Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-17 of 17 items.

linkedin R Essential Training: Wrangling and Visualizing Data (Mitalearn-179007)

  • 4 hours 18 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Barton Poulson
درباره این دوره:

تلاش برای مکان یابی معنا و جهت در داده های بزرگ دشوار است. R می تواند به شما کمک کند راه خود را پیدا کنید. R یک زبان برنامه نویسی آماری برای تجزیه و تحلیل و تجسم روابط بین مقادیر زیادی داده است. این مجموعه آموزشی معرفی کاملی از R، همراه با دستورالعمل‌های دقیق برای نصب و پیمایش R و RStudio و نمونه‌های عملی، از گرافیک اکتشافی گرفته تا شبکه‌های عصبی، ارائه می‌کند. در بخش اول، مربی بارتون پولسون نشان می‌دهد که چگونه می‌توان بسته‌های R و R محبوب را راه‌اندازی کرد و شروع به وارد کردن، تمیز کردن و تبدیل داده‌ها برای تجزیه و تحلیل کرد. او همچنین نشان می دهد که چگونه می توان تجسم هایی مانند نمودارهای میله ای، هیستوگرام ها و نمودارهای پراکنده ایجاد کرد و داده های طبقه بندی، کیفی و پرت را تغییر داد تا بهترین پاسخگویی به سؤالات پژوهشی و الزامات الگوریتم های شما باشد.

linkedin اولین پروژه خود را در R کامل کنید (Mitalearn-442133)

  • 2 hours 14 minutes
  • مناسب همه
  • Release date: 7 March 2024
  • Author: Megan Silvey
درباره این دوره: 

 در این دوره با مشاور علم داده مگان سیلوی، دانش و مهارت خود را با R گسترش دهید. مگان یک پروژه عملی با استفاده از R برای تجزیه و تحلیل داده های فروش و کار بر روی سناریوی واقعی ارائه می دهد که بر انجام تجزیه و تحلیل داده ها برای مشتریان یک شرکت فناوری سازمانی تمرکز دارد. با استفاده از تکنیک‌های تجزیه و تحلیل داده‌ها و یادگیری ماشین، از جمله طبقه‌بندی و خوشه‌بندی، برای تجزیه و تحلیل داده‌هایی که شامل اطلاعات سفارش‌ها، کارکنان فروش، مشتریان، محصولات خریداری‌شده و وضعیت پرداخت مشتری است، تجربه کسب کنید. در این دوره آموزشی به مگان بپیوندید تا دانش و مهارت هایی را کسب کنید تا حرفه داده خود را به سطح بالاتری ببرید.

linkedin ایجاد ارائه های تعاملی با Shiny و R (Mitalearn-87037)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Charlie Joey Hadley
درباره این دوره:

تجزیه و تحلیل کلان داده عالی است، اما اگر نتوانید نتایج خود را به اشتراک بگذارید، نه. در این دوره، چارلی هدلی نشان می‌دهد که چگونه می‌توان ارائه‌های تعاملی مجموعه‌های داده بزرگ را با R، RStudio، و Shiny ایجاد کرد، ابزاری مبتنی بر R برای تولید تجسم داده‌های تعاملی و آماده وب. بیاموزید که چرا این ابزارها برای دانشمندان داده مهم هستند، چگونه آنها را پیکربندی و نصب کنند، و چگونه از آنها برای واضح تر و جذاب تر کردن یافته های خود استفاده کنید.

nn نحوه ثبت نام در RPubs برای به اشتراک گذاری ارائه های RStudio را بیاموزید و سپس با Shiny فراتر از اصول اولیه بروید—افزودن تعامل و ایجاد داشبوردهای قابل جاسازی بدون نیاز به HTML یا جاوا اسکریپت.

nn اطمینان حاصل کنید که بررسی های دانش در پایان هر فصل را تماشا کنید تا مهارت های جدید خود را آزمایش کنید.

linkedin ایجاد گزارش و ارائه با R Markdown و RStudio (Mitalearn-192743)

  • 2 hours 40 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Charlie Joey Hadley
درباره این دوره:

اوج یک پروژه علم داده اغلب ارائه یافته های شماست. علم داده، در نهایت، به دست آوردن بینش از داده ها و سپس به اشتراک گذاری آن بینش با دیگران است. این دوره نحوه طراحی گزارش‌ها و ارائه‌های با کیفیت بالا، از جمله تجربیات وب تعاملی و فایل‌های PDF قابل چاپ، را با استفاده از R Markdown و RStudio نشان می‌دهد، چارچوبی که به طور خاص برای علم داده طراحی شده است. مربی چارلی هدلی با مروری بر گزینه های گزارش PDF و HTML شروع می کند. سپس نشان می دهد که چگونه کد R را در اسناد خود بگنجانید و با اسلایدها، نمودارها، تصاویر و جداول علاقه بصری را اضافه کنید. به علاوه، یاد بگیرید که چگونه استایل‌ها را در سند خود سفارشی کنید، علامت‌گذاری را لغو کنید، و تصاویر از پیش ساخته شده داده را با ابزارک‌های html درج کنید. آخرین اما نه کم اهمیت، چارلی توضیح می دهد که چگونه اسناد R Markdown خود را برای اشتراک گذاری و توزیع منتشر کنید.

coursera برنامه نویسی R (Mitalearn-332432)

  • 5 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Jeff Leek, PhD,Brian Caffo, PhD
درباره این دوره:

در این دوره شما یاد خواهید گرفت که چگونه به زبان R برنامه نویسی کنید و چگونه از R برای تجزیه و تحلیل موثر داده ها استفاده کنید. شما یاد خواهید گرفت که چگونه نرم افزارهای لازم برای یک محیط برنامه نویسی آماری را نصب و پیکربندی کنید و مفاهیم زبان برنامه نویسی عمومی را همانطور که در یک زبان آماری سطح بالا پیاده سازی می شوند، شرح دهید. این دوره مسائل عملی در محاسبات آماری را پوشش می‌دهد که شامل برنامه‌نویسی در R، خواندن داده‌ها در R، دسترسی به بسته‌های R، نوشتن توابع R، اشکال‌زدایی، پروفایل‌سازی کد R، و سازمان‌دهی و اظهار نظر کد R می‌شود. موضوعات در تجزیه و تحلیل داده های آماری نمونه های کاری را ارائه می دهند.

linkedin برنامه نویسی R در علم داده: داده های با حجم بالا (Mitalearn-137697)

  • 1 hours 25 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

داده ها تمام فضای موجود را پر می کنند، و اکنون که ذخیره سازی ارزان است، حجم داده ها منفجر شده است. با این حال، همه آن اطلاعات بدون تحلیل و زمینه بی فایده است. زبان برنامه نویسی R به گونه ای طراحی شده است که تجزیه و تحلیل و تجسم حجم عظیمی از داده ها را آسان تر می کند. برای مثال، R توانایی ضرب یک بلوک از متغیرها را در دیگری فراهم می‌کند – فرضی که مزایای ذاتی را نسبت به زبان‌های دیگر فراهم می‌کند. این دوره نشان می‌دهد که چرا R برای حجم بالای داده ایده‌آل است، راه‌های کارآمدتر برای استفاده از زبان را معرفی می‌کند و نحوه اجتناب از مشکلات و استفاده از فرصت‌های کلان داده را توضیح می‌دهد. بیاموزید که چگونه تشخیص دهید که آیا حافظه و قدرت پردازش کافی دارید، تصویرسازی‌هایی از داده‌های بزرگ تولید کنید، کد R خود را بهینه کنید و از تکنیک‌های پیشرفته مانند پردازش موازی برای سرعت بخشیدن به محاسبات خود استفاده کنید. به علاوه، نحوه ادغام R را با راه حل های کلان داده مانند پایگاه های داده SQL و Apache Spark بیابید.

linkedin برنامه نویسی R در علم داده: داده های با سرعت بالا (Mitalearn-137680)

  • 1 hours 21 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

داده‌های با سرعت بالا - مانند اطلاعاتی که از دستگاه‌های توییتر و اینترنت اشیا سرچشمه می‌گیرند - با سرعتی فراتر از درک عادی وارد می‌شوند و نیاز به عملکرد بالا هم از سخت‌افزار و هم از نرم‌افزار دارند. در حالی که ممکن است در ابتدا برای این چالش به نظر نرسد، زبان برنامه نویسی R را می توان برای کار با داده های با سرعت بالا تقویت کرد. R که نزدیک به فلز با قرار گرفتن مستقیم در بالای زبان برنامه نویسی C نوشته شده است، مجموعه ای غنی از ساختارهای داده و مفاهیم را ارائه می دهد. این دوره به برنامه‌نویسی کارآمد R می‌پردازد و استراتژی‌های عملی ارائه می‌دهد که می‌تواند به شما کمک کند موجو خود را روی داده‌های با سرعت بالا کار کنید.\r\n\r\n او سپس نحوه استفاده از R برای به دست آوردن داده های با سرعت بالا و همچنین نحوه استفاده از ابزارهای پروفایل و بهینه سازی کد R برای استفاده با داده های با سرعت بالا را پوشش می دهد. او با بررسی نحوه استفاده از R برای ارائه داده‌ها، از جمله نحوه استفاده از Shiny - یک بسته R که به شما امکان می‌دهد برنامه‌های وب را مستقیماً از R بسازید - برای داشبوردهای تعاملی، به پایان می‌رسد.

linkedin برنامه نویسی R در علم داده: داده های متنوع (Mitalearn-137714)

  • 1 hours 27 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

در یک دنیای کامل، هر مجموعه داده به عنوان متن XML با زمینه برای هر قطعه اطلاعات ذخیره می شود. اعداد هرگز به عنوان رشته ذخیره نمی شوند. مقادیر اعشاری هرگز به عنوان نماد علمی ذخیره نمی شوند. رشته ها هرگز بیشتر از 500 کاراکتر نخواهند بود. اما بدیهی است که ما در دنیای کاملی از داده ها زندگی نمی کنیم. و داده های بزرگ فقط این موضوع را بزرگتر می کند. این مشکل تنوع است. داده ها در قالب های مختلف می رسند. دانشمندان داده زمان زیادی را برای این مشکل صرف می کنند و از نیروی مغزی استفاده می کنند که بهتر است برای کارهای تجزیه و تحلیل ارزشمند صرف شود. در این دوره، Mark Niemann-Ross مسئله تنوع داده ها را معرفی می کند و نحوه استفاده از قابلیت های منحصر به فرد R را برای حل آنها نشان می دهد. با نحوه وارد کردن طیف گسترده ای از داده ها، از Excel گرفته تا فایل های ODS آشنا شوید.

linkedin برنامه نویسی R در علم داده: راه اندازی و شروع (Mitalearn-124386)

  • 1 hours 42 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Mark Niemann-Ross
درباره این دوره:

R قدرتمند است، اما شهودی نیست. یک اکوسیستم قوی و متنوع R وجود دارد و انتظار می‌رود که دانشمندان داده‌ها را از نسخه‌ها و بسته‌های مختلف با هم ترکیب کنند. حتی قبل از اینکه بتوانید برنامه نویسی را شروع کنید، باید R را انتخاب، نصب و راه اندازی کنید تا برای شما کار کند.\r\n\r\n و از طریق خط فرمان چند بسته مفید برای کار با SQL، گرافیک های سه بعدی، داده ها و خوشه ها در R را معرفی می کند. در پایان این دوره کوتاه، شما یک نسخه از R را به همراه چند کتابخانه اصلی و یک IDE بهینه شده

linkedin پاک کردن داده های بد در R (Mitalearn-145296)

  • 2 hours 4 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Mike Chapple
درباره این دوره:

یکپارچگی داده ها نقطه کانونی جدید انقلاب علم داده است. اکنون که همه با نقش داده ها در زندگی و تجارت مردم آشنا هستند، این سوال غیرمنصفانه نیست که بپرسیم: "آیا می توانید ثابت کنید که داده های خود دقیق هستند؟" در این دوره آموزشی، می‌توانید یاد بگیرید که چگونه بسیاری از مسائل مربوط به یکپارچگی داده‌ها را که دانشمندان داده مدرن با آن مواجه هستند، با استفاده از R و the tidyverse شناسایی و به آنها رسیدگی کنید. نحوه مدیریت مقادیر از دست رفته و داده های تکراری را کشف کنید. نحوه تبدیل داده ها بین واحدهای مختلف و مقابله با متن های با فرمت ضعیف را بیاموزید. به‌علاوه، یاد بگیرید چگونه نقاط پرت را شناسایی کنید، به مشکلات ساختاری رسیدگی کنید، و پرچم‌های قرمزی را که نشان‌دهنده مشکلات بالقوه کیفیت داده‌ها هستند، شناسایی کنید.

rnrn

coursera تجزیه و تحلیل داده ها در R با RStudio & Tidyverse (Mitalearn-327553)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Anh Le
درباره این دوره:

کدنویسی کنید و اولین برنامه R خود را در عرض چند دقیقه بدون نصب چیزی اجرا کنید! این دوره برای زبان آموزانی طراحی شده است که هیچ تجربه کدنویسی قبلی ندارند و دانش پایه ای از تجزیه و تحلیل داده ها در R ارائه می کنند. ماژول های این دوره شامل آمار توصیفی، وارد کردن و جدال داده ها، و استفاده از آزمون های آماری برای مقایسه جمعیت ها و توصیف روابط می شود. این دوره نمونه هایی را به زبان R با استفاده از استاندارد صنعتی محیط توسعه مجتمع (IDE) RStudio ارائه می کند. برای اینکه امکان یک تجربه یادگیری واقعی و خودآگاه را فراهم کنید، این دوره بدون ویدیو است. تکالیف حاوی توضیحات کوتاه با تصاویر و نمونه‌های کد قابل اجرا با ویرایش‌های پیشنهادی برای بررسی بیشتر نمونه‌های کد، ایجاد درک عمیق‌تر با انجام دادن هستند. شما از بازخورد فوری از انواع آیتم های ارزیابی در طول مسیر بهره مند خواهید شد، به آرامی از بررسی های درک سریع (چند انتخابی، پر کردن جای خالی و عدم درهم آمیختن بلوک های کد) تا تمرین های کدگذاری کوچک و قابل دسترس که به جای اینکه چند دقیقه طول می کشد، پیشرفت کنید. ساعت در نهایت، یک آزمایشگاه انباشته در پایان دوره به شما فرصتی می دهد تا همه مفاهیم آموخته شده را در یک زمینه دنیای واقعی به کار ببرید.

coursera ثبات و قابلیت در بهبود کیفیت (Mitalearn-331582)

  • 5 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wendy Martin
درباره این دوره:

در این دوره، شما یاد خواهید گرفت که داده ها را از نظر ثبات فرآیند و کنترل آماری تجزیه و تحلیل کنید و اینکه چرا داشتن یک فرآیند پایدار قبل از انجام آزمون فرضیه های آماری ضروری است. شما نمودارهای کنترل فرآیند آماری را برای داده های پیوسته و گسسته با استفاده از نرم افزار R ایجاد خواهید کرد. شما مجموعه داده ها را برای کنترل آماری با استفاده از قوانین کنترل بر اساس احتمال تجزیه و تحلیل خواهید کرد. علاوه بر این، یاد خواهید گرفت که چگونه یک فرآیند را با توجه به توانایی آن در برآوردن مشخصات داخلی یا خارجی ارزیابی کنید و در مورد بهبود فرآیند تصمیم گیری کنید. 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.

linkedin جدال داده در R (2017) (Mitalearn-118062)

  • 4 hours 12 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Mike Chapple
درباره این دوره:

داده های مرتب یک فرمت داده ای است که یک روش استاندارد برای سازماندهی مقادیر داده در یک مجموعه داده ارائه می دهد. با استفاده از اصول داده‌های مرتب، آماردانان، تحلیلگران و دانشمندان داده می‌توانند زمان کمتری را برای تمیز کردن داده‌ها و زمان بیشتری را برای رسیدگی به جنبه‌های قانع‌کننده‌تر تحلیل داده‌ها صرف کنند. در این دوره آموزشی، با اصول داده های مرتب آشنا شوید و نحوه ایجاد و دستکاری تیبل های داده را بیاموزید - تبدیل آنها از داده های منبع به قالب های مرتب. مربی مایک چاپل از زبان برنامه نویسی R و بسته های tidyverse برای آموزش مفهوم جدال داده ها استفاده می کند - کارهای پاکسازی داده و تبدیل داده ها که بخش قابل توجهی از زمان تحلیلگران را مصرف می کند. او سه مطالعه موردی عملی را به پایان می‌رساند که به تقویت اصول و تاکتیک‌های جدال داده‌ها که در این دوره پوشش داده شده است کمک می‌کند.

coursera جعبه ابزار دانشمند داده (Mitalearn-335254)

  • 2 hours 16 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD,Roger D. Peng, PhD,Brian Caffo, PhD
درباره این دوره:

در این دوره آموزشی با ابزارها و ایده های اصلی در جعبه ابزار دانشمند داده آشنا می شوید. این دوره یک نمای کلی از داده ها، سؤالات و ابزارهایی را ارائه می دهد که تحلیلگران داده و دانشمندان داده با آنها کار می کنند. این دوره دو جزء دارد. اولین مقدمه ای مفهومی برای ایده های پشت تبدیل داده ها به دانش عملی است. دومین مقدمه ای عملی برای ابزارهایی است که در برنامه استفاده می شود مانند کنترل نسخه، علامت گذاری، git، GitHub، R و RStudio.

coursera محیط برنامه نویسی R (Mitalearn-331208)

  • 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Roger D. Peng, PhD,Brooke Anderson
درباره این دوره:

این دوره مقدمه ای دقیق بر زبان برنامه نویسی R با تمرکز ویژه بر استفاده از R برای توسعه نرم افزار در محیط علم داده ارائه می دهد. چه بخشی از یک تیم علم داده باشید و چه به صورت انفرادی در جامعه ای از توسعه دهندگان کار می کنید، این دوره به شما دانش R را می دهد که برای مشارکت مفید در آن تنظیمات لازم است. این دوره به عنوان اولین دوره در تخصص، پایه اساسی R مورد نیاز برای دوره های زیر را فراهم می کند. ما مفاهیم اصلی R و مبانی زبان، مفاهیم کلیدی مانند داده‌های مرتب و ابزارهای "tidyverse" مرتبط، پردازش و دستکاری مجموعه داده‌های پیچیده و بزرگ، مدیریت داده‌های متنی، و وظایف پایه علم داده را پوشش می‌دهیم. پس از اتمام این دوره، زبان آموزان به کنسول R تسلط خواهند داشت و می توانند مجموعه داده های مرتبی را از طیف گسترده ای از منابع داده ممکن ایجاد کنند.

coursera مقدمه ای بر احتمال و داده با R (Mitalearn-326754)

  • 3 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره شما را با نمونه گیری و کاوش داده ها و همچنین نظریه احتمالات اولیه و قانون بیز آشنا می کند. شما انواع مختلفی از روش‌های نمونه‌گیری را بررسی خواهید کرد و در مورد اینکه چگونه چنین روش‌هایی می‌توانند بر دامنه استنتاج تأثیر بگذارند، بحث خواهید کرد. انواع تکنیک های تجزیه و تحلیل داده های اکتشافی شامل آمار خلاصه عددی و تجسم داده های پایه پوشش داده خواهد شد. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. مفاهیم و تکنیک های این دوره به عنوان بلوک های سازنده دروس استنتاج و مدل سازی در تخصص عمل می کند.

coursera مقدمه ای بر تجزیه و تحلیل کسب و کار با R (Mitalearn-287620)

  • 6 hours 31 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Ronald Guymon,Ashish Khandelwal
درباره این دوره:

تقریباً هر جنبه ای از تجارت تحت تأثیر تجزیه و تحلیل داده ها قرار می گیرد. برای اینکه کسب‌وکارها بر روی تجزیه و تحلیل داده‌ها سرمایه‌گذاری کنند، به رهبرانی نیاز دارند که گردش کار تحلیلی کسب‌وکار را درک کنند. این دوره با ارائه مجموعه‌ای اساسی از مهارت‌های پردازش داده که می‌تواند در بسیاری از محیط‌های تجاری اعمال شود، به شکاف مهارت‌های انسانی می‌پردازد. در این دوره شما از یک زبان تجزیه و تحلیل داده، R، برای آماده سازی کارآمد داده های تجاری برای ابزارهای تحلیلی مانند الگوریتم ها و تجسم ها استفاده خواهید کرد. تمیز کردن، تبدیل، جمع‌آوری و شکل‌دهی مجدد داده‌ها یک گام مهم، اما نامحسوس در گردش کار تحلیلی کسب‌وکار است. همانطور که یاد می گیرید چگونه از R برای آماده سازی داده ها برای تجزیه و تحلیل استفاده کنید، با استفاده از RStudio، یک محیط توسعه یکپارچه قدرتمند (IDE)، که دارای بسیاری از ویژگی های داخلی است که کدنویسی با R را ساده می کند، تجربه کسب خواهید کرد. همانطور که در مورد گردش کار تجزیه و تحلیل کسب و کار یاد می گیرید، تعامل بین اصول کسب و کار و تجزیه و تحلیل داده ها را نیز در نظر خواهید گرفت. به طور خاص، بررسی خواهید کرد که چگونه تفویض اختیار، کنترل و امکان‌سنجی بر روش پردازش داده‌ها تأثیر می‌گذارد. همچنین با نمونه هایی از مشکلات تجاری که با اتوماسیون و تجزیه و تحلیل داده ها قابل حل هستند و روش هایی برای برقراری ارتباط نتایج تحلیل داده ها که نیازی به کپی و چسباندن از یک پلتفرم به پلتفرم دیگر ندارند، آشنا خواهید شد.

Suggestions