Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-9 of 9 items.

datacamp تبدیل داده ها در KNIME (Mitalearn-446774)

  • 33 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Mahantesh Pattadkal
درباره این دوره:

تغییر داده در KNIME برای تجهیز شما به تکنیک های اساسی و میانی برای دستکاری و تبدیل داده ها با استفاده از KNIME طراحی شده است. شما با یادگیری مهارت های اولیه تبدیل داده ها، از جمله تقسیم ستون ها و استفاده از عبارات شرطی، شروع خواهید کرد. این دوره به سمت وظایف پیچیده تر، مانند تبدیل های مبتنی بر بیان و تلفیق داده ها، پیشرفت می کند. در نهایت، شما یاد خواهید گرفت که با ایجاد اجزای قابل استفاده مجدد و بهینه سازی قابلیت استفاده مجدد، گردش کار KNIME را بهبود ببخشید. این دوره برای هر کسی که به دنبال تقویت مهارت های مدیریت داده خود با استفاده از KNIME است عالی است.

datacamp تجسم داده ها در KNIME (Mitalearn-446859)

  • 23 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Emilio Silvestri
درباره این دوره:

یکی از مهارت‌های کلیدی هر تحلیل‌گر داده، توانایی ایجاد تجسم‌های آموزنده و مؤثر است - به عبارت دیگر، صحبت کردن از داده‌ها. در این دوره، اصول تجسم داده ها، از جمله نمودارها و نمودارهای رایج، موارد استفاده از آنها، بهترین شیوه ها و اصول کلیدی مانند سادگی و وضوح را خواهید آموخت. شما از ایجاد تجسم‌های اولیه به نمودارهای پیشرفته برای داده‌های پیچیده، از جمله سری‌های زمانی و نمودارهای مکانی، پیشرفت خواهید کرد. در پایان، یک داشبورد تعاملی طراحی می‌کنید و گزارشی تولید می‌کنید که انتشار CO2 یک شرکت را نشان می‌دهد، و بینش‌های حاصل از تجسم‌های متعدد را در یک ارائه واضح و قانع‌کننده ترکیب می‌کند.

datacamp دستکاری داده ها در KNIME (Mitalearn-446723)

  • 27 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Philipp Kowalski
درباره این دوره:

آیا آماده اید انقلابی در گردش کار داده خود ایجاد کنید و کارهای دستی و مستعد خطا را حذف کنید؟ این دوره برای حرفه ای ها طراحی شده است که به دنبال دستکاری خودکار داده ها با استفاده از KNIME، حتی بدون تجربه کدنویسی هستند. شما یاد خواهید گرفت که داده ها را از چندین منبع ادغام و تبدیل کنید، بینش ها را با محورها جمع آوری کنید، مدیریت فایل ها را ساده کنید و با پایگاه های داده تعامل موثری داشته باشید. در پایان، مهارت‌هایی برای ایجاد جریان‌های کاری قدرتمندی خواهید داشت که باعث صرفه‌جویی در زمان، بهبود دقت و افزایش بهره‌وری می‌شود. ایده آل برای تحلیلگران، دانشمندان داده شهروندی، و هر کسی که با داده ها کار می کند!

coursera کلان داده - پروژه Capstone (Mitalearn-334744)

  • 20 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Amarnath Gupta
درباره این دوره:

به پروژه Capstone برای داده های بزرگ خوش آمدید! در این پروژه اوج، شما یک اکوسیستم کلان داده را با استفاده از ابزارها و روش های دوره های قبلی در این تخصص می سازید. شما یک مجموعه داده شبیه سازی داده های بزرگ تولید شده از تعداد زیادی از کاربرانی را که بازی خیالی ما "Catch the Pink Flamingo" را بازی می کنند، تجزیه و تحلیل خواهید کرد. در طول پنج هفته پروژه Capstone، شما مراحل معمولی علم داده های بزرگ را برای به دست آوردن، کاوش، آماده سازی، تجزیه و تحلیل و گزارش گذرانده اید. در دو هفته اول، مجموعه داده ها را به شما معرفی می کنیم و با استفاده از ابزارهایی مانند Splunk و Open Office شما را از طریق برخی تحلیل های اکتشافی راهنمایی می کنیم. سپس به مشکلات چالش برانگیزتر کلان داده خواهیم پرداخت که نیازمند ابزارهای پیشرفته تری است که شما آموخته اید، از جمله KNIME، Spark's MLLib و Gephi. در نهایت، در هفته پنجم و آخر، به شما نشان خواهیم داد که چگونه همه اینها را برای ایجاد گزارش های جذاب و متقاعدکننده و ارائه اسلایدها کنار هم قرار دهید. در نتیجه همکاری ما با Splunk، یک شرکت نرم‌افزاری که بر تجزیه و تحلیل داده‌های بزرگ تولید شده توسط ماشین تمرکز دارد، یادگیرندگان با پروژه‌های برتر واجد شرایط ارائه به Splunk و ملاقات با استخدام‌کنندگان Splunk و رهبری مهندسی خواهند بود.

datacamp مقدمه ای بر KNIME (Mitalearn-447369)

  • 26 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Emilio Silvestri
درباره این دوره:

KNIME یک پلتفرم علمی و تجزیه و تحلیل داده رایگان و منبع باز با رابط بصری است که در آن می‌توانید گردش‌های کاری بصری ایجاد کنید تا داده‌های خود را درک کنید. شرکت‌ها در سراسر جهان از KNIME برای خودکارسازی وظایف تکراری و ساخت و استقرار مدل‌های یادگیری ماشینی استفاده می‌کنند. در این دوره آموزشی، یاد می گیرید که چگونه داده ها را از چندین منبع بخوانید و ادغام کنید و در صورت عدم تمایل، داده های خود را بدون کد نویسی، تبدیل و تجمیع کنید. KNIME بدون کد/ سفر ارتقای مهارت داده کم کد خود را اکنون شروع کنید.

linkedin مقدمه ای بر یادگیری ماشین با KNIME (Mitalearn-160222)

  • 1 hours 59 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Keith McCormick
درباره این دوره:

KNIME یک ابزار منبع باز به سبک میز کار برای تجزیه و تحلیل پیش بینی و یادگیری ماشین است. این بسیار سازگار با بسیاری از فناوری های علوم داده، از جمله R، Python، Scala، و Spark است. با KNIME، می‌توانید راه‌حل‌هایی تولید کنید که عملاً مستندسازی شده و آماده استفاده هستند. این دلایل و موارد دیگر KNIME را به یکی از محبوب‌ترین و سریع‌ترین پلتفرم‌های تحلیلی در حال رشد تبدیل کرده است. در این دوره، کیت مک کورمیک متخصص نشان می دهد که چگونه KNIME از تمام مراحل فرآیند استاندارد متقابل صنعت برای داده کاوی (CRISP-DM) در یک پلت فرم پشتیبانی می کند. به سرعت - در 15 دقیقه یا کمتر - شروع به کار کنید یا برای آموزش عمیق‌تر که ادغام و تجمیع، مدل‌سازی و امتیازدهی داده‌ها را پوشش می‌دهد، همراه باشید. به علاوه، نحوه افزایش قدرت KNIME با برنامه های افزودنی و ادغام R و Python را بیاموزید.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME (Mitalearn-383823)

  • 2 hours 4 minutes
  • مناسب همه
  • Update date: 22 July 2025
  • Author: Keith McCormick
درباره این دوره: 

 

پیش نیازهای پیشنهادی

  • آشنایی کلی با یادگیری ماشینی تحت نظارت
  • درک عباراتی مانند متغیر هدف، متغیر ورودی، الگوریتم و پارتیشن قطار/آزمایش

درخت‌های تصمیم شفاف هستند، در هر پلتفرمی در دسترس هستند و برای تکنیک‌های پیشرفته‌تر مانند جنگل‌های تصادفی و XGBoost پایه‌ای هستند. و اگر شما یک دانشمند داده هستید که به دنبال تمرکز بر یادگیری ماشینی هستید، مسلماً موضوع بهتری برای شروع سفر یادگیری شما وجود ندارد. در این دوره، اصول یادگیری ماشینی مربوط به تجزیه و تحلیل پیش بینی و کار با درخت های تصمیم را بیاموزید. در طول مسیر، مربی کیت مک کورمیک با استفاده از پلتفرم KNIME Analytics نمایش هایی ارائه می دهد، بنابراین می توانید نحوه عملکرد این مفاهیم را در سناریوهای دنیای واقعی درک کنید.


linkedin یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم گیری پیشرفته با KNIME (Mitalearn-383840)

  • 1 hours 38 minutes
  • مناسب همه
  • Update date: 22 July 2025
  • Author: Keith McCormick
درباره این دوره: 

 به نظر می رسد هر سال روند داغ جدیدی در علم داده وجود دارد. یکی از داغ‌ترین الگوریتم‌های تحلیل پیش‌بینی‌کننده در سال جاری، درخت‌های تقویت‌شده با گرادیان است. اگر اصول درخت های تصمیم را نفهمید، نمی توان امیدوار بود که بفهمد چرا این روش محبوب و موفق است. محبوبیت الگوریتم‌های درختی خاص افزایش و کاهش یافته است، اما مفاهیم اصلی برای حداقل 30 سال برای این رشته اساسی بوده‌اند. در این دوره، مربی کیت مک کورمیک، نیم دوجین الگوریتم درخت تصمیم گیری محبوب را نشان می دهد و بحث می کند. کیت نحوه دسترسی به آنها را با استفاده از گزینه های منبع باز دیگر از داخل پلت فرم KNIME نشان می دهد. او آنها را توضیح می دهد و آنها را مهندسی معکوس می کند تا پایه ای محکم برای ایجاد مهارت های پیشرفته تری در علم داده ایجاد کند.

coursera یادگیری ماشینی با داده های بزرگ (Mitalearn-334676)

  • 4 hours 50 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Mai Nguyen,Ilkay Altintas
درباره این دوره:

آیا می خواهید حجم داده هایی را که جمع آوری کرده اید درک کنید؟ آیا باید تصمیمات مبتنی بر داده را در فرآیند خود بگنجانید؟ این دوره مروری بر تکنیک های یادگیری ماشین برای کاوش، تجزیه و تحلیل و استفاده از داده ها ارائه می دهد. شما با ابزارها و الگوریتم‌هایی آشنا می‌شوید که می‌توانید از آنها برای ایجاد مدل‌های یادگیری ماشینی که از داده‌ها یاد می‌گیرند، استفاده کنید و آن مدل‌ها را تا مشکلات داده‌های بزرگ مقیاس کنید. در پایان دوره، شما قادر خواهید بود: • با استفاده از مراحل فرآیند یادگیری ماشین، رویکردی برای استفاده از داده ها طراحی کنید. • از تکنیک های یادگیری ماشین برای کاوش و آماده سازی داده ها برای مدل سازی استفاده کنید. • نوع مشکل یادگیری ماشین را به منظور اعمال مجموعه تکنیک های مناسب شناسایی کنید. • مدل هایی بسازید که از داده ها با استفاده از ابزارهای منبع باز گسترده در دسترس یاد می گیرند. • مشکلات کلان داده را با استفاده از الگوریتم های یادگیری ماشینی مقیاس پذیر در Spark تجزیه و تحلیل کنید. نرم افزار مورد نیاز: Cloudera VM، KNIME، Spark

Suggestions