درباره دوره: پیاده‌سازی و استقرار این استاندارد برای تمامی سازمان‌ها اعم از تولیدی و خدماتی و با هر تعداد پرسنل دارای کاربرد بوده و به سازمان‌های پیشنهاد می‌شود که تمرکز بر کسب رضایت مشتری و ذی‌نفعان و رعایت الزامات قانونی و مقرراتی را دارند. حضور در این دوره را به‌تمامی دانشجویان و فارغ‌التحصیلان جویای کار و شاغلین در واحد صنعتی و خدماتی پیشنهاد می‌نماییم. در این دوره به تشریح الزامات استاندارد سیستم مدیریت کیفیت ISO 9001:2015 پرداخته می‌شود. این استاندارد دارای 10 بند است و از بند 4 الزامات شروع می‌شود. آخرین ویرایش این استاندارد در سال 2015 میلادی منتشر شده است. سیستم مدیریت کیفیت یا Quality Management System که به‌اختصار QMS نیز نامیده می‌شود به سازمان این امکان را می‌دهد که تمامی فعالیت‌های خود را فرایندی دیده و چرخه PDCA را برای سازمان خود اجرا نماید. مقدمه، اصطلاحات و تعاریف: 1 - بند 0 2 - بند 1 و 2 و 3 محیط کسب و کار سازمان (بافت سازمان): 1 - بند 4 استاندارد رهبری: 1 - بند 5 استاندارد طرح‌ ریزی: 1 - بند 6 پشتیبانی: 1 - بند 7 قسمت اول 2 - بند 7 قسمت دوم عملیات: 1 - بند 8 قسمت اول 2 - بند 8 قسمت دوم 3 - بند 8 قسمت سوم ارزیابی عملکرد و بهبود: 1 - بند 9 و 10

درباره دوره: در دوره Data Analysis with R Programming، شما با زبان برنامه‌نویسی R آشنا خواهید شد. شما یاد خواهید گرفت چگونه از RStudio، محیطی که به شما اجازه می‌دهد با R کار کنید، استفاده کنید و با نرم‌افزارها و ابزارهای منحصر به فرد R، مانند بسته‌های R آشنا خواهید شد. شما کشف خواهید کرد که چگونه R به شما امکان می‌دهد داده‌ها را پاکسازی، سازماندهی، تحلیل، تجسم و گزارش کنید به روش‌های جدید و قدرتمندتر. تحلیل‌گران داده فعلی گوگل به آموزش و ارائه روش‌های عملی برای انجام وظایف رایج تحلیل‌گر داده با بهترین ابزارها و منابع ادامه خواهند داد. یادگیرندگانی که این برنامه گواهی‌نامه را به پایان می‌رسانند، آماده خواهند بود تا برای مشاغل سطح مقدماتی به عنوان تحلیل‌گر داده اقدام کنند. هیچ تجربه قبلی لازم نیست. در پایان این دوره، یادگیرندگان خواهند توانست: برنامه‌نویسی و تحلیل داده‌ها: 1 - مقدمه‌ای به دنیای هیجان‌انگیز برنامه‌نویسی 2 - تفریح با R 3 - Carrie: شروع کار با R 4 - زبان‌های برنامه‌نویسی 5 - مقدمه‌ای بر R 6 - مقدمه‌ای بر RStudio برنامه‌نویسی با استفاده از RStudio: 1 - برنامه‌نویسی با استفاده از RStudio 2 - اصول برنامه‌نویسی 3 - عملگرها و محاسبات 4 - هدیه‌ای که همچنان به کار می‌آید 5 - خوش‌آمدید به دنیای Tidyverse 6 - بیشتر درباره Tidyverse 7 - استفاده از پایپ‌ها برای تو در تو کردن کد 8 - Connor: نکات برنامه‌نویسی کار با داده‌ها در R: 1 - داده‌ها در R 2 - داده‌فریم‌های R 3 - کار با داده‌فریم‌ها 4 - پاکسازی با اصول اولیه 5 - سازماندهی داده‌های شما 6 - تبدیل داده‌ها 7 - داده‌های مشابه، نتایج متفاوت 8 - تابع bias بیشتر درباره تجسم‌ها، زیبایی‌شناسی و حاشیه‌نویسی‌ها: 1 - تجسم‌ها در R 2 - اصول تجسم در R و Tidyverse 3 - شروع کار با ggplot() 4 - جوزف: مسیر شغلی به سوی تحلیل افراد 5 - بهبود تجسم‌ها در R 6 - کار بیشتر با ggplot 7 - زیبایی‌شناسی و Facet‌ها 8 - لایه حاشیه‌نویسی 9 - ذخیره تجسم‌های خود مستندسازی و گزارش‌ها: 1 - مستندسازی و گزارش‌ها 2 - مروری بر R Markdown 3 - استفاده از R Markdown در RStudio 4 - ساختار اسناد Markdown 5 - مگ: برنامه‌نویسی توانمندساز است 6 - عناصر بیشتری از مستندات 7 - بخش‌های کد 8 - صادرات مستندات

درباره دوره: *لازم به ذکر است که زیرنویس این دوره توسط هوش مصنوعی صورت گرفته است.*متخصصان حوزه‌ی داده، برای کمک به کسب‌وکارها در تصمیم‌گیری‌های بهتر، داده‌ها را تحلیل می‌کنند. آن‌ها برای انجام این کار از تکنیک‌های قدرتمندی مانند داستان‌سرایی با داده، آمار و یادگیری ماشین استفاده می‌کنند. در این دوره، شما با کاوش در نقش متخصصان داده در محیط کاری، سفر یادگیری خود را آغاز خواهید کرد. همچنین با فرآیند کاری پروژه‌محور PACE (برنامه‌ریزی، تحلیل، ساخت، اجرا) و چگونگی سازماندهی پروژه‌های داده با استفاده از آن آشنا می‌شوید. کارمندان گوگل که هم‌اکنون در این حوزه فعالیت می‌کنند، با ارائه‌ی فعالیت‌های عملی شبیه‌سازی‌شده‌ی وظایف مرتبط، به اشتراک گذاشتن نمونه‌هایی از کار روزانه‌ی خود و کمک به تقویت مهارت‌های تحلیل داده‌ی شما برای آمادگی شغلی، شما را در این دوره راهنمایی می‌کنند. مقدمه‌ای بر مفاهیم علم داده: 1 - خوش‌آمدگویی 2 - کشف جعبه ابزار داده‌ 3 - جمع‌بندی 4 - Lois-An:با کنجکاوی در حرفه‌ی داده خود پیش بروید 5 - ارزیابی تاثیر داده در عصر حاضر: 1 - خوش‌آمدگویی 2 - Adrian: ایجاد راه‌حل‌های تجاری مبتنی بر داده 3 - مشاغل مبتنی بر داده، موتور محرک کسب‌وکارهای مدرن 4 - بهره‌گیری از تحلیل داده در سازمان‌های غیرانتفاعی 5 - مهارت‌های کلیدی مورد نیاز برای یک حرفه‌ی مبتنی بر داده 6 - ملاحظات اخلاقی مهم برای متخصصان داده 7 - فضای شغلی برای متخصصان داده 8 - جمع‌بندی حرفه شما به عنوان یک متخصص داده: 1 - خوش‌آمدگویی 2 - Cassie: عشق مادام العمر به داده 3 - آینده مشاغل داده 4 - Tiffany: نصیحت برای جویندگان کار 5 - ایجاد یک حضور حرفه‌ای آنلاین 6 - تقویت روابط حرفه‌ای 7 - آماده شدن برای جستجوی کار 8 - Daisy: برجسته کردن مهارت‌های فنی و ارتباطی 9 - جمع‌بندی کاربردها و گردش کار داده: 1 - خوش‌آمدگویی 2 - Hautahi: اهمیت برقراری ارتباط در حرفه‌ی علوم داده 3 - آشنایی با مدل PACE 4 - عناصر کلیدی ارتباط 5 - ارتباط، محرک PACE 6 - PACE و موضوعات دوره‌ی آینده 7 - جمع‌بندی پروژه پایانی دوره: 1 - ارزش یک پورتفولیو 2 - معرفی پروژه پایانی دوره برای پورتفولیو 3 - جمع‌بندی پروژه پایانی دوره و نکاتی برای موفقیت شغلی در آینده 4 - جمع‌بندی دوره