این دوره روش های مختلف پیش بینی کسب و کار سری های زمانی را بررسی می کند. این دوره انواع روش‌های پیش‌بینی کسب‌وکار را برای انواع مختلف مؤلفه‌های موجود در داده‌های سری زمانی - سطح، روند و فصلی، پوشش می‌دهد. با روش های تئوری آشنا می شویم و این روش ها را با استفاده از مایکروسافت اکسل در داده های تجاری اعمال می کنیم. این روش‌های پیش‌بینی در مایکروسافت اکسل برنامه‌ریزی می‌شوند، به صورت گرافیکی نمایش داده می‌شوند و ما این مدل‌ها را برای تولید پیش‌بینی‌های دقیق بهینه‌سازی می‌کنیم. ما مدل‌های مختلف و پیش‌بینی‌های آن‌ها را با هم مقایسه می‌کنیم تا تصمیم بگیریم کدام مدل به بهترین وجه با نیازهای کسب‌وکار ما مطابقت دارد.

این دوره سفر شما به سمت ایجاد تجربیات واقعیت مجازی را آغاز می کند. تجربه واقعیت مجازی دنیای جدیدی است که شما وارد آن می‌شوید و کاملاً در آن غوطه‌ور می‌شوید. ایجاد یک تجربه VR به معنای ایجاد آن جهان و تمام اشیاء موجود در آن است. در این دوره شما اصول گرافیک سه بعدی را یاد می گیرید: چگونه اشیاء را ایجاد می کنیم و چگونه آنها را برای ایجاد یک محیط قرار می دهیم. شما تکنیک هایی مانند مواد و بافت را یاد خواهید گرفت که اشیاء شما را واقع گرایانه نشان می دهد. شما همچنین در مورد تکنیک های صوتی یاد خواهید گرفت تا مطمئن شوید که تجربیات شما عالی به نظر می رسد و همچنین عالی به نظر می رسد. در همه این موضوعات، ما به الزامات خاص واقعیت مجازی، از جمله مشکلات و مسائل مربوط به عملکرد، توجه خواهیم کرد: اطمینان از اینکه محیط شما به اندازه کافی سریع در VR اجرا می شود. همه اینها را با استفاده از بازی حرفه ای و موتور VR Unity3D یاد خواهید گرفت. Unity یکی از پرکاربردترین موتورهای بازی است و مقدمه ای نسبتاً آسان، اما کاملاً برجسته برای توسعه سه بعدی است. این دوره در پروژه ای به پایان می رسد که در آن شما صحنه VR خود را ایجاد خواهید کرد. توسعه VR چیزی است که فقط با انجام آن خودتان می توانید یاد بگیرید، بنابراین کار روی پروژه شما بهترین راه برای یادگیری خواهد بود.

این دوره در درجه اول برای دانشجویان سال سوم و چهارم کارشناسی یا دانشجویان کارشناسی ارشد علاقه مند به یادگیری تکنیک های شبیه سازی برای حل مشکلات تجاری است. این دوره شما را با مسائل روزمره و پیچیده کسب و کار آشنا می کند که به دلیل عدم قطعیت هایی که در محیط های تجاری وجود دارد، پاسخ صحیحی ندارند. مدل سازی شبیه سازی به ما امکان می دهد تا نتایج مختلف را بررسی کنیم و از منافع شخصی یا تجاری در برابر نتایج ناخواسته محافظت کنیم. ما می توانیم عدم قطعیت ها را با استفاده از مفاهیم احتمال و تفکر گام به گام مدل سازی کنیم. تفکر گام به گام به ما این امکان را می دهد که مشکل را در اجزای کوچکتر تجزیه کنیم، وابستگی های بین رویدادهای مرتبط را بررسی کنیم و به ما امکان می دهد روی جنبه هایی از مشکل که به دلیل عدم قطعیت های آینده مستعد تغییر هستند تمرکز کنیم. این دوره شما را با تکنیک های پیشرفته اکسل برای مدل سازی و اجرای مدل های شبیه سازی آشنا می کند. بسیاری از تکنیک های Excel آموخته شده در این دوره فراتر از مدل سازی شبیه سازی مفید خواهند بود. ما هر دو تکنیک شبیه‌سازی مونت کارلو را که در آن نتیجه کلی مورد علاقه اولیه است و شبیه‌سازی رویداد گسسته را که در آن وابستگی‌های میانی بین رویدادهای مرتبط ممکن است مورد توجه باشد، یاد خواهیم گرفت. این دوره شما را با چندین موضوع کاربردی در مدل سازی شبیه سازی آشنا می کند که معمولاً در کتاب های درسی پوشش داده نمی شوند. این دوره از چند مثال در حال اجرا در طول دوره برای نشان دادن مفاهیم و ارائه نمونه های مدل سازی عینی استفاده می کند. پس از گذراندن دوره، دانش آموز می تواند مدل های شبیه سازی نسبتاً پیشرفته ای را برای کشف طیف وسیعی از محیط های تجاری و نتایج ایجاد کند.

بلاک چین یک فناوری نوظهور و بسیار مخرب است که به خوبی درک نشده است. در این دوره آموزشی یاد خواهید گرفت که بلاک چین چیست و چگونه می تواند با توکن سازی در ارزهای دیجیتال و در بسیاری از کاربردهای عملی دیگر ارزش ایجاد کند. این برنامه ها عبارتند از: استیبل کوین (مانند جی پی کوین فیسبوک لیبرا و جی پی مورگان)، پرداخت ماشین به ماشین، حفاظت از هویت، مدیریت زنجیره تامین (والمارت، مرسک، آی بی ام)، رای گیری امن، مبادلات توزیع شده، تامین مالی غیرمتمرکز، نقل و انتقال اموال، ارزهای دیجیتال فیات بانک مرکزی (به عنوان مثال، فدکوین و رنمینبی دیجیتال چین)، توزیع داروهای نسخه‌ای، سوابق خصوصی، مالکیت معنوی، گزارش‌های مالی، و رسانه‌ها و تبلیغات. اهداف این دوره عبارتند از: (1) ارائه درک پیشرفته از فن آوری های مختلف بلاک چین. (2) موقعیت‌های تجاری خاص را که در آن فناوری بلاک چین می‌تواند برای حل مشکلات مهم استقرار یابد، تعیین کند. (iii) فناوری بلاک چین خاصی را انتخاب کنید که بهترین شانس موفقیت را برای یک مشکل خاص دارد. و (IV) جزئیات خطرات ارائه شده توسط این فن آوری جدید.

مدل‌های کسب‌وکار دیجیتال شرکت‌های 50 ساله را در ارتباطات راه دور، حمل‌ونقل، تبلیغات، تجارت الکترونیک، خودروسازی، بیمه و بسیاری از صنایع دیگر مختل می‌کنند. این دوره به بررسی مدل‌های کسب‌وکار اخلالگران نرم‌افزاری غرب مانند اپل، گوگل، فیس‌بوک و آمازون و شرق مانند شیائومی و وی چت می‌پردازد. این کلاس از یک چارچوب ساختاریافته برای تجزیه و تحلیل مدل‌های کسب‌وکار با مثال‌های متعدد استفاده می‌کند تا دانش‌آموزان بتوانند آن را در کسب و کار یا مطالعه موردی خود اعمال کنند. ما بررسی خواهیم کرد که چگونه توسعه دهندگان نرم افزار نه تنها مبتکران بلکه تصمیم گیرندگان در نبردهای رقابتی مدرن از موبایل تا ابر و از کالاهای مصرفی تا نرم افزارهای سازمانی هستند. و همچنین توضیح خواهیم داد که چگونه توسعه دهندگان موتور مدل های کسب و کار دیجیتال هستند، با استفاده از نمونه هایی از صنایع مختلف - از مراقبت های بهداشتی گرفته تا حمل و نقل هوایی.

این دوره به معرفی مفاهیم تفسیرپذیری و توضیح پذیری در کاربردهای یادگیری ماشین می پردازد. یادگیرنده تفاوت بین توضیحات کلی، محلی، مدل-آگنوستیک و مدل خاص را درک خواهد کرد. روش‌های توضیح‌پذیری پیشرفته مانند اهمیت ویژگی جایگشت (PFI)، توضیح‌های محلی قابل تفسیر مدل-آگنوستیک (LIME) و توضیح افزودنی SHapley (SHAP) توضیح داده شده‌اند و در طبقه‌بندی سری‌های زمانی اعمال می‌شوند. متعاقباً، توضیحات خاص مدل مانند نگاشت فعال‌سازی کلاس (CAM) و CAM با وزن گرادیان توضیح و پیاده‌سازی می‌شوند. فراگیران اسناد بدیهی و چرایی اهمیت آنها را درک خواهند کرد. در نهایت، مکانیسم‌های توجه قرار است بعد از لایه‌های بازگشتی گنجانده شوند و وزن‌های توجه برای تولید توضیحات محلی مدل تجسم خواهند شد.

هدف این دوره برای هر کسی است که علاقه مند به استفاده از تکنیک های یادگیری ماشینی در مسائل علمی است. در این دوره آموزشی، در مورد خط لوله یادگیری ماشینی کامل، از خواندن، تمیز کردن و تبدیل داده ها تا اجرای الگوریتم های یادگیری ماشینی اولیه و پیشرفته، خواهیم آموخت. ما با تکنیک های پیش پردازش داده ها مانند PCA و LDA شروع می کنیم. سپس، به الگوریتم های اساسی هوش مصنوعی می پردازیم: SVMs و K-means clustering. در طول راه، جعبه ابزار ریاضی و برنامه‌نویسی خود را می‌سازیم تا خود را برای کار با مدل‌های پیچیده‌تر آماده کنیم. در نهایت، روش‌های پیشرفته‌ای مانند جنگل‌های تصادفی و شبکه‌های عصبی را بررسی خواهیم کرد. در طول مسیر، از مجموعه داده های پزشکی و نجومی استفاده خواهیم کرد. در پروژه نهایی، ما مهارت های خود را برای مقایسه مدل های مختلف یادگیری ماشین در پایتون به کار خواهیم گرفت.

بهینه سازی شکل رایج تصمیم گیری است و در جامعه ما همه جا وجود دارد. کاربردهای آن از حل معماهای سودوکو تا چیدمان نشستن در یک ضیافت عروسی را شامل می شود. همین فناوری می تواند هواپیماها و خدمه آنها را برنامه ریزی کند، تولید فولاد را هماهنگ کند و حمل و نقل سنگ آهن را از معادن به بنادر سازماندهی کند. تصمیمات خوب در مدیریت نیروی انسانی و منابع مادی همچنین به شرکت ها اجازه می دهد تا میلیون ها دلار سود را بهبود بخشند. مشکلات مشابه نیز زیربنای بسیاری از زندگی روزمره ما است و بخشی از تعیین مسیرهای تحویل روزانه بسته ها، تنظیم جدول زمانی مدارس و رساندن برق به خانه هایمان است. علیرغم اهمیت اساسی آنها، همه این مشکلات یک کابوس برای حل با استفاده از روش های سنتی علوم کامپیوتر در مقطع کارشناسی هستند. این دوره برای دانش آموزانی در نظر گرفته شده است که مدل سازی پایه برای بهینه سازی گسسته را تکمیل کرده اند. در این دوره آموزشی، با بیان مسئله در یک زبان مدل‌سازی سطح بالا، و اجازه دادن به نرم‌افزار حل محدودیت کتابخانه بقیه کارها را در مورد حل مسائل بهینه‌سازی گسسته چالش‌برانگیز بیشتر خواهید آموخت. این دوره بر اشکال زدایی و بهبود مدل ها، کپسوله کردن بخش هایی از مدل ها در محمولات، و رفع مشکلات برنامه ریزی و بسته بندی پیشرفته تمرکز می کند. با تسلط بر این فناوری پیشرفته، قادر خواهید بود با مشکلاتی که قبلاً حل آنها غیر قابل تصور بود، مقابله کنید. ویدیوی تبلیغاتی دوره را اینجا ببینید: https://www.youtube.com/watch?v=hc3cBvtrem0&t=8s

به "مدلسازی رسمی کمی و تحلیل عملکرد بدترین حالت" خوش آمدید، یک دوره آموزشی محرک فکری که برای تقویت مهارت های تفکر انتزاعی شما در قلمرو علوم نظری کامپیوتر طراحی شده است. این دوره شما را دعوت می کند تا عمیقاً در دنیای تولید و مصرف توکن، یک رویکرد اساسی برای رفتار سیستم، غوطه ور شوید. در هنر رسمی کردن ریاضی این مفاهیم از طریق ترتیبات پیشوندی و توابع شمارش مسلط شوید. با پتری نت ها عمل کنید، تفاوت های ظریف زمان بندی را کاوش کنید و در پیچیدگی های زمان بندی سیستم های توکن کنکاش کنید. شما حتی یاد خواهید گرفت که در بدترین حالت تجزیه و تحلیل عملکرد بر روی نمودارهای جریان داده تک نرخی انجام دهید و معیارهای کلیدی مانند توان عملیاتی، تأخیر و بافر را بررسی کنید. چرا تمرکز بر نمونه های کوچک به جای سیستم های اندازه صنعتی؟ هدف در اینجا دو چیز است: اول، ما تلاش می‌کنیم توانایی شما برای تفکر انتزاعی و ریاضی در مورد مدل‌سازی و عملکرد را پرورش دهیم - مهارتی حیاتی برای مقابله با هر گونه چالش آینده در این زمینه. دوم، در حالی که تکنیک‌های جریان داده واقعاً برای صنعت قابل استفاده هستند، این دوره به عنوان یک آغازگر ضروری است که بر جریان داده تک نرخی، سنگ بنای تکنیک‌های پیشرفته‌تر جریان داده تمرکز دارد. و در اینجا یک امتیاز وجود دارد: این دوره بخشی از برنامه درسی ارزشمند ارزیابی کمی سیستم های جاسازی شده (QEES) است که تحت حمایت دانشگاه دیجیتال EIT و کنسرسیوم هلندی 3TU ارائه می شود. در حالی که آزمون QEES پیشرفته تر است، این دوره کاملاً منعکس کننده محتوای اولیه سه هفته ای آن است و تجربه آکادمیک قوی آنلاین را به شما ارائه می دهد. آماده اید تا تفکر انتزاعی خود را تیز کنید و به دنیای جذاب مدلینگ رسمی بپردازید؟ برای حفظ جایگاه خود همین حالا ثبت نام کنید.

ملاحظات زیادی وجود دارد که در مهندسی یک محصول جدید نقش دارد. صرف نظر از اینکه آن محصول چیست، وقتی صحبت از مدل‌سازی دیجیتال می‌شود، اصولی مانند فرم، تناسب و عملکرد وجود دارد. در این دوره، ما پایه و اساس ایجاد هر طرحی را می گذاریم و عمیقاً به موضوعاتی در مورد کنترل طرح می پردازیم. از اتصالات مونتاژ و محدودیت های اتصال گرفته تا اشکال پیچیده با استفاده از فرم ها، مطمئن باشید که طرح شما محکم خواهد بود. پس از اتمام این دوره، شما قادر خواهید بود: - یک مجموعه دنده مکانیکی ایجاد و رانندگی کنید. - ایجاد و اصلاح یک طرح مبتنی بر فرم. - از ابزار طراحی برای قطعات قالب گیری شده استفاده کنید. - نشان دادن مهارت در راه اندازی و ایجاد یک طرح. به دنبال دوره های آمادگی گواهینامه Autodesk Fusion 360 هستید؟ منابع آموزشی اضافی را بررسی کنید تا به شما کمک کند مهارت های خود را ارتقا دهید: https://www.autodesk.com/learning

این دوره همچنین می تواند برای اعتبار آکادمیک به عنوان ECEA 5709، بخشی از مدرک کارشناسی ارشد CU Boulder در مهندسی برق، اخذ شود. این دوره شماره 5 در تخصص مدلسازی و کنترل الکترونیک قدرت است. این دوره بر مدلسازی و کنترل الکترونیک قدرت متصل به شبکه متمرکز است. پس از اتمام دوره، شما قادر به درک، تجزیه و تحلیل، مدل‌سازی و طراحی یکسو کننده‌ها و اینورترهای کم هارمونیک که بارهای DC یا منابع برق dc مانند آرایه‌های فتوولتائیک را به شبکه تکفاز برق ac متصل می‌کنند، خواهید داشت. ما قویاً به دانشجویان توصیه می کنیم قبل از ثبت نام در این دوره، تخصص CU Boulder Power Electronics و همچنین دوره های شماره 1 (مدل سازی و شبیه سازی با سوئیچ متوسط) و شماره 4 (کنترل حالت فعلی) را قبل از ثبت نام در این دوره تکمیل کنند (شماره دوره های ارائه شده در زیر برای دانشجویان در این دوره است. برنامه MS-EE CU Boulder): ● مقدمه ای بر الکترونیک قدرت (ECEA 5700) ● مدارهای مبدل (ECEA 5701) ● کنترل مبدل (ECEA 5702) ● مدل‌سازی و شبیه‌سازی سوئیچ متوسط ​​(ECEA 5705) ● کنترل حالت جریان (ECEA 5708) پس از اتمام این دوره، شما قادر خواهید بود: ● اصول عملکرد یکسو کننده و اینورترهای کم هارمونیک و ضریب توان بالا را بدانید ● مدل‌سازی و طراحی حلقه‌های کنترل ولتاژ و شکل‌دهی جریان در یکسو کننده‌های تصحیح ضریب توان (PFC) ● مدل و طراحی حلقه های کنترل در اینورترهای تک فاز dc-to-ac ● طراحی سیستم های برق فتوولتائیک متصل به شبکه برق تک فاز AC ● از ابزارها و شبیه‌سازی‌های کامپیوتری برای تأیید طراحی یکسو کننده‌ها و اینورترها استفاده کنید.

بسیاری از آزمایش ها شامل عواملی هستند که سطوح آنها به طور تصادفی انتخاب می شوند. یک موقعیت شناخته شده مطالعه سیستم های اندازه گیری برای تعیین قابلیت آنها است. این دوره طراحی و تجزیه و تحلیل این نوع آزمایش ها از جمله روش های مدرن برای تخمین مولفه های تغییرپذیری در این سیستم ها را ارائه می دهد. این دوره همچنین آزمایش‌هایی با عوامل تودرتو، و آزمایش‌هایی با عواملی که به سختی تغییر می‌کنند که نیاز به طرح‌های تقسیم‌شده دارند را پوشش می‌دهد. ما همچنین یک نمای کلی از طرح‌ها برای آزمایش‌ها با توزیع پاسخ از توزیع‌های پاسخ غیرعادی و آزمایش‌ها با متغیرهای کمکی ارائه می‌کنیم.

در این دوره، شما: • APIهای عملکردی و ترتیبی را مقایسه کنید، مدل‌های جدیدی را که می‌توانید با Functional API بسازید، کشف کنید، و مدلی بسازید که خروجی‌های متعدد از جمله یک شبکه سیامی تولید کند. • توابع از دست دادن سفارشی (از جمله تابع تضاد متضاد مورد استفاده در شبکه سیامی) را بسازید تا میزان عملکرد یک مدل را اندازه گیری کنید و به شبکه عصبی شما کمک کنید تا از داده های آموزشی یاد بگیرد. • از لایه‌های استاندارد موجود برای ایجاد لایه‌های سفارشی برای مدل‌های خود بسازید، یک لایه شبکه را با لایه لامبدا سفارشی کنید، تفاوت‌های بین آن‌ها را درک کنید، بدانید چه چیزی یک لایه سفارشی را تشکیل می‌دهد و عملکردهای فعال‌سازی را بررسی کنید. • از مدل‌های موجود برای افزودن قابلیت‌های سفارشی بسازید، یاد بگیرید چگونه کلاس سفارشی خود را به جای استفاده از APIهای تابعی یا متوالی تعریف کنید، مدل‌هایی بسازید که می‌توانند از کلاس TensorFlow Model به ارث برده شوند، و از طریق تعریف کردن، یک شبکه باقی‌مانده (ResNet) بسازید. یک کلاس مدل سفارشی تخصص DeepLearning.AI TensorFlow: Advanced Techniques ویژگی‌های TensorFlow را معرفی می‌کند که به یادگیرندگان کنترل بیشتری بر معماری مدل و ابزارهایی می‌دهد که به آنها کمک می‌کند مدل‌های پیشرفته ML را ایجاد و آموزش دهند. این تخصص برای مهندسین نرم افزار و یادگیری ماشین در مراحل اولیه و اواسط حرفه ای با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مجموعه مهارت های خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساخت مدل های قدرتمند هستند.

آوردن یک مدل یادگیری ماشینی به دنیای واقعی بسیار بیشتر از مدل سازی است. این تخصص به شما می آموزد که چگونه در سناریوهای مختلف استقرار پیمایش کنید و از داده ها به طور مؤثرتری برای آموزش مدل خود استفاده کنید. این دوره دوم به شما می آموزد که چگونه مدل های یادگیری ماشین خود را در برنامه های تلفن همراه اجرا کنید. شما یاد خواهید گرفت که چگونه مدل‌هایی را برای دستگاه‌های کم‌مصرف با باتری آماده کنید، سپس مدل‌ها را در هر دو پلتفرم اندروید و iOS اجرا کنید. در نهایت، نحوه استقرار در سیستم‌های جاسازی شده با استفاده از TensorFlow در Raspberry Pi و میکروکنترلرها را بررسی خواهید کرد. این تخصص مبتنی بر تخصص TensorFlow در عمل ما است. اگر تازه وارد TensorFlow هستید، توصیه می کنیم ابتدا TensorFlow in Practice Specialization را انتخاب کنید. برای ایجاد درک عمیق تر و اساسی از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

آیا واقعاً فکر می کنیم که برای خودمان زندگی کرده ایم؟ شاید ما برای پول، عشق، شهرت، خانواده و غرور و غیره زندگی کرده ایم؟ بنابراین، با وجود اینکه پر از آن چیزها هستیم، به نظر نمی رسد راضی باشیم. به این دلیل است که ما خودمان را نمی شناسیم. اریک فروم در مورد طبیعت انسان به عنوان دو حالت وجود صحبت کرد: "داشتن" و "بودن". اگر ماهیت دارایی ها را «داشته باشیم» راضی نیستیم و احساس پوچی و بیهودگی می کنیم. سپس، چگونه می‌توانیم «بودن» ماهیت درون خود باشیم؟ گاهی اوقات اتفاقاً از این ماهیت «هستی» آگاه بودیم و سعی می‌کردیم خودمان را تغییر دهیم، اما شکست می‌خوردیم. اما، به دلیل کارهای روزمره ما، به راحتی فراموش می شود. و فرار از ذهن ناخواسته ای که ما را کنترل می کند سخت تر است. از این به بعد، بیایید به خودمان فکر کنیم و به ذهنمان منتهی به امروز نگاه کنیم! آیا پس از شناخت خود به اهداف خود نمی رسیم؟ و اجازه دهید ماهیت «هستی» خود اصلی خود را پس از فرار از ذهنی که ما را مهار و کنترل می کند، پیدا کنیم. در این سخنرانی تعریف و اصل ذهن به روش های ساده و واضح توضیح داده شده است. شما می توانید با فرار از ذهن کاذب مالکیت، روش یافتن ذهن اصلی واقعی درون خود را مطمئن و تمرین کنید. خود اندیشی اولین قدم برای مدیتیشن است. با مدیتیشن می توانید خود را به عینی ترین حالت بشناسید و متوجه خواهید شد که تمام افکار و اعمال ناشی از ذهن شماست که وجود ندارد و نادرست است. اگر ذهن کاذب را دور بریزید، ذهن واقعی را خواهید یافت. مدیتیشن اکنون یک احساس در سراسر جهان است. گزارش‌های تحقیقاتی زیادی وجود دارد که نشان می‌دهد اگر عادت به تأمل در خود از طریق مدیتیشن داشته باشید، افراد می‌توانند رهبر باشند. در حال حاضر مدیتیشن در مدرسه و محل کار محبوب است. خوشبختی یعنی نداشتن نگرانی اگر مجموعه ای از افکار وجود نداشته باشد، واقعاً می توانید خود را آرام کنید و زمانی می توانید موفق شوید که خود را واقعاً بشناسید. نگرانی ها از افکار حفظ شده ذهن کاذب ناشی می شوند. پتانسیل درونی قدرت مثبت شما آشکار می شود، آرام ترین و شادترین ذهن شما در ذهن شما خواهد بود و می توانید از طریق مدیتیشن به زندگی خود بپردازید. این روش مدیتیشن بسیار کاربردی است و همه می توانند از این روش پیروی کنند. به عنوان یک مهندس، من شما را گام به گام برای تمرین این مدیتیشن راهنمایی می کنم. من مطمئن هستم که این سخنرانی نقطه عطفی در زندگی شما می شود.

به دوره بعدی ما در تخصص بهداشت مدرسه خوش آمدید: مدیریت ADHD، اوتیسم، اختلالات یادگیری و ضربه مغزی در مدرسه. در این دوره با شایع ترین اختلالات رشدی و رفتاری کودکان مانند ADHD، اختلال طیف اوتیسم، اختلالات یادگیری و ضربه مغزی آشنا خواهید شد. ما بر این تمرکز خواهیم کرد که چگونه مدارس می توانند با شناخت علائم رایج و درک فرآیند تشخیص از کودکان حمایت کنند. شما با سناریوهایی آشنا می شوید که تجربه دست اول پزشک را در کار با کودکان مبتلا به ADHD فراهم می کند. ما گزینه های مدیریت شایع ترین اختلالات رشدی و رفتاری را بررسی خواهیم کرد. در مرحله بعد، دو ماژول مصاحبه را بررسی خواهیم کرد که در مورد اوتیسم و ​​اختلالات یادگیری بحث می کنند. در نهایت، در مورد اینکه ضربه مغزی چیست، علائم و نحوه درمان چیست بحث خواهیم کرد خود را آماده کنید تا در مورد شایع ترین اختلالات رشدی و رفتاری که کودکان را تحت تاثیر قرار می دهد آشنا شوید.

"این دوره به شما می آموزد که چگونه Google AppSheet را مدیریت کنید، یک پلت فرم توسعه برنامه بدون کد. در این دوره، یاد می گیرید که چگونه یک استراتژی انتشار AppSheet را در شرکت خود برنامه ریزی کنید. همچنین می آموزید که چگونه تیم های AppSheet را با استفاده از مدل استاندارد یا سازمانی مدیریت کنید و چگونه پیاده سازی کنید سیاست های حاکمیتی ما در مورد نحوه اشتراک‌گذاری منابع داده و برنامه‌های نمونه در سازمان بحث می‌کنیم گزینه های موجود برای ادغام خارجی و نظارت با AppSheet. "

مدیریت Google Workspace دومین دوره از مجموعه Google Workspace Administration است. این دوره بر روی خدمات اصلی Google Workspace مانند Gmail، Calendar و Drive & Docs تمرکز دارد. شما با تنظیمات مختلف سرویس آشنا می شوید و یاد می گیرید که چگونه آنها را برای همه یا فقط زیر مجموعه ای از کاربران خود فعال کنید. شما درک درستی از Google Vault، سرویس ediscovery گوگل به دست خواهید آورد. شما گزارش های مختلف کنسول مدیریت موجود را درک خواهید کرد و می توانید اطلاعات موجود در این گزارش ها را جستجو و فیلتر کنید. در نهایت خواهید دید که چگونه می توان از چندین دامنه با Google Workspace استفاده کرد و یاد می گیرید که چگونه یک دامنه جدید به حساب خود اضافه کنید.

این دوره یک درک جامع از مدیریت Splunk با تمرکز بر مدیریت و حفظ پلت فرم Splunk برای جمع‌آوری، نمایه‌سازی و تجزیه و تحلیل کارآمد داده ارائه می‌دهد. این دوره شامل موضوعات اصلی مانند احراز هویت کاربر، کنترل دسترسی مبتنی بر نقش، پیکربندی ورودی داده، نظارت بر سلامت سیستم و مدیریت منابع برای بهینه سازی عملکرد و امنیت Splunk است. اهداف آموزشی: 1) نحوه شناسایی و عیب یابی مسائل رایج مربوط به نمایه سازی، جستجو و استفاده از منابع، کسب مهارت در مدیریت کاربر و درک هدف و عملکرد فایل های پیکربندی کلیدی را بیاموزید. 2) تسلط بر تکنیک های همبستگی رویداد، کسب تجربه عملی در آموزش، ارزیابی و استقرار مدل های یادگیری ماشین، و یادگیری مفهوم مدل سازی داده در Splunk 3) در نظارت، هشدار، مدیریت کاربر، مهارت در آزمایش، اعتبارسنجی و تنظیم دقیق موارد استفاده امنیتی مهارت کسب کنید. ماژول 1: مدیریت Splunk و مدیریت کاربر توضیحات ماژول: ماژول "Splunk Administration and User Management" موضوعات ضروری مربوط به مدیریت موثر و پیکربندی استقرار Splunk را پوشش می دهد. کارهایی مانند احراز هویت کاربر، کنترل دسترسی مبتنی بر نقش، پیکربندی ورودی داده، نظارت بر سلامت سیستم و مدیریت منابع برای بهینه سازی عملکرد و امنیت Splunk را کشف خواهید کرد. این ماژول مدیران را با مهارت ها و دانش قادر می سازد تا محیط قوی و ایمن Splunk را برای تجزیه و تحلیل داده ها و نیازهای نظارت داشته باشند. شما هدف و عملکرد فایل های پیکربندی کلید را در Splunk شناسایی خواهید کرد، مانند inputs.conf، outputs.conf و server.conf. شما در مدیریت کاربر مهارت کسب خواهید کرد که شامل ایجاد، تغییر و غیرفعال کردن حساب های کاربری در Splunk می شود. شما نحوه شناسایی و عیب یابی مسائل رایج مربوط به نمایه سازی، جستجو و استفاده از منابع را تشخیص می دهید و از یک محیط Splunk پایدار و بهینه اطمینان می دهید. ماژول 2: تجزیه و تحلیل پیشرفته داده ها و همبستگی در Splunk توضیحات ماژول: ماژول "تحلیل پیشرفته داده ها و همبستگی در Splunk" با تکنیک های پیشرفته برای تجزیه و تحلیل و همبستگی داده ها در بستر Splunk سروکار دارد. شما پرس و جوهای جستجوی پیچیده، مدل های داده و قابلیت های یادگیری ماشینی را برای تشخیص الگوها، ناهنجاری ها و روابط بین منابع داده های مختلف بررسی خواهید کرد. این ماژول به شما این امکان را می‌دهد تا با بهره‌گیری از پتانسیل کامل تجزیه و تحلیل داده‌های پیشرفته و قابلیت‌های همبستگی Splunk، بینش‌های عمیق‌تری کسب کنید و تصمیم‌های مبتنی بر داده‌ها بگیرید. شما مفهوم مدل‌سازی داده‌ها را در Splunk و نحوه طراحی و استفاده از مدل‌های داده برای ساده‌سازی کاوش و تجسم داده‌ها به دست خواهید آورد. شما تکنیک های همبستگی رویداد را با استفاده از دستورات جستجو مانند تراکنش و آمار برای شناسایی الگوها و روابط بین رویدادها از منابع داده های مختلف نشان خواهید داد. تجربه عملی در آموزش، ارزیابی و استقرار مدل‌های یادگیری ماشین برای کارهایی مانند طبقه‌بندی، رگرسیون، خوشه‌بندی و تشخیص ناهنجاری به دست آورید. ماژول 3: ملزومات امنیتی Splunk و واکنش به حادثه توضیحات ماژول: ماژول "ضرورت های امنیتی Splunk و پاسخ به حوادث" بر استفاده از Splunk Security Essentials برای شناسایی، تجزیه و تحلیل و پاسخگویی موثر به حوادث امنیتی تمرکز دارد. شما ویژگی‌های کلیدی Splunk SE را کشف خواهید کرد، از جمله جستجوهای همبستگی، یکپارچه‌سازی اطلاعات تهدید، و نظارت در زمان واقعی، که به آن‌ها امکان می‌دهد به طور فعال تهدیدات امنیتی را در زیرساخت فناوری اطلاعات سازمان خود شناسایی و کاهش دهند. این ماژول با استفاده از قابلیت های قدرتمند Splunk SE، کاربران را به مهارت های مورد نیاز برای افزایش عملیات امنیتی و پاسخ به حادثه مجهز می کند. شما ویژگی ها و عملکردهای کلیدی Splunk Security Essentials را به عنوان یک راه حل امنیت سایبری شناسایی خواهید کرد. در نظارت و هشدار در زمان واقعی با استفاده از Splunk SE برای شناسایی و پاسخ سریع تهدید مهارت کسب کنید. برای عملکرد و اثربخشی بهینه، مهارت‌هایی در آزمایش، اعتبارسنجی و تنظیم دقیق موارد استفاده امنیتی کسب کنید. یادگیرنده هدف: این دوره برای متخصصان فناوری اطلاعات، مدیران سیستم و تحلیلگران امنیتی طراحی شده است که مسئولیت مدیریت و نگهداری استقرار Splunk را بر عهده دارند و همچنین افرادی که به دنبال ارتقای تجزیه و تحلیل داده ها و مهارت های امنیتی خود با استفاده از پلت فرم Splunk هستند. پیش نیازهای زبان آموز: برای بهره مندی کامل از این دوره، فراگیران باید موارد زیر را داشته باشند: • دانش اولیه سیستم های فناوری اطلاعات و مفاهیم مدیریت داده ها. • آشنایی با عملکردهای اولیه و رابط کاربری Splunk. فایل های مرجع: در قسمت منابع به فایل های کد دسترسی خواهید داشت. مدت دوره: 9 ساعت این دوره با محتوای آموزشی بیش از 6 ساعت در مدت 3 هفته طراحی شده است.

به تخصص بهداشت مدرسه خوش آمدید: دوره مدیریت آسم، آنافیلاکسی، آلرژی های غذایی، دیابت و تشنج در مدرسه. در این دوره آموزشی، با این مسائل رایج پزشکی که دانشجویان با آن مواجه هستند و نحوه حمایت از دانشجویانی که از آنها رنج می برند، آشنا می شوید. ما همچنین نگاهی جامع خواهیم داشت به اینکه چگونه می توانیم به بهترین شکل از سلامت کلی دانش آموزان حمایت کنیم. ما نگاهی خواهیم داشت به اینکه پرستار مدرسه چگونه از دانش آموزان و کارکنان در هر سناریو پشتیبانی می کند و چگونه می توان در مواقع اضطراری برنامه ریزی کرد. ما به دلایلی که مدارس باید سلامت دانش‌آموزان را ارتقا دهند و اینکه چگونه می‌توانیم از دانش‌آموزانی که با این شرایط رایج پزشکی مواجه هستند حمایت کنیم، خواهیم پرداخت به عنوان بخشی از دوره، ما دو دانش آموز را معرفی می کنیم تا به زنده شدن همه این اطلاعات کمک کنیم. خود را برای یادگیری در مورد این شرایط پزشکی رایج آماده کنید. بیایید شروع کنیم!