Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-20 of 587 items.

linkedin 15 اشتباهی که در علم داده باید از آنها اجتناب کرد (Mitalearn-194766)

  • 19 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Sam Cvetkovski,Louis Tremblay,Sara Anstey,Lacey Westphal,Madecraft
درباره این دوره:

به عنوان یک دانشمند داده، هدف شما این است که همیشه مهارت های خود را افزایش دهید. اما، اگر متوجه شوید یا نه، ممکن است اشتباهاتی وجود داشته باشد که شما را از رفتن به سطح بعدی باز می دارد. در این دوره، 15 اشتباه برتر علم داده را بیاموزید: درک نادرست از مشکلات تجاری، استفاده از ابزارهای اشتباه، شروع بدون برنامه و موارد دیگر. چهار دانشمند پیشرو داده درس‌هایی را که به سختی در مورد بیگانگی همکاران با اصطلاحات فنی، حرکت خیلی سریع و استفاده از اندازه‌های نمونه بسیار کوچک آموخته‌اند به اشتراک می‌گذارند. دریابید که چرا باید بهترین تلاش خود را برای جلوگیری از سوگیری انجام دهید - و از راه حل های بیش از حد امیدوارکننده برای ذینفعان اجتناب کنید. به علاوه، بیاموزید که چرا نوشتن کد سفارشی می‌تواند منجر به اتلاف وقت شود و چرا امیدوارکننده‌ترین بینش‌های علم داده بدون یک داستان قانع‌کننده از بین می‌روند.nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

linkedin 15 نکته برای یافتن شغل علم داده (Mitalearn-442303)

  • 32 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Madecraft,Michael Galarnyk
درباره این دوره:

پیدا کردن و یافتن شغل عالی در علم داده می‌تواند چالش برانگیز باشد، اما با افزایش تقاضا و انعطاف‌پذیری در این زمینه، زمان مناسبی برای تسلط بر مهارت‌های جستجوی شغل است. در این دوره آموزشی، مایکل گالارنیک، مربی و وبلاگ نویس پایتون به شما نشان می دهد که چگونه فرصت های شغلی علم داده را پیدا کنید، تجربیات خود را به نمایش بگذارید، حضور آنلاین ایجاد کنید و از آن استفاده کنید، و برای شبکه و مصاحبه آماده شوید. بیاموزید که چگونه انواع شغل را شناسایی کنید، تالارهای گفتگوی آنلاین را کاوش کنید، و بر شکاف های موجود در تحصیلات یا تجربه خود غلبه کنید. بهترین راه‌ها برای ارائه تجربیات خود را از طریق کار، پروژه‌ها، رزومه و نامه‌های پوششی بررسی کنید. بیاموزید که چگونه پروفایل لینکدین خود را بهینه کنید، پروژه های GitHub چشمگیر ایجاد کنید و یک وبلاگ جذاب بسازید. بهترین روش ها را برای شناسایی ارتباطات و درخواست ارجاع بررسی کنید. بعلاوه، یاد بگیرید که چگونه مصاحبه های خود را سریع انجام دهید و به طور موثر پیگیری کنید.

این دوره توسط Madecraft ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

آرم شرکت برای Madecraft؛ حرف M به عنوان بخشی از چاپ پیکربندی شده است

linkedin 15 نکته برای یافتن شغل علم داده (2020) (Mitalearn-194001)

  • 33 minutes
  • مبتدی
  • Release date: 3 September 2020
  • Author: Madecraft,Michael Galarnyk
درباره این دوره: 

 پیدا کردن شغلی که دوستش دارید می تواند سخت باشد. این دوره می‌تواند با ارائه راهکارها و نکات سریع برای یافتن – و یافتن – یک شغل فوق‌العاده در زمینه علم داده به شما کمک کند. مربی مایکل گالارنیک نحوه شناسایی نوع شغل علم داده که به بهترین وجه برای شما مناسب است و همچنین اقداماتی برای غلبه بر شکاف های موجود در رزومه خود به اشتراک می گذارد. او نحوه ساخت پروژه های چشمگیر را توضیح می دهد که مهارت های شما را به نمایش می گذارد، و همچنین یک رزومه علمی داده قانع کننده و نامه پوششی ایجاد کنید. به علاوه، نکاتی را برای ایجاد حضور آنلاین دریافت کنید. پیدا کردن مخاطبین مرتبط برای کمک به شما در یافتن شغل؛ و آماده شدن برای اولین مصاحبه خود.

این دوره توسط Madecraft ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

coursera Advanced Data Science Capstone (Mitalearn-336733)

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

این تکمیل کننده پروژه درک عمیقی از پردازش داده های موازی عظیم، کاوش و تجسم داده ها، یادگیری ماشین پیشرفته و یادگیری عمیق و نحوه به کارگیری دانش خود در یک مورد استفاده عملی در دنیای واقعی که در آن تصمیمات معماری را توجیه می کند، درک ویژگی های الگوریتم‌ها، چارچوب‌ها و فناوری‌های مختلف و چگونگی تأثیر آنها بر عملکرد و مقیاس‌پذیری مدل. لطفا توجه داشته باشید: از شما درخواست می شود در پایان دوره یک ارائه ویدئویی کوتاه ایجاد کنید. این اجباری است. نیازی نیست ویدیو را به صورت عمومی به اشتراک بگذارید.

linkedin Advanced NoSQL for Data Science (Mitalearn-104819)

  • 1 hours 54 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Dan Sullivan
درباره این دوره:

بسیاری از سازمان‌ها به پایگاه‌های داده NoSQL روی می‌آورند تا حجم زیادی از داده‌های پیچیده را ذخیره کنند، که باعث افزایش نیاز دانشمندان و تحلیلگران داده برای درک ذخیره‌های غیرمرتبط داده می‌شود. اگر شما یک دانشمند داده یا تحلیلگر کسب و کار هستید که باید با NoSQL کار کنید، این دوره برای شما مناسب است. درباره تفاوت‌های بین پایگاه‌های داده رابطه‌ای و NoSQL بیاموزید، انواع پایگاه‌های داده NoSQL را مرور کنید، و نحوه انجام کارهای رایج علم داده، از جمله آماده‌سازی داده، کاوش، و ساخت و استفاده از مدل‌ها را ببینید.\r\n\r\n جزئیات کلیدی را برای انجام آماده سازی، کاوش و استخراج داده برای هر نوع پایگاه داده NoSQL بیاموزید. مطالعات موردی را مرور کنید که نشان می‌دهد چگونه از پایگاه‌های داده NoSQL مختلف با ابزارهای معروف علم داده استفاده کنید، از جمله پایگاه‌داده اسناد MongoDB، پایگاه‌داده ستون گسترده Cassandra و پایگاه‌داده نمودار Neo4j.

linkedin Advanced SQL for Data Science: Time Series (Mitalearn-157145)

  • 1 hours 20 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Dan Sullivan
درباره این دوره:

داده های سری زمانی داده هایی هستند که در طول زمان جمع آوری می شوند: معیارهای عملکرد، تعاملات کاربر و اطلاعات جمع آوری شده توسط حسگرها. از آنجایی که داده‌های سری زمانی مختلف اندازه‌گیری‌ها و فواصل متفاوتی دارند، این داده‌ها چالشی منحصر به فرد برای دانشمندان داده است. با این حال، SQL دارای برخی از ویژگی های طراحی شده برای کمک است. این دوره به شما می آموزد که چگونه داده های سری زمانی را با آنها استاندارد و مدل کنید. مربی دن سالیوان در مورد پنجره بندی و تفاوت بین محاسبات پنجره کشویی و غلتشی بحث می کند. سپس بیاموزید که چگونه ساختارهای SQL مانند OVER و PARTITION BY به ساده‌سازی تحلیل کمک می‌کنند و چگونه می‌توان از غیرعادی‌سازی برای افزایش داده‌ها و در عین حال اجتناب از اتصال استفاده کرد. به علاوه، تکنیک های بهینه سازی مانند نمایه سازی را کشف کنید. Dan همچنین تکنیک های تحلیل سری های زمانی مانند مقایسه دوره های زمانی قبلی، میانگین متحرک، هموارسازی نمایی و رگرسیون خطی را معرفی می کند.

coursera ANOVA and Experimental Design (Mitalearn-332993)

  • 5 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Brian Zaharatos
درباره این دوره:

این دوره دوم در مدل‌سازی آماری دانشجویان را با مطالعه تحلیل واریانس (ANOVA)، تحلیل کوواریانس (ANCOVA) و طراحی تجربی آشنا می‌کند. ANOVA و ANCOVA که به عنوان یک نوع مدل رگرسیون خطی ارائه شده‌اند، مبنای ریاضی را برای طراحی آزمایش‌ها برای کاربردهای علم داده فراهم می‌کنند. تاکید بر مفاهیم مهم مرتبط با طراحی، مانند تصادفی سازی، مسدود کردن، طراحی فاکتوریل و علیت خواهد بود. همچنین به مسائل اخلاقی که در آزمایش‌ها مطرح می‌شوند، توجه خاصی می‌شود. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید. لوگوی اقتباس شده از عکس وینسنت لدوینا در Unsplash

coursera Apache Spark (TM) SQL for Data Analysts (Mitalearn-330290)

  • 1 hours 42 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Kate Sullivan
درباره این دوره:

آپاچی اسپارک یکی از پرکاربردترین فناوری ها در تجزیه و تحلیل داده های بزرگ است. در این دوره، یاد خواهید گرفت که چگونه از مهارت های SQL موجود خود برای شروع سریع کار با Spark استفاده کنید. همچنین یاد خواهید گرفت که چگونه با Delta Lake کار کنید، یک لایه ذخیره‌سازی بسیار کارآمد و منبع باز که قابلیت اطمینان را برای دریاچه‌های داده به ارمغان می‌آورد. در پایان این دوره، می‌توانید از Spark SQL و Delta Lake برای جذب، تبدیل و جستجوی داده‌ها برای استخراج بینش‌های ارزشمندی که می‌توان با تیم خود به اشتراک گذاشت، استفاده کنید.

coursera Applied Data Science Capstone (Mitalearn-330086)

  • 22 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Yan Luo,Joseph Santarcangelo
درباره این دوره:

این دوره نهایی در گواهینامه حرفه ای علم داده های IBM و همچنین علم داده کاربردی با تخصص پایتون است. این دوره پروژه Capstone به شما این شانس را می دهد که کارهایی را که دانشمندان داده در زندگی واقعی هنگام کار با مجموعه داده ها انجام می دهند، تمرین کنید. در این دوره شما نقش یک دانشمند داده را بر عهده می گیرید که برای استارتاپی که قصد رقابت با اسپیس ایکس را دارد کار می کند و در این فرآیند متدولوژی علم داده شامل جمع آوری داده ها، مشاجره داده ها، تجزیه و تحلیل داده های اکتشافی، تجسم داده ها، توسعه مدل، ارزیابی مدل را دنبال می کنید. و نتایج خود را به ذینفعان گزارش دهید. شما وظیفه دارید پیش بینی کنید که آیا اولین مرحله موشک فالکون 9 اسپیس ایکس با موفقیت فرود می آید یا خیر. با کمک یافته‌ها و مدل‌های Data Science، استارت‌آپ رقیبی که توسط آن استخدام شده‌اید، می‌تواند پیشنهادهای آگاهانه‌تری علیه SpaceX برای پرتاب موشک ارائه دهد. در این دوره، یادگیری جدیدی وجود نخواهد داشت، در عوض شما بر روی کار عملی تمرکز خواهید کرد تا آنچه را که در دوره های قبلی آموخته اید نشان دهید و به کار ببرید. با تکمیل موفقیت آمیز این Capstone، پروژه ای را به مجموعه علوم داده و یادگیری ماشینی خود اضافه می کنید تا به کارفرمایان نشان دهید.

coursera AWS: Data Analysis and Visualization (Mitalearn-329644)

  • 4 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

AWS: دوره تحلیل و تجسم داده چهارمین دوره تخصصی تخصصی تجزیه و تحلیل داده تایید شده AWS است. این دوره تجزیه و تحلیل داده و تجسم را با کاوش در خدمات AWS مانند Athena، Kinesis، QuickSight، Redshift و Kibana آموزش می دهد. این دوره به سه ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره با سخنرانی‌های ویدیویی تقریباً 4:00 ساعته که هم تئوری و هم دانش عملی را ارائه می‌کند، فراگیران را تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: AWS: تجزیه و تحلیل داده ها و تجسم بخش 1 ماژول 2: AWS: تجزیه و تحلیل داده ها و تجسم بخش 2 ماژول 3: AWS: تجزیه و تحلیل و تجسم داده ها قسمت 3

coursera AWS: Data Collection Systems (Mitalearn-329559)

  • 3 hours 1 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

دوره آموزشی AWS: Data Collection Systems اولین دوره از تخصص تخصصی تجزیه و تحلیل داده تایید شده AWS است. این دوره آموزشی برای تشریح جزئیات سیستم های جمع آوری داده ها و ویژگی های آنها طراحی شده است. این دوره اساساً به سه ماژول تقسیم می شود و هر ماژول توسط درس ها و سخنرانی های ویدیویی تقسیم بندی می شود. این دوره آموزشی با سخنرانی‌های ویدیویی در حدود 3:30-4:00 ساعت که هم تئوری و هم دانش عملی را ارائه می‌کند، به زبان‌آموزان تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: سیستم های جمع آوری داده ها و جریان های داده در AWS ماژول 2: خدمات یکپارچه سازی داده ها در AWS ماژول 3: فشرده سازی و تبدیل داده ها در AWS به عنوان مثال. این در درجه اول برای دانش آموزان سال اول و دوم کارشناسی علاقه مند به مهندسی یا علوم، همراه با دانش آموزان دبیرستانی و متخصصان با علاقه به برنامه نویسی است.

coursera AWS: Security in Data Analytics (Mitalearn-329899)

  • 2 hours 9 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

دوره آموزشی AWS: Security in Data Analytics چهارمین دوره تخصصی تخصصی تجزیه و تحلیل داده تایید شده AWS است. این دوره مفاهیم امنیت در تجزیه و تحلیل داده ها را با ارجاع به AWS به فراگیران آموزش می دهد. زبان آموزان قادر خواهند بود مکانیزم های احراز هویت و مجوز مناسب را تجزیه و تحلیل کنند، تکنیک های حفاظت و رمزگذاری داده ها و کنترل های حاکمیت و انطباق داده ها را در این دوره به کار ببرند. این دوره به سه ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره با سخنرانی‌های ویدیویی تقریباً 3:00 ساعته که هم تئوری و هم دانش عملی را ارائه می‌کند، زبان‌آموزان را تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: AWS: مکانیسم‌های احراز هویت و مجوز ماژول 2: AWS: VPCها و تکنیک‌های حفاظت و رمزگذاری داده‌ها ماژول 3: AWS: کنترل‌های حاکمیت و انطباق داده‌ها

coursera Azure Data Lake Storage Gen2 and Data Streaming Solution (Mitalearn-333571)

  • 1 hours 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

در این دوره، خواهید دید که چگونه Azure Data Lake Storage می تواند پردازش راه حل های تحلیلی Big Data را کارآمدتر کند و راه اندازی آن چقدر آسان است. شما همچنین نحوه انطباق آن با معماری های رایج و همچنین روش های مختلف آپلود داده ها در فروشگاه داده را بررسی خواهید کرد. شما تعداد بی شماری از ویژگی های امنیتی را بررسی خواهید کرد که از ایمن بودن داده های شما اطمینان می دهند. مفاهیم پردازش رویداد و جریان داده و نحوه اعمال آن در تحلیل جریانی Azure را بیاموزید. سپس یک کار تجزیه و تحلیل جریان را برای پخش جریانی داده ها راه اندازی می کنید و یاد می گیرید که چگونه یک کار در حال اجرا را مدیریت و نظارت کنید. این دوره بخشی از یک تخصص در نظر گرفته شده برای مهندسین داده و توسعه دهندگان است که می خواهند تخصص خود را در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده Microsoft Azure استفاده می کنند برای هر کسی که علاقه مند به آماده شدن برای آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) نشان دهد. ). شما در یک آزمون عملی شرکت خواهید کرد که شامل مهارت های کلیدی می شود که با آزمون گواهینامه اندازه گیری می شوند. این نهمین دوره از یک برنامه 10 دوره ای است که به شما برای شرکت در آزمون کمک می کند تا بتوانید در طراحی و پیاده سازی راه حل های داده ای که از خدمات داده مایکروسافت آژور استفاده می کنند تخصص داشته باشید. مهندسی داده در آزمون Microsoft Azure فرصتی برای اثبات تخصص دانش در یکپارچه‌سازی، تبدیل و تلفیق داده‌ها از سیستم‌های داده‌های مختلف ساختاریافته و بدون ساختار به ساختارهایی است که برای ساخت راه‌حل‌های تحلیلی که از خدمات داده مایکروسافت آژور استفاده می‌کنند، مناسب هستند. هر دوره به شما مفاهیم و مهارت هایی را می آموزد که با امتحان اندازه گیری می شوند. در پایان این تخصص، شما آماده شرکت و ثبت نام در آزمون DP-203: مهندسی داده در Microsoft Azure (بتا) خواهید بود.

coursera Business Analytics Capstone (Mitalearn-330426)

  • 5 hours 28 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wharton Teaching Staff
درباره این دوره:

پروژه Capstone Analytics Business به شما این فرصت را می دهد تا آنچه را که در مورد نحوه تصمیم گیری مبتنی بر داده ها آموخته اید در یک چالش تجاری واقعی که شرکت های فناوری جهانی مانند یاهو، گوگل و فیس بوک با آن مواجه هستند، اعمال کنید. در پایان این Capstone، می‌توانید سؤالات درستی از داده‌ها بپرسید و می‌دانید چگونه از داده‌ها به طور مؤثر برای مقابله با چالش‌های تجاری خود استفاده کنید. شما خواهید فهمید که چگونه کسب و کارهای پیشرفته از داده ها برای بهینه سازی بازاریابی، به حداکثر رساندن درآمد، کارآمد کردن عملیات و تصمیم گیری در مورد استخدام و مدیریت استفاده می کنند تا بتوانید این استراتژی ها را در شرکت یا کسب و کار خود اعمال کنید. پروژه Capstone Analytics که با Yahoo طراحی شده است تا تجربه ارزشمندی را در ارزیابی و ایجاد تصمیمات مبتنی بر داده به شما ارائه دهد، این فرصت را برای شما فراهم می‌کند تا برنامه‌ای برای بهینه‌سازی داده‌ها طراحی کنید تا بینش‌ها و تحلیل‌های کلیدی را ارائه دهید، و تعامل بین آن‌ها را توصیف کنید. شاخص های کلیدی مالی و غیر مالی هنگامی که تجزیه و تحلیل خود را کامل کردید، آمادگی بیشتری برای اتخاذ تصمیمات کسب و کار مبتنی بر داده های خود بهتر خواهید داشت.

coursera Capstone Assignment - CDSS 5 (Mitalearn-334387)

  • متوسط
  • Release date: 27 June 2026
  • Author: Fani Deligianni
درباره این دوره:

این دوره یک تکلیف اصلی است که شما را ملزم به استفاده از دانش و مهارتی است که در طول تخصص یاد گرفته اید. در این دوره شما یکی از حوزه ها را انتخاب کرده و تکلیف مورد نظر را تکمیل می کنید.

coursera Capstone: Analyzing (Social) Network Data (Mitalearn-335135)

  • 2 hours 9 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Christine Alvarado,Mia Minnes,Leo Porter
درباره این دوره:

در این پروژه بزرگ، ما تمام مهارت‌های هر چهار دوره تخصصی را با هم ترکیب می‌کنیم تا کاری واقعاً سرگرم‌کننده انجام دهیم: تجزیه و تحلیل شبکه‌های اجتماعی! فرصت های یادگیری عملا در یک شبکه اجتماعی بی پایان است. اعضای «نفوذ» شبکه چه کسانی هستند؟ جوامع فرعی در شبکه کدامند؟ چه کسی به چه کسی و با چند لینک متصل است؟ اینها تنها بخشی از سوالاتی است که می توانید در این پروژه بررسی کنید. ما مجموعه‌ای از داده‌های دنیای واقعی و زیرساخت‌هایی را برای شروع، و همچنین برخی از کارها و الزامات اولیه پروژه در اختیار شما قرار می‌دهیم، اما پس از آن بستگی به شما دارد که می‌خواهید پروژه را کجا ببرید. اگر ایده‌هایتان کم است، ما چندین مسیر پیشنهادی خواهیم داشت که می‌تواند به پیشرفت خلاقیت و تخیل شما کمک کند. در نهایت، برای ادغام مهارت هایی که در دوره 4 به دست آورده اید (و برای نشان دادن پروژه خود!) از شما خواسته می شود که یک ویترین ویدیویی از محصول نهایی خود ایجاد کنید.

coursera Capstone: Retrieving, Processing, and Visualizing Data with Python (Mitalearn-326805)

  • 3 hours 24 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Charles Russell Severance
درباره این دوره:

در capstone، دانش‌آموزان مجموعه‌ای از برنامه‌ها را برای بازیابی، پردازش و تجسم داده‌ها با استفاده از پایتون خواهند ساخت. پروژه ها شامل تمام عناصر تخصص خواهد بود. در بخش اول این بخش، دانش‌آموزان تجسم‌هایی را انجام می‌دهند تا با فناوری‌های مورد استفاده آشنا شوند و سپس پروژه خود را برای تجسم برخی داده‌های دیگری که دارند یا می‌توانند پیدا کنند، دنبال می‌کنند. فصل های 15 و 16 از کتاب "Python for Everybody" به عنوان ستون فقرات برای این سنگ خدمت می کنند. این دوره پایتون 3 را پوشش می دهد.

linkedin Crossfilter for Data Science Essential Training (Mitalearn-106315)

  • 1 hours 33 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Emma Saunders
درباره این دوره:

آیا نیاز دارید که آرایه های داده جاوا اسکریپت بزرگ و پیچیده را با حداکثر سرعت و اثربخشی برش دهید؟ Crossfilter.js را وارد کنید. جایگزینی برای ابزارهای گران قیمت مانند Qlikview، Crossfilter داده‌های موجود در پشت نمودارها را مدیریت می‌کند و به دانشمندان داده اجازه می‌دهد تا داده‌ها را به سرعت و به آسانی، درست در مرورگر گروه‌بندی و فیلتر کنند. به اما ساندرز در این دوره آموزشی سطح متوسط، که نمایه سازی و فیلتر کردن داده ها با Crossfilter را بررسی می کند، بپیوندید. نحوه بارگیری و راه‌اندازی Crossfilter، ایجاد و استفاده از ابعاد (که عملکردی مشابه با ویژگی‌ها دارند) برای فیلتر کردن داده‌ها، گروه‌بندی و کاهش نتایج، راه‌اندازی فیلترهای پیشرفته برای مرتب‌سازی بر اساس محدوده یا عملکرد، و انجام اقدامات (مانند حذف) روی رکوردهای منطبق را بیاموزید. .

coursera Data Science Capstone (Mitalearn-334999)

  • 29 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
درباره این دوره:

کلاس پروژه Capstone به دانش آموزان اجازه می دهد تا یک محصول داده قابل استفاده/عمومی ایجاد کنند که می تواند برای نشان دادن مهارت های شما به کارفرمایان بالقوه استفاده شود. پروژه ها از مشکلات دنیای واقعی استخراج می شوند و با صنعت، دولت و شرکای دانشگاهی انجام خواهند شد.

coursera Data Visualization Capstone (Mitalearn-335798)

  • 43 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Collin Paschall
درباره این دوره:

تجسم داده ها یک مهارت حیاتی برای هر کسی است که به طور معمول از داده های کمی در کار خود استفاده می کند - به این معنی که تجسم داده ها ابزاری است که تقریباً هر کارگر امروزی به آن نیاز دارد. امروزه یکی از ابزارهای حیاتی برای تجسم داده ها، زبان برنامه نویسی آماری R است. به خصوص در ارتباط با بسته‌های نرم‌افزاری tidyverse، R به یک پلتفرم بسیار قدرتمند و انعطاف‌پذیر برای ساختن شکل‌ها، جداول و گزارش‌های قابل تکرار تبدیل شده است. با این حال، R می‌تواند برای کاربرانی که برای اولین بار استفاده می‌کنند ترسناک باشد، و منابع زیادی به صورت آنلاین وجود دارد که مرتب کردن آن بدون راهنمایی دشوار است. این دوره نهایی در تخصص "تجسم داده ها و داشبورد در R" است. زبان‌آموزان در این دوره با مجموعه‌ای از مهارت‌های توسعه‌یافته وارد خواهند شد که تجسم‌های بسیار متنوعی را به زبان R انجام می‌دهند. تمرکز بر این دوره، استفاده از آن مهارت‌ها در یک پروژه منحصربه‌فرد، استفاده از داده‌های در دسترس عموم برای بیان یک داستان متقاعدکننده با استفاده از داده‌ها است. جعبه ابزار تجسم مونتاژ شده در دوره های قبلی.

Suggestions