فن‌آوری‌های مبتنی بر داده‌ها مانند هوش مصنوعی، زمانی که با رعایت اصول اخلاقی طراحی شوند، هم برای کسب‌وکار و هم برای جامعه در کل مفید هستند. اما این کافی نیست که بگوییم "اخلاق" خواهید بود و انتظار داشته باشید که این اتفاق بیفتد. ما به ابزارها و تکنیک هایی نیاز داریم که به ما کمک کنند تا شکاف های موجود در رفتارهای اخلاقی خود را ارزیابی کنیم و تهدیدات علیه اهداف اخلاقی خود را شناسایی و متوقف کنیم. ما همچنین باید بدانیم کجا و چگونه فرآیندهای اخلاقی خود را در طول چرخه عمر توسعه بهبود دهیم. آنچه ما نیاز داریم راهی برای مدیریت ریسک اخلاقی است. این دوره سوم در گواهینامه حرفه‌ای Certified Ethical Emerging Technologist (CEET) برای یادگیرندگانی طراحی شده است که به دنبال کشف و کاهش خطرات اخلاقی در طراحی، توسعه و استقرار فناوری‌های مبتنی بر داده هستند. دانش‌آموزان اصول تحلیل ریسک اخلاقی، منابع ریسک و نحوه مدیریت انواع مختلف ریسک را خواهند آموخت. در طول دوره، فراگیران راهبردهایی برای شناسایی و کاهش خطرات را خواهند آموخت. این دوره سومین دوره از پنج دوره با گواهینامه حرفه ای Certified Ethical Emerging Technologist (CEET) است. دوره های قبلی با عنوان ترویج استفاده اخلاقی از فناوری های داده محور و تبدیل چارچوب های اخلاقی به گام های عملی است.

چهارمین و آخرین دوره تخصصی تأثیرات محیط بر سلامت عمومی جهانی دو موضوع را پوشش می دهد. اولین مورد عدالت زیست محیطی است – یعنی اجتناب از توزیع ناعادلانه تهدیدات بهداشت محیطی در جمعیت ما و تضمین محیط زیست سالم و ایمن و برابری سلامت برای همه. دوم ارزیابی و مدیریت ریسک است، چارچوبی که می تواند برای ارزیابی و کمیت خطرات سلامت انسان و شناسایی رویکردهای مناسب برای کاهش این خطرات و ارتقای سلامت بهتر مورد استفاده قرار گیرد. ما مراحل مربوط به ارزیابی ریسک و همچنین نحوه ارزیابی ریسک را که می تواند مسائل مربوط به عدالت زیست محیطی را در بر گیرد و به آنها رسیدگی کند را بررسی خواهیم کرد.

در این دوره، ما سه خطر امنیتی بسیار مرتبط را که در موضوعات بزرگ‌تر در فهرست ده برتر OWASP 2021 ادغام شده‌اند، بررسی می‌کنیم. دانستن جزئیات نحوه عملکرد این خطرات هنوز مهم است. ما موجودیت های خارجی XML (XXE)، اسکریپت بین سایتی (XSS) و Deserialization ناامن را بررسی خواهیم کرد.

در این دوره، شما از مهندسان و مربیان ML که با پیشرفته ترین توسعه خطوط لوله ML در اینجا در Google Cloud کار می کنند، یاد خواهید گرفت. چند ماژول اول در مورد TensorFlow Extended (یا TFX) که پلتفرم یادگیری ماشین تولیدی گوگل بر اساس TensorFlow برای مدیریت خطوط لوله ML و ابرداده است، پوشش می‌دهد. در مورد اجزای خط لوله و ارکستراسیون خط لوله با TFX خواهید آموخت. همچنین یاد خواهید گرفت که چگونه می توانید خط لوله خود را از طریق یکپارچه سازی مداوم و استقرار مستمر خودکار کنید و چگونه ابرداده های ML را مدیریت کنید. سپس تمرکز را تغییر خواهیم داد تا در مورد چگونگی خودکارسازی و استفاده مجدد از خطوط لوله ML در چندین چارچوب ML مانند tensorflow، pytorch، scikit Learn و xgboost بحث کنیم. همچنین یاد خواهید گرفت که چگونه از ابزار دیگری در Google Cloud یعنی Cloud Composer برای تنظیم خطوط لوله آموزش مداوم خود استفاده کنید. و در نهایت به نحوه استفاده از MLflow برای مدیریت چرخه زندگی یادگیری ماشین کامل خواهیم پرداخت. لطفا توجه داشته باشید که این دوره یک دوره پیشرفته است و برای استفاده حداکثری از این دوره، در حالت ایده آل، پیش نیازهای زیر را دارید: شما پیشینه ML خوبی دارید و خطوط لوله ML را ایجاد/استقرار کرده اید شما دوره های ML را با Tensorflow در تخصص GCP (یا حداقل چند دوره) گذرانده اید. شما دوره MLOps Fundamentals را به پایان رسانده اید. >>> با ثبت نام در این دوره، با شرایط خدمات Qwiklabs که در پرسش های متداول و در آدرس زیر آمده است موافقت می کنید: https://qwiklabs.com/terms_of_service <<<

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. در این دوره سوم، شما: - کارهای ساده ETL را با استفاده از خدمات داده TensorFlow انجام دهید - بارگذاری مجموعه داده های مختلف و بردارهای ویژگی سفارشی با استفاده از TensorFlow Hub و TensorFlow Data Services API - ایجاد و استفاده از خطوط لوله از پیش ساخته شده برای تولید خطوط لوله ورودی/خروجی بسیار تکرارپذیر برای هر مجموعه داده - بهینه سازی خطوط لوله داده که به یک گلوگاه در فرآیند آموزش تبدیل می شوند - مجموعه داده های خود را در کتابخانه TensorFlow Hub منتشر کنید و داده های استاندارد شده را با محققان و توسعه دهندگان در سراسر جهان به اشتراک بگذارید 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.

خلاقیت یک مهارت ضروری برای قرن بیست و یکم است که در همه افراد ذاتی است و می توان آن را پرورش داد. ما دائماً برای تقریباً هر جنبه از زندگی حرفه ای و شخصی خود به ایده های جدید و بهتر نیاز داریم. هدف از این دوره کمک به شما در شناخت، توسعه و عمل بر اساس خلاقیتی است که در حال حاضر دارید. ما این کار را با استفاده از سه روش انجام خواهیم داد: b آگاه، b الهام گرفته، و b خلاق. شرکت کنندگان پس از اتمام این دوره: خلاقیت ذاتی خود و دیگران را بشناسید. ویژگی های یک فرد خلاق را که به خودتان مربوط می شود، شناسایی کنید. مهارت های حل مسئله خلاق را با استفاده از عناصر اساسی فرآیند خلاق توسعه دهید. ویژگی های یک محیط خلاق را در محیط های دنیای واقعی بررسی کنید. یک ایده را با استفاده از معیارهای محصول خلاقانه ارزیابی کنید.

خلاقیت طبیعی در مورد درک و مهار خلاقیت انسان است. در این دوره، آخرین نظریه‌های خلاقیت انسان، تاریخچه و تکامل آن و اینکه چگونه تحقیقات هوش مصنوعی به ما در درک کامل‌تر آن کمک می‌کند، بررسی خواهید کرد. از طریق این دیدگاه های متنوع، آگاهی عمیق تری از فرآیندهای خلاقانه و الهامات خود به دست خواهید آورد. با پیشروی در دوره، با کاوش در روش‌های مختلف برای تحقیقات طراحی و به‌کارگیری آن‌ها در سناریوها و چارچوب‌های مختلف کسب‌وکار، به جعبه ابزار خلاق خود اضافه خواهید کرد. سپس، در پروژه دوره، با استفاده از تکنیک ها و تئوری هایی که آموخته اید، تمرین خواهید کرد تا بینش عمیقی در مورد خلاقیت افراد در زمینه محلی خود به دست آورید.

خلاقیت مصنوعی زمینه نوظهور خلاقیت در هوش مصنوعی (AI) را از منظر طراحی بررسی می‌کند و بینش‌های علوم کامپیوتر و رشته‌های خلاق را گرد هم می‌آورد. در این دوره، تاریخچه و نظریه‌های پشت هوش مصنوعی خلاق امروزی را بررسی می‌کنید، رویکردهای غیرمتعارفی را که این زمینه را پیشرفت داده‌اند، تجزیه و تحلیل می‌کنید و ابزارهای خلاقانه هوش مصنوعی پیشرفته را تجربه می‌کنید. در عین حال، روش‌های تحقیق در مورد تفکر طراحی، نحوه پیاده‌سازی آن‌ها برای بینش خلاقانه خود و نحوه ترجمه آن‌ها به زمینه‌های حرفه‌ای و تجاری را یاد خواهید گرفت. در طول دوره، شما از کامپیوتر خود فاصله می گیرید تا تحقیقات طراحی را انجام دهید و تکنیک ها و تئوری هایی را که هر هفته یاد می گیرید در موضوع مورد نظر خود به کار ببرید. شما همچنین از طریق بحث و گفتگو با زبان آموزان دیگر درگیر خواهید شد و در عین حال درک خود را از خلاقیت به چالش می کشید و گسترش می دهید.

خلاقیت و کارآفرینی به شما کمک می کند تا از خلاقیت درونی خود بهره ببرید و یاد بگیرید که چگونه از آن برای توسعه شغلی یا نوآوری در کسب و کار استفاده کنید. این دوره که توسط پانوس پانای بنیانگذار موسسه برکلی برای کارآفرینی خلاق ارائه شده است، مصاحبه هایی با کارآفرینان مشهور جهان، مبتکران، ترانه سراها، تهیه کنندگان، مدیران خلاق، مربیان، اجراکنندگان، هنرمندان تجسمی و سرآشپزها ارائه می کند و در مورد شباهت های بین سفرهای خلاق و کارآفرینی بحث می کند. این دوره به کارآفرینی به عنوان یک فرآیند خلاقانه می پردازد، یک غریزه اساسی انسانی که همه ما آن را داریم و می توانیم آن را باز کنیم. خلاقیت و کارآفرینی مفاهیمی را از فرآیند خلاقیت و خلق موسیقی مانند مشاهده، نمونه‌سازی، تکرار و پذیرش شکست به‌عنوان وسیله‌ای برای راهنمایی شما از طریق مفهوم تفکر مانند یک استارت‌آپ استفاده می‌کند. شما ذهنیت، دانش و بینش اولیه مورد نیاز برای دنبال کردن یک حرفه کارآفرینی را توسعه خواهید داد، چه به عنوان مباشر حرفه خود و چه به عنوان بنیانگذار یک تجارت جدید در هر زمینه. خلاقیت و کارآفرینی در مورد جنبه ای از کارآفرینی است که در یک مدرسه کسب و کار نمی آموزید، بلکه در استودیو موسیقی یاد می گیرید. آنچه یاد خواهید گرفت: چگونه به حرفه یا استارتاپ خود نزدیک شوید که گویی یک ساز موسیقی یاد می گیرید چرا کارآفرینی، مانند خلاقیت، چیزی است که همه ما از آن برخورداریم؟ نحوه به کارگیری «ذهنیت نوازنده» به عنوان ابزاری برای همکاری و حل خلاقانه مسئله چرا ترانه سرایی موازی کاملی با توسعه حرفه و محصول است چرا کارآفرینی بیشتر از طرح‌های تجاری و صفحات گسترده است، مانند موسیقی بیشتر از مقیاس‌ها و برگه‌های اصلی

زندگی ما توسط بیماری های همه گیر، گرم شدن کره زمین، جنگ ها، هرج و مرج سیاسی و نوآوری های تکنولوژیکی مختل شده است. ما باید برای آینده ای غیرقابل پیش بینی و ناشناخته آماده شویم - و این هدف دوره خلاقیت، نوآوری و تحول (CIT) است! CIT ارتقاء دوره قبلی خلاقیت، نوآوری و تغییر (CIC) است که آخرین بار در سال 2024 ساده و به روز شد. این دوره از چهار ماژول/درس اصلی تشکیل شده است: جعبه ابزار نوآوری تنوع خلاق مرکز دگرگونی این دوره راه های منحصر به فردی را ارائه می دهد: طبیعت خلاقانه و خلاقانه منحصر به فرد ما را کشف کنید احساس مسئولیت خود را نسبت به خود و جامعه مان پرورش دهیم دنیای درونی ما را به حالات اخلاقی و اخلاقی بالاتر تبدیل کنیم قدر زیبایی غیرمنتظره و معنای عمیق تر زندگی خود را بدانیم. از طریق ترکیبی از دیدگاه‌های غنی و تازه در موضوعات خلاقیت، نوآوری و تحول، این دوره به ما کمک می‌کند تا از خود خلاقانه منحصربه‌فرد خود آگاه شویم و چگونه می‌توانیم فردیت خود را در دنیایی از اختلالات و تفاوت‌ها آشکار کنیم که نیاز شدیدی به پتانسیل خلاق، نوآورانه و متحول کننده همه دارد! به CIT MOOC خوش آمدید! خواندن های توصیه شده جک متسون - نوآوری کن یا بمیر - http://amzn.to/14Wed0V Darrell Velegol - CENTER، طراحی فرآیندهای نوآوری - https://a.co/d/0xKzmoI کیت نلسون - پیشرفت ها - https://a.co/d/iRZkLy7

در این دوره به بررسی خواص الکتریکی مواد می پردازیم و مواد مختلف را به عنوان رسانا، نیمه هادی یا عایق طبقه بندی می کنیم. ما به نمونه هایی از رساناها، نیمه هادی ها و عایق ها نگاه خواهیم کرد و به عوامل کلیدی که باعث تفاوت در خواص الکتریکی آنها می شوند اشاره خواهیم کرد. ما از نظریه باند ابتدایی استفاده خواهیم کرد تا نشان دهیم که چگونه دما بر رسانایی سه طبقه بندی مواد تأثیر می گذارد. ما خواهیم آموخت که چه چیزی باعث تفاوت در رفتار الکتریکی یک نوع p در مقابل یک نیمه هادی نوع n در یک دیود p-n می شود.

خواندن مؤثر، به ویژه زمانی که هدف اصلی کسب اطلاعات باشد، مستلزم راهبردهای خاصی است. وقتی صحبت از خواندن به زبان مادری می شود، کاربرد آن تقریباً خودکار، ناخودآگاه است. با این حال، وقتی صحبت از خواندن یک متن به زبان انگلیسی می شود، عوامل متعددی وجود دارد که کاربرد آن را دشوار می کند. هدف این دوره آگاهی دانشجویان از ویژگی های متون به طور عام و متون حقوقی به طور خاص و برخی از فعالیت هایی است که از جمله خواننده می تواند برای مطالعه موثر در آنها شرکت کند.

این هفتمین دوره گواهینامه امنیت سایبری گوگل است. این دوره‌ها شما را به مهارت‌هایی که برای درخواست یک شغل امنیت سایبری سطح ابتدایی نیاز دارید، مجهز می‌کند. شما بر اساس درک خود از موضوعاتی که در ششمین دوره گواهی امنیت سایبری Google معرفی شده‌اند، استفاده خواهید کرد. در این دوره با زبان برنامه نویسی پایتون آشنا می شوید و آن را در یک تنظیمات امنیت سایبری برای خودکارسازی وظایف به کار می برید. شما با تمرکز بر مفاهیم اساسی برنامه نویسی پایتون، از جمله انواع داده ها، متغیرها، عبارات شرطی و عبارات تکراری شروع می کنید. همچنین کار با پایتون را با توسعه توابع، استفاده از کتابخانه ها و ماژول ها و خوانایی کدهای خود یاد خواهید گرفت. علاوه بر این، شما با داده های رشته و فهرست کار خواهید کرد و نحوه وارد کردن، تجزیه و اشکال زدایی فایل ها را یاد خواهید گرفت. کارمندان Google که در حال حاضر در امنیت سایبری کار می‌کنند، شما را از طریق ویدیوها راهنمایی می‌کنند، فعالیت‌های عملی و نمونه‌هایی را ارائه می‌کنند که وظایف رایج امنیت سایبری را شبیه‌سازی می‌کنند، و به شما کمک می‌کنند مهارت‌های خود را برای آماده شدن برای مشاغل ایجاد کنید. فراگیرانی که این گواهی را تکمیل می کنند، برای درخواست نقش های امنیت سایبری سطح ابتدایی مجهز خواهند شد. هیچ تجربه قبلی لازم نیست. در پایان این دوره، شما: - نحوه استفاده از زبان برنامه نویسی پایتون در امنیت سایبری را توضیح دهید. - دستورات شرطی و تکراری را در پایتون بنویسید. - توابع پایتون جدید و تعریف شده توسط کاربر ایجاد کنید. - از پایتون برای کار با رشته ها و لیست ها استفاده کنید. - از عبارات منظم برای استخراج اطلاعات از متن استفاده کنید. - از پایتون برای باز کردن و خواندن محتویات یک فایل استفاده کنید. - بهترین شیوه ها برای بهبود خوانایی کد را شناسایی کنید. - کد اشکال زدایی را تمرین کنید.

در این دوره، ما تمام مفاهیمی را که آنها در طول این برنامه یاد گرفته اند با هم گره می زنیم. آنها با سناریوهایی در Qwiklabs مقابله خواهند کرد که آنها را برای استفاده همزمان از چندین مهارت به چالش می کشد. آنها نگاهی دقیق تر به نحوه استفاده از ماژول های خارجی پایتون مانند کتابخانه تصویر پایتون (PIL) برای گسترش قابلیت های کد خود خواهند داشت. آنها همچنین از سریال‌سازی داده‌ها برای تبدیل اشیاء درون حافظه به پیام‌هایی استفاده می‌کنند که می‌توانند روی برنامه‌هایی با رابط‌های برنامه‌نویسی کاربردی (API) ارسال شوند. در نهایت، زبان آموزان با استفاده از دانش فنی خود برای ایجاد یک برنامه، یک مشکل دنیای واقعی را حل می کنند!

کسوف کامل یکی از دیدنی ترین مناظری است که می توانید ببینید! به نظر می رسد که پایان جهان ممکن است نزدیک باشد. یک سیاهچاله در آسمان وجود دارد که خورشید باید در آن باشد. شعله های صورتی رنگ برجستگی های خورشیدی و جریان های نقره ای طویل خورشید در سراسر آسمان کشیده شده اند. هوا سرد می شود و حیوانات کارهای عجیبی انجام می دهند. مردم فریاد می زنند و فریاد می زنند و تشویق می کنند و این تجربه را در تمام زندگی خود به یاد می آورند. اما کسوف کامل از نظر علمی نیز مهم است. آنها به ما اجازه می دهند قسمت هایی از جو خورشید را ببینیم که در غیر این صورت نامرئی هستند. یک کسوف کامل اولین فرصت را برای آزمایش پیش بینی انیشتین ارائه کرد که ماده می تواند فضا را خم کند - مانند نزدیکی یک سیاهچاله. بهترین ماه گرفتگی کامل در ایالات متحده در 40 سال گذشته در 21 آگوست 2017 رخ می دهد. این دوره دو هدف اصلی دارد: 1) برای هیجان زده شدن شما برای خورشید گرفتگی کامل که در آگوست 2017 رخ می دهد و شما و جامعه تان را برای مشاهده ایمن آن آماده می کند. 2) ارائه یک نمای کلی دعوت کننده از علم خورشید و فیزیک نور اگر بیشتر علاقه مند به آماده شدن برای کسوف هستید، می توانید درست به هفته 5 بروید! اگر می‌خواهید تجربه کامل دوره را داشته باشید، و برای آنچه که در 21 آگوست می‌بینید، زمینه‌های علمی جالبی کسب کنید، از هفته اول شروع کنید و هفته به هفته دوره را طی کنید! [توجه: اگر با هفته 1 شروع کنید، پس از رسیدن به هفته 5، می توانید از برخی از مطالب تکراری رد شوید.] به طور کلی این دوره شما را برای ... * خورشید گرفتگی کامل یا جزئی را با خیال راحت مشاهده کنید * به دیگران کمک کنید تا با خیال راحت تماشا کنند و حتی با هدایت "نگهبان محله" کسوف درآمد کسب کنند * علم بنیادی خورشید را مرور کنید، از جمله فیزیک نور، منجمان چگونه خورشید را مطالعه می کنند، چگونه شکل گرفته است، چگونه می دانیم چه چیزی در داخل آن است، و انرژی که از حیات روی زمین پشتیبانی می کند کجا تولید می شود.

وقتی در فکر کردن به آینده بهتر می شوید، در تغییر آینده نیز بهتر می شوید. این دوره به شما کمک می‌کند تا تمام مهارت‌های آینده‌نگاری را که تا کنون توسعه داده‌اید، به کار ببرید و آنها را برای ایجاد تغییرات مثبت واقعی در زندگی، کار و دنیای اطراف خود به کار ببرید. شما یاد خواهید گرفت که چگونه "آینده های ترجیحی" را ایجاد کرده و به اشتراک بگذارید، که دیدگاه های بسیار متقاعد کننده و قانع کننده ای از تغییراتی است که می خواهید واقعی کنید. شما از آینده دلخواه خود برای شناسایی موانع، استخدام متحدان، جمع آوری منابع و برنامه ریزی برای عملی کردن دیدگاه خود استفاده خواهید کرد. شما همچنین ساختن «مصنوعات» از آینده را تمرین خواهید کرد، که بازنمایی خلاقانه از اینکه چگونه زندگی روزمره ممکن است در آینده متفاوت باشد. مصنوعات می توانند دیگران را ترغیب کنند تا در تلاش شما برای واقعی ساختن آینده مطلوب به شما بپیوندند. آینده پژوهان پیشرو از مؤسسه برای آینده، مصنوعات مورد علاقه آینده خود را با شما به اشتراک می گذارند - و شما را در تمام مراحل خلاقانه ای که برای ساخت آنها لازم است، راهنمایی می کنند. هر اقدامی که امروز انجام می دهیم آینده را تغییر می دهد. این دوره به شما کمک می‌کند تا اقداماتی را که بزرگترین و استراتژیک‌ترین تأثیرات را بر فوری‌ترین چالش‌هایی که شما و جامعه با آن مواجه هستید، شناسایی کرده و انجام دهید. با تشکر فراوان از بنیاد Enlight و Enlight Collaborative که برای حمایت از ایجاد این دوره کمک مالی ارائه کردند.

آیا به نظر می رسد بسیاری از مردم در محله شما همگی به همین بیماری مبتلا هستند؟ آیا مردم نگران نرخ بالای سرطان هستند؟ جامعه شما ممکن است بخواهد امکان یک خوشه بیماری را بررسی کند، که زمانی اتفاق می افتد که تعداد موارد بیماری بیشتر از حد انتظار باشد. هنگامی که جوامع در مورد موارد بیماری در محله خود می شنوند، به حق نگران می شوند. با این حال، نتایج تحقیقات توسط بخش بهداشت اغلب هیچ شواهدی از وجود خوشه پیدا نمی کند. این دوره به شما کمک می کند تا درک کنید که خوشه بیماری چیست و چگونه مطالعه می شود. هدف، توانمندسازی دانشمندان جامعه (یا شهروندان) و کمک به ایجاد روابط بهتر بین جوامع و مقامات بهداشتی است.

این دوره دانش آموزان را با داده ها و آمار آشنا می کند. در پایان دوره، دانش‌آموزان باید بتوانند آمار توصیفی، تحلیل‌های علّی و تجسم‌سازی را برای به دست آوردن بینش معنادار تفسیر کنند. این دوره ابتدا چارچوبی را برای تفکر در مورد اهداف مختلف تجزیه و تحلیل آماری معرفی می کند. ما در مورد نحوه استفاده تحلیلگران از داده ها برای استنتاج توصیفی، علی و پیش بینی صحبت خواهیم کرد. سپس چگونگی توسعه یک مطالعه تحقیقاتی برای تحلیل علی، محاسبه و تفسیر آمار توصیفی و طراحی تجسم‌های مؤثر را پوشش خواهیم داد. این دوره به شما کمک می کند تا به یک مصرف کننده متفکر و منتقد تجزیه و تحلیل تبدیل شوید. اگر در زمینه ای هستید که به طور فزاینده ای به تصمیم گیری مبتنی بر داده متکی است، اما احساس می کنید برای تفسیر و ارزیابی داده ها آمادگی ندارید، این دوره به شما کمک می کند تا این ابزارهای اساسی سواد داده را توسعه دهید.

اینترنت اشیا (IoT) به یکی از اجزای مهم زندگی شهری تبدیل شده است و باعث ایجاد «شهرهای هوشمند» شده است. هدف این شهرهای هوشمند تبدیل مجتمع های شهری امروزی به فضاهای زندگی سازگار با محیط زیست و سازگار با محیط زیست است. زیرساخت دیجیتال شهرهای هوشمند حجم عظیمی از داده ها را تولید می کند که می تواند به ما در درک بهتر عملیات و سایر جنبه های مهم زندگی شهر کمک کند. در این دوره، شما با تکنیک های مختلف داده کاوی و یادگیری ماشین و مجموعه داده های مختلفی که می توان بر روی آنها اعمال کرد، آشنا خواهید شد. شما یاد خواهید گرفت که چگونه داده کاوی را در پایتون پیاده سازی کنید و نتایج را برای استخراج دانش عملی تفسیر کنید. این دوره شامل آزمایش‌های عملی با استفاده از مجموعه داده‌های زندگی واقعی مختلف است تا شما را قادر می‌سازد روی مجموعه داده‌های جدید مرتبط با دامنه خود آزمایش کنید. شما از زبان برنامه نویسی پایتون 3 برای خواندن و پیش پردازش داده ها استفاده می کنید و سپس وظایف مختلف داده کاوی را روی داده های پاک شده برای به دست آوردن نتایج دلخواه پیاده سازی می کنید. پس از آن، نتایج را برای کارآمدترین توصیف تجسم خواهید کرد.