دوره اکسل برای تحلیل دادههای کسبوکار**پیشنیاز ندارد!**توانایی تبدیل دادههای خام به بینشهای قابلاتکا، یکی از مهارتهای کلیدی برای تصمیمگیری اثربخش در سازمانهاست. اکسل، بهرغم ظهور ابزارهای پیشرفته تحلیل داده، همچنان یکی از پرکاربردترین و در دسترسترین ابزارها برای گزارشگیری، مدلسازی مالی، تحلیل روند و پشتیبانی از فرآیندهای تصمیمگیری محسوب میشود. تسلط بر این ابزار، مزیتی رقابتی برای هر متخصص، پژوهشگر و دانشجویی است که با داده سروکار دارد.*این دوره برای چه مخاطبانی طراحی شده است؟
کارشناسان و متخصصانی که در حوزه گزارشگیری و تحلیل داده فعالیت میکنند مدیران و صاحبان کسبوکار که به دنبال اتخاذ تصمیمات مبتنی بر داده هستند متخصصان حوزه مالی، حسابداری و بازاریابی دانشجویان و پژوهشگران حوزه اقتصاد که به تحلیل دادههای اقتصادی و مالی نیاز دارند افرادی که مایلاند از سطح کاربری ابتدایی اکسل عبور کرده و به سطح تحلیلی و حرفهای برسنداگر دوست دارید - بدون هیچ زمینه قبلی - کار با اکسل را یاد بگیرید در دوره «اکسل برای تحلیل دادههای کسبوکار» شرکت کنید:
*
* d-learn.ir/xlsb برای استفاده از بیشترین تخفیفها ثبت نام خود را تا «۲ مرداد ۱۴۰۵*» تکمیل کنید. تماس: t.me/dlearnsup 02188349244 09103209837@dlearn_ir
*🧬کارگاه استنباط عِلّی در تحلیل دادههای پزشکی و زیستی
در پژوهشهای پزشکی و زیستی، خطا میان همبستگی و علیت یکی از رایجترین خطاهایی است که میتواند نتایج یک مطالعه را بهکلی نادرست کند. این کارگاه با رویکردی کاربردی، مفاهیم بنیادین استنباط علّی از جمله نمودارهای عِلّی (DAG) و چارچوبهای ضدواقع را آموزش میدهد و شرکتکنندگان این مفاهیم را با استفاده از ابزارهای R بر روی دادههای واقعی پزشکی و زیستی پیادهسازی میکنند.
این دوره برای چه کسانی مناسب است؟
پژوهشگران و دانشجویان حوزه علوم پزشکی، اپیدمیولوژی و آمار زیستی
متخصصانی که با دادههای بالینی و کارآزماییهای پزشکی سروکار دارند
افرادی که قصد دارند مطالعات مشاهدهای خود را با دقت روششناختی بالاتری طراحی و تحلیل کنند
علاقهمندان به یادگیری کاربردی روشهای آماری پیشرفته در حوزه سلامت
مشخصات دوره:
️ ۵ هفته | ۱۳ ساعت آموزش
همراه با پروژه پایانی و گواهی پایان دوره
نحوه برگزاری: آنلاین (گوگل میت)
همه مباحث و مهارتهای این دوره (حتی نرمافزارهای R) کاملا از پایه آموزش داده میشود و پیشنیاز ندارد!
آخرین مهلت استفاده از تخفیف زودهنگام ثبتنام، تا پایان روز ۲ مرداد ۱۴۰۵ است.
️ تخفیف دانشجویی
️ تخفیف ثبت نام گروهی
امکان پرداخت قسطی
لینک ثبتنام:
d-learn.ir/ascu?utm=tlg
تماس:* t.me/dlearnsup 02188349244 09103209837
@dlearn_ir
در پژوهشهای پزشکی و زیستی، خطا میان همبستگی و علیت یکی از رایجترین خطاهایی است که میتواند نتایج یک مطالعه را بهکلی نادرست کند. این کارگاه با رویکردی کاربردی، مفاهیم بنیادین استنباط علّی از جمله نمودارهای عِلّی (DAG) و چارچوبهای ضدواقع را آموزش میدهد و شرکتکنندگان این مفاهیم را با استفاده از ابزارهای R بر روی دادههای واقعی پزشکی و زیستی پیادهسازی میکنند.
این دوره برای چه کسانی مناسب است؟ پژوهشگران و دانشجویان حوزه علوم پزشکی، اپیدمیولوژی و آمار زیستی متخصصانی که با دادههای بالینی و کارآزماییهای پزشکی سروکار دارند افرادی که قصد دارند مطالعات مشاهدهای خود را با دقت روششناختی بالاتری طراحی و تحلیل کنند علاقهمندان به یادگیری کاربردی روشهای آماری پیشرفته در حوزه سلامت مشخصات دوره:️ ۵ هفته | ۱۳ ساعت آموزش همراه با پروژه پایانی و گواهی پایان دوره نحوه برگزاری: آنلاین (گوگل میت)همه مباحث و مهارتهای این دوره (حتی نرمافزارهای R) کاملا از پایه آموزش داده میشود و پیشنیاز ندارد! آخرین مهلت استفاده از تخفیف زودهنگام ثبتنام، تا پایان روز ۲ مرداد ۱۴۰۵ است.️ تخفیف دانشجویی️ تخفیف ثبت نام گروهیامکان پرداخت قسطی لینک ثبتنام: d-learn.ir/ascu?utm=tlgتماس:*
t.me/dlearnsup 02188349244 09103209837@dlearn_ir
*سه عامل هوش مصنوعی (AI Agent) برای تحول سازمان در ۱۰ هفتهگزارشی تازه از هاروارد دیتاساینس ریویو (HDSR )شنبههای بسیار آشنا
یک سال پیش، شنبهها شروع کار چطور بود؟ به تمام معنا آشفته!!! مدیران عملیات زنجیره تأمین تقریباً تمام روز را صرف بررسی دهها ایمیل، صفحه گسترده و داشبورد میکردند تا بتوانند وضعیت سفارشهای خرید مربوط به تجهیزات حیاتی را کنار هم قرار دهند و تصویر کاملی از آن بسازند. هیچ منبع واحد و قابل اتکایی وجود نداشت. اعضای تیم ساعتها وقت صرف میکردند تا به صورت دستی بررسی کنند تأمینکنندگان سفارشهای خرید را تأیید کردهاند، تاریخ ارسال ثبت شده است، و اینکه میان اطلاعات داخلی سازمان و بهروزرسانیهای تأمینکنندگان، شرکتهای حملونقل و سامانههای ردیابی مغایرتی وجود دارد یا نه.
هر وقت مشکلی شناسایی میشد؛ مثل تأخیرِ تأمینکننده، یکی از اعضای تیم باید با تیمهای داخلی، تأمینکنندگان یا شرکتهای حملونقل تماس میگرفت یا مسئول مستقیم آن مشکل را پیدا و موضوع را پیگیری میکرد. تأخیر در ارسال یک محموله، ممکن بود پنهان بماند و گاهی کسی، بر حسب اتفاق، متوجهاش میشد. همچنین، ارجاع موضوع به سطوح بالاتر به صورت دستی و معمولا وقتی انجام میشد که کار از کار گذشته بود و قطعات یا تجهیزات سر موعد به مقصد نهایی نرسیده بود.
کل توان سازمان به جای آنکه صرف برنامهریزی پیشدستانه یا اجرای تحولاتی شود که ارزش افزوده ایجاد کنند، صرف رفع مشکلات فوری و موردی میشد.
*۱۰ هفته تا هوشمندسازی**اکنون برای مدیریت عملیات زنجیره تأمین در این سازمان از عاملهای هوش مصنوعی استفاده میشود. این راهکار ظرف ۱۰ هفته پیاده شد و هدفش متحول کردن شیوه مدیریت سفارشهای خرید بود.این راهکار سه عامل** *را با یکدیگر ترکیب میکند:عامل هوش مصنوعیِ ارتباطات (چتباتها)عامل هوش مصنوعیِ اقدامعامل هوش مصنوعیِ تحلیل داده*این سه عامل در کنار هم، فرایندهای عملیاتی را سادهتر میکنند، حجم کارهای دستی را کاهش میدهند و کیفیت دادهها را بهبود میبخشند. ... شرح مفصلی از این راهکار و شیوه راهبری هوشمندسازی را میتوانید در مجله پرانتز بخوانید.d-learn.ir/ai-agents-in-organization@dlearn_ir
*مهارتهای ضروری پژوهش با هوش مصنوعیپژوهشهای علمی همواره نیازمند دقت، صبر و جستوجوی بیوقفه در دل انبوهی از منابع بوده است. اما امروز، هوش مصنوعی این مسیر را متحول کرده و افق تازهای پیش روی پژوهشگران گشوده است.
در این ویدیو، نگاهی داریم به اینکه چگونه میتوان از هوش مصنوعی بهعنوان همراهی کارآمد در مسیر پژوهش بهره برد؛ از یافتن و ارزیابی منابع علمی گرفته تا شکلدهی به ایدهها و دستیابی به نتایجی دقیق و قابلاستناد. تجربهای که شاید نگاه شما را به فرایند پژوهش برای همیشه تغییر دهد.
اگر به این مباحث علاقهمندید، همچنان میتوانید تا ساعت ۱۶ روز ۱۲مرداد در «کارگاه جامع هوشمصنوعی در پژوهشهای دانشگاهی و صنعتی» ثبتنام کنید.* *d-learn.ir/ai4s?utm=tlg تماس با ما:* t.me/dlearnsup 02188349244 09103209837@dlearn_ir
فایل 50.9 MB — بزرگتر از ۲۰ مگابایت
#پنجره_بازار_کار
#پروژه** پیشبینی سفارش در شبکه خردهفروشی (شرکت پیندیس)**
اگر به پیشبینی و مدلسازی از نوع classification با استفاده از دادههای واقعی در خردهفروشی، تجارت الکترونیک، افامسیجیها و مارکتپلیسها علاقهمندید، انجام این پروژه فرصتی عالی برای دستوپنجهنرمکردن با مسائل علوم داده در یک کسبوکار، دریافت ارزیابی و بازخورد دقیق است.
نفرات برگزیده برای #استخدام به عنوان #متخصص_علوم_داده (Data Scientist)، #مهندس_یادگیری_ماشین (Machine Learning Engineer) و #تحلیلگر_داده (Data Analyst) به #شرکت_پیندیس معرفی خواهند شد.
پس از ارزیابی پروژهها در مدرسه دقیقه و ارائه بازخورد اختصاصی به شرکتکنندگان، از** نفرات** *برگزیده برای دریافت مستندات روششناسی و توضیحات بیشتر دعوت خواهد شد. نفرات برتر جهت مصاحبه شغلی به شرکت پیندیس معرفی خواهند شد. دادههای این پروژه توسط همین شرکت تهیه و کاملا گمنامسازی شده است.
نام نفرات برگزیده پس از اتمام کامل این فرایند در وبسایت و شبکههای اجتماعی مدرسه دقیقه منتشر خواهد شد.
برای انجام این پروژه تا ۲۰ مرداد ۱۴۰۵* ثبت نام کنید:
d-learn.ir/orderpredict-pindis
۳۵٪ تخفیف ویژه شبکههای اجتماعی مدرسه دقیقه (کد تخفیف: `DLrnpn35`)
هر چه زودتر ثبت نام کنید فرصت بیشتری برای انجام پروژه خواهید داشت.
تماس با ما: t.me/dlearnsup 02188349244 09103209837
@dlearn_ir
#پروژه** پیشبینی سفارش در شبکه خردهفروشی (شرکت پیندیس)**
اگر به پیشبینی و مدلسازی از نوع classification با استفاده از دادههای واقعی در خردهفروشی، تجارت الکترونیک، افامسیجیها و مارکتپلیسها علاقهمندید، انجام این پروژه فرصتی عالی برای دستوپنجهنرمکردن با مسائل علوم داده در یک کسبوکار، دریافت ارزیابی و بازخورد دقیق است.
نفرات برگزیده برای #استخدام به عنوان #متخصص_علوم_داده (Data Scientist)، #مهندس_یادگیری_ماشین (Machine Learning Engineer) و #تحلیلگر_داده (Data Analyst) به #شرکت_پیندیس معرفی خواهند شد.
پس از ارزیابی پروژهها در مدرسه دقیقه و ارائه بازخورد اختصاصی به شرکتکنندگان، از** نفرات** *برگزیده برای دریافت مستندات روششناسی و توضیحات بیشتر دعوت خواهد شد. نفرات برتر جهت مصاحبه شغلی به شرکت پیندیس معرفی خواهند شد. دادههای این پروژه توسط همین شرکت تهیه و کاملا گمنامسازی شده است.
نام نفرات برگزیده پس از اتمام کامل این فرایند در وبسایت و شبکههای اجتماعی مدرسه دقیقه منتشر خواهد شد.
برای انجام این پروژه تا ۲۰ مرداد ۱۴۰۵* ثبت نام کنید: d-learn.ir/orderpredict-pindis ۳۵٪ تخفیف ویژه شبکههای اجتماعی مدرسه دقیقه (کد تخفیف: `DLrnpn35`) هر چه زودتر ثبت نام کنید فرصت بیشتری برای انجام پروژه خواهید داشت.تماس با ما:
t.me/dlearnsup 02188349244 09103209837@dlearn_ir
** یک ماه *#دسترسی_رایگان به درسنامهها و پروژههای مدرسه دقیقه
ویژه یادگیری و رشد در #مسیر_شغلی #تحلیل_داده و #یادگیری_ماشین با #پایتون
اگر میخواهید وارد دنیای تحلیل داده، یادگیری ماشین، علوم داده و هوش مصنوعی یا دانش خود را عمیقتر کنید، این #تخفیف_تابستانی را از دست ندهید.
در این طرح، در این طرح به ۵۷ درسنامه و پروژه آموزشی دسترسی خواهید داشت. این منابع موضوعات گوناگون را از سطوح پایه تا پیشرفته پوشش میدهند.
اگر به مسیر شغلی تحلیل داده و یادگیری ماشین با پایتون فکر میکنید به این منابع آموزشی نگاه کنید:
* مسیر یادگیری از موضوعات پایه تا پیشرفته***
۱. شروع کار با پایتون (بدون پیشزمینه)
• کامپیوتر چیست و چگونه کار میکند؟
• آشنایی با پایتون
• کارگاه حل مسئله در پایتون
• آشنایی با الگوریتم و ساختار داده در پایتون
۲. آمار و ریاضیات
• آشنایی با آمار در پایتون
• آشنایی با جبر خطی در پایتون
• مشتقگیری و بهینهیابی در پایتون
۳. پردازش و تغییر ساختار داده
• محاسبات برداری با NumPy
• پردازش و تبدیل داده با Pandas
• مهندسی داده با پایتون
۴. تحلیل و مصورسازی داده
• مصورسازی داده با Matplotlib
• مصورسازی داده با Seaborn
• روایتگری با داده و دیتاژورنالیسم
۵. یادگیری ماشین
• یادگیری ماشین در پایتون (یادگیری با نظارت)
• کاهش ابعاد داده در پایتون
۶. کاربردهای تخصصی
• تحلیل دادههای کسبوکار در پایتون
• آشنایی با مفاهیم پایه مالی در پایتون
برای دسترسی به این منابع، اشتراک سبز یک ماهه خود را از طریق لینک زیر فعال کنید:
*** **اشتراک سبز یک ماهه (رایگان)
فرصت استفاده تا ۲۳ مرداد ۱۴۰۵
اگر برای یادگیری نیاز به مشورت دارید به ما پیام بدهید:
t.me/dlearnsup 02188349244 09103209837
@dlearn_ir
* یک ماه *#دسترسی_رایگان به درسنامهها و پروژههای مدرسه دقیقهویژه یادگیری و رشد در #مسیر_شغلی #تحلیل_داده و #یادگیری_ماشین با #پایتون
اگر میخواهید وارد دنیای تحلیل داده، یادگیری ماشین، علوم داده و هوش مصنوعی یا دانش خود را عمیقتر کنید، این #تخفیف_تابستانی را از دست ندهید.
در این طرح، در این طرح به ۵۷ درسنامه و پروژه آموزشی دسترسی خواهید داشت. این منابع موضوعات گوناگون را از سطوح پایه تا پیشرفته پوشش میدهند.
اگر به مسیر شغلی تحلیل داده و یادگیری ماشین با پایتون فکر میکنید به این منابع آموزشی نگاه کنید:
* مسیر یادگیری از موضوعات پایه تا پیشرفته***۱. شروع کار با پایتون (بدون پیشزمینه)
• کامپیوتر چیست و چگونه کار میکند؟
• آشنایی با پایتون
• کارگاه حل مسئله در پایتون
• آشنایی با الگوریتم و ساختار داده در پایتون
۲. آمار و ریاضیات
• آشنایی با آمار در پایتون
• آشنایی با جبر خطی در پایتون
• مشتقگیری و بهینهیابی در پایتون
۳. پردازش و تغییر ساختار داده
• محاسبات برداری با NumPy
• پردازش و تبدیل داده با Pandas
• مهندسی داده با پایتون
۴. تحلیل و مصورسازی داده
• مصورسازی داده با Matplotlib
• مصورسازی داده با Seaborn
• روایتگری با داده و دیتاژورنالیسم
۵. یادگیری ماشین
• یادگیری ماشین در پایتون (یادگیری با نظارت)
• کاهش ابعاد داده در پایتون
۶. کاربردهای تخصصی
• تحلیل دادههای کسبوکار در پایتون
• آشنایی با مفاهیم پایه مالی در پایتون
برای دسترسی به این منابع، اشتراک سبز یک ماهه خود را از طریق لینک زیر فعال کنید:
*** **اشتراک سبز یک ماهه (رایگان) فرصت استفاده تا ۲۳ مرداد ۱۴۰۵ اگر برای یادگیری نیاز به مشورت دارید به ما پیام بدهید: t.me/dlearnsup 02188349244 09103209837@dlearn_ir
دوره اکسل برای تحلیل دادههای کسبوکار**پیشنیاز ندارد!**توانایی تبدیل دادههای خام به بینشهای قابلاتکا، یکی از مهارتهای کلیدی برای تصمیمگیری اثربخش در سازمانهاست. اکسل، بهرغم ظهور ابزارهای پیشرفته تحلیل داده، همچنان یکی از پرکاربردترین و در دسترسترین ابزارها برای گزارشگیری، مدلسازی مالی، تحلیل روند و پشتیبانی از فرآیندهای تصمیمگیری محسوب میشود. تسلط بر این ابزار، مزیتی رقابتی برای هر متخصص، پژوهشگر و دانشجویی است که با داده سروکار دارد.*این دوره برای چه مخاطبانی طراحی شده است؟
کارشناسان و متخصصانی که در حوزه گزارشگیری و تحلیل داده فعالیت میکنند مدیران و صاحبان کسبوکار که به دنبال اتخاذ تصمیمات مبتنی بر داده هستند متخصصان حوزه مالی، حسابداری و بازاریابی دانشجویان و پژوهشگران حوزه اقتصاد که به تحلیل دادههای اقتصادی و مالی نیاز دارند افرادی که مایلاند از سطح کاربری ابتدایی اکسل عبور کرده و به سطح تحلیلی و حرفهای برسندمدرس دوره:
امیرخسرو بهادری: مدیر محصول شرکت استرالیایی Dirodi، مدیر سابق در تیمهای برنامهریزی و تحقیقات بازار پاکشوما، BAT و هولدینگ کوبلدارو و فارغ التحصیل کارشناسی ارشد مهندسی صنایع از دانشگاه صنعتی شریف
اگر دوست دارید - بدون هیچ زمینه قبلی - کار با اکسل را یاد بگیرید در دوره «اکسل برای تحلیل دادههای کسبوکار» شرکت کنید:
*
* d-learn.ir/xlsb برای استفاده از بیشترین تخفیفها ثبت نام خود را تا «۲۳ مرداد ۱۴۰۵*» تکمیل کنید. تماس: t.me/dlearnsup 02188349244 09103209837@dlearn_ir
فایل 147.2 MB — بزرگتر از ۲۰ مگابایت
دوره جامع تحلیل داده با پایتون دانشگاه صنعتی شریفویژه علاقهمندان ورود به بازار کار تحلیل داده و پژوهشگران یکشنبهها و چهارشنبهها ۱۸:۰۰ تا ۲۱:۱۵ شروع از ۱۸ مرداد ۱۴۰۵ ا**گر میخواهید در دوره شرکت کنید و هنوز اقدام نکردید از طریق لینک زیر اقدام کنید**.**
* *b2n.ir/pyda05_tlg تماس: t.me/dlearnsup 02188349244 09103209837
*دوره جامع یادگیری ماشین و مهندسی هوش مصنوعی دانشگاه صنعتی شریفMachine Learning and AI Engineering
این دوره مسیر آموزشی ساختاریافتهای است که طبق سرفصلهای بهروز علمی طراحی شده و شرکتکنندگان را از مبانی ریاضیات و یادگیری ماشین تا طراحی، پیادهسازی و استقرار مدلهای پیشرفته هوشمصنوعی همراهی میکند.
۱۵ هفته: ۵۰ ساعت (آموزش) ۳۰ ساعت (حل تمرین و کارگاه) مخاطبان دوره: دانشجویان، پژوهشگران، تحلیلگران داده، مهندسان یادگیری ماشین، متخصصین علوم داده، مهندسین داده، برنامهنویسان و توسعهدهندگان نرمافزار، و سایر علاقهمندان هوش مصنوعی و یادگیری عمیق اطلاعات برگزاری:شنبهها و سهشنبهها ساعت ۱۸:۰۰ تا ۲۱:۲۰
شروع از ۱۸ شهریور ۱۴۰۵
شیوه برگزاری: آنلاین
معرفی کامل دوره و سوالات متداول (pdf) پشتیبانی آموزشی، ارتباط مستمر با مدرسین در طول دوره و گواهی پایان دوره اهداف دوره: فرصت استفاده از تخفیف ثبت نام زودهنگام ۱:جمعه ۲۶ تیر ۱۴۰۵
️ تخفیف ویژه دانشجویانامکان پرداخت قسطیددرخواست پذیرش (پیش ثبتِنام): b2n.ir/mlai05_tlgتماس:*
t.me/dlearnsup 02188349244 09103209837@dlearn_ir*🧬کارگاه استنباط عِلّی در تحلیل دادههای پزشکی و زیستی
در پژوهشهای پزشکی و زیستی، خطا میان همبستگی و علیت یکی از رایجترین خطاهایی است که میتواند نتایج یک مطالعه را بهکلی نادرست کند. این کارگاه با رویکردی کاربردی، مفاهیم بنیادین استنباط علّی از جمله نمودارهای عِلّی (DAG) و چارچوبهای ضدواقع را آموزش میدهد و شرکتکنندگان این مفاهیم را با استفاده از ابزارهای R بر روی دادههای واقعی پزشکی و زیستی پیادهسازی میکنند.
مدرسین دوره:
آمنه ابراهیم ولوجردی: متخصص آمار زیستی، داور متدولوژی ژورنال پزشکی جمهوری اسلامی ایران و ژورنال هلال احمر، سابقه همکاری با مراکز تحقیقات دانشگاهی و شرکتهای داروئی
کیارش تنها: متخصص آمار زیستی در گروه مطالعات واکسن دانشگاه آکسفورد، کارشناسی ارشد آمار زیستی
دانشگاه علوم پزشکی ایران
پریسا رضانژاد: متخصص آمار زیستی با سابقه مشاوره در وزارت بهداشت، درمان و آموزش پزشکی، دکترای آمار زیستی از دانشگاه علوم پزشکی شهید بهشتی
مشخصات دوره:
️ ۵ هفته | ۱۳ ساعت آموزش
همراه با پروژه پایانی و گواهی پایان دوره
نحوه برگزاری: آنلاین (گوگل میت)
همه مباحث و مهارتهای این دوره (حتی نرمافزارهای R) کاملا از پایه آموزش داده میشود و پیشنیاز ندارد!
آخرین مهلت استفاده از تخفیف زودهنگام ثبتنام، تا پایان روز ۳۰ مرداد ۱۴۰۵ است.
️ تخفیف دانشجویی
️ تخفیف ثبت نام گروهی
امکان پرداخت قسطی
لینک ثبتنام:
d-learn.ir/ascu?utm=tlg
تماس:* t.me/dlearnsup 02188349244 09103209837
@dlearn_ir
فایل 63.5 MB — بزرگتر از ۲۰ مگابایت
در پژوهشهای پزشکی و زیستی، خطا میان همبستگی و علیت یکی از رایجترین خطاهایی است که میتواند نتایج یک مطالعه را بهکلی نادرست کند. این کارگاه با رویکردی کاربردی، مفاهیم بنیادین استنباط علّی از جمله نمودارهای عِلّی (DAG) و چارچوبهای ضدواقع را آموزش میدهد و شرکتکنندگان این مفاهیم را با استفاده از ابزارهای R بر روی دادههای واقعی پزشکی و زیستی پیادهسازی میکنند.
مدرسین دوره:
آمنه ابراهیم ولوجردی: متخصص آمار زیستی، داور متدولوژی ژورنال پزشکی جمهوری اسلامی ایران و ژورنال هلال احمر، سابقه همکاری با مراکز تحقیقات دانشگاهی و شرکتهای داروئی
کیارش تنها: متخصص آمار زیستی در گروه مطالعات واکسن دانشگاه آکسفورد، کارشناسی ارشد آمار زیستی
دانشگاه علوم پزشکی ایران
پریسا رضانژاد: متخصص آمار زیستی با سابقه مشاوره در وزارت بهداشت، درمان و آموزش پزشکی، دکترای آمار زیستی از دانشگاه علوم پزشکی شهید بهشتی
مشخصات دوره:️ ۵ هفته | ۱۳ ساعت آموزش همراه با پروژه پایانی و گواهی پایان دوره نحوه برگزاری: آنلاین (گوگل میت)همه مباحث و مهارتهای این دوره (حتی نرمافزارهای R) کاملا از پایه آموزش داده میشود و پیشنیاز ندارد! آخرین مهلت استفاده از تخفیف زودهنگام ثبتنام، تا پایان روز ۳۰ مرداد ۱۴۰۵ است.️ تخفیف دانشجویی️ تخفیف ثبت نام گروهیامکان پرداخت قسطی لینک ثبتنام: d-learn.ir/ascu?utm=tlgتماس:*
t.me/dlearnsup 02188349244 09103209837@dlearn_ir
فایل 63.5 MB — بزرگتر از ۲۰ مگابایت