تایپوگرافی هنر دستکاری فرم بصری زبان برای غنی سازی و کنترل معنای آن است. این یک زمینه ضروری از مهارت و دانش برای طراحان گرافیک است. تایپوگرافی تقریباً 500 سال قبل از طراحی گرافیک مدرن است. غنی از قواعد، قراردادها، و اصطلاحات باطنی است - اما فضایی هیجان انگیز برای اختراع و بیان باقی می ماند. در این دوره مقدماتی دقیق به بررسی، نامگذاری و سنجش ویژگی های حروف خواهیم پرداخت. ما نگرانی های عملی مربوط به انتخاب و ترکیب نوع را در نظر خواهیم گرفت. ما نگاهی به تاریخ غنی تاریخی، فرهنگی و زیبایی‌شناختی حروف‌های آشنا خواهیم انداخت. ما در مورد قراردادهای آزمایش شده با زمان و بهترین شیوه ها در تنظیم نوع، که توسط اصول سلسله مراتب و سازمان فضایی حاکم است، بحث خواهیم کرد. و ما پتانسیل بیانی و معناسازی نوع را بررسی خواهیم کرد. سخنرانی‌های آموزنده با مجموعه‌ای از سه تکلیف ارزیابی‌شده توسط همتایان تکمیل می‌شود و به فرصتی برای طراحی یک پوستر تایپوگرافی در مقیاس کامل ختم می‌شود. لطفا توجه داشته باشید که این یک دوره نرم افزاری نیست. دانش کار اولیه Adobe InDesign یا سایر نرم افزارهای صفحه آرایی فرض خواهد شد. برای تکمیل تکالیف باید به یک کامپیوتر و نرم افزار صفحه آرایی مانند InDesign دسترسی داشته باشید.

این دوره برای افزایش درک شما از تحول دیجیتال طراحی شده است تا بتوانید از دیجیتالی سازی برای بهبود عملکرد عملکرد کسب و کار استفاده کنید. شما یاد خواهید گرفت که چگونه زیرساخت دیجیتال اصلی خود را با تمرکز بر رایانش ابری، یکپارچگی داده ها و پلتفرم های دیجیتال بسازید. شما کشف خواهید کرد که چگونه دیجیتالی کردن عملکردهای مختلف کسب و کار و واحدهای سازمانی را متحول می کند و یاد خواهید گرفت که چگونه این کار را انجام دهید عوامل کلیدی و خطرات ذاتی تحول دیجیتال را شناسایی کنید و تأثیر روندهای نوظهور را در نظر بگیرید. در پایان این دوره، می‌توانید تلاش‌های تحول دیجیتال صنعت خود را تجزیه و تحلیل کنید و روش‌های جدیدی را برای به حداکثر رساندن عملکرد توصیه کنید.

چشم انداز تبلیغات دیجیتال پیچیده است. انواع مختلفی از تبلیغات وجود دارد، از جمله: نمایش، ویدیو، صوتی، حمایت مالی، بومی، رسانه های اجتماعی و جستجو. داده‌های مصرف‌کننده و فناوری تبلیغاتی که بر روی آن داده‌ها عمل می‌کنند، هم در همه جا حاضر و هم پیچیده هستند. در نتیجه، درک و مدیریت تعداد زیادی از گزینه های موجود برای بازاریابان دیجیتال دشوار است. این دوره، اشکال عمده تبلیغات دیجیتال، از تبلیغات نمایشی اولیه گرفته تا جستجو تا مفاهیم تبلیغات برنامه‌ای پیشرفته را پوشش می‌دهد. Trade Desk، ارائه‌دهنده پیشرو تبلیغات برنامه‌ای، به عنوان کارشناسان برنامه‌ریزی ما به ما می‌پیوندد و یک نقشه راه عملی در مورد اینکه چگونه کسب‌وکارهای کوچک می‌توانند از فناوری‌های پیشرفته تبلیغاتی برای دستیابی به اهداف تجاری استفاده کنند، ارائه می‌کند. در مجموع، این دوره دانش آموزان را با درک درستی از تبلیغات دیجیتال در اشکال مختلف آن و چگونگی شناسایی استراتژیک فرصت های تبلیغات دیجیتال آشنا می کند.

در این دوره آموزشی، با اصول معاملاتی، از جمله مفهوم روند، بازده، توقف ضرر و نوسانات آشنا خواهید شد. شما یاد خواهید گرفت که چگونه منبع سود و ساختار استراتژی های معاملاتی کمی را شناسایی کنید. این دوره به شما کمک می‌کند اندازه‌گیری کنید که مدل چقدر یادگیری خود را تعمیم می‌دهد، تفاوت‌های بین رگرسیون و پیش‌بینی را توضیح می‌دهد و مراحل مورد نیاز برای ایجاد پشتیبان‌های توسعه و پیاده‌سازی را شناسایی می‌کند. در پایان دوره، می‌توانید از Google Cloud Platform برای ساخت مدل‌های یادگیری ماشینی اولیه در نوت‌بوک‌های Jupyter استفاده کنید. برای موفقیت در این دوره، باید صلاحیت پیشرفته در برنامه نویسی پایتون و آشنایی با کتابخانه های مربوط به یادگیری ماشین، مانند Scikit-Learn، StatsModels و Pandas داشته باشید. تجربه با SQL توصیه می شود. شما باید پیشینه ای در زمینه آمار (مقادیر مورد انتظار و انحراف استاندارد، توزیع های گاوسی، ممان های بالاتر، احتمال، رگرسیون های خطی) و دانش پایه ای از بازارهای مالی (سهام، اوراق قرضه، مشتقات، ساختار بازار، پوشش ریسک) داشته باشید.

این دوره به معرفی تکنیک های پیشرفته برای تجزیه و تحلیل خودکار می پردازد. تجزیه و تحلیل خودکار شامل هر دو رویکرد برای تولید خودکار تعداد بسیار زیادی آزمایش برای بررسی اینکه آیا برنامه‌ها نیازها را برآورده می‌کنند، و همچنین ابزارهایی را در بر می‌گیرد که با آن می‌توان *ثابت کرد که نرم‌افزار مطابق با الزامات است و عاری از نقص‌های معمولی است، مانند به‌عنوان تقسیم بر صفر، سرریز/زیر جریان، بن‌بست، آزادی شرایط مسابقه، سرریز بافر/آرایه، استثناهای کشف نشده و چندین باگ رایج دیگر که می تواند منجر به خرابی برنامه یا مشکلات امنیتی شود. یادگیرنده با تئوری اساسی و کاربردهای چنین رویکردهایی آشنا می شود و انواع تکنیک های تجزیه و تحلیل خودکار را بر روی برنامه های نمونه اعمال می کند. پس از اتمام این دوره، زبان آموز قادر خواهد بود: - پایه های تأیید خودکار را درک کنید: تصادفی سازی و نمایش های نمادین - تشخیص نقاط قوت و ضعف تست تصادفی، تحلیل نمادین، تحلیل استاتیک و بررسی مدل - استفاده از انواع پیشرفته ترین تجزیه و تحلیل استاتیک و ابزارهای تست خودکار برای تأیید خودکار - ایجاد الزامات اجرایی به عنوان یک اوراکل مناسب برای آزمایش خودکار و تجزیه و تحلیل نمادین - درک کنید که چگونه انتخاب اوراکل بر عیب یابی برای استراتژی های تجزیه و تحلیل خودکار تأثیر می گذارد. - از تست خودکار برای دستیابی به پوشش کامل جهش استفاده کنید - یک طرح آزمایشی ایجاد کنید که هم از تست های دستی و هم از تست های خودکار برای به حداکثر رساندن دقت، به حداقل رساندن تلاش و زمان و به حداقل رساندن هزینه های تست استفاده می کند. این دوره برای فراگیران علاقه مند به درک اصول اتوماسیون و کاربرد ابزارها در نظر گرفته شده است برای تجزیه و تحلیل و آزمایش نرم افزار این دانش به چندین نقش معمولی سود می برد: مهندس نرم افزار، مهندس نرم افزار در تست، مهندس اتوماسیون تست، مهندس DevOps، توسعه دهنده نرم افزار، برنامه نویس، علاقه مندان به کامپیوتر. ما انتظار داریم که شما با چرخه حیات توسعه نرم افزار آشنایی داشته باشید، درکی از اصول تست نرم افزار، مشابه آنچه در مقدمه تست نرم افزار و دوره های تست جعبه سیاه و سفید پوشش داده شده است. آشنایی با یک زبان شی گرا مانند جاوا یا توانایی برداشتن سریع نحو جاوا برای نوشتن و اصلاح کد و تمایل به استفاده از ابزارها و IDE ها فرض می شود.

استفاده از اکسل در صنعت بسیار گسترده است. این یک ابزار تجزیه و تحلیل داده بسیار قدرتمند است و تقریباً همه مشاغل بزرگ و کوچک از Excel در عملکرد روزمره خود استفاده می کنند. این یک دوره مقدماتی در استفاده از اکسل است و طراحی شده است تا دانش کاری اکسل را به شما بدهد تا بعداً از آن برای موضوعات پیشرفته تر در آمار کسب و کار استفاده کنید. این دوره با در نظر گرفتن دو نوع یادگیرنده طراحی شده است - کسانی که دانش عملکردی بسیار کمی از اکسل دارند و کسانی که به طور منظم اما در سطح پیرامونی از اکسل استفاده می کنند و می خواهند مهارت های خود را افزایش دهند. این دوره شما را از عملیات اساسی مانند خواندن داده ها به اکسل با استفاده از فرمت های مختلف داده، سازماندهی و دستکاری داده ها تا برخی از عملکردهای پیشرفته تر اکسل می برد. در طول این مدت، عملکرد اکسل با استفاده از مثال‌های قابل فهم معرفی می‌شود که به گونه‌ای نشان داده می‌شوند که زبان‌آموزان بتوانند در درک و استفاده از آنها راحت باشند. برای انجام موفقیت آمیز تکالیف دوره، دانش آموزان باید به نسخه ویندوز Microsoft Excel 2010 یا جدیدتر دسترسی داشته باشند. _____________________________________ هفته 1 ماژول 1: مقدمه ای بر صفحات گسترده در این ماژول با استفاده از صفحات گسترده اکسل و توابع مختلف داده پایه اکسل آشنا می شوید. موضوعات تحت پوشش عبارتند از: • خواندن داده ها در اکسل با استفاده از فرمت های مختلف • توابع اساسی در اکسل، حسابی و همچنین توابع مختلف منطقی • قالب بندی سطرها و ستون ها • استفاده از فرمول ها در اکسل و کپی و پیست آنها با استفاده از ارجاع مطلق و نسبی _____________________________________ هفته 2 ماژول 2: توابع صفحه گسترده برای سازماندهی داده ها این ماژول توابع مختلف اکسل را برای سازماندهی و جستجوی داده ها معرفی می کند. زبان آموزان با توابع IF، تو در تو، VLOOKUP و HLOOKUP اکسل آشنا می شوند. موضوعات تحت پوشش عبارتند از: • IF و توابع IF تو در تو • VLOOKUP و HLOOKUP • تابع RANDBETWEEN _____________________________________ هفته 3 ماژول 3: مقدمه ای بر فیلتر کردن، جداول محوری و نمودارها این ماژول قابلیت های مختلف فیلتر داده اکسل را معرفی می کند. شما یاد خواهید گرفت که چگونه فیلترهایی را در داده ها برای دسترسی انتخابی به داده ها تنظیم کنید. ابزار جمع بندی داده های بسیار قدرتمند، Pivot Table نیز توضیح داده شده است و ما شروع به معرفی ویژگی نمودار اکسل می کنیم. موضوعات تحت پوشش عبارتند از: • VLOOKUP در صفحات کاری • فیلتر کردن داده ها در اکسل • استفاده از جداول محوری با داده های دسته بندی و همچنین عددی • آشنایی با قابلیت نمودار نویسی اکسل _____________________________________ هفته 4 ماژول 4: نمودار و نمودارهای پیشرفته این ماژول به بررسی تکنیک های مختلف نمودار و نمودارهای پیشرفته موجود در اکسل می پردازد. با شروع با نمودارهای مختلف خطی، میله ای و دایره ای، نمودارهای محوری، نمودارهای پراکندگی و هیستوگرام ها را معرفی می کنیم. شما می توانید این نمودارهای مختلف را درک کنید و خودتان آنها را بسازید. موضوعات تحت پوشش شامل • نمودارهای خط، میله و دایره • نمودارهای محوری • نمودارهای پراکنده • هیستوگرام ها

این دوره مبانی تجزیه و تحلیل داده ها و نحوه انجام و اعمال آن در پروژه های سازمان شما را پوشش می دهد. این شامل موارد زیر است: - داشتن ذهنیت داده محور به چه معناست؟ داشتن طرز فکر صحیح به شما این امکان را می دهد که مشکلی را که باید حل شود درک کنید و تصمیمات مناسب مبتنی بر داده را در زمینه استراتژی و فناوری های سازمان اتخاذ یا توصیه کنید. - ملاحظات کلیدی هنگام شناسایی، ایجاد و اجرای یک پروژه تجزیه و تحلیل داده چیست؟ این دوره مفاهیم و ملاحظات مهم را معرفی و مورد بحث قرار می دهد، بنابراین شما آماده هستید که بدون توجه به تغییر سازمان یا صنعت شما، موثر باشید. این شامل همه چیز از چارچوب بندی مشکل و تعریف محدوده، درک الزامات و شکاف های سازمانی تا کار موثر با سهامداران کلیدی است. - دانش فنی مورد نیاز شما برای درک داده ها چیست؟ چه داده‌هایی که به آنها نگاه می‌کنید، داده‌های مالی یا غیرمالی، ساختاریافته یا بدون ساختار، باید زبان تجزیه و تحلیل داده‌ها را بدانید تا بتوانید به طور مؤثر با همکاران ارتباط برقرار کنید و هنگام استفاده از تجزیه و تحلیل داده‌ها در سازمان خود، ارزش افزوده داشته باشید. با گذراندن این دوره، در موقعیت بهتری برای پرسیدن سؤالات درست، افزودن ارزش بیشتر و بهبود کیفیت خدمات به ذینفعان خود خواهید بود.

به مقدمه ای بر تجزیه و تحلیل داده، سیگنال و تصویر با متلب خوش آمدید! MATLAB یک زبان برنامه نویسی بسیار همه کاره برای وظایف تجزیه و تحلیل داده، سیگنال و تصویر است. این دوره مقدمه ای در مورد نحوه استفاده از MATLAB برای تجزیه و تحلیل داده، سیگنال و تصویر ارائه می دهد. پس از اتمام دوره، فراگیران متوجه خواهند شد که چگونه می توان از روش های یادگیری ماشین در MATLAB برای طبقه بندی و پیش بینی داده ها استفاده کرد. نحوه انجام تجسم داده ها، از جمله تجسم داده ها برای مجموعه داده های با ابعاد بالا. نحوه انجام روش های پردازش و تجزیه و تحلیل تصویر، از جمله فیلتر کردن تصویر و تقسیم بندی تصویر؛ و نحوه انجام وظایف رایج آنالیز سیگنال، از جمله طراحی فیلتر و تحلیل فرکانس.

تقریباً هر جنبه ای از تجارت تحت تأثیر تجزیه و تحلیل داده ها قرار می گیرد. برای اینکه کسب‌وکارها بر روی تجزیه و تحلیل داده‌ها سرمایه‌گذاری کنند، به رهبرانی نیاز دارند که گردش کار تحلیلی کسب‌وکار را درک کنند. این دوره با ارائه مجموعه‌ای اساسی از مهارت‌های پردازش داده که می‌تواند در بسیاری از محیط‌های تجاری اعمال شود، به شکاف مهارت‌های انسانی می‌پردازد. در این دوره شما از یک زبان تجزیه و تحلیل داده، R، برای آماده سازی کارآمد داده های تجاری برای ابزارهای تحلیلی مانند الگوریتم ها و تجسم ها استفاده خواهید کرد. تمیز کردن، تبدیل، جمع‌آوری و شکل‌دهی مجدد داده‌ها یک گام مهم، اما نامحسوس در گردش کار تحلیلی کسب‌وکار است. همانطور که یاد می گیرید چگونه از R برای آماده سازی داده ها برای تجزیه و تحلیل استفاده کنید، با استفاده از RStudio، یک محیط توسعه یکپارچه قدرتمند (IDE)، که دارای بسیاری از ویژگی های داخلی است که کدنویسی با R را ساده می کند، تجربه کسب خواهید کرد. همانطور که در مورد گردش کار تجزیه و تحلیل کسب و کار یاد می گیرید، تعامل بین اصول کسب و کار و تجزیه و تحلیل داده ها را نیز در نظر خواهید گرفت. به طور خاص، بررسی خواهید کرد که چگونه تفویض اختیار، کنترل و امکان‌سنجی بر روش پردازش داده‌ها تأثیر می‌گذارد. همچنین با نمونه هایی از مشکلات تجاری که با اتوماسیون و تجزیه و تحلیل داده ها قابل حل هستند و روش هایی برای برقراری ارتباط نتایج تحلیل داده ها که نیازی به کپی و چسباندن از یک پلتفرم به پلتفرم دیگر ندارند، آشنا خواهید شد.

این دوره دانش‌آموزان را با علم تجزیه و تحلیل کسب‌وکار آشنا می‌کند و در عین حال نگاهی دقیق به استفاده هنرمندانه از اعداد موجود در فضای دیجیتال دارد. هدف این است که به کسب و کارها و مدیران پایه و اساس مورد نیاز برای اعمال تجزیه و تحلیل داده ها در چالش های دنیای واقعی که روزانه در زندگی حرفه ای خود با آن مواجه می شوند، ارائه دهد. دانش آموزان یاد خواهند گرفت که ابزار تحلیلی ایده آل را برای نیازهای خاص خود شناسایی کنند. درک روش های معتبر و قابل اعتماد برای جمع آوری، تجزیه و تحلیل و تجسم داده ها؛ و از داده ها در تصمیم گیری برای آژانس ها، سازمان ها یا مشتریان خود استفاده کنند.

درس چهارم: مقدمه ای بر تحقیق برای مقاله نویسی این آخرین دوره در تخصص نویسندگی دانشگاهی قبل از پروژه Capstone است. در پایان این دوره، شما قادر خواهید بود تمامی مراحل برنامه ریزی یک مقاله پژوهشی را طی کنید. پس از اتمام این دوره، شما قادر خواهید بود: - موضوعات تحقیقی مناسب را برای کلاس های کالج انتخاب کنید - رئوس مطالب مفصل را برای مقالات تحقیقاتی بنویسید - یافتن منبع برای مقالات تحقیقاتی - یادداشت های خوبی برای تحقیق بردارید و سازماندهی کنید - از لحن و زبان آکادمیک مناسب استفاده کنید - منابع سند با ایجاد یک لیست Works Cited در قالب MLA - از سرقت ادبی منابع خود اجتناب کنید

این دوره بر پایه های تحقیقات بازار متمرکز است. شما با اصول و ماهیت تحقیقات بازار، فرآیند تحقیق و اهمیت پروپوزال تحقیق آشنا خواهید شد. تمرکز به فرمول بندی مسئله، حل مسئله، سؤالات تحقیق و اهداف تحقیق اختصاص خواهد یافت. این دوره با بحث در مورد اخلاق در تحقیقات بازار تکمیل خواهد شد. فراگیرانی که این دوره را با موفقیت پشت سر بگذارند قادر خواهند بود: - درباره مبانی تحقیقات بازار بحث کنید - در مورد فرآیند تحقیق فکر کنید - طرح سوالات تحقیق و اهداف تحقیق - یک پروپوزال تحقیق تهیه کنید - اخلاق در تحقیقات بازار این دوره برای تحلیلگران تحقیقات بازار، استراتژیست های رسانه های اجتماعی، مدیران بازاریابی، مدیران محصول و محققان بازار است.

این دوره یک درک عملی و چارچوبی برای وظایف اصلی تجزیه و تحلیل، از جمله استخراج داده، تمیز کردن، دستکاری و تجزیه و تحلیل ارائه می دهد. این چرخه OSEMN را برای مدیریت پروژه های تحلیلی معرفی می کند و شما نمونه های واقعی از نحوه استفاده شرکت ها از بینش داده ها برای بهبود تصمیم گیری را بررسی خواهید کرد. در پایان این دوره شما قادر خواهید بود: • اهداف تجاری، KPI و معیارهای مرتبط را تدوین کنید • یک فرآیند تجزیه و تحلیل داده ها را با استفاده از چارچوب OSEMN اعمال کنید • داده های مربوطه را که برای بازاریابی جمع آوری می شود، شناسایی و تعریف کنید • فرمت های مختلف داده و کاربردهای آنها را در سناریوهای مختلف مقایسه و مقایسه کنید • شکاف های داده ها را شناسایی کنید و نقاط قوت و ضعف داده های جمع آوری شده را بیان کنید شما نیازی به تجربه بازاریابی یا تجزیه و تحلیل داده ندارید، اما باید مهارت های ناوبری اینترنتی اولیه را داشته باشید و مشتاق مشارکت باشید. در حالت ایده آل، شما قبلاً دوره 1: بنیاد تجزیه و تحلیل بازاریابی را در این برنامه تکمیل کرده اید.

رسانه های اجتماعی نه تنها ابزاری برای برقراری ارتباط با مشتریان خود در اختیار بازاریابان قرار می دهند، بلکه راهی برای درک بهتر مشتریان خود نیز ارائه می دهند. با مشاهده فعالیت رسانه‌های اجتماعی مصرف‌کنندگان به‌عنوان «صدای مصرف‌کننده»، این جلسه یادگیرندگان را با روش‌های تحلیلی که می‌توان برای تبدیل داده‌های رسانه‌های اجتماعی به بینش‌های بازاریابی استفاده کرد، آشنا می‌کند. در مقدمه ای بر تجزیه و تحلیل رسانه های اجتماعی، فراگیران با مزایا و محدودیت های تکیه بر داده های رسانه های اجتماعی در مقایسه با روش های سنتی تحقیقات بازاریابی مواجه خواهند شد. این دوره با همکاری یک پلتفرم پیشرو گوش دادن به رسانه های اجتماعی، مهارت های اساسی گوش دادن به رسانه های اجتماعی از جمله ایجاد مانیتور و معیارهای رایج رسانه های اجتماعی را در اختیار زبان آموزان قرار می دهد. فراتر از گوش دادن به رسانه های اجتماعی، این دوره به یادگیرندگان نشان می دهد که چگونه می توان از داده های رسانه های اجتماعی برای ارائه بینشی در مورد ساختار بازار و درک مصرف کنندگان از برند استفاده کرد. فراگیران این فرصت را خواهند داشت که داده ها را ارزیابی کنند و با تماشای سخنرانی های ویدیویی و تکمیل فعالیت ها، آزمون های تمرینی، تابلوهای بحث و ارزیابی همتایان، نحوه "گوش دادن" به داده ها را تشخیص دهند.

در این دوره، پایه های مهم برای توسعه و اجرای یک ذهنیت تحلیلی مالی را یاد خواهید گرفت. این دوره به معرفی مبانی تحلیل مالی می پردازد و با سوال اول شروع می شود: تحلیل مالی چیست؟ شما در مورد اهمیت اتخاذ و به کارگیری دیدگاه مالی یاد خواهید گرفت. شما با اصول و مبانی حسابداری و مالی آشنا خواهید شد. اصول حسابداری امکان ایجاد اطلاعات مالی منسجم و قابل اعتماد را فراهم می کند. اصول کلیدی مالی استفاده از یک ذهنیت تحلیلی مالی را در تنظیمات مختلف، از جمله شرکتی و سازمانی، فرصت‌های سرمایه‌گذاری، و محیط‌های کارآفرینی تسهیل می‌کند. در نهایت، از این دوره، شما یک درک بنیادی قوی از تجزیه و تحلیل مالی را از بین خواهید برد، که بر اساس آن می توانید دانش و مهارت های بیشتر مرتبط با تجزیه و تحلیل مالی سازمان ها و تصمیمات و سناریوهای سازمانی را ایجاد کنید.

این دوره در درجه اول برای حرفه ای ها، دانشجویان و دانش آموزان دبیرستانی پیشرفته است که علاقه مند به ایجاد تحول دیجیتال با ادغام اتوماسیون، نرم افزار و فناوری های پیشرفته هستند. این دوره مقدمه ای اساسی برای تحول دیجیتال است که برای زبان آموزانی که آشنایی اولیه با اصطلاحات و مفاهیم تجاری رایج و علاقه مند به فناوری دیجیتال دارند مناسب است. برای موفقیت در این دوره، فراگیران باید کنجکاوی خود را در مورد چگونگی شکل‌دهی پیشرفت‌های جدید در فناوری به نحوه عملکرد کسب‌وکارها و کل صنایع بیاورند. این دوره هیچ پیش نیاز رسمی ندارد. این دوره بر چگونگی استفاده از فناوری به عنوان یک مزیت رقابتی در محیط کسب و کار امروز تمرکز دارد. ابتدا، روندهای فعلی در محاسبات، بصری، اتصال و هوش مصنوعی با تأکید بر تأثیر آنها بر مشاغل ترسیم شده است. در مرحله بعد، به ابزارهای دیجیتال برای طراحی، ساخت و استفاده از محصولات نگاه می کنیم. در نهایت، ما به کاربردهای این فناوری ها و ابزارهای دیجیتال در هشت صنعت کلیدی نگاه می کنیم. پس از اتمام این دوره، شما قادر خواهید بود: خلاصه تحول دیجیتال - چیست، چگونه و چرا روندهای فنی مهم در اقتصاد امروز را ترسیم کنید ابزارهای دیجیتالی را که می توانند برای تغییر فرآیندهای کسب و کار به کار ببرند، شناسایی کنید اعمال تحول دیجیتال در صنایع مختلف دوره با مشارکت Fram Akiki از Joun Technologies توسعه یافته است.

پس از اتمام این دوره، با اصول و فرآیندهای اساسی تست نرم افزار آشنا خواهید شد. شما به طور فعال موارد تست را ایجاد کرده و آنها را با استفاده از یک ابزار تست خودکار اجرا خواهید کرد. شما در حال نوشتن و تشخیص موارد تست خوب، از جمله داده های ورودی و نتایج مورد انتظار خواهید بود. پس از گذراندن این دوره، شما قادر خواهید بود… - تفاوت بین تأیید و تأیید را شرح دهید. - هدف از آزمون را توضیح دهید. - استفاده از اصطلاحات آزمون مناسب در ارتباطات. به طور خاص: تجهیزات تست، مورد آزمایش منطقی، مورد آزمایش بتن، اسکریپت آزمایش، اوراکل آزمایش، و خطا. - انگیزه های تست جعبه سفید و سیاه را شرح دهید. - مقایسه و مقایسه تکنیک های توسعه تست اول و آزمایش آخر. - اندازه گیری کفایت آزمون با استفاده از بیانیه و پوشش شاخه. - دلیل در مورد علل و مقبولیت و پوشش ضعیف - ارزیابی اثربخشی عیب‌یابی مجموعه تست عملکردی با استفاده از تست جهش. - تست جعبه سیاه و جعبه سفید را نقد کنید، مزایا و استفاده از هر یک را در تلاش توسعه بیشتر توضیح دهید. - بین اوراکل‌های ارزش مورد انتظار (درست)، اکتشافی، سازگاری (همانطور که در رگرسیون A/B استفاده می‌شود) و آزمون احتمال تمایز قائل شوید و یکی را انتخاب کنید که برای هدف آزمایشی مناسب‌تر است. - واحد کرافت و موارد تست یکپارچه سازی برای تشخیص نقص در کد و خودکارسازی این تست ها با استفاده از JUnit. برای دستیابی به این هدف، دانش‌آموزان از آزمون‌های دوتایی برای پشتیبانی از آزمون‌های خود استفاده می‌کنند، از جمله موارد خرد (برای تأیید وضعیت) و تملک (برای تأیید رفتار) (https://martinfowler.com/articles/mocksArentStubs.html). این دوره در درجه اول برای آن دسته از زبان آموزانی است که علاقه مند به هر یک از نقش های زیر هستند: مهندس نرم افزار، مهندس نرم افزار در آزمون، مهندس اتوماسیون تست، مهندس DevOps، توسعه دهنده نرم افزار، برنامه نویس، علاقه مندان به کامپیوتر. ما انتظار داریم که شما باید درک درستی از زبان برنامه نویسی جاوا (یا هر زبان شی گرا مشابه و توانایی دریافت سریع نحو جاوا) و مقداری دانش از چرخه حیات توسعه نرم افزار داشته باشید.

این دوره برای سازندگان جدی و برای دانش آموزانی که تازه به تصویرسازی می پردازند. تصویرسازی حوزه‌ای سیال و هیجان‌انگیز از طراحی گرافیک است که از تمرین و فرآیند بیرون می‌آید: آزمایش بدون ترس، نشان دادن و به اشتراک گذاشتن ایده‌ها، و دادن و دریافت ورودی آگاهانه و سازنده. به‌خاطر این پلتفرم آنلاین، ما ساختاری را برای تحقیقات خود اعمال کرده‌ایم، اما در بیشتر موارد تصویرسازی سست و بدون ساختار است. اگر ما باید در این دوره قانونی را اتخاذ کنیم، فقط این است: شما به تنهایی با تماشای فیلم ها یک طراح گرافیک نخواهید شد. یا، فقط چیزهایی را فقط در ذهن خود نسازید. بنابراین در اینجا تمرکز بر ساخت است و انتظار می رود در این دوره زمان و انرژی فکری جدی را به آن فعالیت اختصاص دهید. به طور خاص، شما: - با طیف وسیعی از مواد و تکنیک ها برای ساختن تصاویر برای طراحی گرافیکی آزمایش کنید - دایره لغات بصری خود را هم از نظر ساختن و هم صحبت کردن در مورد کار گسترش دهید تا در مورد کار خود و کار دیگران بحث کنید. - یاد بگیرید که چگونه تصاویر را بسازید، دستکاری کنید و چیدمان کنید تا ترکیب بندی ایجاد کنید، که در نهایت به طراحی و تولید کتاب مبتنی بر تصویر ختم می شود. نیمه اول دوره فرصتی برای آزمایش و کشف تصویرسازی است تا دایره لغات بصری خود را گسترش دهید. شما قطعاتی خواهید ساخت که بیانگر، مراقبه یا «طراحی» برای تحریک، برانگیختن، آزمایش، ضبط، توضیح یا آزمایش یک رسانه هستند. در دو هفته دوم، ما تصاویر را به عمد و عمدی برای انتقال معنا و ارتباط از طریق حرکات رابطه‌ای مانند کنار هم قرار دادن، ترکیب‌بندی و زمینه دعوت می‌کنیم. ما به توسعه و گسترش دامنه رویکردها برای کنار هم قرار دادن چیزها با ایجاد صفحات گسترده با تصاویر شما نگاه خواهیم کرد. از آنجایی که هیچ چیز بدون زمینه وجود ندارد، ما به چگونگی هدایت عمدی مفاهیم، ​​معانی و تداعی های تصویر که از طریق عناصر ترکیب بندی و «تضادهای بصری» تولید می شوند، می پردازیم. در نهایت، ما تصاویری که شما ایجاد می کنید را می گیریم و از آنها کتاب می سازیم. نتایج تکالیف (و آزمایشات) شما ممکن است چیزی کاملاً ناشناخته در حال حاضر یا در آینده ایجاد کند - و این هدف است.

به مقدمه ای بر تفکر تحلیلی، علم داده و داده کاوی خوش آمدید. در این دوره، ما با کاوش در زمینه و حرفه علم داده با تمرکز بر مهارت ها و ملاحظات اخلاقی مورد نیاز هنگام کار با داده ها شروع می کنیم. ما انواع مشکلات کسب و کار را که علم داده می تواند حل کند را بررسی خواهیم کرد و در مورد کاربرد فرآیند CRISP-DM در تلاش های داده کاوی بحث خواهیم کرد. مروری کوتاه بر تجزیه و تحلیل توصیفی، پیش‌بینی‌کننده و تجویزی ارائه می‌شود، و ما دوره را با یک فعالیت اکتشافی به پایان می‌رسانیم تا درباره ابزارها و منابعی که ممکن است در یک جعبه ابزار علم داده بیابید بیشتر بدانید.

به مقدمه اینتل توزیع بسته ابزار OpenVINO™ برای دوره برنامه های کاربردی بینایی کامپیوتر خوش آمدید! این دوره دسترسی آسان به مفاهیم بنیادی Intel Distribution of OpenVINO را فراهم می کند. در طول این دوره، شما با دموهایی آشنا می شوید که قابلیت های این جعبه ابزار را به نمایش می گذارد. با مهارت‌هایی که از این دوره کسب می‌کنید، می‌توانید ارزش ابزارها و ابزارهای ارائه شده در جعبه ابزار OpenVINO توزیع اینتل، مانند دانلودکننده مدل، بهینه‌ساز مدل و موتور استنتاج را توصیف کنید. این کلاس برای چه کسانی است: این دوره برای زبان آموزانی در نظر گرفته شده است که تجربه قبلی در زمینه بینایی کامپیوتر ندارند، اگرچه دانش قبلی مفید است. این دوره برای هر کسی که علاقه مند به یادگیری بیشتر در مورد مفاهیم اصلی برنامه های بینایی کامپیوتر و کیت ابزار توزیع اینتل OpenVINO است ایده آل است. حجم کار تخمینی: باید انتظار داشته باشید که حدود 3 ساعت برای تکمیل این دوره اختصاص دهید. پیش نیازهای زبان آموز: هیچ دانش قبلی از بینایی کامپیوتر لازم نیست، اگرچه تجربه قبلی مفید است.