نشان دادن خدمات مشتری عالی، رزومه و راهنمایی حضور در رسانه های اجتماعی را به زبان آموزانی که به دنبال شغلی در خدمات مشتری هستند، ارائه می دهد. این به شما امکان می دهد رزومه خود را برای موقعیت خدمات مشتری بهینه کنید و برای اولین مصاحبه خود آماده باشید. علاوه بر این، دانش خود را که در دوره های قبلی در برنامه به دست آورده اید، در یک پروژه عملی به کار می گیرید که به شما امکان می دهد مهارت هایی را که در هر دوره آموخته اید نشان دهید. -در پایان دوره، شما قادر خواهید بود: - ایجاد تعاملات مثبت با مشتریان - تنش زدایی با مشتریان -ایجاد راه حل برای مشکلات مشتری -نقش های مختلف در خدمات مشتری مرکز تماس را شرح دهید برای موفقیت در این دوره توصیه می شود که چهار دوره اول این برنامه را بگذرانید.

آیا می خواهید با خلاقیت و خوش بینی بیشتری به آینده فکر کنید؟ آیا می‌خواهید ببینید چه چیزی سریع‌تر می‌آید، بنابراین بهتر می‌توانید برای اختلالات آماده باشید و آینده خود را کنترل کنید؟ آیا می خواهید در تغییر آنچه امروز امکان پذیر است - در شرکت، صنعت، جامعه و زندگی خود، بهتر شوید؟ این دوره شما را با عمل تفکر آینده آشنا می کند، همانطور که در 50 سال گذشته توسط موسسه برای آینده، یک گروه تحقیقاتی و یادگیری مبتنی بر دره سیلیکون که در سال 1968 تأسیس شد، توسعه و اعمال شده است. در این دوره، شما می توانید درک شما از آینده‌اندیشی چیست و چه کاری می‌توانید با آن انجام دهید. شما بر تکنیک های آینده نگری ضروری تسلط خواهید داشت. با چند آینده پژوه حرفه ای آشنا خواهید شد. و یک یا چند موضوع آینده را که می‌خواهید با مهارت‌های آینده‌نگاری جدید خود بررسی کنید، انتخاب خواهید کرد. این دوره برای کسانی است که می خواهند فرصت های نوآوری و اختراع را سریعتر تشخیص دهند. شما می توانید مهارت ها و اعتماد به نفس را به دست آورید تا به شما کمک کند به جای اینکه اجازه دهید آینده برای شما اتفاق بیفتد، تبدیل به فردی شوید که آینده را می سازد. با تشکر فراوان از بنیاد Enlight و Enlight Collaborative که برای حمایت از ایجاد این دوره کمک مالی ارائه کردند.

این دوره روش‌های استنتاج آماری رایج را برای داده‌های عددی و طبقه‌ای پوشش می‌دهد. شما یاد خواهید گرفت که چگونه تست های فرضیه را تنظیم و انجام دهید، مقادیر p را تفسیر کنید، و نتایج تجزیه و تحلیل خود را به گونه ای گزارش کنید که برای مشتریان یا عموم قابل تفسیر باشد. با استفاده از مثال های داده های متعدد، یاد خواهید گرفت که تخمین های کمیت ها را به گونه ای گزارش کنید که عدم قطعیت کمیت مورد علاقه را بیان کند. 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. این دوره ابزارهای عملی را برای انجام تجزیه و تحلیل داده ها معرفی می کند و مفاهیم اساسی لازم برای تفسیر و گزارش نتایج را برای داده های دسته بندی و عددی بررسی می کند.

این دوره یک چارچوب تحلیلی برای کمک به شما در ارزیابی مشکلات کلیدی به روشی ساختاریافته ارائه می‌کند و شما را با ابزارهایی برای مدیریت بهتر عدم قطعیت‌هایی که فرآیندهای کسب‌وکار را فرا گرفته و پیچیده می‌کنند، مجهز می‌کند. برای این منظور، این دوره با بحث در مورد دو موضوع اساسی، ایده‌های آماری را پوشش می‌دهد که برای مدیران اعمال می‌شود: اول، شناخت و توصیف تغییرات موجود در هر چیزی که در اطراف ما وجود دارد، و سپس مدل‌سازی و تصمیم‌گیری در حضور این تغییرات. مفاهیم اساسی مورد مطالعه در این دوره در بسیاری از کلاس ها و محیط های تجاری دیگر دوباره ظاهر می شوند. تمرکز ما بر تفسیر معنای نتایج در یک محیط تجاری و مدیریتی خواهد بود. در حالی که شما با برخی از علوم آنچه تدریس می شود آشنا خواهید شد، تمرکز بر روی استفاده از روش ها خواهد بود. این امر از طریق استفاده از اکسل و استفاده از مجموعه داده ها از رشته های مختلف انجام می شود و به شما امکان می دهد استفاده از آمار را در تنظیمات بسیار متنوع مشاهده کنید. این دوره نه تنها بر توضیح این مفاهیم بلکه درک معنای نتایج به دست آمده نیز تمرکز خواهد داشت. شما قادر خواهید بود: • باورهای مربوط به یک جمعیت را آزمایش کنید • تفاوت بین جمعیت ها را مقایسه کنید • از مدل رگرسیون خطی برای پیش بینی استفاده کنید • برای تجزیه و تحلیل آماری از Excel استفاده کنید این دوره بخشی از مجموعه برنامه های آنلاین کالج تجارت Gies، از جمله iMBA و iMSM است. درباره پذیرش در این برنامه‌ها بیشتر بیاموزید و بررسی کنید که چگونه می‌توان در صورت پذیرش در یک برنامه تحصیلی در https://degrees.giesbusiness.illinois.edu/idegrees/ از کار Coursera شما استفاده کرد.

این دوره زمینه های اصلی آمار را معرفی می کند که در تجارت و چندین ماژول MBA مفید خواهد بود. روش های مختلفی برای ارائه داده ها، احتمالات و برآوردهای آماری را پوشش می دهد. شما می توانید درک خود را در حین پیشرفت آزمایش کنید، در حالی که اگر می خواهید به خودتان فشار بیاورید، محتوای پیشرفته تری در دسترس است. این دوره بخشی از یک تخصص از دانشگاه لندن است که برای کمک به توسعه و ایجاد مهارت‌های ضروری تجاری، دانشگاهی و فرهنگی لازم برای موفقیت در تجارت بین‌المللی یا تحصیل بیشتر طراحی شده است. در صورت تکمیل موفقیت آمیز، گواهی شما از این تخصص نیز می تواند به عنوان بخشی از فرآیند درخواست برای برنامه جهانی MBA دانشگاه لندن، به ویژه برای متقاضیان شغلی اولیه استفاده شود. اگر اطلاعات بیشتری در مورد MBA جهانی می خواهید، لطفاً به https://mba.london.ac.uk/ مراجعه کنید. این دوره توسط CMI تایید شده است

مقدمه‌ای بر آماری که در پشت محبوب‌ترین پروژه‌های علم داده ژنومی قرار دارد. این ششمین دوره در تخصص علم ژنومیک داده های بزرگ از دانشگاه جان هاپکینز است.

این دوره آمار بیزی را توصیف می کند که در آن استنباط فرد در مورد پارامترها یا فرضیه ها به عنوان شواهد جمع آوری می شود. شما یاد خواهید گرفت که از قانون بیز برای تبدیل احتمالات قبلی به احتمالات بعدی استفاده کنید و با نظریه و چشم انداز اساسی پارادایم بیزی آشنا شوید. این دوره روش‌های بیزی را برای چندین مسئله عملی به کار می‌گیرد تا تحلیل‌های بیزی سرتاسری را نشان دهد که از چارچوب‌بندی سؤال به ساخت مدل‌ها تا استخراج احتمالات قبلی به پیاده‌سازی در R (نرم‌افزار آماری رایگان) توزیع آخری نهایی حرکت می‌کند. علاوه بر این، این دوره به معرفی مناطق معتبر، مقایسه بیزی از میانگین ها و نسبت ها، رگرسیون بیزی و استنتاج با استفاده از مدل های متعدد و بحث در مورد پیش بینی بیزی می پردازد. ما فرض می‌کنیم که فراگیران در این دوره، دانش پیش‌زمینه‌ای معادل آنچه در سه دوره قبلی در این تخصص ارائه شده است، دارند: «مقدمه‌ای بر احتمالات و داده‌ها»، «آمار استنباطی» و «رگرسیون خطی و مدل‌سازی».

این دوره رویکرد بیزی به آمار را معرفی می کند که با مفهوم احتمال شروع می شود و به تجزیه و تحلیل داده ها می رود. ما در مورد فلسفه رویکرد بیزی و همچنین نحوه پیاده سازی آن برای انواع رایج داده ها خواهیم آموخت. ما رویکرد بیزی را با رویکرد متداول‌تر آموزش داده شده مقایسه می‌کنیم و برخی از مزایای رویکرد بیزی را مشاهده می‌کنیم. به طور خاص، رویکرد بیزی امکان حسابداری بهتر عدم قطعیت، نتایجی که معنای شهودی و قابل تفسیر بیشتری دارند، و اظهارات صریح تری از مفروضات را فراهم می کند. این دوره فیلم های سخنرانی، نمایش های کامپیوتری، خواندن، تمرین ها و تابلوهای بحث را برای ایجاد یک تجربه یادگیری فعال ترکیب می کند. برای محاسبات، می‌توانید از مایکروسافت اکسل یا بسته آماری منبع باز و آزادانه R، با محتوای معادل برای هر دو گزینه استفاده کنید. این سخنرانی ها برخی از پیشرفت های اساسی ریاضی و همچنین توضیحاتی در مورد فلسفه و تفسیر را ارائه می دهد. تکمیل این دوره به شما درکی از مفاهیم رویکرد بیزی، درک تفاوت‌های کلیدی بین رویکردهای بیزی و مکرر، و توانایی انجام تجزیه و تحلیل داده‌های پایه را می‌دهد.

این پروژه اصلی برای تخصص آمار بیزی در UC سانتا کروز است. این فرصتی است برای شما تا طیف گسترده ای از مهارت ها و دانش را در آمار بیزی نشان دهید و آنچه را که می دانید در داده های دنیای واقعی به کار ببرید. شما مفاهیم اساسی در آمار بیزی را با ویدئوهای سخنرانی و آزمون ها مرور خواهید کرد و تجزیه و تحلیل داده های پیچیده ای را انجام می دهید و گزارشی از روش ها و نتایج خود تهیه می کنید.

این دوره برای تمرین و مشتاق دانشمندان داده و آمار. این چهارمین توالی چهار دوره ای است که مبانی آمار بیزی را معرفی می کند. این بر اساس دوره آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها، تکنیک ها و مدل ها، و مدل های مخلوط است. تجزیه و تحلیل سری های زمانی با مدل سازی وابستگی بین عناصر یک دنباله از متغیرهای زمانی مرتبط است. برای موفقیت در این دوره باید با احتمالات مبتنی بر حساب دیفرانسیل و انتگرال، اصول تخمین حداکثر درستنمایی و استنتاج بیزی آشنا باشید. شما یاد خواهید گرفت که چگونه مدل هایی بسازید که می توانند وابستگی های زمانی را توصیف کنند و چگونه استنتاج و پیش بینی بیزی را برای مدل ها انجام دهید. شما آنچه را که آموخته اید با نرم افزار منبع باز و رایگان در دسترس R با پایگاه داده های نمونه اعمال خواهید کرد. مربی شما راکل پرادو شما را از مفاهیم اولیه برای مدل‌سازی داده‌های وابسته به زمانی تا اجرای کلاس‌های خاصی از مدل‌ها راهنمایی می‌کند.

این دومین مورد از یک دنباله دو دوره ای است که مبانی آمار بیزی را معرفی می کند. این بر اساس دوره آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها است که روش های بیزی را با استفاده از مدل های مزدوج ساده معرفی می کند. داده‌های دنیای واقعی اغلب به مدل‌های پیچیده‌تری برای رسیدن به نتایج واقعی نیاز دارند. این دوره با هدف گسترش "جعبه ابزار بیزی" ما با مدل های عمومی تر و تکنیک های محاسباتی متناسب با آنها است. به طور خاص، ما روش‌های مونت کارلوی زنجیره مارکوف (MCMC) را معرفی می‌کنیم که امکان نمونه‌گیری از توزیع‌های پسینی را که هیچ راه‌حل تحلیلی ندارند، می‌سازد. ما از نرم افزار منبع باز و رایگان در دسترس R (برخی تجربه فرض می شود، به عنوان مثال، تکمیل دوره قبلی در R) و JAGS (بدون نیاز به تجربه) استفاده خواهیم کرد. ما یاد خواهیم گرفت که چگونه مدل های آماری بیزی را بسازیم، برازش کنیم، ارزیابی کنیم و مقایسه کنیم تا به سوالات علمی شامل داده های پیوسته، باینری و شمارش پاسخ دهیم. این دوره فیلم های سخنرانی، نمایش های کامپیوتری، خواندن، تمرین ها و تابلوهای بحث را برای ایجاد یک تجربه یادگیری فعال ترکیب می کند. این سخنرانی‌ها برخی از پیشرفت‌های ریاضی پایه، توضیحاتی در مورد فرآیند مدل‌سازی آماری، و چند تکنیک مدل‌سازی اساسی که معمولاً توسط آماردانان استفاده می‌شود، ارائه می‌دهد. نمایش‌های رایانه‌ای راه‌حل‌های دقیق و عملی را ارائه می‌دهند. تکمیل این دوره به شما امکان می دهد تا به طیف گسترده ای از ابزارهای تحلیلی بیزی دسترسی داشته باشید که بر اساس داده های شما قابل تنظیم هستند.

آمار بیزی: مدل های مخلوط شما را با دسته مهمی از مدل های آماری آشنا می کند. این دوره در پنج ماژول سازماندهی شده است که هر کدام شامل فیلم های سخنرانی، آزمون های کوتاه، خواندن پس زمینه، پیشنهادات بحث و یک یا چند تکالیف بررسی شده است. بهتر است آمار را با انجام آن یاد بگیرید، نه فقط با تماشای یک ویدیو، بنابراین ساختار این دوره به شما کمک می کند تا از طریق برنامه یاد بگیرید. برخی از تمرین ها نیاز به استفاده از R، یک بسته نرم افزاری آماری رایگان دارند. یک آموزش مختصر ارائه شده است، اما ما شما را تشویق می کنیم که در صورت علاقه از بسیاری از منابع دیگر آنلاین برای یادگیری R استفاده کنید. این دوره در سطح متوسط ​​است و پس از هربی لی "آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها" و "آمار بیزی: تکنیک ها و مدل ها" متیو هاینر، سومین دوره در سری UC سانتا کروز در مورد آمار بیزی طراحی شده است. برای موفقیت در دوره، باید اطلاعاتی در مورد احتمالات مبتنی بر حساب دیفرانسیل و انتگرال، اصول تخمین حداکثر احتمال، و تخمین بیزی داشته باشید.

درک آمار برای درک تحقیق در علوم اجتماعی و رفتاری ضروری است. در این دوره با اصول آمار آشنا می شوید. نه فقط نحوه محاسبه آنها، بلکه نحوه ارزیابی آنها. این دوره همچنین شما را برای دوره بعدی در تخصص - دوره آمار استنباطی - آماده می کند. در بخش اول دوره به روش های آمار توصیفی می پردازیم. شما یاد خواهید گرفت که موارد و متغیرها چیست و چگونه می توانید معیارهای گرایش مرکزی (میانگین، میانه و حالت) و پراکندگی (انحراف استاندارد و واریانس) را محاسبه کنید. در ادامه، نحوه ارزیابی روابط بین متغیرها را مورد بحث قرار می دهیم و مفاهیم همبستگی و رگرسیون را معرفی می کنیم. بخش دوم این دوره به مبانی احتمال مربوط می شود: محاسبه احتمالات، توزیع های احتمال و توزیع های نمونه. برای درک نحوه عملکرد آمار استنباطی باید در مورد این موارد بدانید. بخش سوم دوره شامل مقدمه‌ای بر روش‌های آمار استنباطی است - روش‌هایی که به ما کمک می‌کنند تصمیم بگیریم آیا الگوهایی که در داده‌هایمان می‌بینیم به اندازه کافی قوی هستند تا در مورد جمعیت زیربنایی مورد علاقه ما نتیجه‌گیری کنیم. ما در مورد فواصل اطمینان و آزمون های اهمیت شما نه تنها در مورد تمام این مفاهیم آماری یاد خواهید گرفت، بلکه آموزش می بینید که خودتان با استفاده از نرم افزارهای آماری در دسترس، این آمار را محاسبه و تولید کنید.

تعداد شاخص های ترکیبی که در سطح بین المللی ساخته و مورد استفاده قرار می گیرند بسیار سریع در حال رشد است. اما در حالی که پیچیدگی تکنیک های کمی به طور چشمگیری افزایش یافته است، آموزش و پرورش در این زمینه طولانی و عقب مانده است. در نتیجه، این اعداد ساده، که انتظار می رود موضوعات کاملاً پیچیده را ترکیب کنند، اغلب به مردم ارائه می شوند و در بحث های سیاسی بدون تأکید مناسب بر محدودیت های ذاتی و تفسیرهای صحیح آنها استفاده می شوند. در این دوره در مورد آمار جهانی که توسط دانشگاه ژنو به طور مشترک با ETH Zürich KOF ارائه شده است، شما با رویکرد کلی ساخت شاخص های ترکیبی و برخی از مشکلات ناشی از آن آشنا خواهید شد. ما در مورد ویژگی های فنی، ساختار داخلی (مانند تجمع، وزن، پایداری سری های زمانی)، داده های اولیه استفاده شده و روش های انتخاب متغیر بحث خواهیم کرد. این مفاهیم با استفاده از نمونه‌ای از محبوب‌ترین شاخص‌های ترکیبی نشان داده می‌شوند. ما سعی خواهیم کرد نه تنها به سوالات آماری بپردازیم، بلکه بر تمایز بین شاخص های سیاست محور، رسانه و پارادایم محور نیز تمرکز کنیم.

آمار کسب و کار و تجزیه و تحلیل Capstone فرصتی برای اعمال مهارت های مختلف توسعه یافته در چهار دوره تخصصی در داده های زندگی واقعی است. Capstone با همکاری یک شریک صنعتی از «داده‌های مسکن» در دسترس عموم استفاده می‌کند تا سؤالات مختلفی را که معمولاً مشتری برای یک تحلیلگر داده مطرح می‌کند، مطرح کند. وظیفه شما این است که تجزیه و تحلیل آماری مربوطه را انجام دهید و یافته های خود را در پاسخ به سؤالات به گونه ای گزارش کنید که همه بتوانند آن را درک کنند. لطفاً به یاد داشته باشید که این یک Capstone است و درجه سختی/ابهام بیشتری نسبت به چهار دوره قبلی دارد. هدف این است که تا حد امکان از یک برنامه زندگی واقعی تقلید کنید.

قدم به دنیای Amazon Aurora: Best Practices دوره آموزشی، جایی که نحوه استفاده از تکنیک های بهینه آمازون آرورا برای افزایش مقرون به صرفه بودن و بهینه سازی عملکرد پایگاه داده را بررسی خواهید کرد. در طول این دوره، شما کاربردهای خاص صنعت Aurora را بررسی خواهید کرد و به اصول پایگاه داده و بهترین شیوه های آن می پردازید. در پایان این دوره، شما قادر خواهید بود: - ویژگی های اصلی، مزایا و معماری Amazon Aurora را خلاصه کنید. - روند ایجاد و مدیریت پشتیبان‌گیری برای پایگاه‌های داده Aurora را نشان دهید. - راه اندازی محاسبات بدون سرور در Aurora را بررسی کنید و موارد استفاده دقیق آن را بررسی کنید. - اجرای اقدامات امنیتی و نظارت را از طریق خدمات AWS در آمازون آرورا نشان دهید. - تجزیه و تحلیل جزئیات استراتژی استقرار آبی/سبز برای دستیابی به مهارت در اجرای به روز رسانی یکپارچه. - استفاده از بهترین شیوه ها برای افزایش کارایی هزینه و بهینه سازی عملکرد پایگاه داده. این دوره کوتاه برای تازه کارها، مدیران پایگاه داده، توسعه دهندگان نرم افزار، معماران AWS، توسعه دهندگان AWS و متخصصان فناوری اطلاعات طراحی شده است که به دنبال افزایش مهارت های پایگاه داده AWS خود هستند. تجربه قبلی با خدمات DBMS، EC2، S3، RDS و Basics of Aurora مفید است اما برای این دوره لازم نیست. یک سفر آموزشی را برای تبدیل شدن به یک استاد آمازون آرورا آغاز کنید و همزمان با یادگیری بهترین شیوه های آن و افزایش تخصص خود در مدیریت پایگاه داده AWS.

"پیشرفت" چیست؟ چگونه تصمیم می گیریم زمانی که به جلو حرکت می کنیم و گامی به عقب بر نمی داریم؟ و چگونه می‌توانیم ایده پیشرفت در اطراف مکان‌های عمومی حافظه را بررسی کنیم؟ این آموزش دعوتی است برای فکر کردن در مورد معنای پیشرفت و اینکه چگونه می توانید در هر کجا که هستید - در شهر، جامعه یا محله خود - به دنبال آن بگردید و ایده های خود را در مورد مکانی که در آن زندگی می کنید فکر کنید. تغییرات در محیط ساخته شده جوامع ما خود نتیجه اقدامات و نیات انسانی است، مانند برنامه ریزی شهرداری، شرکت های تجاری، یا جوامعی که فضای خود را تغییر می دهند. به عبارت دیگر، در شهرهایمان می‌توانیم نتایج برنامه‌هایمان را ببینیم - تلاش‌هایمان برای ایجاد و شکل‌دهی آینده. همسایه‌ها، گروه‌های سیاسی، شرکت‌ها، دولت‌ها، مدارس و سایر سازمان‌ها، همگی جامعه را شکل می‌دهند و ردپایی از خود به جای می‌گذارند که به ما اجازه می‌دهد ببینیم که آنها در چه جهتی زندگی ما را متحول کردند. این آموزش سوالات زیر را مطرح خواهد کرد: • چه نیروهایی هستند که مکان هایی را که در آن زندگی می کنیم شکل می دهند و تغییر می دهند؟ • مردم چگونه با مکان های شهرهای مدرن ما ارتباط برقرار می کنند؟ • آیا مکان ها پیشرفت می کنند؟ • چگونه می توانیم در آنها اندازه گیری کنیم که آیا "پیشرفت" وجود دارد؟ ما با تعدادی از افرادی که در آتلانتا، جورجیا کار می کنند، مصاحبه خواهیم کرد، اما سوالات و مکان هایی که در اینجا خواهیم دید با بسیاری از مکان های دیگر در جهان در مورد معنای پیشرفت قابل مقایسه است. در این آموزش یاد خواهید گرفت که چگونه تاریخ فضاهای عمومی را در هر جامعه ای بیابید و چگونه بر ایده پیشرفت فکر کنید. در نهایت، می‌توانید به یک مکالمه بپیوندید تا درباره آنچه که هم در خودمان و هم در جوامعمان کاوش شده، کشف شده و احتمالاً تغییر کرده است، بحث کنید. یک آموزش عبارت است از: - یک رویداد - در یک دوره زمانی ثابت و کوتاه اتفاق می افتد - یک فرصت - برای مشارکت رایگان برای همه در سراسر جهان باز است - یک جامعه - تعداد زیادی از افراد متنوع به آن خواهند پیوست - یک گفتگو - فرصتی برای دادن و گرفتن ایده و اطلاعات از مردم این رویداد یادگیری جامعه از شرکت کنندگان از سراسر جهان دعوت می کند تا در گفتگو با جامعه پردیس اموری، از جمله کارشناسان دانشکده، گرد هم آیند. این آموزش بخشی از تعهد Emory برای مشارکت دادن جامعه محلی و جهانی در کاوش و درک مشکلات، رویدادها و پدیده هایی است که برای جامعه ما مهم است. Teach-Out ها که از دانشگاه میشیگان (Teach-Out.org) سرچشمه می گیرند، تجارب آموزشی کوتاهی هستند که بر یک موضوع فعلی خاص متمرکز شده اند. شرکت کنندگان در طی چند روز نه تنها برای یادگیری یک موضوع یا رویداد بلکه برای کسب مهارت ها گرد هم می آیند. برنامه‌های آموزشی به روی جهان باز است و برای گرد هم آوردن افراد با دیدگاه‌های گسترده در گفتگوی محترمانه و عمیق طراحی شده‌اند. این رویدادها فرصتی برای فراگیران مختلف و بسیاری از کارشناسان است تا گرد هم آیند تا از یکدیگر سؤال بپرسند و راه حل های جدیدی برای نگرانی های مبرم جامعه جهانی ما کشف کنند. بیا، به گفتگو بپیوند!

این Teach-Out یادگیرندگان را با هوش مصنوعی آشنا می‌کند و نحوه عملکرد مدل‌های زبان بزرگ و ربات‌های چت مانند ChatGPT را توضیح می‌دهد. استفاده اخلاقی از هوش مصنوعی، پیامدهای تألیف، و چگونگی استفاده از ابزارهایی مانند ChatGPT را بهتر درک خواهید کرد. ChatGPT در نوامبر 2022 راه اندازی شد تا وظایف پردازش زبان طبیعی مانند ترجمه، خلاصه سازی متن و تولید متن را بهبود بخشد. ظرف پنج روز پس از انتشار، ChatGPT از 1 میلیون کاربر گذشت. با دو ماه، از 100 میلیون کاربر فراتر رفت. بلافاصله پس از راه‌اندازی آن، نگرانی‌هایی در مورد پیامدهای اخلاقی استفاده از ChatGPT، به‌ویژه در آموزش، شروع شد. این Teach-Out متخصصان دانشگاه میشیگان را در زمینه فناوری ارتباطات، اقتصاد، هوش مصنوعی، پردازش زبان طبیعی، ارائه مراقبت‌های بهداشتی و قانون گرد هم می‌آورد تا درباره تأثیرات ChatGPT در حال حاضر و آینده بحث کند. این آموزش پاسخ خواهد داد: - ChatGPT چیست و چگونه کار می کند؟ - مزایا و معایب استفاده از ChatGPT چیست؟ - استفاده از ChatGPT چه پیامدهای قانونی دارد؟ - جامعه، اقتصاد و آموزش چگونه به ChatGPT پاسخ داده اند؟ - چگونه ChatGPT می تواند در جامعه رو به جلو ادغام شود؟ کلیه محتویات این Teach-Out به استثنای تصویر دوره دارای مجوز CC BY-SA هستند.

شواهد نشان می دهد که به ازای هر 10 تا 20 دستور حفاظت از خطر شدید (ERPO) که صادر می شود، 1 جان نجات می یابد. ERPOها دستورات مدنی قانونی صادر می‌شوند که به افراد در خط مقدم اجازه می‌دهد از دادگاه بخواهند که از خرید یا داشتن اسلحه گرم توسط شخصی که در معرض خطر قریب‌الوقوع آسیب به خود یا دیگران است، در یک دوره بحرانی خطر جلوگیری کند. از اکتبر 2020، قوانین ERPO توسط 19 ایالت و ناحیه کلمبیا وضع شده است و در حالی که برخی از جنبه ها بر اساس ایالت متفاوت است، روند کلی برای درخواست و صدور ERPO کاملا مشابه است. در این آموزش، تیمی متشکل از کارشناسان بهداشت عمومی، سیاست‌گذاری و پزشکی هر یک دیدگاه منحصربه‌فردی برای موارد زیر ارائه می‌کنند: 1. تعریف کنید که قوانین ERPO چیست و چگونه کار می کنند. 2. به اشتراک گذاشتن شواهد علمی حمایت از قوانین ERPO به عنوان یک رویکرد بهداشت عمومی برای جلوگیری از خشونت اسلحه و خودکشی. 3. ملاحظات خاصی را برای کسانی که واجد شرایط درخواست برای دادخواست (معروف به کسانی هستند که از دادگاه درخواست صدور ERPOها از طرف یک فرد را دارند) توصیف کنید - از جمله مجریان قانون، متخصصان بهداشت و اعضای خانواده شخصی. 4. در مورد روند قانونی تصویب، اجرا و اجرای قوانین ERPO بحث کنید. 5. پیشنهاد فعالیت‌های فراخوان برای اقدام خاص برای یادگیرندگان طراحی شده برای تشویق سیاست‌گذاران به اجرای قوانین ERPO در ایالت‌های بدون قوانین ERPO و تقویت قوانین موجود ERPO در ایالت‌هایی که قبلاً آنها را دارند. و 6. فرصت هایی را برای فراگیران فراهم کنید تا در گفتمان مدنی و اقدام جمعی برای افزایش آگاهی در مورد ERPO ها شرکت کنند و یادگیرندگان را برای حمایت از قوانین ERPO برای کاهش و جلوگیری از خشونت اسلحه در جوامع ما تقویت کنند.

امنیت یک سازمان از اهمیت بالایی برخوردار است و هر یک از کارکنان سازمان نقش حیاتی در دفاع در برابر تهدیدات سایبری ایفا می کنند. یکی از بهترین راه‌ها برای محافظت از سازمان، ایجاد یک طرح آموزشی آگاهی از امنیت در سطح شرکت است. این دوره یک برنامه آموزشی کامل آگاهی از امنیت پایه است که طیف گسترده ای از موضوعات را برای تقریباً هر نوع کاربر نهایی و سطح زبان آموز پوشش می دهد. این محتوا به گونه ای طراحی شده است که به سازمان ها اجازه می دهد تا بتوانند یک برنامه آموزشی جامع ارائه دهند تا به آنها کمک کند از دارایی های اطلاعاتی خود در برابر تهدیدات محافظت کنند. این آموزش تقریباً 2 ساعت طول می کشد و به گونه ای جذاب طراحی شده است که بر اساس سناریوهای واقعی ممکن است کارکنان با آن مواجه شوند. آموزش مدولار است و نیازی به انجام یک جلسه نیست. سرفصل های ارائه شده در این دوره به شرح زیر است: • اهمیت امنیت • امنیت داده و حساب • رمزهای عبور • امنیت شبکه و موبایل • بدافزار • مهندسی اجتماعی