. در پایان دوره، شما از مهارت های پایتون و مهارت های عملی تجزیه و تحلیل مالی خود مطمئن خواهید شد. این مهارت‌ها در صنعت مالی برای حل مشکلات مالی کمی پاداش بالایی دارند. این دوره بخشی از مسیر مبانی مالی ما در پایتون است که برای کسانی که می‌خواهند برای امور مالی عمیق‌تر به پایتون بپردازند، عالی است.

مهارت‌های مرتبط

datacamp مقدمه ای بر پایتون برای توسعه دهندگان (Mitalearn-399429)

  • 51 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: George Boorman,Jasmin Ludolf
درباره این دوره:

این دوره آموزشی پایتون برای مبتدیان نیازی به تجربه برنامه نویسی قبلی ندارد و تمام اصولی را که برای شروع به عنوان یک توسعه دهنده نیاز دارید را پوشش می دهد. شما اصول اساسی برنامه نویسی، از جمله انواع داده ها، متغیرها، و ساختارهای داده مانند لیست ها و فرهنگ لغت ها را یاد خواهید گرفت، سپس به نوشتن منطق شرطی و حلقه هایی که کد شما را زنده می کند، پیش می روید. در پایان، مهارت‌های عملی مورد نیاز برای شروع ساختن راه‌حل‌های نرم‌افزاری واقعی با یکی از پرتقاضاترین زبان‌های برنامه‌نویسی جهان را خواهید داشت.

مهارت‌های مرتبط

datacamp مقدمه ای بر پایتون در Power BI (Mitalearn-403662)

  • 37 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Jacob Marquez
درباره این دوره:

در این دوره مقدماتی Python در Power BI، از داده‌های یک مطالعه صید بیش از حد و یک خرده‌فروش آنلاین برای یادگیری نحوه استفاده از اسکریپت‌های Python در Power BI برای آماده‌سازی داده‌ها، تجسم‌سازی و محاسبه ضرایب همبستگی استفاده خواهید کرد. به طور خاص برای ساخت تصاویر سفارشی مبتنی بر پایتون، از بسته Seaborn استفاده خواهید کرد. در پایان، شما باید با استفاده از Python در (و خارج از) Power BI احساس راحتی بیشتری داشته باشید.

چه ابتدا یک Pythonista یا یک کاربر قدرتمند Power BI بودید، ادغام Python در Power BI یک افزونه فوق العاده به جعبه ابزار داده است. این دوره نشان می دهد که با استفاده از این دو با هم، می توانید از مزایای هر یک بهره ببرید و بهترین را برای کار در دست انتخاب کنید.

مهارت‌های مرتبط

linkedin مقدمه ای بر پایتون: یاد بگیرید چگونه امروز با پایتون برنامه ریزی کنید توسط پیرسون (Mitalearn-461122)

  • 9 ساعت 36 دقیقه
  • مناسب همه
  • انتشار: 23 February 2026
  • مدرس: Pearson
درباره این دوره:

<h3>توضیح</h3> <h4>این دوره در مورد چیست؟</h4> رهبران کسب و کار تحت فشار هیئت مدیره و رقبای خود برای نوآوری و افزایش نتایج با استفاده از هوش مصنوعی هستند. اما این می تواند به سرعت به شروع پروژه های هوش مصنوعی بدون اهداف مشخص و قابل اندازه گیری یا معیارهای خروج منجر شود. در این دوره، مربی آندریاس ولش، خطرات ناشی از هزینه‌های غرق شده و فرصت‌های از دست رفته را با بینش‌های عملی در مورد غلبه بر چالش‌های تجاری پیچیده مرتبط با پذیرش هوش مصنوعی، تشریح می‌کند. بیاموزید که چگونه استراتژی‌های کاهش ریسک اثبات شده را برای شروع، اندازه‌گیری و مدیریت پروژه‌های هوش مصنوعی اجرا کنید. در طول مسیر، نکات و تکنیک هایی را برای بهینه سازی منابع برای پروژه هایی که احتمال موفقیت بیشتری دارند، دریافت کنید. </p> <p>این دوره شامل نقش بازی مبتنی بر هوش مصنوعی است. نقش بازی به شما امکان می دهد آنچه را که در شبیه سازی های تعاملی مکالمات دنیای واقعی آموخته اید تمرین کنید.</p> <h3>اهداف</h3> <h4>تا پایان این دوره چه کاری می توانم انجام دهم؟</h4> <ul> <li>اهمیت همسویی پروژه های هوش مصنوعی با اهداف تجاری برای بهبود میزان موفقیت را درک کنید.</li> <li>فرصت هایی را شناسایی کنید که در آن هوش مصنوعی می تواند ارزش قابل اندازه گیری به اهداف سازمان بیافزاید.</li> <li>پروژه‌های هوش مصنوعی را برای همسویی استراتژیک و امکان‌سنجی ارزیابی کنید، و اطمینان حاصل کنید که سرمایه‌گذاری‌ها در منابع کارآمد هستند.</li> <li>پروژه های هوش مصنوعی را با تعیین معیارهایی بر اساس تأثیر بالقوه کسب و کار، اولویت بندی کنید.</li> <li>یک چارچوب کاهش ریسک را برای نظارت بر پیشرفت پروژه هوش مصنوعی، تنظیم KPIها و اطمینان از پاسخگویی برای نتایج دلخواه اجرا کنید.</li> </ul></p> <h3>مخاطب</h3> <h4>این دوره برای چه کسانی است؟</h4> <ul> <li>تیم های رهبری ارشد</li> <li>مدیران</li> <li>تصمیم گیرندگان تجاری</li> <li>مشاوران استراتژی هوش مصنوعی</li> </ul></p>

مهارت‌های مرتبط

coursera مقدمه ای بر پایداری [coursera] (Mitalearn-354090)

  • 7 ساعت 31 دقیقه
  • مناسب همه
  • انتشار: 27 June 2026
  • مدرس: Dr. Jonathan Tomkin
درباره این دوره:

این دوره رویکرد آکادمیک پایداری را معرفی می‌کند و بررسی می‌کند که چگونه جوامع بشری امروزی می‌توانند در مواجهه با تغییرات جهانی، تخریب اکوسیستم و محدودیت‌های منابع تحمل کنند. این دوره بر حوزه های دانش کلیدی تئوری و عمل پایداری، از جمله جمعیت، اکوسیستم ها، تغییرات جهانی، انرژی، کشاورزی، آب، اقتصاد محیط زیست و سیاست، اخلاق و تاریخ فرهنگی تمرکز دارد. این موضوع از اهمیت حیاتی برخوردار است، زیرا به دنبال کشف اصول رفاه بلندمدت همه مردم کره زمین است. از آنجایی که پایداری یک زمینه مطالعاتی بین رشته‌ای است، این بنیاد مستلزم وسعت فکری است: همانطور که در متن کلاس توضیح می‌دهم، درک انگیزه‌های ما به علوم انسانی نیاز دارد، اندازه‌گیری چالش‌های پایداری نیازمند دانش علوم (اعم از طبیعی و اجتماعی) است. و راه حل های ساختمانی نیازمند بینش فنی در مورد سیستم ها (مانند ارائه شده توسط مهندسی، برنامه ریزی و مدیریت) است.

coursera مقدمه ای بر پایگاه های داده (Mitalearn-317081)

  • 2 ساعت 58 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Taught by Meta Staff
درباره این دوره:

در این دوره با پایگاه های داده آشنا می شوید و روش های مدرن استفاده از آنها را بررسی می کنید. تمایز بین انواع مختلف سیستم های مدیریت پایگاه داده را بیاموزید، سپس ایجاد اولیه و انتخاب داده ها را با استفاده از دستورات زبان پرس و جو ساختاریافته (SQL) تمرین کنید. در پایان این دوره، شما قادر خواهید بود: - نشان دادن دانش کاری در مورد مفاهیم و اصولی که زیربنای نحوه کار پایگاه های داده است - شناسایی و توضیح انواع مختلف فناوری اصلی و سیستم های مدیریتی مورد استفاده در پایگاه های داده - دستورات و دستورات اولیه SQL را شناسایی و تفسیر کنید - دستکاری رکوردها در پایگاه داده با استفاده از دستورات و دستورات SQL - جایگزین های SQL را مشخص کنید - و برنامه ریزی و طراحی یک سیستم پایگاه داده رابطه ای ساده در موارد زیر نیز تجربه کسب خواهید کرد: • مفاهیم اساسی در پایگاه داده • دستورات و دستورات اولیه MySQL • سیستم های مدیریت پایگاه داده • نرم افزار MySQL • پایگاه داده های رابطه ای

coursera مقدمه ای بر پایگاه های داده NoSQL (Mitalearn-317030)

  • 3 ساعت 39 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Rav Ahuja,Ramesh Sannareddy,Steve Ryan
درباره این دوره:

با این دوره مقدماتی مبتدی، با پایگاه های داده NoSQL شروع کنید! این دوره دانش فنی و عملی از پایگاه‌های داده NoSQL و ارائه‌های پایگاه داده به‌عنوان سرویس (DaaS) ارائه می‌کند. با ظهور Big Data و متدولوژی های توسعه چابک، پایگاه های داده NoSQL ارتباط زیادی در چشم انداز پایگاه داده پیدا کرده اند. مزیت اصلی آنها توانایی رسیدگی به مسائل مقیاس پذیری و انعطاف پذیری است که برنامه های کاربردی مدرن مطرح می کنند. شما این دوره را با یادگیری تاریخچه و مبانی پایگاه های داده NoSQL (سند، کلید-مقدار، ستون و نمودار) آغاز خواهید کرد و ویژگی ها و مزایای کلیدی آنها را کشف خواهید کرد. شما با چهار دسته از پایگاه های داده NoSQL و تفاوت آنها آشنا خواهید شد. همچنین تفاوت‌های بین مدل‌های سازگاری ACID و BASE، مزایا و معایب سیستم‌های توزیع‌شده و زمان استفاده از RDBMS و NoSQL را بررسی خواهید کرد. همچنین در مورد پایگاه‌های داده برداری، یک کلاس در حال ظهور از پایگاه‌های داده که در هوش مصنوعی محبوب هستند، یاد خواهید گرفت. در مرحله بعد، معماری و ویژگی های چندین پیاده سازی پایگاه داده NoSQL، یعنی MongoDB، Cassandra و IBM Cloudant را بررسی خواهید کرد. شما در مورد وظایف مشترکی که هر یک از آنها انجام می دهند و ویژگی های کلیدی و تعیین کننده آنها یاد خواهید گرفت. سپس تجربه عملی با استفاده از آن پایگاه‌های داده NoSQL برای انجام وظایف مدیریت پایگاه داده استاندارد، مانند ایجاد و تکثیر پایگاه‌های داده، بارگیری و جستجوی داده‌ها، اصلاح مجوزهای پایگاه داده، فهرست‌سازی و تجمیع داده‌ها، و تقسیم (یا پارتیشن‌بندی) داده‌ها به دست خواهید آورد. در پایان این دوره، شما یک پروژه نهایی را تکمیل خواهید کرد که در آن تمام دانش خود را از محتوای دوره در یک سناریو خاص به کار خواهید برد و با چندین پایگاه داده NoSQL کار خواهید کرد. این دوره برای هر کسی که می خواهد مجموعه مهارت های مدیریت داده و فناوری اطلاعات خود را گسترش دهد مناسب است.

coursera مقدمه ای بر پایگاه های داده برای توسعه Back-End (Mitalearn-302019)

  • 2 ساعت 55 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Taught by Meta Staff
درباره این دوره:

توسعه دهندگان Back-end برنامه هایی را می نویسند که کاربران نهایی از آنها برای تعامل با پایگاه های داده استفاده می کنند. برخی از کارهای رایجی که کاربران نهایی با استفاده از این برنامه ها انجام می دهند عبارتند از ذخیره سازی، جستجو، استخراج و دستکاری داده ها. بنابراین، ضروری است که همه توسعه دهندگان Back-end دانش و تجربه قوی در مورد نحوه کار پایگاه داده داشته باشند. در این دوره آموزشی، مقدمه ای بر پایگاه داده ها دریافت خواهید کرد و راه های مختلفی را که می توان از آنها برای ذخیره و مدیریت داده ها استفاده کرد، کشف کرد. شما همچنین یاد خواهید گرفت که بین انواع مختلف سیستم های مدیریت پایگاه داده تمایز قائل شوید. سپس کارهای اولیه ایجاد و انتخاب داده را با استفاده از دستورات زبان پرس و جو ساختاریافته (SQL) تمرین خواهید کرد. در پایان این دوره، شما قادر خواهید بود: - نشان دادن دانش کاری در مورد مفاهیم و اصولی که زیربنای نحوه کار پایگاه های داده است - شناسایی و توضیح انواع مختلف فناوری اصلی و سیستم های مدیریتی مورد استفاده در پایگاه های داده - دستورات و دستورات اولیه SQL را شناسایی و تفسیر کنید - دستکاری رکوردها در پایگاه داده با استفاده از دستورات و دستورات SQL - جایگزین های SQL را مشخص کنید - و برنامه ریزی و طراحی یک سیستم پایگاه داده رابطه ای ساده در موارد زیر نیز تجربه کسب خواهید کرد: - مفاهیم اساسی در پایگاه داده - دستورات و دستورات اولیه MySQL - سیستم های مدیریت پایگاه داده - پایگاه داده های رابطه ای

datacamp مقدمه ای بر پایگاه های داده در پایتون (Mitalearn-403951)

  • 43 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Jason Myers
درباره این دوره:

در این دوره، اصول اولیه استفاده از SQL با پایتون را خواهید آموخت. این مفید خواهد بود زیرا پایگاه های داده همه جا حاضر هستند و دانشمندان داده، تحلیلگران و مهندسان باید دائماً با آنها تعامل داشته باشند. کیت ابزار Python SQL SQLAlchemy یک روش در دسترس و شهودی برای پرس و جو، ساخت و نوشتن در پایگاه های داده ضروری، از جمله SQLite، MySQL، و PostgreSQL ارائه می دهد.

مهارت‌های مرتبط

coursera مقدمه ای بر پایگاه های داده رابطه ای (Mitalearn-328454)

  • 3 ساعت 46 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Gerald Balekaki,Yousef Elmehdwi
درباره این دوره:

سیستم های مدیریت پایگاه داده بخش مهمی از اکثر صنایع در مقیاس بزرگ و سیستم های منبع باز هستند. این دوره شما را با مفاهیم مهم سیستم های پایگاه داده و طراحی آشنا می کند. ما یاد خواهیم گرفت که پایگاه‌های داده رابطه‌ای چیست، برای چه استفاده می‌شوند، تئوری زیربنایی طراحی آن‌ها، و نحوه پرس‌وجو و تغییر پایگاه داده با استفاده از زبان SQL اعلامی. در پایان دوره، شما قادر خواهید بود: - توضیح دهید که پایگاه داده های رابطه ای چیست و چگونه استفاده می شود. - تسلط بر مدل پایگاه داده رابطه ای. - نشان دادن مهارت در تئوری پایگاه داده رابطه ای رسمی. - مهارت های جامع SQL را نشان دهید. - استفاده از دانش پایگاه داده در مسائل عملی. نرم افزار مورد نیاز: Jupyter Notebooks، SQL

coursera مقدمه ای بر پایگاه های داده رابطه ای (RDBMS) (Mitalearn-319376)

  • 2 ساعت 59 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Rav Ahuja,Sandip Saha Joy
درباره این دوره:

آیا برای شیرجه زدن به دنیای مهندسی داده آماده هستید؟ در این دوره سطح مبتدی، شما درک کاملی از نحوه ذخیره، پردازش و دسترسی به داده ها در پایگاه داده های رابطه ای (RDBMS) خواهید داشت. شما با انواع مختلفی از پایگاه داده ها کار خواهید کرد که برای نیازهای مختلف پردازش داده ها مناسب هستند. شما این دوره را با آشنایی با مفاهیم پایگاه داده رابطه ای و همچنین چندین پایگاه داده استاندارد رابطه ای صنعتی از جمله IBM DB2، MySQL و PostgreSQL آغاز خواهید کرد. در مرحله بعد، از ابزارهای RDBMS استفاده شده توسط افراد حرفه ای مانند phpMyAdmin و pgAdmin برای ایجاد و نگهداری پایگاه داده های رابطه ای استفاده می کنید. همچنین از خط فرمان و دستورات SQL برای ایجاد و مدیریت جداول استفاده خواهید کرد. این دوره شامل تمرینات عملی و عملی است که به شما کمک می کند تا یادگیری خود را نشان دهید. شما با پایگاه های داده واقعی کار خواهید کرد و مجموعه داده های دنیای واقعی را کاوش خواهید کرد. شما نمونه های پایگاه داده ایجاد می کنید و آنها را با جداول و داده ها پر می کنید. در پایان این دوره، شما یک تکلیف نهایی را تکمیل می کنید که در آن دانش انباشته شده خود را از این دوره به کار می گیرید و نشان می دهید که مهارت های زیر را دارید: طراحی پایگاه داده برای یک نیاز تجزیه و تحلیل خاص، عادی سازی جداول، ایجاد جداول و نماها در پایگاه داده، بارگیری و دسترسی به داده ها. هیچ دانش قبلی از پایگاه داده یا برنامه نویسی مورد نیاز نیست. هر کس می تواند این دوره را بدون هزینه بررسی کند. اگر این دوره را انتخاب کنید و گواهی دوره Coursera را کسب کنید، می توانید پس از اتمام موفقیت آمیز دوره، نشان دیجیتال IBM را نیز کسب کنید.

datacamp مقدمه ای بر پایگاه های داده رابطه ای در SQL (Mitalearn-399633)

  • 43 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Timo Grossenbacher
درباره این دوره:

شما قبلاً از SQL برای پرس و جو از داده ها از پایگاه داده استفاده کرده اید. اما آیا می‌دانستید که با پایگاه‌های داده می‌توانید کارهای بیشتری انجام دهید؟ شما می توانید پدیده های مختلف در داده های خود و همچنین روابط بین آنها را مدل کنید. این به ساختار و یکپارچگی داده های شما می دهد که منجر به کیفیت بهتر داده می شود. در این دوره، با کار با مجموعه داده های واقعی که برای بررسی وابستگی های مشکوک دانشگاهی مورد استفاده قرار می گیرد، این موضوع را به طور مستقیم تجربه خواهید کرد. ستون به ستون، جدول به جدول، می توانید قفل را باز کنید و پتانسیل کامل پایگاه های داده را تحسین کنید. نحوه ایجاد جداول و مشخص کردن روابط آنها و همچنین نحوه اعمال یکپارچگی داده ها را خواهید آموخت. همچنین سایر ویژگی های منحصر به فرد سیستم های پایگاه داده، مانند محدودیت ها را کشف خواهید کرد.

مهارت‌های مرتبط

coursera مقدمه ای بر پردازش تصویر (Mitalearn-349891)

  • 54 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در این مقدمه برای پردازش تصویر، اولین قدم های خود را در دسترسی و تنظیم تصاویر دیجیتال برای تجزیه و تحلیل و پردازش بردارید. اندازه و جهت تصویر را بارگیری، ذخیره و تنظیم خواهید کرد و در عین حال نحوه تشخیص تصاویر دیجیتال را نیز درک خواهید کرد. سپس تقسیم بندی اولیه و تجزیه و تحلیل کمی را انجام خواهید داد. در نهایت، کنتراست تصاویر را افزایش می دهید تا اشیاء مورد علاقه را آسان تر شناسایی کنید. در پایان دوره، مهارت های تقسیم بندی خود را برای شناسایی مناطق مورد علاقه، مانند میزان آب سطحی از تصاویر ماهواره ای، به کار خواهید گرفت. این مقدمه برای پردازش تصویر پایه و اساس لازم را برای انجام کارهای پیشرفته تر در مورد این موضوع به شما می دهد. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف پردازش تصویر را فراهم می‌کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این دوره باید پیشینه ریاضی پایه و آشنایی با متلب داشته باشید. اگر می خواهید خود را با متلب آشنا کنید، متلب Onramp دو ساعته رایگان را ببینید. تجربه در زمینه پردازش تصویر الزامی نیست.

دوره‌های پیشنهادی