در سومین دوره تخصصی تخصصی علم داده های عملی، یک سری تکنیک های بهبود عملکرد و کاهش هزینه را برای تنظیم خودکار دقت مدل، مقایسه عملکرد پیش بینی و تولید داده های آموزشی جدید با هوش انسانی خواهید آموخت. پس از تنظیم طبقه‌بندی‌کننده متن خود با استفاده از تنظیم Hyper-Parameter Amazon SageMaker (HPT)، دو نامزد مدل را در یک آزمون A/B قرار می‌دهید تا عملکرد پیش‌بینی بلادرنگ آنها را مقایسه کرده و به طور خودکار مدل برنده را با استفاده از میزبانی Amazon SageMaker مقیاس کنید. در نهایت، شما یک خط لوله انسان در حلقه راه‌اندازی می‌کنید تا پیش‌بینی‌های طبقه‌بندی‌شده اشتباه را اصلاح کنید و داده‌های آموزشی جدیدی را با استفاده از هوش مصنوعی آمازون و آمازون SageMaker Ground Truth تولید کنید. علم داده های عملی برای مدیریت مجموعه داده های عظیمی طراحی شده است که در سخت افزار محلی شما مناسب نیستند و می توانند از منابع متعدد نشات گرفته باشند. یکی از بزرگترین مزایای توسعه و اجرای پروژه‌های علم داده در فضای ابری، چابکی و انعطاف‌پذیری است که ابر برای افزایش و کاهش با حداقل هزینه ارائه می‌دهد. تخصص عملی علم داده به شما کمک می کند تا مهارت های عملی را برای به کارگیری مؤثر پروژه های علم داده خود و غلبه بر چالش ها در هر مرحله از گردش کار ML با استفاده از Amazon SageMaker توسعه دهید. این تخصص برای توسعه دهندگان، دانشمندان و تحلیلگران متمرکز بر داده طراحی شده است که با زبان های برنامه نویسی Python و SQL آشنا هستند و می خواهند یاد بگیرند که چگونه خطوط لوله ML مقیاس پذیر و سرتاسر مقیاس پذیر را بیاموزند - هم خودکار و هم انسانی. -the-loop - در ابر AWS.

بهینه‌سازی هزینه‌های Google Cloud خود دومین دوره از یک سری دو قسمتی در مورد ضروریات صورت‌حساب Google Cloud و مدیریت هزینه است. این دوره برای کسانی که در یک نقش مرتبط با امور مالی و/یا فناوری اطلاعات مسئول بهینه سازی زیرساخت ابری سازمان خود هستند مناسب است. چندین روش برای کنترل و بهینه سازی هزینه های Google Cloud خود خواهید آموخت، از جمله تنظیم بودجه و هشدارها، مدیریت محدودیت های سهمیه، و استفاده از تخفیف های استفاده متعهد. در آزمایشگاه‌های عملی، استفاده از ابزارهای مختلف را برای کنترل و بهینه‌سازی هزینه‌های Google Cloud یا تأثیرگذاری بر تیم‌های فناوری خود برای اعمال بهترین شیوه‌های بهینه‌سازی هزینه تمرین خواهید کرد.

نکات و نکات بهینه سازی یک وب سایت، از انجام ممیزی اولیه تا ارائه یافته ها و توصیه های خود را بیاموزید. فعالیت‌های عملی شامل یادگیری نحوه انتخاب و اعمال کلمات کلیدی مناسب در یک وب‌سایت، ترکیب تحقیقات کلمات کلیدی در استراتژی بازاریابی محتوا و بهینه‌سازی یک سایت برای جستجوی محلی است. همچنین استراتژی هایی برای تعیین اهداف و انتظارات مشتری/ذینفعان، ایجاد تجزیه و تحلیل و گزارش های موثر و برقراری ارتباط با بهبود سئو یاد خواهید گرفت.

مفاهیم اساسی در تجزیه و تحلیل داده ها و استنتاج آماری را با تمرکز بر یک و دو نمونه مستقل بیاموزید.

یک برنامه خوب پروژه به همه اعضای تیم کمک می کند تا با هم کار کنند تا به اهداف پروژه برسند. بودجه پروژه با محدودیت های هزینه واقعی نیز یکی از پایه های اساسی هر پروژه است. در این دوره شما یاد خواهید گرفت که برای اطمینان از موفقیت پروژه های خود برنامه ریزی کنید و به محدودیت های زمان و هزینه پایبند باشید. پس از اتمام این دوره، شما قادر خواهید بود: 1. نیازهای منابع پروژه را شناسایی کنید 2. بسته های کاری را به فعالیت ها تجزیه کنید 3. آنچه برای تخمین مدت زمان فعالیت لازم است را تعریف کنید 4. نقاط عطف را تعریف کنید و یک برنامه نقطه عطف ایجاد کنید 5. تعیین مسیر بحرانی و محاسبه شناور 6. هدف از استفاده از سرنخ ها و تأخیرها در برنامه زمانبندی پروژه را شرح دهید 7. برآورد مقادیر و هزینه های منابع مورد نیاز برای انجام فعالیت های پروژه 8. یکی از سه روش رایج برآورد هزینه را برای تعیین بودجه پروژه انتخاب کنید 9. از ماتریس انتساب مسئولیت برای تخصیص مسئولیت ها استفاده کنید 10. اجزای برنامه مدیریت کیفیت پروژه را بشناسید

Indigenous Canada یک دوره آموزشی گسترده آنلاین (MOOC) ۱۲ درس از دانشکده مطالعات بومی است که به بررسی تاریخ های مختلف و دیدگاه های معاصر مردم بومی ساکن در کانادا می پردازد. از دیدگاه بومی، این دوره به بررسی تجربیات پیچیده ای می پردازد که مردم بومی امروز با آن مواجه هستند، از منظر تاریخی و انتقادی که روابط ملی و محلی بومیان و مهاجران را برجسته می کند. موضوعات 12 درس شامل تجارت خز و سایر روابط مبادله، ادعاهای زمین و اثرات زیست محیطی، سیستم های حقوقی و حقوق، درگیری ها و اتحادهای سیاسی، فعالیت سیاسی بومی، و زندگی بومی معاصر، هنر و بیان آن است.

این دومین دوره در زمینه اتصال به پایگاه داده جاوا (JDBC) است و بر اساس اصول و تکنیک های اصلی در دوره JDBC 1 است. از PreparedStatements استفاده می کند و مزایای آنها را نسبت به بیانیه های JDBC برجسته می کند. همچنین استفاده از رویه‌های ذخیره شده را در خود سرور پایگاه داده برای کپسوله‌سازی منطق پیچیده SQL و PLSQL معرفی می‌کند. این دوره همچنین ایده پرس و جو از متا داده های پایگاه داده مانند ساختارهای جدول و نحوه مقابله با نحو مختلف SQL برای پایگاه داده های شکایات Jdbc مختلف از طریق نحو فرار JDBC را معرفی می کند.

برای درک واقعی ویژگی های بیت کوین، باید نحوه عملکرد آن در سطح فنی را درک کنیم. ما به سوالات مهم در مورد بیت کوین می پردازیم، مانند: بیت کوین چگونه کار می کند؟ چه چیزی بیت کوین را متفاوت می کند؟ بیت کوین های شما چقدر امن هستند؟ کاربران بیت کوین چقدر ناشناس هستند؟ چه چیزی قیمت بیت کوین را تعیین می کند؟ آیا ارزهای دیجیتال قابل تنظیم هستند؟ آینده چه چیزی ممکن است داشته باشد؟ پس از این دوره، همه چیزهایی را که برای اینکه بتوانید در هنگام خواندن ادعاهای مربوط به بیت کوین و سایر ارزهای دیجیتال بتوانید واقعیت را از خیال جدا کنید، خواهید دانست. شما مبانی مفهومی مورد نیاز برای مهندسی نرم افزار ایمن که با شبکه بیت کوین در تعامل است را خواهید داشت. و شما می توانید ایده های بیت کوین را در پروژه های خود ادغام کنید. مدرسین دوره: آرویند نارایانان، دانشگاه پرینستون تمامی امکانات این دوره به صورت رایگان در دسترس است. پس از اتمام، گواهی ارائه نمی دهد.

در این دوره، تاریخچه اخیر بیسبال در آمریکا را از طریق لنزهای مشابهی که قبلاً استفاده کرده ایم، بررسی خواهیم کرد. پول و کار، فرهنگ، تعطیلی، و میهن پرستی و ملی گرایی موضوعات اصلی ما برای این دوره چهارم و آخر هستند. ما همچنین به چگونگی پیوند روندهای معاصر مانند COVID-19 به تاریخ های دور خواهیم پرداخت.

این دوره بیسبال و آمریکایی گرایی را بررسی می کند. این که بیسبال سرگرمی ملی است به چه معناست؟ تفریح ​​ملی اصلاً به چه معناست؟ ملی چطور؟ وقتی به ایالات متحده فکر می کنید، به چه چیزی فکر می کنید؟ آیا بیسبال بخشی از آن است؟ اینها برخی از جنبه هایی است که ما در طول این دوره به بررسی آنها خواهیم پرداخت. ما قرار است مدتی را صرف بحث کنیم که چگونه بیسبال فرهنگ آمریکایی را در آن زمان منعکس می کند. در برخی موارد، ما در مورد اینکه چگونه بیسبال منعکس کننده آن چیزی است که مردم می خواستند فرهنگ آمریکایی به نظر برسد، صحبت خواهیم کرد.

این یک دوره پیشرفته برای زبان چینی برای مبتدیان است. زبان آموزان واژگان مربوط به اطلاعات شخصی، زندگی روزمره، غذا و نوشیدنی، سلامتی، و عباراتی در مورد احوالپرسی، پیشنهاد، موافقت، مقایسه، شکایت، ممنوعیت، تجربه، برنامه ریزی، توصیه و غیره را گسترش می دهند. زبان آموزان می توانند گوش دادن و صحبت کردن خود را بهبود بخشند و چیزهای زیادی بدانند. بیشتر در مورد فرهنگ اجتماعی چین مانند زبان چینی برای مبتدیان، این دوره از زبان آموزان نمی خواهد که حروف چینی را بدانند. پیشینه پیشنهادی: برای زبان آموزانی که توانایی زبان انگلیسی خاصی دارند و بهتر است زبان چینی را برای مبتدیان آموزش ببینند.

این کلاس 2 از تخصص MOOC است، به یک عامل تغییر کسب و کار پایدار تبدیل شوید. در این کلاس مهارت های عامل تغییر بیشتری را یاد خواهید گرفت و از افرادی که تغییراتی در سازمان خود ایجاد کرده اند می شنوید. همچنین درباره طراحی سبز و گزارش پایداری بیشتر خواهید آموخت. مهارت‌های این کلاس به بهبود محصولات و خدمات در شرکت شما کمک می‌کند یا به شرکت کمک می‌کند اولین گزارش خود یا گزارش پایداری بهبود یافته را منتشر کند.

عواملی -موسیقی و فرهنگی- را بررسی می کند که منجر به تولد موسیقی راک اند رول آمریکایی در اوایل دهه 1950 شد. ژانرها، سبک‌ها و افرادی را که برای ایجاد این موسیقی جدید به هم نزدیک شده‌اند را با جزئیات پوشش می‌دهد.

بیماری کبد چرب غیر الکلی (NAFLD) یک مشکل جهانی است که تا 25 درصد از افراد را تحت تاثیر قرار می دهد. این بیماری نه تنها خطر ابتلا به بیماری های کبدی را افزایش می دهد، بلکه خطر ابتلا به بیماری های قلبی عروقی و سرطان کبد را نیز افزایش می دهد. در طول این دوره، نکات ضروری NAFLD را یاد خواهید گرفت. ما با مقدمه ای بر فیزیولوژی کبد انسان و سپس اپیدمیولوژی، پاتوفیزیولوژی، پزشکی بالینی و ژنتیک شروع خواهیم کرد. تشخیص NAFLD بر اساس آزمایش خون، تصویربرداری تشخیصی و بافت شناسی مورد بحث قرار خواهد گرفت. عوارض و گزینه های درمانی نیز در این دوره شامل ارتباط بین NAFLD و ایجاد دیابت پوشش داده خواهد شد. در نهایت، کارشناسان در مورد شناسایی نشانگرهای زیستی جدید توسط فناوری‌های omics مبتنی بر داده بحث خواهند کرد. پس از تکمیل این دوره، دانش گسترده ای در مورد NAFLD از اتیولوژی و پاتوفیزیولوژی گرفته تا معاینات و درمان های کنار تخت خواهید داشت.

در محیط‌های بشردوستانه، بیماری‌های روانی با سایر بیماری‌های غیرواگیر (NCD) مانند بیماری‌های قلبی عروقی، سرطان‌ها، دیابت و بیماری‌های مزمن تنفسی در ارتباط است. بنابراین، ادغام سلامت روان و حمایت روانی اجتماعی (MHPSS) با پیشگیری و مراقبت از بیماری‌های غیرواگیر ممکن است مفید باشد، هم برای مؤثرتر بودن و هم برای نیاز به منابع کمتر. با این حال، فقدان دستورالعمل های پذیرفته شده ای وجود دارد که این را در نظر بگیرد، و این دوره برای جلب توجه به آن موضوع است. توجه به بیماری‌های غیرواگیر در ابتدا بر چهار دسته بیماری اصلی (بیماری‌های قلبی عروقی، دیابت، بیماری مزمن تنفسی و سرطان) و چهار گروه از عوامل خطر مرتبط (رژیم‌های غذایی ناسالم، عدم تحرک بدنی، مصرف دخانیات و مصرف مضر الکل) متمرکز شد. اخیراً، بیماری روانی به عنوان پنجمین بیماری غیرواگیر و عامل تعیین کننده محیطی به عنوان پنجمین عامل خطر برای بیماری های غیرواگیر - معروف به شرایط «5 در 5» در نظر گرفته شده است. این دوره دارای هدف سه گانه است: 1) بررسی شواهدی مبنی بر تعامل بین بیماری های روانی و سایر بیماری های غیرواگیر و نقش حمایت روانی اجتماعی در پاسخ انسان دوستانه. ii) کشف آنچه انجام می شود و در کجا. عوامل تعیین کننده سلامت در چه سطحی مورد توجه قرار می گیرند و ادغام سلامت روان و حمایت روانی اجتماعی یا پیشگیری و مراقبت MHPSS و NCD در واکنش بشردوستانه. و iii) برای شناسایی و کشف چالش ها، فرصت ها و درس های آموخته شده برای ادغام پیشگیری و مراقبت از MHPSS و NCD در واکنش بشردوستانه. MOOC توسط یک رهبر دوره از دانشگاه کپنهاگ با همکاری نزدیک با معلمان دانشگاهی، صلیب سرخ دانمارک و مرکز مرجع IFRC برای حمایت روانی اجتماعی، کپنهاگ، دانمارک هدایت خواهد شد.

بیماری های غیرواگیر عامل اصلی مرگ و میر تقریباً در هر منطقه از جهان است و بار بزرگی را بر دوش افراد، خانواده ها و جوامع وارد می کند. تنظیمات بشردوستانه تأثیر منفی بر سطح بیماری و امکان درمان دارد. اهمیت بیماری‌های غیرواگیر در سلامت جهانی با گنجاندن آن‌ها در اهداف توسعه پایدار، که خواستار کاهش یک سوم مرگ و میر زودرس ناشی از بیماری‌های غیرواگیر تا سال 2030 است، تأیید می‌شود. نیازهای مراقبت و درمان عمدتاً در میان برخی از آسیب پذیرترین جمعیت ها برطرف نشده است. بر اساس گزارش سازمان بهداشت جهانی، 70 درصد مرگ و میرهای جهانی ناشی از بیماری های غیرواگیر است. چهار گروه اصلی بیماری که باعث بیشترین تعداد مرگ و میر می شوند عبارتند از: بیماری های قلبی عروقی، سرطان، دیابت و بیماری انسدادی مزمن ریه (از جمله آسم). این دوره دانشی را در مورد مسائل و معضلاتی که در مورد بیماری های غیرواگیر در محیط های بشردوستانه و راه حل های ممکن رخ می دهد ارائه می دهد. چرا بیماری‌های غیرواگیر در شرایط اضطراری یا بحران‌های بشردوستانه یک مشکل هستند؟ بلایای طبیعی و شرایط اضطراری پیچیده، از جمله درگیری‌های مسلحانه، تأثیر منفی بر سطح بیماری و امکان پیشگیری، درمان و مراقبت از افراد مبتلا به بیماری‌های غیرواگیر دارد. افراد مبتلا به بیماری‌های غیرواگیر معمولاً برای جلوگیری از پیشرفت بیماری نیاز به مراقبت مداوم دارند و اختلال در درمان به دلیل بلایای طبیعی یا شرایط اضطراری یک چالش بزرگ برای سلامتی است. در شرایط درگیری و شرایط شکننده، چالش مراقبت و درمان مختل شده ممکن است تشدید شود - تخمین زده می شود که 65 میلیون نفر به اجبار به دلیل درگیری آواره شده اند، جابجایی طولانی تر است، و گاهی اوقات سیستم های بهداشتی و پرسنل بهداشتی عمدا هدف قرار می گیرند.

در مورد اپیدمی در حال تکامل ابولا و جنبه های مختلف آن از جمله پیشگیری از بیماری، مدیریت و درمان، پاسخ به بیماری همه گیر، ملاحظات اخلاقی، و چشم انداز بهداشت جهانی پس از ابولا بیاموزید.

بینایی کامپیوتر (CV) یک زمینه مطالعاتی جذاب است که تلاش می‌کند فرآیند انتساب معنا به تصاویر یا فیلم‌های دیجیتال را خودکار کند. به عبارت دیگر، ما به رایانه ها کمک می کنیم تا دنیای اطراف ما را ببینند و درک کنند! تعدادی از الگوریتم‌ها و تکنیک‌های یادگیری ماشین (ML) را می‌توان برای انجام وظایف CV مورد استفاده قرار داد، و با سریع‌تر و کارآمدتر شدن ML، می‌توانیم این تکنیک‌ها را در سیستم‌های تعبیه‌شده مستقر کنیم. این دوره که با مشارکت Edge Impulse، OpenMV، Seeed Studio و TinyML Foundation ارائه شده است، به شما درک می کند که چگونه می توان از یادگیری عمیق با شبکه های عصبی برای طبقه بندی تصاویر و تشخیص اشیاء در تصاویر و ویدیوها استفاده کرد. شما این فرصت را خواهید داشت که این مدل های یادگیری ماشینی را در سیستم های جاسازی شده، که به عنوان یادگیری ماشین جاسازی شده یا TinyML شناخته می شود، مستقر کنید. آشنایی با زبان برنامه نویسی پایتون و مفاهیم اولیه ML (مانند شبکه های عصبی، آموزش، استنتاج و ارزیابی) برای درک برخی از موضوعات و همچنین تکمیل پروژه ها توصیه می شود. مقداری ریاضی (خواندن نمودار، حساب، جبر) نیز برای آزمون ها و پروژه ها مورد نیاز است. اگر قبلاً این کار را نکرده اید، شرکت در دوره «مقدمه ای بر یادگیری ماشین جاسازی شده» توصیه می شود. این دوره مفاهیم و واژگان لازم برای درک نحوه عملکرد شبکه های عصبی کانولوشن (CNN) را پوشش می دهد و نحوه استفاده از آنها برای طبقه بندی تصاویر و تشخیص اشیا را پوشش می دهد. پروژه های عملی به شما این فرصت را می دهد که CNN های خود را آموزش دهید و آنها را روی یک میکروکنترلر و/یا کامپیوتر تک بردی مستقر کنید.

در این دوره، شما: الف) طبقه بندی تصویر، تقسیم بندی تصویر، محلی سازی شی و تشخیص اشیا را کاوش کنید. استفاده از آموزش انتقال برای محلی سازی و تشخیص اشیا. ب) مدل‌های تشخیص اشیا مانند Regional-CNN و ResNet-50 را اعمال کنید، مدل‌های موجود را سفارشی کنید، و مدل‌های خود را برای شناسایی، بومی‌سازی و برچسب‌گذاری تصاویر اردک لاستیکی خود بسازید. ج) تقسیم‌بندی تصویر را با استفاده از تغییرات شبکه کاملاً کانولوشن (FCN) از جمله U-Net و د) Mask-RCNN برای شناسایی و شناسایی اعداد، حیوانات خانگی، زامبی‌ها و موارد دیگر اجرا کنید. د) مشخص کنید که مدل شما از کدام بخش‌های تصویر برای پیش‌بینی‌های خود با استفاده از نقشه‌های فعال‌سازی کلاس و نقشه‌های برجسته استفاده می‌کند و از این روش‌های تفسیر ML برای بازرسی و بهبود طراحی یک شبکه معروف، AlexNet استفاده می‌کند. 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.

دنیای تجارت امروز به طور فزاینده ای مبتنی بر داده است. کسب‌وکارهای کوچک و بزرگ از داده‌ها برای تصمیم‌گیری در مورد فروش، استخدام، اهداف و همه حوزه‌هایی که داده‌هایی در اختیار دارند استفاده می‌کنند. در حالی که اکثر کسب و کارها به داده‌های یک نوع یا دیگری دسترسی دارند، درک داده‌ها بدون پیش‌زمینه در تجزیه و تحلیل داده‌ها برای یک کاربر عادی تجاری می‌تواند ترسناک باشد. Power BI مایکروسافت ترس و دردسر تجزیه و تحلیل و تجسم داده ها را از بین می برد. در طول این دوره، شما خطاهای موجود در مجموعه داده ها را شناسایی کرده و با استفاده از تکنیک های پاکسازی و تبدیل داده ها، آنها را تشخیص می دهید تا آنها را برای اهداف گزارش آماده کنید. با تمرکز بر کاربردهای عملی، تجسم های پیچیده را با استفاده از اپراتور DAX حل می کنید و تجسم ها را برای برنامه ریزی تصمیمات مربوط به کسب و کار ارزیابی می کنید. چه بخواهید یک تحلیلگر داده باشید، چه یک متخصص هوش تجاری یا یک تصمیم گیرنده با تکیه بر بینش های داده محور، این دوره ابزارها و دانش لازم را برای موفقیت در اختیار شما قرار می دهد.