Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-9 of 9 items.

coursera SQL for Data Science (Mitalearn-328012)

  • 3 hours 34 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sadie St. Lawrence
درباره این دوره:

با افزایش تصاعدی جمع آوری داده ها، نیاز به افراد ماهر در استفاده و تعامل با داده ها نیز افزایش یافته است. قادر به تفکر انتقادی و ارائه بینش برای تصمیم گیری بهتر و بهینه سازی کسب و کار خود باشند. این یک دانشمند داده، "بخشی ریاضیدان، بخشی دانشمند کامپیوتر، و بخشی از نقطه نظر روند" (SAS Institute, Inc.) است. به گفته Glassdoor، دانشمند داده بودن بهترین شغل در آمریکا است. با میانگین حقوق پایه 110000 دلار و هزاران فرصت شغلی در یک زمان. مهارت های لازم برای دانشمند داده خوب بودن شامل توانایی بازیابی و کار با داده ها است، و برای انجام این کار باید به خوبی در SQL، زبان استاندارد برای برقراری ارتباط با سیستم های پایگاه داده، آشنا باشید. این دوره به منظور ارائه مقدماتی در زمینه اصول SQL و کار با داده ها طراحی شده است تا بتوانید تجزیه و تحلیل آن را برای اهداف علم داده آغاز کنید. شما شروع به پرسیدن سوالات درست خواهید کرد و پاسخ های خوبی برای ارائه بینش ارزشمند برای سازمان خود خواهید داشت. این دوره با اصول اولیه شروع می شود و فرض می کند که شما هیچ دانش یا مهارتی در SQL ندارید. این بر اساس آن پایه است و به تدریج از شما می‌خواهد پرس و جوهای ساده و پیچیده بنویسید تا به شما در انتخاب داده‌ها از جداول کمک کند. شما شروع به کار با انواع مختلف داده‌ها مانند رشته‌ها و اعداد خواهید کرد و درباره روش‌های فیلتر کردن و کاهش نتایج خود بحث خواهید کرد. شما جداول جدیدی ایجاد خواهید کرد و می توانید داده ها را به آنها منتقل کنید. اپراتورهای رایج و نحوه ترکیب داده ها را یاد خواهید گرفت. شما از عبارات موردی و مفاهیمی مانند حاکمیت داده و نمایه سازی استفاده خواهید کرد. شما در مورد موضوعات مربوط به داده ها بحث خواهید کرد و با استفاده از تکالیف برنامه نویسی در دنیای واقعی تمرین خواهید کرد. شما ساختار، معنا و روابط را در داده های منبع تفسیر می کنید و از SQL به عنوان یک حرفه ای برای شکل دادن به داده های خود برای اهداف تجزیه و تحلیل هدفمند استفاده می کنید. اگرچه برای گذراندن این دوره هیچ پیش نیاز یا نرم افزار خاصی نداریم، اما برای پروژه نهایی یک ویرایشگر متن ساده توصیه می شود. پس منتظر چی هستی؟ این اولین قدم شما برای یافتن شغل در بهترین شغل در ایالات متحده و به زودی در جهان است!

linkedin جمع آوری داده های استراتژیک، مدل سازی و مدیریت کیفیت برای سیستم های هوش مصنوعی (Mitalearn-440705)

  • 51 minutes
  • مناسب همه
  • Release date: 1 April 2025
  • Author: Joe Squire
درباره این دوره: 

 در این دوره، استراتژیست داده، جو اسکوایر، اصول اساسی جمع آوری داده های استراتژیک، مدل سازی و مدیریت کیفیت ضروری برای ساختن سیستم های هوش مصنوعی موثر را معرفی می کند. بیاموزید که چگونه یک استراتژی جمع‌آوری داده طراحی کنید که با اهداف تجاری مطابقت داشته باشد، با تمرکز بر کیفیت، ارتباط، و نمایندگی داده‌ها برای پشتیبانی از بینش‌های هوش مصنوعی قابل اعتماد. راه‌هایی برای حفظ دقت داده‌ها، شناسایی و کاهش تعصبات، و اجرای شیوه‌های کنترل کیفیت برای افزایش یکپارچگی داده‌ها در جریان‌های کاری هوش مصنوعی کشف کنید. علاوه بر این، مبانی مدل‌سازی داده‌ها را برای پشتیبانی از برنامه‌های هوش مصنوعی، ایجاد پایه‌ای قوی برای موضوعات بیشتر در ذخیره‌سازی مقیاس‌پذیر، مدیریت امن داده‌ها، و تکنیک‌های پردازش هوش مصنوعی پیشرفته بررسی کنید. در پایان این دوره، شما به استراتژی‌های عملی برای اطمینان از داده‌های با کیفیت بالا مجهز خواهید شد که نتایج دقیق و بی‌طرفانه هوش مصنوعی را به همراه دارد.

coursera چارچوبی برای جمع آوری و تجزیه و تحلیل داده ها (Mitalearn-333044)

  • 2 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Frauke Kreuter, Ph.D.,Mariel Leonard
درباره این دوره:

این دوره مروری بر محصولات داده موجود و درک خوبی از چشم انداز جمع آوری داده ها را در اختیار شما قرار می دهد. با کمک مثال‌های مختلف، یاد می‌گیرید که چگونه شناسایی کنید کدام منابع داده احتمالاً با سؤال تحقیق شما مطابقت دارد، چگونه سؤال تحقیق خود را به قطعات قابل اندازه‌گیری تبدیل کنید و چگونه در مورد یک طرح تحلیل فکر کنید. علاوه بر این، این دوره یک چارچوب کلی را در اختیار شما قرار می دهد که به شما امکان می دهد نه تنها هر مرحله مورد نیاز برای جمع آوری و تجزیه و تحلیل موفقیت آمیز داده ها را درک کنید، بلکه به شما کمک می کند تا خطاهای مرتبط با منابع داده های مختلف را شناسایی کنید. شما برخی از معیارها را برای تعیین کمیت هر خطای احتمالی یاد خواهید گرفت، و بنابراین ابزارهایی برای توصیف کیفیت یک منبع داده در اختیار خواهید داشت. در نهایت تلاش‌های مختلف جمع‌آوری داده‌ها در مقیاس بزرگ را که توسط صنایع خصوصی و سازمان‌های دولتی انجام شده است، معرفی می‌کنیم و مفاهیم آموخته‌شده را از طریق این مثال‌ها بررسی می‌کنیم. این دوره برای مبتدیان و همچنین کسانی که در مورد یک منبع داده خاص می دانند، اما دیگران را نه، و به دنبال یک چارچوب کلی برای ارزیابی محصولات داده هستند، مناسب است.

linkedin کیفیت داده ها: تجزیه و تحلیل و خدمت (Mitalearn-417279)

  • 1 hours 1 minutes
  • مناسب همه
  • Release date: 27 June 2025
  • Author: Mark Freeman
درباره این دوره: 

 

در این دوره دستی که شما را با مهارت های کد نویسی دستی در یک محیط ماسهبازی مجهز می کند ، به جنبه های عملی کیفیت داده ها شیرجه بزنید. مهندس داده مارک فریمن به شما نشان می دهد که چگونه می توانید با استفاده از رویکردهای قوی مانند تجزیه و تحلیل علت اصلی و مهندسی هرج و مرج ، مسائل مربوط به کیفیت داده ها را شناسایی ، تجزیه و تحلیل و حل کنید. نحوه استفاده از پرسشنامه های SQL و آزمایشات DBT را برای محافظت از خطوط لوله داده و اطمینان از قابلیت اطمینان مجموعه داده های خود کشف کنید. در مورد تحقیقات خط لوله پایین دست بیاموزید و از منطق کسب و کار که بر کیفیت داده ها تأثیر می گذارد ، کشف کنید. نحوه استفاده از استراتژی های SBAR را برای انتقال بینش خود به ذینفعان پیدا کنید. این که آیا شما یک دانشمند داده ، تحلیلگر و چه به سادگی مشتاق بهبود گردش کار داده ها هستید ، این دوره به شما کمک می کند تا پتانسیل خود را برای حل مشکلات پیچیده کیفیت داده ها در عین حال تأثیر بسزایی در محیط های مبتنی بر داده باز کنید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


linkedin کیفیت داده ها: مفاهیم اصلی (Mitalearn-417296)

  • 1 hours 28 minutes
  • مناسب همه
  • Release date: 20 December 2024
  • Author: Mark Freeman
درباره این دوره: 

 این دوره نظری برای متخصصان داده ، ذینفعان در سازمان های داده ، رهبری داده ها و متخصصان علاقه مند به کیفیت داده طراحی شده است. مارک فریمن-یک مهندس داده و سرب فناوری-نمای کلی سطح بالا از کیفیت داده ها را ارائه می دهد ، معیاری از چگونگی عملکرد داده ها با انتظارات یک شرکت از صحت ، کامل بودن ، قوام ، قابلیت اطمینان و اعتبار. علاوه بر محتوای دوره ، یک پروژه نهایی را تکمیل کنید که شامل یک مخزن کد ارائه شده برای بررسی و گزارش تجزیه و تحلیل با مسائل مربوط به کیفیت داده ها باشد. مسائل مربوط به کیفیت داده ها را شناسایی کرده و در مورد نحوه رفع آنها توصیه هایی ارائه دهید. این دوره شما را با درک جدی از مفاهیم زیربنای کیفیت داده ها مجهز می کند.

coursera مدیریت داده برای تحقیقات بالینی (Mitalearn-337124)

  • 10 hours 10 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Stephany Duda, PhD,Paul Harris, PhD
درباره این دوره:

این دوره مفاهیم مهم و روش های عملی را برای حمایت از برنامه ریزی، جمع آوری، ذخیره سازی و انتشار داده ها در تحقیقات بالینی ارائه می دهد. درک و اجرای اصول مدیریت داده های جامد برای هر حوزه علمی حیاتی است. صرف نظر از نقش فعلی (یا پیش بینی شده) شما در شرکت تحقیقاتی، مجموعه دانش و مهارت قوی در اصول مدیریت داده ها و عملکرد، بهره وری شما را افزایش می دهد و علم شما را بهبود می بخشد. هدف ما استفاده از این ماژول ها برای کمک به شما در یادگیری و تمرین این مجموعه مهارت است. این دوره دانش فعلی بسیار کمی از فناوری به جز نحوه کار با مرورگر وب را در نظر می گیرد. ما روی درس‌های عملی، آزمون‌های کوتاه و تمرین‌های عملی تمرکز می‌کنیم و بهترین شیوه‌های مدیریت داده را با هم بررسی می‌کنیم.

coursera مقاومت ضد میکروبی - نظریه و روش (Mitalearn-343380)

  • 7 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rene S. Hendriksen
درباره این دوره:

مقاومت ضد میکروبی یک نگرانی فزاینده جهانی است. این دوره بینش منحصر به فرد و جامعی را در مورد چالش های ایجاد شده توسط AMR ارائه می دهد، مکانیسم های آن، پیامدهای بهداشت عمومی و روش های آزمایشگاهی و همچنین ابزارهایی برای شناسایی را بررسی می کند. شرکت کنندگان در مورد چگونگی مقاوم شدن باکتری ها و مکانیسم هایی که منجر به نتیجه مقاومت می شوند، تجربه یادگیری به دست می آورند. به عنوان بخشی از این دوره، شما همچنین روش‌های آزمایش حساسیت ضد میکروبی (AST) و تشخیص مقاومت خاص در آزمایشگاه‌های میکروبیولوژیکی را آموزش خواهید دید. علاوه بر این، شما را از طریق تکنیک‌های مختلف استفاده شده از جمله روش‌های مبتنی بر کشت مانند رقت‌سازی آگار و آزمایش‌های انتشار دیسک که حساسیت باکتری‌ها را به آنتی‌بیوتیک‌ها تعیین می‌کنند، راهنمایی می‌کند. روش‌های مولکولی مانند واکنش زنجیره‌ای پلیمراز (PCR) و توالی‌یابی کل ژنوم نیز به تفصیل شرح داده شده‌اند تا شما را به درک اولیه مجهز کنند. این روش‌ها بینش‌های ارزشمندی در مورد شیوع و مکانیسم‌های AMR ارائه می‌کنند و به توسعه استراتژی‌های درمانی مؤثر و برنامه‌های نظارتی کمک می‌کنند. در نسخه جدید ما یک ماژول اضافی شامل تشخیص مکانیسم های مقاومت خاص گنجانده شده است.

coursera مقدمه ای بر تحلیل داده ها (Mitalearn-287841)

  • 4 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Anke Audenaert
درباره این دوره:

این دوره یک درک عملی و چارچوبی برای وظایف اصلی تجزیه و تحلیل، از جمله استخراج داده، تمیز کردن، دستکاری و تجزیه و تحلیل ارائه می دهد. این چرخه OSEMN را برای مدیریت پروژه های تحلیلی معرفی می کند و شما نمونه های واقعی از نحوه استفاده شرکت ها از بینش داده ها برای بهبود تصمیم گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، KPI و معیارهای مرتبط را تدوین کنید • یک فرآیند تجزیه و تحلیل داده ها را با استفاده از چارچوب OSEMN اعمال کنید • داده های مربوطه را که برای بازاریابی جمع آوری می شود، شناسایی و تعریف کنید • فرمت های مختلف داده و کاربردهای آنها را در سناریوهای مختلف مقایسه و مقایسه کنید • شکاف های داده ها را شناسایی کنید و نقاط قوت و ضعف داده های جمع آوری شده را بیان کنید شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید. در حالت ایده آل، شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی را در این برنامه تکمیل کرده اید.

linkedin نسخه‌سازی داده، نسب و نظارت بر کیفیت برای هوش مصنوعی (Mitalearn-440790)

  • 1 hours 42 minutes
  • مناسب همه
  • Release date: 17 April 2025
  • Author: Janani Ravi
درباره این دوره: 

 اهمیت نسخه‌سازی داده‌ها و تأثیر آن بر جریان‌های کاری ML و AI را کشف کنید. مربی جانانی راوی مفاهیم کلیدی مانند عکس فوری، اصل و نسب، شاخه‌بندی و نحوه مدیریت مؤثر نسخه‌های داده را تشریح می‌کند. نحوه استفاده از کنترل نسخه داده (DVC) برای مقداردهی اولیه Git، ردیابی فایل‌ها و داده‌های نسخه را به طور موثرتر بررسی کنید. با اصل و نسب داده در فابریک مایکروسافت آشنا شوید و تکنیک ها و بهترین روش ها برای ردیابی اصل و نسب را کشف کنید. مسائل رایج داده ها و مدل ها، از جمله پردازش، مدیریت طرحواره، از دست دادن داده ها، و سوگیری را درک کنید و یاد بگیرید که چگونه این جنبه ها را برای کیفیت نظارت کنید. در طول مسیر، یاد بگیرید که چگونه معیارهایی را ردیابی کنید که به اطمینان از یکپارچگی و عملکرد مدل و داده ها کمک می کند. چه دانشمند داده باشید، چه مهندس، یا در حال حاضر در مدیریت داده کار می کنید، این دوره شما را با مهارت هایی که برای حفظ استانداردهای بالای نسخه سازی داده ها و نظارت بر کیفیت در پروژه های خود نیاز دارید، مجهز می کند.

Suggestions