Course catalog

Course duration

Course provider

Topic

Categories

Showing 21-40 of 200 items.

coursera ادراک بصری (Mitalearn-303379)

  • مبتدی
  • Release date: 27 June 2026
  • Author: Shree Nayar
درباره این دوره:

هدف نهایی یک سیستم بینایی کامپیوتری ایجاد یک توصیف نمادین دقیق از هر تصویر نشان داده شده است. این دوره بر روی مشکل بسیار مهم ادراک تمرکز می کند. ابتدا مشکل ردیابی اجسام در صحنه های پیچیده را شرح می دهیم. ما به دو چالش کلیدی در این زمینه نگاه می کنیم. اولین مورد، جداسازی یک تصویر به شی و پس زمینه با استفاده از تکنیکی به نام تشخیص تغییر است. دومی ردیابی یک یا چند شی در یک ویدیو است. در مرحله بعد، مشکل تقسیم یک تصویر را به مناطق معنی دار بررسی می کنیم. به طور خاص، ما یک رویکرد از پایین به بالا را در نظر می گیریم که در آن پیکسل هایی با ویژگی های مشابه با هم گروه بندی می شوند تا یک منطقه به دست آید. در نهایت، ما به مشکل تشخیص شیء می پردازیم. ما دو رویکرد را برای حل مشکل توضیح می دهیم. اولین ها مستقیماً یک شی و وضعیت آن را با استفاده از ظاهر جسم تشخیص می دهند. این روش مبتنی بر مفهوم کاهش ابعاد است که با استفاده از تحلیل مؤلفه های اصلی به دست می آید. رویکرد دوم استفاده از یک شبکه عصبی برای حل مشکل شناسایی به عنوان یکی از یادگیری نقشه برداری از ورودی (تصویر) به خروجی (کلاس شی، هویت شی، فعالیت و غیره) است. ما نحوه ساخت یک شبکه عصبی و نحوه آموزش آن را با استفاده از الگوریتم پس انتشار توضیح می دهیم.

coursera ارتباطات اینترنت اشیا (Mitalearn-311114)

  • 6 hours 37 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Matthew Caesar
درباره این دوره:

این دوره مبتنی بر دوره قبلی است: دستگاه های اینترنت اشیا. بعد از اینکه یک وسیله نقلیه خودران کوچک ساختیم و برنامه ریزی کردیم، اکنون زمان آن رسیده است که وارد قلمروهای پیشرفته تر شویم و اتصال دستگاه را بیشتر تقویت کنیم. برای انجام این کار، ارتباطات فرکانس رادیویی (RF)، لایه MAC، شبکه مش و همچنین الگوریتم های توزیع شده برای استفاده در مکان های جغرافیایی را مطالعه خواهید کرد. این تکنیک ها در آزمایشگاه روی دستگاه شما اعمال می شود که از چهار مرحله تشکیل شده است، یک مرحله در هر هفته دوره. در هفته 1، پس از بررسی برخی از جهت گیری های دوره، شما بر روی ارتباطات فرکانس رادیویی (RF)، نحوه تطابق آن با دامنه وسیع تر الکترومغناطیس، نحوه انتشار سیگنال های RF در محیط های فیزیکی، نحوه استفاده از سیگنال های RF تمرکز خواهید کرد. داده‌ها را رمزگذاری می‌کند و اینکه چگونه همه این اطلاعات در ساخت بسترهای ارتباطی اینترنت اشیا انعطاف‌پذیر و با پهنای باند بالا مفید است.

coursera ارزیابی رابط های کاربری (Mitalearn-314395)

  • 6 hours 44 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Loren Terveen,Haiyi Zhu,Lana Yarosh
درباره این دوره:

در این دوره شما چندین تکنیک برای ارزیابی رابط کاربری را یاد می گیرید و تمرین می کنید. ابتدا با تکنیک‌هایی شروع می‌کنیم که می‌توانند به تنهایی یا در یک تیم طراحی اعمال شوند، از جمله تجزیه و تحلیل اقدام، بررسی‌ها و ارزیابی اکتشافی. سپس به آزمایش کاربر می‌رویم، از جمله یادگیری از یک سری تست‌های قابلیت استفاده که در یک آزمایشگاه کاربردی واقعی انجام شده است، و تکنیک‌هایی برای انجام تست‌های خود حتی بدون آزمایشگاه. در نهایت، ما بحث ارزیابی - و طراحی UI در تخصص را به طور کلی - با بررسی این سوال که چگونه اهداف قابلیت استفاده را تنظیم و اندازه گیری کنیم، و به نوبه خود، زمانی که یک طرح به اندازه کافی برای انتشار آن قابل استفاده است، پایان می دهیم. .

coursera ارزیابی طرح ها با کاربران (Mitalearn-302818)

  • 3 hours
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mark Newman
درباره این دوره:

هنگام طراحی سیستم هایی که برای کاربران کار می کنند، هیچ جایگزینی برای تماشای تلاش آنها برای استفاده از سیستم برای دیدن اینکه چه چیزی کار می کند و چه چیزی کار نمی کند وجود ندارد. در این دوره UX، شما یاد خواهید گرفت که چگونه با کاربران تست هایی طراحی و انجام دهید که به شما می گوید طراحی شما چقدر برای کمک به کاربران در انجام کارهایی که باید انجام دهند موثر است و احساس آنها در مورد استفاده از سیستم شما چیست. این دوره بخشی از تخصص طراحی و تحقیقات تجربه کاربری (UX) است که در Coursera ارائه شده است. آنچه یاد خواهید گرفت: شناسایی رویکردهای مختلف برای تست کاربر و استفاده مناسب از آنها نحوه طراحی یک تست کاربر موثر را درک کنید نحوه اجرای یک تست کاربر موثر برای به دست آوردن بیشترین اطلاعات ممکن از هر برخورد را بدانید تجزیه و تحلیل و گزارش در مورد تست کاربر

coursera استدلال خودکار: رضایت پذیری (Mitalearn-310655)

  • 3 hours 22 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Hans Zantema
درباره این دوره:

در این دوره یاد خواهید گرفت که چگونه از ابزارهای رضایتمندی (SAT/SMT) برای حل طیف وسیعی از مسائل استفاده کنید. چندین مثال اساسی برای به دست آوردن طعم برنامه ها ارائه شده است: مستطیل های مناسب برای چاپ پوستر، مشکلات زمان بندی، حل پازل ها و صحت برنامه. همچنین، نظریه اساسی ارائه شده است: وضوح به عنوان یک رویکرد اساسی برای رضایت‌پذیری گزاره، چارچوب CDCL برای مقیاس‌بندی برای فرمول‌های بزرگ، و روش سیمپلکس برای مقابله با نابرابری‌های خطی. رویکرد سبک برای دنبال کردن دوره استدلال خودکار: رضایت‌مندی، فقط تماشای سخنرانی‌ها و انجام آزمون‌های مربوطه است. برای دریافت طعمی از موضوع، ممکن است این کار به خوبی انجام شود. با این حال، رویکرد بسیار جالب‌تر این است که از این به عنوان مبنایی برای اعمال SAT/SMT بر روی چندین مشکل استفاده کنید، به عنوان مثال در مورد مشکلات ارائه شده در تکلیف افتخار.

coursera استفاده از جاوا اسکریپت و JSON در جنگو (Mitalearn-309057)

  • 5 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Charles Russell Severance
درباره این دوره:

در این دوره پایانی، ما به زبان جاوا اسکریپت و نحوه پشتیبانی آن از الگوی شی گرا با تمرکز بر جنبه های منحصر به فرد رویکرد جاوا اسکریپت به OO نگاه خواهیم کرد. ما مقدمه ای برای کتابخانه jQuery ارائه خواهیم کرد، که به طور گسترده ای برای دستکاری درون مرورگر مدل شی سند (DOM) و مدیریت رویداد استفاده می شود. همچنین در مورد علامت گذاری شی جاوا اسکریپت (JSON) که معمولاً به عنوان یک نحو برای تبادل داده بین کدهای در حال اجرا بر روی سرور (به عنوان مثال، در جنگو) و کدهای در حال اجرا در مرورگر (جاوا اسکریپت/jQuery) استفاده می شود، آشنا خواهید شد. شما به توسعه برنامه تبلیغات طبقه بندی شده خود ادامه می دهید و ویژگی هایی را اضافه می کنید که از JavaScript، JQuery و JSON استفاده می کند. این دوره فرض می کند که شما سه دوره اول را در این تخصص گذرانده اید.

coursera اصول استقرار Kubernetes (Mitalearn-308139)

  • 1 hours 59 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jim Sullivan
درباره این دوره:

این دوره برای درک عمیق تری از Kubernetes طراحی شده است. در طی چند هفته آینده، با چندین ویژگی Kubernetes، معماری Kubernetes، نحوه ایجاد کلاسترها و تنظیمات مختلف نصب آشنا خواهید شد. ما همچنین استقرارها و نحوه مقیاس‌بندی، به‌روزرسانی و بازگرداندن آنها را بررسی خواهیم کرد. ما در مورد خوشه‌ها، پادها و گره‌ها بحث می‌کنیم و به جلدهای پایدار و همچنین مجوز و احراز هویت Kubernetes می‌پردازیم. در نهایت، ما به شما نشان خواهیم داد که چگونه همه اینها در یک نسخه ی نمایشی Kubernetes جمع می شود، بنابراین می توانید آن را در عمل ببینید.

coursera اصول اولیه وب سایت واکنش گرا: کد با HTML، CSS و جاوا اسکریپت (Mitalearn-314242)

  • 3 hours 40 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dr Matthew Yee-King,Prof Marco Gillies,Dr Kate Devlin
درباره این دوره:

در این دوره شما سه زبان اصلی برنامه نویسی و طراحی وب سایت را یاد خواهید گرفت: HTML، CSS و جاوا اسکریپت. شما یک صفحه وب با استفاده از عناصر اصلی برای کنترل طرح و سبک ایجاد خواهید کرد. علاوه بر این، صفحه وب شما از تعامل پشتیبانی می کند. در پایان دوره، شما قادر خواهید بود: 1. هدف HTML، CSS و جاوا اسکریپت را تعریف کنید 2. یک صفحه وب ساده با استفاده از HTML بسازید 3. از CSS برای کنترل سبک های متن و طرح بندی استفاده کنید 4. از کتابخانه های CSS مانند بوت استرپ برای ایجاد طرح بندی های پاسخگو استفاده کنید 5. از متغیرها و توابع جاوا اسکریپت استفاده کنید 6. محتوای صفحه وب را با استفاده از جاوا اسکریپت دستکاری کنید 7. با استفاده از جاوا اسکریپت به ورودی کاربر پاسخ دهید در این دوره شما موارد زیر را تکمیل خواهید کرد: 2 تکلیف نوشتن HTML، CSS و جاوا اسکریپت که تکمیل هر کدام 1 ساعت طول می کشد 4 آزمون که تکمیل هر کدام 20 دقیقه طول می کشد 1 تمرین برنامه نویسی 30 دقیقه برای تکمیل چند آزمون تمرینی، که تکمیل هر کدام 5 دقیقه طول می کشد شرکت یا تکمیل این دوره آنلاین اعتبار علمی برای برنامه های دانشگاه لندن اعطا نمی کند.

coursera اصول توسعه اپلیکیشن iOS (Mitalearn-314735)

  • 2 hours 28 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Parham Aarabi
درباره این دوره:

مبانی توسعه برنامه iOS، دومین دوره در توسعه برنامه iOS با تخصص سوئیفت، مهارت های برنامه نویسی شما را گسترش می دهد و آنها را در پروژه های توسعه برنامه معتبر به کار می برد. موضوعات تحت پوشش در این دوره شامل اصول Xcode، چارچوب های Core iOS و Cocoa Touch، ایجاد رابط کاربری ساده، معماری MVC و موارد دیگر است. با تمرکز بر استفاده از اجزای اپل برای دسترسی به حسگرهایی مانند دوربین، میکروفون و جی پی اس، در پایان این دوره قادر خواهید بود یک اپلیکیشن پایه با توجه به پارامترها و دستورالعمل های مشخص شده ایجاد کنید. در حال حاضر این دوره با استفاده از سوئیفت 2 آموزش داده می شود. تیم از انتشار سوئیفت 3 آگاه است و به مرور دوره را ویرایش خواهد کرد. لطفاً توجه داشته باشید که در حال حاضر دستورالعمل کاملاً با سوئیفت 2 است.

coursera اعتبار سنجی سیستم: خودکارها و معادلات رفتاری (Mitalearn-313154)

  • 1 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jan Friso Groote
درباره این دوره:

آیا تا به حال تجربه شکست سیستم های نرم افزاری را داشته اید؟ وب‌سایت‌ها از کار می‌افتند، تقویم همگام نمی‌شود، یا حتی برق قطع می‌شود. البته که داری! اما آیا می‌دانستید که بسیاری از این خطاها در نتیجه خطاهای ارتباطی در یک سیستم یا بین سیستم‌ها هستند؟ بسته به سیستم، تأثیر خرابی نرم‌افزار می‌تواند بسیار زیاد باشد، حتی منجر به خسارت اقتصادی یا تلفات جانی شود. نرم‌افزار، و به‌ویژه ارتباط بین سیستم‌های نرم‌افزار فشرده، بسیار پیچیده است و درست کردن آن بسیار دشوار است. با این حال، ما به قابلیت اطمینان در سیستم هایی که به طور مستقیم یا غیرمستقیم برای حمایت از ما در زندگی روزمره استفاده می کنیم، نیاز داریم. اعتبار سنجی سیستم به شما کمک می کند تا رفتار سیستم تعبیه شده را طراحی کنید که از نظر ساختاری مناسب باشد. همچنین شما را مجبور می کند که رفتار را ساده و روشنگر کنید. سیستم هایی که برای رفتار صدا طراحی شده اند نیز نگهداری و تطبیق آنها بسیار آسان تر است. اعتبار سنجی سیستم زمینه ای است که مبانی ارتباطات سیستم و پردازش اطلاعات را مطالعه می کند. تکنیک های ارائه شده در اعتبارسنجی سیستم امکان اثبات عدم وجود خطا را فراهم می کند. این اولین دوره "اتوماتها و معادلات رفتاری" پایه و اساس دوره های بعدی را می سازد و به شما نشان می دهد که چگونه به رفتار سیستم به عنوان ماشین های حالت نگاه کنید. معادل‌های رفتاری را مورد بحث قرار می‌دهد و آن‌ها را در تعدادی از مثال‌ها و آزمون‌ها نشان می‌دهد. این دوره، سیستم‌های انتقال برچسب‌گذاری شده یا اتومات‌ها را برای مدل‌سازی رفتار، به‌ویژه برای سیستم‌های کنترل‌شده نرم‌افزاری توضیح می‌دهد. یک سوال مهم این است که چه زمانی دو رفتاری که توسط چنین خودکارهایی ارائه می شود برابر هستند. پاسخ به این سوال اصلاً ساده نیست، اما معادل‌های حاصل به عنوان ابزار قدرتمندی برای ساده‌سازی رفتار پیچیده استفاده می‌شوند. این به ما امکان می دهد تا دقیقاً ویژگی های رفتاری چنین سیستم هایی را بررسی و درک کنیم. به خصوص، در ترکیب با پنهان کردن رفتار، کاهش هم ارزی یک تکنیک منحصر به فرد برای به دست آوردن بینش در رفتار سیستم ها است و بسیار موثرتر از شبیه سازی یا آزمایش است. با استفاده از این بینش می‌توانیم مدل‌ها را درست کنیم. چنین مدل هایی پایه ای عالی برای تولید نرم افزار مختصر، قابل اعتماد و قابل نگهداری را تشکیل می دهند. این دوره قسمت اول از مجموعه دوره های اعتبار سنجی سیستم است. اعتبار سنجی سیستم، به عنوان مجموعه ای از دوره ها، بخشی از یک برنامه آنلاین دیجیتال دیجیتال بزرگتر به نام «اینترنت اشیا از طریق سیستم های جاسازی شده» است.

coursera الگوریتم ها روی نمودارها (Mitalearn-308020)

  • 6 hours 47 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Neil Rhodes,Daniel M Kane,Michael Levin
درباره این دوره:

اگر تا به حال از یک سرویس ناوبری برای یافتن مسیر بهینه و تخمین زمان رسیدن به مقصد استفاده کرده اید، از الگوریتم هایی روی نمودارها استفاده کرده اید. نمودارها در موقعیت‌های مختلف دنیای واقعی به وجود می‌آیند، زیرا شبکه‌های جاده‌ای، شبکه‌های رایانه‌ای و اخیراً شبکه‌های اجتماعی وجود دارد! اگر به دنبال سریع‌ترین زمان برای رسیدن به محل کار، ارزان‌ترین راه برای اتصال مجموعه‌ای از رایانه‌ها به شبکه یا الگوریتم کارآمد برای یافتن خودکار جوامع و رهبران افکار در فیسبوک هستید، می‌خواهید با نمودارها و الگوریتم‌ها روی نمودارها کار کنید. . در این دوره آنلاین، ابتدا یاد خواهید گرفت که نمودار چیست و برخی از مهمترین ویژگی ها چیست. سپس چندین روش برای پیمایش نمودارها و نحوه انجام کارهای مفید در حین پیمایش نمودار را به ترتیب یاد خواهید گرفت. سپس در مورد الگوریتم‌های کوتاه‌ترین مسیرها صحبت خواهیم کرد - از الگوریتم‌های اصلی تا الگوریتم‌هایی که در را برای الگوریتم‌های 1000000 برابر سریع‌تر مورد استفاده در Google Maps و سایر خدمات ناوبری باز می‌کنند. اگر بخواهید روی پروژه سنگ بنای صنعتی Fast Shortest Routes ما کار کنید، از این الگوریتم ها استفاده خواهید کرد. ما با حداقل درخت‌های پوشا که برای برنامه‌ریزی شبکه‌های راه، تلفن و کامپیوتر و همچنین یافتن کاربردها در خوشه‌بندی و الگوریتم‌های تقریبی استفاده می‌شوند، به پایان می‌رسانیم.

coursera الگوریتم ها، بخش اول (Mitalearn-314004)

  • 11 hours 45 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kevin Wayne,Robert Sedgewick
درباره این دوره:

این دوره اطلاعات ضروری را که هر برنامه نویس جدی باید در مورد الگوریتم ها و ساختارهای داده بداند، با تأکید بر برنامه ها و تجزیه و تحلیل عملکرد علمی پیاده سازی های جاوا پوشش می دهد. بخش اول ساختارهای داده اولیه، مرتب‌سازی و الگوریتم‌های جستجو را پوشش می‌دهد. بخش دوم بر روی الگوریتم های پردازش گراف و رشته تمرکز دارد. تمامی امکانات این دوره به صورت رایگان در دسترس است. افرادی که علاقه مند به کاوش عمیق تر در محتوا هستند، ممکن است بخواهند کتاب درسی الگوریتم ها، نسخه چهارم (که دوره بر اساس آن است) را دریافت کنند یا از وب سایت algs4.cs.princeton.edu برای انبوهی از مطالب اضافی بازدید کنند. این دوره پس از اتمام مدرک ارائه نمی دهد.

coursera الگوریتم های تقریب (Mitalearn-313800)

  • 3 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mark de Berg
درباره این دوره:

برای مثال، بسیاری از مسائل الگوریتمی دنیای واقعی را نمی توان به طور موثر با استفاده از ابزارهای الگوریتمی سنتی حل کرد، زیرا مسائل NP-hard هستند. هدف از درس الگوریتم های تقریب، آشنایی با مفاهیم و تکنیک های مهم الگوریتمی مورد نیاز برای مقابله موثر با چنین مسائلی است. این تکنیک‌ها زمانی اعمال می‌شوند که برای مسائل خاصی به راه‌حل بهینه نیاز نداریم، بلکه تقریبی نزدیک به راه‌حل بهینه است. خواهیم دید که چگونه می توان چنین تقریب هایی را به طور موثر پیدا کرد. پیش نیازها: برای گذراندن موفقیت آمیز این دوره، باید از قبل دانش پایه ای از الگوریتم ها و ریاضیات داشته باشید. در اینجا لیست کوتاهی از آنچه باید بدانید آمده است: - O-notation، Ω-notation، Θ-notation; نحوه تجزیه و تحلیل الگوریتم ها - حساب پایه: دستکاری جمع، حل عود، کار با لگاریتم و غیره. - نظریه احتمال پایه: رویدادها، توزیع های احتمال، متغیرهای تصادفی، مقادیر مورد انتظار و غیره. - ساختارهای داده پایه: لیست های پیوندی، پشته ها، صف ها، پشته ها - درختان جستجوی دودویی (متوازن). - الگوریتم های مرتب سازی اولیه، به عنوان مثال MergeSort، InsertionSort، QuickSort - اصطلاحات نمودار، نمایش گراف ها (لیست مجاورت و ماتریس مجاورت)، الگوریتم های اصلی گراف (BFS، DFS، مرتب سازی توپولوژیکی، کوتاه ترین مسیرها) مطالب این دوره بر اساس یادداشت های دوره است که در زیر برگه منابع یافت می شود.

coursera الگوریتم های تقریب قسمت اول (Mitalearn-314820)

  • 5 hours 8 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Claire Mathieu
درباره این دوره:

الگوریتم های تقریب، بخش اول چقدر کارآمد می توانید اشیاء را در حداقل تعداد جعبه بسته بندی کنید؟ چگونه می توانید گره ها را به گونه ای خوشه بندی کنید که شبکه را به قطعاتی در اطراف چند مرکز به طور ارزان تقسیم کنید؟ اینها نمونه هایی از مسائل بهینه سازی ترکیبی NP-hard هستند. به احتمال زیاد حل چنین مسائلی به طور موثر غیرممکن است، بنابراین هدف ما ارائه یک راه حل تقریبی است که بتوان آن را در زمان چند جمله ای محاسبه کرد و در عین حال دارای ضمانت های قابل اثبات در هزینه آن نسبت به بهینه باشد. این دوره دانش یک دوره استاندارد الگوریتم در مقطع کارشناسی را در نظر می گیرد، و به ویژه بر الگوریتم هایی تأکید می کند که می توان با استفاده از برنامه نویسی خطی، یک تکنیک مورد علاقه و شگفت انگیز موفق در این زمینه، طراحی کرد. با گذراندن این دوره، شما در معرض طیف وسیعی از مشکلات در مبانی علم کامپیوتر نظری و تکنیک های قدرتمند طراحی و تجزیه و تحلیل قرار خواهید گرفت. پس از تکمیل، شما قادر خواهید بود، زمانی که با یک مسئله بهینه سازی ترکیبی جدید مواجه می شوید، تشخیص دهید که آیا این مسئله به یکی از معدود مسائل اساسی شناخته شده نزدیک است یا خیر، و قادر خواهید بود برنامه نویسی آرام سازی خطی طراحی کنید و از گرد کردن تصادفی برای تلاش برای حل مشکل خود استفاده کنید. مشکل خود محتوای دوره و به ویژه تکالیف درسی ماهیت نظری و بدون تکالیف برنامه نویسی دارد. این اولین دوره از یک دوره دو قسمتی در مورد الگوریتم های تقریب است.

coursera الگوریتم های تقریب قسمت دوم (Mitalearn-315619)

  • 5 hours
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Claire Mathieu
درباره این دوره:

الگوریتم های تقریب، قسمت 2 این ادامه الگوریتم‌های تقریب، قسمت 1 است. در اینجا شما دوگانگی برنامه‌نویسی خطی را که برای طراحی برخی از الگوریتم‌های تقریبی اعمال می‌شود، و برنامه‌نویسی نیمه معین که برای Maxcut اعمال می‌شود، یاد خواهید گرفت. با گذراندن دو بخش از این دوره، شما با طیف وسیعی از مشکلات در مبانی علم کامپیوتر نظری و تکنیک های طراحی و تحلیل قدرتمند مواجه خواهید شد. پس از تکمیل، شما قادر خواهید بود، زمانی که با یک مسئله بهینه سازی ترکیبی جدید مواجه می شوید، تشخیص دهید که آیا این مسئله به یکی از معدود مسائل اساسی شناخته شده نزدیک است یا خیر، و قادر خواهید بود برنامه نویسی آرام سازی خطی طراحی کنید و از گرد کردن تصادفی برای تلاش برای حل مشکل خود استفاده کنید. مشکل خود محتوای دوره و به ویژه تکالیف درسی ماهیت نظری و بدون تکالیف برنامه نویسی دارد. این دومین دوره از یک دوره دو قسمتی در مورد الگوریتم های تقریب است.

coursera الگوریتم های تقریب و برنامه ریزی خطی (Mitalearn-316214)

  • 9 hours 7 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Sriram Sankaranarayanan
درباره این دوره:

این دوره با تمرکز بر استفاده از فرمول‌های برنامه‌نویسی خطی و صحیح برای حل مسائل الگوریتمی که به دنبال راه‌حل‌های بهینه برای مشکلات ناشی از حوزه‌هایی مانند تخصیص منابع، زمان‌بندی، تخصیص کار، و انواع مسئله فروشنده دوره گرد است، تخصص ساختار داده‌ها و الگوریتم‌های ما را ادامه می‌دهد. . در مرحله بعد، الگوریتم‌هایی را برای مسائل NP-hard مطالعه خواهیم کرد که راه‌حل‌های آن تضمین شده است که در برخی از ضریب‌های تقریبی بهترین راه‌حل‌های ممکن قرار دارند. چنین الگوریتم‌هایی اغلب بسیار کارآمد هستند و محدودیت‌های مفیدی را برای راه‌حل‌های بهینه ارائه می‌کنند. یادگیری توسط یادداشت های ارائه شده توسط مربی، خواندن از کتاب های درسی و تکالیف پشتیبانی می شود. تکالیف شامل سوالات مفهومی چند گزینه ای و همچنین تکالیف حل مسئله است که شامل برنامه نویسی و الگوریتم های تست می شود. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد علوم کامپیوتر (MS-CS) CU Boulder که در پلت فرم Coursera ارائه می شود، گذراند. این مدرک تحصیلات تکمیلی کاملا معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه را ارائه می دهد. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

coursera الگوریتم های رشته ها (Mitalearn-310859)

  • 3 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Neil Rhodes,Michael Levin,Michael Levin
درباره این دوره:

دنیا و اینترنت پر از اطلاعات متنی است. ما اطلاعات را با استفاده از پرس و جوهای متنی جستجو می کنیم، وب سایت ها، کتاب ها، ایمیل ها را می خوانیم. همه اینها از نقطه نظر علم کامپیوتر رشته هایی هستند. برای درک همه آن اطلاعات و کارآمد کردن جستجو، موتورهای جستجو از الگوریتم های رشته ای زیادی استفاده می کنند. علاوه بر این، حوزه نوظهور پزشکی شخصی از الگوریتم‌های جستجوی بسیاری برای یافتن جهش‌های بیماری‌زا در ژنوم انسان استفاده می‌کند. در این دوره آنلاین، مفاهیم کلیدی تطبیق الگو را خواهید آموخت: سعی، درخت پسوند، آرایه پسوند و حتی تبدیل Burrows-Wheeler.

coursera الگوریتم های کارآمد ورودی/خروجی (Mitalearn-315976)

  • 2 hours 54 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Mark de Berg
درباره این دوره:

الگوریتم‌های کارآمد ورودی/خروجی، که به‌عنوان الگوریتم‌های حافظه خارجی یا الگوریتم‌های حافظه پنهان نیز شناخته می‌شوند، دسته‌ای از الگوریتم‌ها هستند که برای پردازش کارآمد داده‌هایی طراحی شده‌اند که خیلی بزرگ هستند و نمی‌توانند به طور کامل در حافظه اصلی (RAM) رایانه جای بگیرند. این الگوریتم‌ها به‌ویژه هنگام برخورد با مجموعه داده‌های عظیم، مانند مواردی که در پردازش داده‌های مقیاس بزرگ، مدیریت پایگاه داده و سیستم‌های فایل یافت می‌شوند، مفید هستند. زمانی که آیتم داده در سلسله مراتب حافظه بالاتر قرار گیرد، عملیات روی داده گران تر می شود. یک عملیات روی داده در رجیسترهای CPU تقریباً یک میلیون بار سریعتر از عملیات روی یک آیتم داده است که در حافظه خارجی قرار دارد و ابتدا باید واکشی شود. این واکشی داده ها را عملیات ورودی/خروجی نیز می نامند و باید در طول طراحی الگوریتم مورد توجه قرار گیرند. هدف از این دوره آشنایی با مفاهیم و تکنیک های الگوریتمی مهم مورد نیاز برای مقابله موثر با چنین مسائلی است. ما با یک سلسله مراتب حافظه ساده کار خواهیم کرد، اما مفاهیم به طور طبیعی به مدل های واقعی تر گسترش می یابد. پیش نیازها: برای گذراندن موفقیت آمیز این دوره، باید از قبل دانش پایه ای از الگوریتم ها و ریاضیات داشته باشید. در اینجا لیست کوتاهی از آنچه باید بدانید آمده است: - O-notation، Ω-notation، Θ-notation; نحوه تجزیه و تحلیل الگوریتم ها - حساب پایه: دستکاری جمع، حل عود، کار با لگاریتم و غیره. - نظریه احتمال پایه: رویدادها، توزیع های احتمال، متغیرهای تصادفی، مقادیر مورد انتظار و غیره. - ساختارهای داده پایه: لیست های پیوندی، پشته ها، صف ها، پشته ها - درختان جستجوی دودویی (متوازن). - الگوریتم های مرتب سازی اولیه، به عنوان مثال MergeSort، InsertionSort، QuickSort - اصطلاحات نمودار، نمایش گراف ها (لیست مجاورت و ماتریس مجاورت)، الگوریتم های اصلی گراف (BFS، DFS، مرتب سازی توپولوژیکی، کوتاه ترین مسیرها) مطالب این دوره بر اساس یادداشت های دوره است که در زیر برگه منابع یافت می شود. ما همه چیز را از یادداشت های دوره پوشش نمی دهیم. یادداشت های دوره هم برای دانش آموزانی که سخنرانی ها را به طور کامل درک نمی کنند و هم برای دانش آموزانی که مایلند عمیق تر در موضوعات غوطه ور شوند وجود دارد. سخنرانی های ویدیویی حاوی چند اشتباه بسیار جزئی است. فهرستی از این اشتباهات را می توان در زیر منابع یافت. اگر فکر می‌کنید خطایی پیدا کرده‌اید، با کلیک کردن روی علامت مربع در پایین سخنرانی یا امتحانی که در آن خطا را پیدا کردید، مشکل را گزارش کنید.

coursera الگوریتم های هندسی (Mitalearn-313562)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kevin Buchin
درباره این دوره:

الگوریتم‌های هندسی دسته‌ای از روش‌های محاسباتی هستند که برای حل مسائل مربوط به اشکال هندسی و ویژگی‌های آنها استفاده می‌شوند. این الگوریتم ها با اشیایی مانند نقاط، خطوط، چندضلعی ها و سایر اشکال هندسی سروکار دارند. در بسیاری از زمینه‌های علوم کامپیوتر مانند رباتیک، گرافیک کامپیوتری، واقعیت مجازی و سیستم‌های اطلاعات جغرافیایی، ذخیره، تجزیه و تحلیل و ایجاد یا دستکاری داده‌های مکانی ضروری است. این دوره به جنبه های الگوریتمی این وظایف می پردازد: ما تکنیک ها و مفاهیم مورد نیاز برای طراحی و تجزیه و تحلیل الگوریتم های هندسی و ساختارهای داده را مطالعه می کنیم. هر تکنیک و مفهوم بر اساس مشکلی که در یکی از زمینه های کاربردی ذکر شده در بالا ایجاد می شود، نشان داده می شود. اهداف: در پایان این دوره شرکت کنندگان باید بتوانند - تصمیم بگیرید که از کدام الگوریتم یا ساختار داده برای حل یک مسئله هندسی اساسی استفاده کنید. - تجزیه و تحلیل مسائل جدید و ارائه راه حل های کارآمد خود با استفاده از مفاهیم و تکنیک های دوره. پیش نیازها: برای گذراندن موفقیت آمیز این دوره، باید از قبل دانش پایه ای از الگوریتم ها و ریاضیات داشته باشید. در اینجا لیست کوتاهی از آنچه باید بدانید آمده است: - O-notation، Ω-notation، Θ-notation; نحوه تجزیه و تحلیل الگوریتم ها - حساب پایه: دستکاری جمع، حل عود، کار با لگاریتم و غیره. - نظریه احتمال پایه: رویدادها، توزیع های احتمال، متغیرهای تصادفی، مقادیر مورد انتظار و غیره. - ساختارهای داده پایه: لیست های پیوندی، درخت های جستجوی باینری و غیره. - اصطلاحات نمودار - مهارت های برنامه نویسی برای تکالیف عملی بیشتر مطالب این دوره بر اساس کتاب زیر است: M. de Berg، O. Cheong، M. van Kreveld و M. Overmars. هندسه محاسباتی: الگوریتم ها و کاربردها (ویرایش سوم). Springer-Verlag، 2008. خرید این کتاب اجباری نیست. با این حال، اگر شرکت‌کنندگان می‌خواهند بیشتر از آنچه در این دوره ارائه می‌شود بدانند یا می‌خواهند نگاهی دوباره به مطالب مطرح شده در سخنرانی‌ها داشته باشند، خرید این کتاب را توصیه می‌کنیم. سخنرانی های ویدیویی حاوی چند اشتباه بسیار جزئی است. فهرستی از این اشتباهات را می توان در زیر منابع یافت. اگر فکر می‌کنید خطایی پیدا کرده‌اید، با کلیک کردن روی علامت مربع در پایین سخنرانی یا امتحانی که در آن خطا را پیدا کردید، مشکل را گزارش کنید.

coursera انصاف و تعصب داده های هوش مصنوعی (Mitalearn-306456)

  • 1 hours 13 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Brent Summers
درباره این دوره:

در این دوره، مسائل اساسی انصاف و تعصب در یادگیری ماشین را بررسی خواهیم کرد. زمانی که مدل‌های پیش‌بینی تصمیم‌گیری‌های مهم را آغاز می‌کنند، از پذیرش دانشگاه گرفته تا تصمیم‌گیری برای وام، حفظ مدل‌ها از پیش‌بینی‌های ناعادلانه بسیار مهم می‌شود. از سوگیری انسانی گرفته تا آگاهی از مجموعه داده‌ها، ما بسیاری از جنبه‌های ساخت مدل‌های اخلاقی‌تر را بررسی خواهیم کرد.

Suggestions