<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>مصورسازی داده &#8211; مدرسه پردازش و تحلیل داده دقیقه</title>
	<atom:link href="https://d-learn.ir/course-tag/data_visualization/feed/" rel="self" type="application/rss+xml" />
	<link>https://d-learn.ir</link>
	<description>یادگیری گام به گام علوم داده و تحلیل داده</description>
	<lastBuildDate>Tue, 06 Oct 2026 14:45:30 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://d-learn.ir/wp-content/uploads/2021/10/cropped-Picture1-e1633785514326-150x150.png</url>
	<title>مصورسازی داده &#8211; مدرسه پردازش و تحلیل داده دقیقه</title>
	<link>https://d-learn.ir</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>مصورسازی داده با اکسل</title>
		<link>https://d-learn.ir/courses/excel-viz/</link>
		
		<dc:creator><![CDATA[مجید پورکاشانی]]></dc:creator>
		<pubDate>Tue, 06 Oct 2026 14:45:51 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=11505</guid>

					<description><![CDATA[<p>اکسل یکی از پرکاربرترین ابزارهای کار با داده است که در عین سادگی، برای مدیریت داده‌های محدود و تحلیل‌های توصیفی بسیار قدرتمند است. یکی از جنبه‌های این قدرتمندی، قابلیت مصورسازی در اکسل است که مجموعه متنوعی از نمودارها با امکان قالب‌بندی و شخصی‌سازی گرافیکی را ارائه می‌کند. در این درس ابتدا به معرفی اصول مصورسازی داده خواهیم پرداخت و سپس با ذکر مثال‌های متعدد روش‌های مصورسازی در اکسل را می‌آموزیم.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/excel-viz/">مصورسازی داده با اکسل</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>اکسل یکی از پرکاربرترین ابزارهای کار با داده است که در عین سادگی، برای مدیریت داده‌های محدود و تحلیل‌های توصیفی بسیار قدرتمند است. یکی از جنبه‌های این قدرتمندی، قابلیت مصورسازی در اکسل است که مجموعه متنوعی از نمودارها با امکان قالب‌بندی و شخصی‌سازی گرافیکی را ارائه می‌کند. در این درس ابتدا به معرفی اصول مصورسازی داده خواهیم پرداخت و سپس با ذکر مثال‌های متعدد روش‌های مصورسازی در اکسل را می‌آموزیم.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/excel-viz/">مصورسازی داده با اکسل</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>مصورسازی داده با seaborn</title>
		<link>https://d-learn.ir/courses/seaborn/</link>
		
		<dc:creator><![CDATA[ساجده فدائی]]></dc:creator>
		<pubDate>Tue, 06 Oct 2026 14:44:26 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=82114</guid>

					<description><![CDATA[<p>در دنیای علوم داده، داشتن یک ابزار قدرتمند برای بصری‌سازی اطلاعات نه‌تنها مفید است، بلکه ضروری‌ست. کتابخانه‌ی Seaborn دقیقاً همان ابزار هوشمند و زیبایی‌محور است که به شما کمک می‌کند تا داده‌ها را نه‌فقط ببینید، بلکه درک کنید و با دیگران به‌اشتراک بگذارید. Seaborn یک کتابخانه‌ی سطح‌بالا برای رسم نمودارهای آماری در پایتون است که بر پایه‌ی Matplotlib ساخته شده و با کتابخانه‌ی Pandas به‌خوبی سازگار است. این ابزار با استفاده از استایل‌های پیش‌فرض زیبا، انتخاب رنگ‌های حرفه‌ای، و توابع ساده‌سازی‌شده به شما اجازه می‌دهد داده‌ها را به شکلی چشم‌نواز و قابل‌تحلیل تجسم کنید</p>
<p>در این دوره، با شیوه‌های مؤثر بصری‌سازی داده‌ها آشنا خواهیم شد و یاد می‌گیریم چگونه با استفاده از ابزارهای قدرتمند گرافیکی، اطلاعات خام را به‌صورت تصاویر گویا و قابل‌درک نمایش دهیم. همچنین با نکات کاربردی و ظرایف مهمی در طراحی نمودارها و ارائه‌ی حرفه‌ای داده‌ها آشنا می‌شویم—تا بتوانیم پیام خود را با دقت، وضوح و جذابیت بیشتری منتقل کنیم.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/seaborn/">مصورسازی داده با seaborn</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>در دنیای علوم داده، داشتن یک ابزار قدرتمند برای بصری‌سازی اطلاعات نه‌تنها مفید است، بلکه ضروری‌ست. کتابخانه‌ی Seaborn دقیقاً همان ابزار هوشمند و زیبایی‌محور است که به شما کمک می‌کند تا داده‌ها را نه‌فقط ببینید، بلکه درک کنید و با دیگران به‌اشتراک بگذارید. Seaborn یک کتابخانه‌ی سطح‌بالا برای رسم نمودارهای آماری در پایتون است که بر پایه‌ی <a href="https://d-learn.ir/courses/matplotlib/">Matplotlib</a> ساخته شده و با کتابخانه‌ی <a href="https://d-learn.ir/courses/pandas-intro/">Pandas</a> به‌خوبی سازگار است. این ابزار با استفاده از استایل‌های پیش‌فرض زیبا، انتخاب رنگ‌های حرفه‌ای، و توابع ساده‌سازی‌شده به شما اجازه می‌دهد داده‌ها را به شکلی چشم‌نواز و قابل‌تحلیل تجسم کنید</p>
<p>در این دوره، با شیوه‌های مؤثر بصری‌سازی داده‌ها آشنا خواهیم شد و یاد می‌گیریم چگونه با استفاده از ابزارهای قدرتمند گرافیکی، اطلاعات خام را به‌صورت تصاویر گویا و قابل‌درک نمایش دهیم. همچنین با نکات کاربردی و ظرایف مهمی در طراحی نمودارها و ارائه‌ی حرفه‌ای داده‌ها آشنا می‌شویم—تا بتوانیم پیام خود را با دقت، وضوح و جذابیت بیشتری منتقل کنیم.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/seaborn/">مصورسازی داده با seaborn</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>مصورسازی داده با matplotlib</title>
		<link>https://d-learn.ir/courses/matplotlib/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Tue, 06 Oct 2026 14:43:55 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=36808</guid>

					<description><![CDATA[<p>کتابخانه Matplotlib یک بسته نرم‌افزاری پرکاربرد برای رسم نمودار در پایتون است. ایم کتابخانه قابلیت‌های زیادی در مصورسازی داده دارد و امکان ترسیم مجموعه متنوعی از نمودارها را در پایتون فراهم می‌کند و با ارائه خروجی‌های باکیفیت استفاده از تصاویر در نرم‌افزارهای تحلیلی و نسخه‌های چاپی را امکان‌پذیر می‌کند.<br />
در این درس علاوه بر آشنایی با امکانات کتابخانه matplotlib برای ترسیم نمودار، با برخی نکات کاربردی و ظرایف عملی مصورسازی داده برای ارائه موثر اطلاعات نیز آشنا خواهید شد.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/matplotlib/">مصورسازی داده با matplotlib</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/matplotlib/">مصورسازی داده با matplotlib</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل داده‌های دیوار</title>
		<link>https://d-learn.ir/courses/rslisting/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:00:56 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=91561</guid>

					<description><![CDATA[<p>پروژه پایانی «تحلیل داده‌ آگهی‌های دیوار»، فرصتی است برای تجربه‌ی چرخه‌ی کامل تحلیل داده بر بستر یک مجموعه‌ی واقعی و بزرگ از داده‌های منتشرشده در پلتفرم دیوار — یکی از پربازدیدترین بازارهای آنلاین ایران. این پروژه بر پایه‌ی داده‌های بیش از یک میلیون آگهی املاک طراحی شده است؛ داده‌هایی که بازتابی زنده از رفتار اقتصادی، قیمت‌گذاری، ترجیحات کاربران و پویایی‌های بازار مسکن در ایران‌اند. در این پروژه، شما با مراحل اساسی پروژه‌های علوم داده از پاک‌سازی و تحلیل اکتشافی تا مدلسازی، خوشه‌بندی و پردازش زبان طبیعی در محیط پایتون آشنا می‌شوند و می‌آموزند چگونه از داده‌های خام، بینش‌های معنادار و ارزشمند از منظر کسب‌وکار استخراج کنند.</p>
<p>در طول پروژه، شما گام‌به‌گام با پرسش‌هایی واقعی روبه‌رو می‌شوید: از ارزیابی کیفیت داده و کشف الگوهای قیمتی گرفته تا خوشه‌بندی املاک و پیش‌بینی قیمت آگهی‌ها. همچنین، با استفاده از متن آگهی‌ها و روش‌های NLP، مدلی برای تشخیص نوع ملک و نوع کاربر (شخصی یا مشاور املاک) ساخته می‌شود تا هوشمندی پنهان در زبان طبیعی آگهی‌ها آشکار شود. هدف نهایی این پروژه آن است که نشان دهد چگونه ترکیب تحلیل داده، یادگیری ماشین و پردازش زبان‌های طبیعی می‌تواند به درکی عمیق‌تر از موضوعات واقعی منجر شود و مسیر تصمیم‌گیری مبتنی بر داده را برای ذی‌نفعان مختلف در یک بازار هموار کند.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/rslisting/">تحلیل داده‌های دیوار</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p data-start="274" data-end="920">پروژه «تحلیل داده‌ آگهی‌های دیوار»، فرصتی است برای تجربه‌ی چرخه‌ی کامل تحلیل داده بر بستر یک مجموعه‌ی واقعی و بزرگ از داده‌های منتشرشده در پلتفرم <strong data-start="454" data-end="463">دیوار</strong> — یکی از پربازدیدترین بازارهای آنلاین ایران. این پروژه بر پایه‌ی داده‌های بیش از یک میلیون آگهی املاک طراحی شده است؛ داده‌هایی که بازتابی زنده از رفتار اقتصادی، قیمت‌گذاری، ترجیحات کاربران و پویایی‌های بازار مسکن در ایران‌اند. در این پروژه، شما با مراحل اساسی پروژه‌های علوم داده از پاک‌سازی و تحلیل اکتشافی تا مدلسازی، خوشه‌بندی و پردازش زبان طبیعی در محیط پایتون آشنا می‌شوند و می‌آموزند چگونه از داده‌های خام، بینش‌های معنادار و ارزشمند از منظر کسب‌وکار استخراج کنند.</p>
<p data-start="922" data-end="1464">در طول پروژه، شما گام‌به‌گام با پرسش‌هایی واقعی روبه‌رو می‌شوید: از ارزیابی کیفیت داده و کشف الگوهای قیمتی گرفته تا خوشه‌بندی املاک و پیش‌بینی قیمت آگهی‌ها. همچنین، با استفاده از متن آگهی‌ها و روش‌های NLP، مدلی برای تشخیص نوع ملک و نوع کاربر (شخصی یا مشاور املاک) ساخته می‌شود تا هوشمندی پنهان در زبان طبیعی آگهی‌ها آشکار شود. هدف نهایی این پروژه آن است که نشان دهد چگونه ترکیب تحلیل داده، یادگیری ماشین و پردازش زبان‌های طبیعی می‌تواند به درکی عمیق‌تر از موضوعات واقعی منجر شود و مسیر تصمیم‌گیری مبتنی بر داده را برای ذی‌نفعان مختلف در یک بازار هموار کند.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/rslisting/">تحلیل داده‌های دیوار</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل داده‌های اشتغال زنان در ایران: تلاش برای کشف متغیرهای همبسته و روابط معنادار؛ ارائه ایده‌های راهگشا</title>
		<link>https://d-learn.ir/courses/iran-wmn-emplymnt-da/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Sun, 28 Jun 2026 10:53:56 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=98606</guid>

					<description><![CDATA[<p>اشتغال زنان یکی از مسائل ریشه‌دار و تاریخی در ایران است. آمارهای گوناگون نشان می‌دهد مشارکت اقتصادی و نرخ اشتغال زنان در ایران پایین‌تر از بسیاری کشورهای دیگر است. در این پروژه باید تلاش کنید با استفاده از داده‌های عمومی و در دسترس مانند آخرین سرشماری مرکز آمار و دیگر داده‌های مرکز آمار مانند داده‌های هزینه و درآمد (<a title="داده‌های هزینه و درآمد خانوار مرکز آمار ایران" href="https://d-learn.ir/iran-hbs/" target="_blank" rel="noopener">+</a>) و داده‌های بازار کار مرکز آمار این پدیده را در سطح استان و شهرستان توضیح دهید و بگویید چه متغیرهایی با اشتغال زنان همبستگی و احیانا رابطه معنادار دارد. به عنوان نمونه آیا متغیرهایی مانند سن، جمعیت، میزان شهرنشینی و درصد جمعیت تحصیل‌کرده و مانند آن‌ها با اشتغال زنان همبستگی دارد؟ آیا این روابط برای مردان نیز به همین صورت است؟<br />
پس از آزمودن رابطه متغیرهای مختلف با اشتغال زنان، آن‌ها را در یک مدل رگرسیون قرار دهید و رابطه آن‌ها با اشتغال زنان را در حضور یکدیگر تحلیل و نتایج را گزارش کنید.<br />
آیا می‌توانید نتایج به دست آمده را با استفاده از آمارهای تجمیع‌شده با بیان ساده‌تری ارائه کنید؟<br />
پس از تحلیل درخواست‌شده و گزارش نتایج، تحلیل خود درباره موضوع را ارائه کنید و با اتکا به نتایج به دست‌آمده ایده‌هایی برای تدوین سیاست‌های جدید به منظور افزایش اشتغال زنان پیشنهاد کنید.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/iran-wmn-emplymnt-da/">تحلیل داده‌های اشتغال زنان در ایران: تلاش برای کشف متغیرهای همبسته و روابط معنادار؛ ارائه ایده‌های راهگشا</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>اشتغال زنان یکی از مسائل ریشه‌دار و تاریخی در ایران است. آمارهای گوناگون نشان می‌دهد مشارکت اقتصادی و نرخ اشتغال زنان در ایران پایین‌تر از بسیاری کشورهای دیگر است. در این پروژه باید تلاش کنید با استفاده از داده‌های عمومی و در دسترس مانند آخرین سرشماری مرکز آمار و دیگر داده‌های مرکز آمار مانند داده‌های هزینه و درآمد (<a title="داده‌های هزینه و درآمد خانوار مرکز آمار ایران" href="https://d-learn.ir/iran-hbs/" target="_blank" rel="noopener">+</a>) و داده‌های بازار کار مرکز آمار این پدیده را در سطح استان و شهرستان توضیح دهید و بگویید چه متغیرهایی با اشتغال زنان همبستگی و احیانا رابطه معنادار دارد. به عنوان نمونه آیا متغیرهایی مانند سن، جمعیت، میزان شهرنشینی و درصد جمعیت تحصیل‌کرده و مانند آن‌ها با اشتغال زنان همبستگی دارد؟ آیا این روابط برای مردان نیز به همین صورت است؟<br />
پس از آزمودن رابطه متغیرهای مختلف با اشتغال زنان، آن‌ها را در یک مدل رگرسیون قرار دهید و رابطه آن‌ها با اشتغال زنان را در حضور یکدیگر تحلیل و نتایج را گزارش کنید.<br />
آیا می‌توانید نتایج به دست آمده را با استفاده از آمارهای تجمیع‌شده با بیان ساده‌تری ارائه کنید؟<br />
پس از تحلیل درخواست‌شده و گزارش نتایج، تحلیل خود درباره موضوع را ارائه کنید و با اتکا به نتایج به دست‌آمده ایده‌هایی برای تدوین سیاست‌های جدید به منظور افزایش اشتغال زنان پیشنهاد کنید.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/iran-wmn-emplymnt-da/">تحلیل داده‌های اشتغال زنان در ایران: تلاش برای کشف متغیرهای همبسته و روابط معنادار؛ ارائه ایده‌های راهگشا</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>دوره جامع تحلیل داده با R</title>
		<link>https://d-learn.ir/courses/r4dahv/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Thu, 28 Aug 2025 05:35:20 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=87382</guid>

					<description><![CDATA[<p>این برنامه آموزشی برای کسانی طراحی شده که در کار و تحقیقات خود از تحلیل داده استفاده کنند، اما پیش‌زمینه‌هایی مثل کد‌نویسی و آمار ندارند. محتوای این دورۀ آموزشی با رویکردی کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را با حل مسئله و تمرین به کار بگیرند و در مسائل واقعی از آن‌ها‌ استفاده کنند. </p>
<p>ابزار اصلی در این دوره آموزشی R است. R ابزار محبوب تحلیل داده در میان بسیاری از دانش‌آموختگان آمار، ریاضیات کاربردی، علوم انسانی و همینطور علوم تجربی در دنیاست و یادگیری آن شما را به جامعه بزرگی از تحلیلگران و پژوهشگران وصل خواهد کرد. کار با این ابزار در این دوره آموزشی به طور کامل آموزش داده خواهد شد و در تحلیل‌های گوناگون مورد استفاده قرار خواهد گرفت تا درک روش‌های کمّی و مفاهیم انتزاعی را آسان و ملموس‌ کند. </p>
<p>در این دوره علاوه بر حل مسأله و تمرین در طول دوره در هر یک از موضوعات، یک پروژه گروهی نیز در پایان ارائه خواهد شد تا با انجام آن آموخته‌های خود را به صورت جدی‌تری محک بزنید. در طول دوره جلسات حل تمرین و رفع اشکال به صورت مستمر برگزار خواهد شد تا مسائل و مشکلات خود را با پشتیبان‌های آموزشی مطرح کنید. </p>
<p>اگر دنبال یک دوره آموزشی با تمرین و چالش و حل مسئله برای یادگیری تحلیل داده هستید، این دوره آموزشی برای شماست!</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/r4dahv/">دوره جامع تحلیل داده با R</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p dir="rtl">این برنامه آموزشی برای کسانی طراحی شده که در کار و تحقیقات خود از تحلیل داده استفاده کنند، اما پیش‌زمینه‌هایی مثل کد‌نویسی و آمار ندارند. محتوای این دورۀ آموزشی با رویکردی کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را با حل مسئله و تمرین به کار بگیرند و در مسائل واقعی از آن‌ها‌ استفاده کنند.</p>
<p dir="rtl">ابزار اصلی در این دوره آموزشی R است. R ابزار محبوب تحلیل داده در میان بسیاری از دانش‌آموختگان آمار، ریاضیات کاربردی، علوم انسانی و همینطور علوم تجربی در دنیاست و یادگیری آن شما را به جامعه بزرگی از تحلیلگران و پژوهشگران وصل خواهد کرد. کار با این ابزار در این دوره آموزشی به طور کامل آموزش داده خواهد شد و در تحلیل‌های گوناگون مورد استفاده قرار خواهد گرفت تا درک روش‌های کمّی و مفاهیم انتزاعی را آسان و ملموس‌ کند.</p>
<p dir="rtl">در این دوره علاوه بر حل مسأله و تمرین در طول دوره در هر یک از موضوعات، یک پروژه گروهی نیز در پایان ارائه خواهد شد تا با انجام آن آموخته‌های خود را به صورت جدی‌تری محک بزنید. در طول دوره جلسات حل تمرین و رفع اشکال به صورت مستمر برگزار خواهد شد تا مسائل و مشکلات خود را با پشتیبان‌های آموزشی مطرح کنید.</p>
<p dir="rtl">اگر دنبال یک دوره آموزشی با تمرین و چالش و حل مسئله برای یادگیری تحلیل داده هستید، این دوره آموزشی برای شماست!</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/r4dahv/">دوره جامع تحلیل داده با R</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>بررسی رابطه بین سطح تحصیلات و اشتغال</title>
		<link>https://d-learn.ir/courses/edu_emp_interaction/</link>
		
		<dc:creator><![CDATA[حمیده حسین‌زاده]]></dc:creator>
		<pubDate>Thu, 19 Oct 2023 07:54:41 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=56593</guid>

					<description><![CDATA[<p>اشتغال یکی از مهمترین مسائل در اقتصاد هر کشور است. ایجاد اشتغال پایدار فاکتور مهمی برای رضایتمندی مردم و رونق اقتصاد است. </p>
<p>یکی از عواملی که در اشتغال تاثیر مهمی دارد سطح تحصیلات جامعه است. مشاغل جدید در مقایسه با گذشته به سطوح بالاتری از دانش و مهارت احتیاج دارند. افراد از اغلب زمینه‌های اجتماعی-اقتصادی از آموزش‌هایی که دریافت کرده‌اند برای یافتن شغل استفاده کنند.</p>
<p>به همین خاطر انتظار می‌رود افراد با تحصیلات بالاتر احتمال بیشتری برای اشتغال داشته باشند و یا شغل ایجاد کنند.  </p>
<p>بررسی رابطه بین سطح تحصیلات و اشتغال یک فرآیند پیچیده است که نیاز به تحلیل طیف گسترده‌ای از داده‌ها دارد. با این حال، تحلیل داده‌های تجمیع‌شده و کلی نیز می‌تواند اطلاعات ارزشمندی در مورد وضعیت اقتصادی و اجتماعی یک کشور ارائه دهد. بررسی رابطه تحصیلات و اشتغال، می‌تواند سیاست‌هایی را برای بهبود رابطه آموزش و اشتغال و تقویت اقتصاد کشور پیشنهاد دهد. این سیاست‌ها می تواند شامل موارد زیر باشد:</p>
<p>سرمایه‌گذاری‌های هدفمند در آموزش و پرورش و آموزش عالی برای ایجاد اشتغال<br />
طراحی، حمایت و برنامه‌ریزی از برنامه‌های آموزشی منتهی به اشتغال<br />
تسهیل دسترسی به آموزش‌های لازم برای نقاط نیازمند</p>
<p>در این پروژه با استفاده از داده‌های مركز ملی آمار ایران به تحلیل این مساله می‌پردازیم</p>
<p>اهداف پروژه :</p>
<p>کار با داده‌های واقعی<br />
پردازش و تجمیع داده‌ها<br />
انجام تحلیل‌های اکتشافی و مصورسازی داده‌ها<br />
مدل‌سازی مساله</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/edu_emp_interaction/">بررسی رابطه بین سطح تحصیلات و اشتغال</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p><span style="font-weight: 400"><code></code>اشتغال یکی از مهمترین مسائل در اقتصاد هر کشور است. ایجاد اشتغال پایدار فاکتور مهمی برای رضایتمندی مردم و رونق اقتصاد است. </span></p>
<p><span style="font-weight: 400">یکی از عواملی که در اشتغال تاثیر مهمی دارد سطح تحصیلات جامعه است. مشاغل جدید در مقایسه با گذشته به سطوح بالاتری از دانش و مهارت احتیاج دارند. افراد از اغلب زمینه‌های اجتماعی-اقتصادی از آموزش‌هایی که دریافت کرده‌اند برای یافتن شغل استفاده کنند.</span></p>
<p><span style="font-weight: 400">به همین خاطر انتظار می‌رود افراد با تحصیلات بالاتر احتمال بیشتری برای اشتغال داشته باشند و یا شغل ایجاد کنند.  </span></p>
<p><span style="font-weight: 400">بررسی رابطه بین سطح تحصیلات و اشتغال یک فرآیند پیچیده است که نیاز به تحلیل طیف گسترده‌ای از داده‌ها دارد. با این حال، تحلیل داده‌های تجمیع‌شده و کلی نیز می‌تواند اطلاعات ارزشمندی در مورد وضعیت اقتصادی و اجتماعی یک کشور ارائه دهد. بررسی رابطه تحصیلات و اشتغال، می‌تواند سیاست‌هایی را برای بهبود رابطه آموزش و اشتغال و تقویت اقتصاد کشور پیشنهاد دهد. این سیاست‌ها می تواند شامل موارد زیر باشد:</span></p>
<ul>
<li style="font-weight: 400"><span style="font-weight: 400">سرمایه‌گذاری‌های هدفمند در آموزش و پرورش و آموزش عالی برای ایجاد اشتغال</span></li>
<li style="font-weight: 400"><span style="font-weight: 400">طراحی، حمایت و برنامه‌ریزی از برنامه‌های آموزشی منتهی به اشتغال</span></li>
<li style="font-weight: 400"><span style="font-weight: 400">تسهیل دسترسی به آموزش‌های لازم برای نقاط نیازمند</span></li>
</ul>
<p>در این پروژه با استفاده از داده‌های مرکز ملی آمار ایران به تحلیل این مساله می‌پردازیم</p>
<p>اهداف پروژه :</p>
<ul style="list-style-type: circle">
<li>کار با داده‌های واقعی</li>
<li>پردازش و تجمیع داده‌ها</li>
<li>انجام تحلیل‌های اکتشافی و مصورسازی داده‌ها</li>
<li>مدل‌سازی مساله<code></code></li>
</ul>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/edu_emp_interaction/">بررسی رابطه بین سطح تحصیلات و اشتغال</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل آمار فوت اضافه در داده‌های ثبت احوال برای تخمین کرونا</title>
		<link>https://d-learn.ir/courses/excess-mortality-covid19/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Wed, 18 Oct 2023 16:30:01 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=56549</guid>

					<description><![CDATA[<p>یکی از روش‌های برای متداول در بررسی‌های آماری مقایسه تاثیر مقدار موجود یک شاخص با مقدار مورد انتظار آن در صورت عدم وجود عوامل مداخله‌گر است. این شیوه از ارزیابی تاثیر عوامل مختلف وقتی ثبت و اندازه‌گیری مستقیم مقادیر به علت گستردگی و هزینه امکان‌پذیر نباشد کاربرد فراوانی دارد. همه‌گیری کرونا یک نمونه قابل توجه برای پیاده‌سازی بررسی‌هایی از این جنس است. در دوره کرونا افراد زیادی در دنیا بر اثر ابتلا به این ویروس جان خود را از دست دادند. اما گستره جغرافیایی ابتلا و فوت بر اثر ابتلا به اندازه‌ای بزرگ‌ بود که احراز، ثبت و گزارش سریع آن به راحتی امکان‌پذیر نبود. به همین خاطر کشورها برای اطلاع از وضعیت عمومی بیماری به تخمین غیرمستقیم آمار فوت کرونا با استفاده از داده‌های فوت روی آوردند.<br />
در این پروژه خواهیم دید چگونه می‌توان بدون مراجعه به آمار کرونا و تنها با استفاده از داده‌های ثبت احوال آمار فوت کرونا را تخمین زد و به وسیله آن وضعیت کرونا را در کشور تحلیل کرد.</p>
<p>The Art Work by Saira Malik Rahman</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/excess-mortality-covid19/">تحلیل آمار فوت اضافه در داده‌های ثبت احوال برای تخمین کرونا</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/excess-mortality-covid19/">تحلیل آمار فوت اضافه در داده‌های ثبت احوال برای تخمین کرونا</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل داده‌های تحصیلات در سرشماری ۱۳۹۵</title>
		<link>https://d-learn.ir/courses/iran-census-degree/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Sun, 17 Sep 2023 10:48:53 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=54200</guid>

					<description><![CDATA[<p>بسیاری ظرایف پردازش و تحلیل داده به راحتی در آموزش‌های کلاسیک به دست نمی‌آید و تنها در مواجهه با مسائل واقعی خودشان را نشان می‌دهند. یادگیری این موارد غیر از روش و ابزار نیازمند پرورش ذهنیت مناسب برای حل مسأله است. در پروژه «تحلیل داده‌های تحصیلات در سرشماری 1395» تلاش می‌کنیم تا این موارد در خلال مواجهه با داده‌های سرشماری به صورت گام به گام و طبقه‌بندی شده یاد بگیریم. </p>
<p>تصویر فوق Road To Higher Education اثر Steve Dininno Road است.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/iran-census-degree/">تحلیل داده‌های تحصیلات در سرشماری ۱۳۹۵</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/iran-census-degree/">تحلیل داده‌های تحصیلات در سرشماری ۱۳۹۵</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>آشنایی با Power BI</title>
		<link>https://d-learn.ir/courses/powerbi-intro/</link>
		
		<dc:creator><![CDATA[زهرا دوخائی]]></dc:creator>
		<pubDate>Sun, 06 Feb 2022 12:25:55 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=6038</guid>

					<description><![CDATA[<p>هوش تجاری فرآیندی است که در طی آن اطلاعات قابل اطمینان و قابل استفاده از مجموعه‌داده‌های موجود استخراج می‌شود و در زمان مناسب در اختیار افراد مناسب گذارده می‌شود تا مبنای تصمیم‌گیری آن‌ها قرار گیرد. هدف از هوش تجاری موارد زیر است:</p>
<p>•        کاوش برای الگوهای ناپیدا<br />
•        پیدا کردن نقصان‌ها در فرآیند کسب‌وکار<br />
•        تشخیص حوزه‌ها و بخش‌های دارای نقاط قوت و ضعف<br />
•        تسریع و بهبود فرآیند تصمیم‌گیری مبتنی بر داده<br />
•        ردیابی فرصت‌های جدید</p>
<p>هوش تجاری ترجمه‌ی اصطلاح Business Intelligence است که بطور مخفف BI گفته می‌شود. BI در انتهای نام Power BI نیز به همین اشاره دارد.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/powerbi-intro/">آشنایی با Power BI</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
					<div data-elementor-type="wp-post" data-elementor-id="6038" class="elementor elementor-6038" data-elementor-post-type="courses">
											<content:encoded><![CDATA[		<section class="elementor-section elementor-top-section elementor-element elementor-element-79152c95 elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="79152c95" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-element elementor-element-759c0700 elementor-align-center elementor-widget elementor-widget-etlms-course-title tutor-addon etlms-course-title" data-id="759c0700" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-title.default">
				<div class="elementor-widget-container">
					<h2 class="tutor-course-details-title tutor-fs-4 tutor-fw-bold tutor-color-black tutor-mt-12 tutor-mb-0"> 
					<span>عنوان دوره</span>
			</h2>				</div>
				</div>
				<section class="elementor-section elementor-inner-section elementor-element elementor-element-183220da elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="183220da" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-10e69482" data-id="10e69482" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-781c1937 elementor-widget elementor-widget-shortcode" data-id="781c1937" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><span class="tutor-course-difficulty-level tutor-course-loop-level intermediate">درس</span></div>
						</div>
				</div>
					</div>
		</div>
				<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-2ece3706" data-id="2ece3706" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-37674d3e elementor-widget elementor-widget-shortcode" data-id="37674d3e" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><div class="tutor-course-loop-meta">
                <div class="tutor-single-loop-meta">
                    <span>42</span>
                    <i class="tutor-icon-user"></i>
                </div>
                <div class="tutor-single-loop-meta">
                    <i class="tutor-icon-clock"></i> 
                    <span dir="rtl">12 ساعت</span>
                </div>
            </div></div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				<div class="elementor-column elementor-col-66 elementor-top-column elementor-element elementor-element-59dbf089" data-id="59dbf089" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
							</div>
		</div>
				<div class="elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-7cbc79c9" data-id="7cbc79c9" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<section class="elementor-section elementor-inner-section elementor-element elementor-element-147a859d elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="147a859d" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-100 elementor-inner-column elementor-element elementor-element-4f806e00" data-id="4f806e00" data-element_type="column" data-e-type="column" data-settings="{&quot;background_background&quot;:&quot;classic&quot;}">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-5300179a elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="5300179a" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				<div class="elementor-element elementor-element-6b0750ab elementor-widget-divider--separator-type-pattern elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="6b0750ab" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider" style="--divider-pattern-url: url(&quot;data:image/svg+xml,%3Csvg xmlns=&#039;http://www.w3.org/2000/svg&#039; preserveAspectRatio=&#039;none&#039; overflow=&#039;visible&#039; height=&#039;100%&#039; viewBox=&#039;0 0 24 24&#039; fill=&#039;none&#039; stroke=&#039;black&#039; stroke-width=&#039;1&#039; stroke-linecap=&#039;square&#039; stroke-miterlimit=&#039;10&#039;%3E%3Cpolyline points=&#039;0,6 6,6 6,18 18,18 18,6 24,6 	&#039;/%3E%3C/svg%3E&quot;);">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
				<div class="elementor-element elementor-element-4aa18b8e elementor-align-center elementor-layout-row elementor-widget elementor-widget-etlms-course-categories tutor-addon etlms-course-categories" data-id="4aa18b8e" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-categories.default">
				<div class="elementor-widget-container">
												</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				</div>
		<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/powerbi-intro/">آشنایی با Power BI</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
