Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-8 of 8 items.

linkedin Excel 2013: Working with Charts and Graphs (Mitalearn-57559)

  • 1 hours 29 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Richard Harrington
درباره این دوره:

با نمودارها و نمودارهای اکسل، داده ها را تجسم کنید و بینش جدیدی از اطلاعات خود دریافت کنید. نحوه ایجاد و تغییر نمودارها، نمودارها، جداول و SmartArt را برای بهبود صفحات گسترده یا سایر اسناد Office خود بیاموزید. این دوره تمام ویژگی های ضروری مورد نیاز برای راه اندازی و اجرای این ابزار ارزشمند اکسل را پوشش می دهد.

coursera آزمون مبانی محاسبات Capstone (Mitalearn-313698)

  • 20 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Joe Warren,Scott Rixner,Luay Nakhleh
درباره این دوره:

در حالی که بیشتر تخصص‌ها در Coursera با یک دوره پروژه‌محور به پایان می‌رسند، دانش‌آموزان در تخصص «مبانی محاسبات» بیش از 20 پروژه را در شش دوره اول این تخصص تکمیل کرده‌اند. با توجه به اینکه بسیاری از مطالب در این دوره ها از جلسه ای به جلسه دیگر استفاده می شود، هدف ما در این کلاس اصلی این است که یک نتیجه گیری برای تخصص ارائه کنیم که به هر دانش آموز این امکان را می دهد تا تسلط فردی خود را بر مطالب در تخصص نشان دهد. با در نظر گرفتن این هدف، تمرکز در این کلاس Capstone امتحانی خواهد بود که سوالات آن به طور دوره ای به روز می شود. این رویکرد طراحی شده است تا اطمینان حاصل شود که هر دانش آموز مشکلات امتحان را به تنهایی و بدون کمک خارجی حل می کند. برای دانش آموزانی که کار خود را انجام داده اند، ما پیش بینی نمی کنیم که امتحان سخت باشد. با این حال، آن دسته از دانش‌آموزانی که در کلاس‌های قبلی بیش از حد به کمک‌های خارجی تکیه کرده‌اند، ممکن است دوران سختی داشته باشند. ما معتقدیم که این رویکرد ارزش گواهی را برای این تخصص افزایش می دهد.

coursera الگوریتم ها روی نمودارها (Mitalearn-308020)

  • 6 hours 47 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Neil Rhodes,Daniel M Kane,Michael Levin
درباره این دوره:

اگر تا به حال از یک سرویس ناوبری برای یافتن مسیر بهینه و تخمین زمان رسیدن به مقصد استفاده کرده اید، از الگوریتم هایی روی نمودارها استفاده کرده اید. نمودارها در موقعیت‌های مختلف دنیای واقعی به وجود می‌آیند، زیرا شبکه‌های جاده‌ای، شبکه‌های رایانه‌ای و اخیراً شبکه‌های اجتماعی وجود دارد! اگر به دنبال سریع‌ترین زمان برای رسیدن به محل کار، ارزان‌ترین راه برای اتصال مجموعه‌ای از رایانه‌ها به شبکه یا الگوریتم کارآمد برای یافتن خودکار جوامع و رهبران افکار در فیسبوک هستید، می‌خواهید با نمودارها و الگوریتم‌ها روی نمودارها کار کنید. . در این دوره آنلاین، ابتدا یاد خواهید گرفت که نمودار چیست و برخی از مهمترین ویژگی ها چیست. سپس چندین روش برای پیمایش نمودارها و نحوه انجام کارهای مفید در حین پیمایش نمودار را به ترتیب یاد خواهید گرفت. سپس در مورد الگوریتم‌های کوتاه‌ترین مسیرها صحبت خواهیم کرد - از الگوریتم‌های اصلی تا الگوریتم‌هایی که در را برای الگوریتم‌های 1000000 برابر سریع‌تر مورد استفاده در Google Maps و سایر خدمات ناوبری باز می‌کنند. اگر بخواهید روی پروژه سنگ بنای صنعتی Fast Shortest Routes ما کار کنید، از این الگوریتم ها استفاده خواهید کرد. ما با حداقل درخت‌های پوشا که برای برنامه‌ریزی شبکه‌های راه، تلفن و کامپیوتر و همچنین یافتن کاربردها در خوشه‌بندی و الگوریتم‌های تقریبی استفاده می‌شوند، به پایان می‌رسانیم.

coursera برنامه های رایانش ابری، بخش 2: داده های بزرگ و برنامه های کاربردی در ابر (Mitalearn-314718)

  • 13 hours 47 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Reza Farivar,Roy H. Campbell
درباره این دوره:

به دوره آموزشی Cloud Computing Applications خوش آمدید، بخش دوم از مجموعه دو دوره ای که برای ارائه دیدی جامع از دنیای رایانش ابری و داده های بزرگ طراحی شده است! در این دوره دوم، ما برنامه‌های رایانش ابری را با بررسی اینکه چگونه ابر، تجزیه و تحلیل داده‌های حجم عظیمی از داده‌ها را که ثابت هستند یا با سرعت بالا پخش می‌شوند و نشان‌دهنده تنوع عظیمی از اطلاعات هستند، باز می‌کند، ادامه می‌دهیم. برنامه های کاربردی ابری و تجزیه و تحلیل داده ها نشان دهنده یک تغییر مخرب در روش هایی است که جامعه از آن مطلع می شود و از اطلاعات استفاده می کند. ما هفته اول را با معرفی برخی از سیستم های اصلی برای تجزیه و تحلیل داده ها از جمله Spark و چارچوب ها و توزیع های اصلی برنامه های تحلیلی از جمله Hortonworks، Cloudera و MapR آغاز می کنیم. در اواسط هفته اول، سیستم فایل توزیع شده و قوی HDFS را معرفی می کنیم که در بسیاری از برنامه ها مانند Hadoop استفاده می شود و هفته اول را با بررسی مدل برنامه نویسی قدرتمند MapReduce و اینکه چگونه سیستم عامل های توزیع شده مانند YARN و Mesos از یک محیط انعطاف پذیر و مقیاس پذیر پشتیبانی می کنند، معرفی می کنیم. تجزیه و تحلیل داده های بزرگ در هفته دوم، دوره ما ذخیره سازی داده در مقیاس بزرگ و مشکلات و مشکلات توافق در فروشگاه های عظیمی را که از مقادیری از پردازنده ها، حافظه ها و دیسک ها استفاده می کنند، معرفی می کند. ما سازگاری نهایی، ACID، و BASE و الگوریتم‌های اجماع مورد استفاده در مراکز داده از جمله Paxos و Zookeeper را مورد بحث قرار می‌دهیم. دوره ما فروشگاه‌های کلید-مقدار توزیع‌شده و پایگاه‌های داده حافظه مانند Redis را که در مراکز داده برای عملکرد استفاده می‌شوند، ارائه می‌کند. در ادامه پایگاه های داده NOSQL را ارائه می کنیم. ما از HBase بازدید می کنیم، پایگاه داده مقیاس پذیر و با تاخیر کم که از عملیات پایگاه داده در برنامه هایی که از Hadoop استفاده می کنند پشتیبانی می کند. سپس دوباره نشان می دهیم که چگونه Spark SQL می تواند پرس و جوهای SQL را روی داده های عظیم برنامه ریزی کند. هفته دوم را با ارائه‌ای در مورد سیستم‌های انتشار/اشتراک توزیع‌شده با استفاده از کافکا به پایان می‌رسانیم، یک سیستم پیام‌رسانی گزارش توزیع‌شده که کاربرد گسترده‌ای در اتصال داده‌های بزرگ و برنامه‌های پخش جریانی به یکدیگر برای تشکیل سیستم‌های پیچیده پیدا می‌کند. هفته سوم به سمت جریان سریع داده ها در زمان واقعی حرکت می کند و فناوری Storm را معرفی می کند که به طور گسترده در صنایعی مانند یاهو استفاده می شود. ما با معماری های Spark Streaming، Lambda و Kappa و ارائه اکوسیستم جریان ادامه می دهیم. هفته چهارم بر پردازش گراف، یادگیری ماشینی و یادگیری عمیق تمرکز دارد. ما ایده های پردازش گراف را معرفی می کنیم و Pregel، Giraph و Spark GraphX ​​را ارائه می کنیم. سپس با مثال هایی از Mahout و Spark به یادگیری ماشین می رویم. Kmeans، Naive Bayes، و fpm به عنوان مثال آورده شده است. Spark ML و Mllib موضوع برنامه نویسی و ساخت برنامه را ادامه می دهند. آخرین موضوعی که در هفته چهارم پوشش می دهیم، فناوری های یادگیری عمیق از جمله Theano، Tensor Flow، CNTK، MXnet و Caffe on Spark را معرفی می کند.

coursera بنیاد علوم داده های سلامت (Mitalearn-336648)

  • 3 hours 45 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jimeng Sun
درباره این دوره:

این دوره برای افراد درگیر در یادگیری ماشین و علاقه مند به کاربردهای پزشکی یا بالعکس، متخصصان پزشکی که علاقه مند به روش هایی هستند که علوم کامپیوتر مدرن به رشته خود ارائه می دهند، در نظر گرفته شده است. ما تجزیه و تحلیل داده های سلامت، انواع مختلف شبکه های عصبی، و همچنین آموزش و کاربرد شبکه های عصبی را در سناریوهای پزشکی دنیای واقعی پوشش خواهیم داد. ما روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی را با استفاده از روش های DL پوشش می دهیم. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

coursera روش های یادگیری عمیق برای مراقبت های بهداشتی (Mitalearn-336682)

  • 3 hours
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jimeng Sun
درباره این دوره:

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

coursera روش های یادگیری عمیق پیشرفته برای مراقبت های بهداشتی (Mitalearn-336716)

  • 3 hours 28 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jimeng Sun
درباره این دوره:

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

coursera ساختارهای داده پیشرفته در جاوا (Mitalearn-309363)

  • 5 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Leo Porter,Mia Minnes,Christine Alvarado
درباره این دوره:

نقشه گوگل چگونه بهترین مسیر را برای رفت و آمد در شهر با توجه به شرایط ترافیکی فعلی برنامه ریزی می کند؟ چگونه یک روتر اینترنت بسته های ترافیک شبکه را برای به حداقل رساندن تاخیر ارسال می کند؟ چگونه یک گروه کمکی منابع را به شرکای محلی وابسته خود اختصاص می دهد؟ برای حل چنین مشکلاتی، ابتدا قطعات کلیدی داده را در یک ساختار داده پیچیده نشان می دهیم. در این دوره آموزشی، با ساختارهای داده، مانند نمودارها، که برای کار با داده های ساخت یافته دنیای واقعی ضروری هستند، آشنا خواهید شد. شما الگوریتم هایی را برای کار با این داده ها برای حل مسائل دنیای واقعی توسعه، پیاده سازی و تجزیه و تحلیل خواهید کرد. علاوه بر این، با پیچیده‌تر شدن برنامه‌هایی که در این دوره توسعه می‌دهید، ما بررسی می‌کنیم که چه چیزی باعث ایجاد کد خوب و طراحی سلسله مراتب کلاس می‌شود تا بتوانید نه تنها کد صحیح بنویسید، بلکه آن را با افراد دیگر به اشتراک بگذارید و آن را در برنامه نگهداری کنید. آینده پروژه ستون فقرات در این دوره یک برنامه برنامه ریزی مسیر خواهد بود. شما مفاهیم هر ماژول را مستقیماً برای ساختن برنامه ای اعمال خواهید کرد که به یک عامل مستقل (یا یک راننده انسانی!) اجازه می دهد تا در محیط خود حرکت کند. و طبق معمول ما مجموعه‌های ویدیویی مختلف خود را داریم تا به ارتباط محتوا با اهمیت آن در دنیای واقعی و ارائه سطوح سطحی پشتیبانی برای رفع نیازهای شخصی شما کمک کنیم.

Suggestions