این دوره دسترسی، کشف، حرکت جانبی و جمع آوری اعتبار را پوشش می دهد.

در دنیای داده های بزرگ، رشد قابل توجه در حجم و تنوع داده ها چالش های قابل توجهی را ایجاد کرده است. Apache HBase به عنوان یک راه حل قوی و مقیاس پذیر ظاهر شده است. HBase یک پایگاه داده قدرتمند، توزیع شده و مقیاس پذیر NoSQL است که برای مدیریت حجم زیادی از داده ها و حفظ عملکرد بالا طراحی شده است. در این دوره مقدماتی، مفاهیم اساسی HBase و اهمیت آن در مدیریت پردازش و تجزیه و تحلیل داده ها در زمان واقعی را بررسی خواهید کرد. موضوعاتی که در این دوره ارائه می شود عبارتند از: -مبانی HBase -طراحی طرحواره در HBase - راه اندازی، نظارت و پشتیبان گیری خوشه HBase -اصول پرس و جو و بازیابی HBase -تکنیک های جستجوی پیشرفته HBase عملیات دسته ای و دستکاری داده ها - مدل سازی داده ها برای برنامه های کاربردی بلادرنگ استراتژی های استقرار برای برنامه های کاربردی زمان واقعی مقیاس پذیری و در دسترس بودن در برنامه های زمان واقعی این دوره شامل سخنرانی های ویدئویی، نمایش های ویدئویی و همچنین کاربرد عملی در محیط آزمایشگاهی است. در پایان این دوره، شما قادر خواهید بود طرح‌واره‌های HBase کارآمد را طراحی کنید، خوشه‌های HBase را راه‌اندازی و بهینه کنید، عملیات داده‌ها را انجام دهید و کاربرد مناسب HBase را در سناریوهای بلادرنگ ارزیابی کنید و در عین حال مقیاس‌پذیری و استراتژی‌های استقرار موثر را در نظر بگیرید.

هر روز از گوشی هوشمند خود استفاده می کنید. تلفن هوشمند شما شما را از خواب بیدار می کند، اولین چیزی است که در صبح استفاده می کنید و آخرین چیزی است که قبل از خواب بررسی می کنید (مثلاً تنظیم زنگ هشدار). علاوه بر این، تمام روز از آن استفاده می کنید. یک کاربر معمولی تلفن همراه روزانه 2617 بار تلفن همراه خود را لمس می کند (گزارش Dscout بر اساس سال 2017) و افراد به طور متوسط ​​بیش از 4 ساعت در روز را با تلفن همراه خود می گذرانند (گزارش هکرنون). گوشی‌های هوشمند و ساعت‌های هوشمند به دلیل اندازه‌های کوچک‌تر، وزن‌های سبک‌تر، قابلیت‌های چندمنظوره، ارتباطات پیشرفته موبایل و فناوری‌های شبکه‌های بی‌سیم (مانند Wi-Fi و بلوتوث) بسیار مفید هستند و حتی مفیدتر خواهند بود. در این دوره، فن آوری و اجزای نوین گوشی هوشمند و ساعت هوشمند علاوه بر روندهای بازار جهانی و پیش بینی های آینده معرفی می شود. از آنجایی که همه از گوشی‌های هوشمند و ساعت‌های هوشمند استفاده می‌کنند، دانستن جزئیات مربوط به پرکاربردترین دستگاه الکترونیکی در سراسر جهان قطعاً به شما در تمام جنبه‌های طراحی و توسعه محصول و برنامه جدید و همچنین برنامه‌ریزی تجاری کمک خواهد کرد. علاوه بر این، فناوری اصلی و اجزای محبوب‌ترین گوشی‌های هوشمند جهان (یعنی Samsung Galaxy Note8 و Apple iPhone X) و ساعت‌های هوشمند (یعنی Samsung Gear S3 و Apple Watch Series 3) همراه با جزئیات iOS معرفی شده‌اند. و سیستم‌عامل اندروید گوشی‌های هوشمند (سیستم‌های عامل) و ارتباطات سیار 1G تا 5G (برای جزئیات بیشتر در مورد Wi-Fi و بلوتوث، لطفاً دوره آموزشی من را با عنوان "IoT Wireless & Cloud Emerging Technology" بخوانید. این دوره با پروژه هایی به پایان می رسد که نحوه تجزیه و تحلیل اجزای گوشی های هوشمند و بررسی شبکه تلفن همراه را آموزش می دهد. در نتیجه، این دوره شما را برای موفقیت بیشتر در برنامه ریزی استراتژیک کسب و کار در عصر دستگاه های هوشمند آینده آماده می کند. من صمیمانه به شما خوش آمد می گویم به دینامیک داخلی شگفت انگیز دنیای دستگاه های هوشمند!

در مورد موفقیت مشتریان با هوش مصنوعی اینتل بیاموزید

پس از اتمام دوره، دانشجو باید بتواند موارد زیر را انجام دهد: ● فهرستی از ده خطر برتر OWASP را با خطرات اصلی امنیت سایبری ابری مرتبط کنید. ● از تکنیک های رمزنگاری مناسب برای ایمن سازی مکانیسم های احراز هویت و داده های ابری استفاده کنید. ● موثرترین استراتژی ها را برای مقاومت در برابر حملات تزریقی، حملات اسکریپت نویسی بین سایتی و حملات deserialization شیء شناسایی کنید. ● ارزیابی استراتژی‌ها برای رسیدگی به خطرات ناشی از نقص‌های اداری، از جمله پیکربندی نادرست، کنترل دسترسی خراب، اجزای نرم‌افزار آسیب‌پذیر، و نظارت بر امنیت.

این دوره به منظور آموزش پایه های نوشتن برنامه های ساده در پایتون با استفاده از رایج ترین ساختارها طراحی شده است. هیچ مواجهه قبلی با برنامه نویسی مورد نیاز نیست. در پایان این دوره، مزایای برنامه نویسی در نقش های IT را درک خواهید کرد. درک نحو اصلی پایتون؛ کاوش در ویرایشگرهای کد مختلف و محیط های توسعه دهنده؛ قادر به نوشتن برنامه های ساده با استفاده از پایتون. بفهمید که چگونه اجزای سازنده برنامه نویسی با هم تطبیق می یابند. و تمام این دانش را برای حل یک مشکل برنامه نویسی پیچیده ترکیب کنید. ما با بررسی اصول اولیه نوشتن یک برنامه کامپیوتری شروع می کنیم. در طول مسیر، از طریق تمرین‌های تعاملی و مثال‌های دنیای واقعی، تجربه عملی با مفاهیم برنامه‌نویسی به دست خواهید آورد. شما به سرعت متوجه خواهید شد که چگونه رایانه ها می توانند چندین کار را انجام دهند - فقط باید کدی بنویسید که به آنها بگوید چه کاری انجام دهند.

این دوره برای مبتدیان SQL طراحی شده است تا دستورات SQL را بررسی کنند، از جمله ایجاد جداول، اضافه کردن ستون ها و اصلاح جداول. ما به استفاده از دستورات تغییر نگاه خواهیم کرد و زبان آموزان برای تکمیل تمرینات، استفاده از دستورات DDL و DML را تمرین خواهند کرد.

این دوره عمدتاً برای دانشجویان سال اول و دوم لیسانس علاقه مند به مهندسی یا علوم طراحی شده است، همراه با دوره Storage in Azure دومین دوره از آزمون آمادگی آزمون AZ-104: Microsoft Azure Administrator Associate Specialization است. این دوره به زبان آموزان با دانش مبانی حساب های ذخیره سازی Azure کمک می کند. این دوره همچنین بر نحوه دسترسی به حساب های ذخیره سازی و سپس نحوه مدیریت داده ها در حساب های ذخیره سازی تمرکز دارد. این دوره اساساً به سه ماژول درس و سخنرانی ویدیویی تقسیم می شود هر ماژول را بیشتر بخش بندی کنید. این دوره آموزشی با حدود 3:00-4:00 ساعت سخنرانی های ویدئویی که هم تئوری و هم دانش عملی را ارائه می کند، به زبان آموزان تسهیل می کند. همچنین، آزمون های درجه بندی شده و درجه بندی نشده با هر ماژول ارائه می شود تا توانایی فراگیران دانش آموزان دبیرستانی و متخصصان علاقه مند به برنامه نویسی را محک بزند.

به دوره «تنظیم فروش خود» Dell Technologies خوش آمدید. این اولین دوره از مجموعه دوره هایی است که برای آماده سازی شما برای حرفه فروش طراحی شده است. دوره اول یک نمای کلی از مشاغل فروش و نحوه آماده شدن برای آن مشاغل ارائه می دهد، در حالی که مهارت های حرفه ای اساسی و اصول اولیه یک کمپین فروش فناوری اطلاعات را ارائه می دهد. اهداف یادگیری در پایان این دوره، شما قادر خواهید بود: - اهمیت تحقیق منظم مشتری را توصیف کنید منابع مختلف اطلاعاتی را که در تحقیقات مشتری دخیل هستند شناسایی کنید. - عوامل کلیدی برای ایجاد اعتبار و اعتماد با مشتریان را شناسایی کنید (و آنچه بدون آن اتفاق می افتد) ذهنیت ایجاد اعتماد با مشتریان را در پیش بگیرید. - پنج حوزه کلیدی برای ایجاد رابطه را مشخص کنید. - استراتژی هایی را برای انتقال بینش به مخاطب مناسب در سازمان مشتری به شیوه ای قانع کننده شناسایی کنید. - مزایای مدل های As A Service (aaS) را شرح دهید. - دلایل مهم بودن تحول دیجیتال برای سازمان ها را شرح دهید. - فن آوری های کلیدی مرکز داده را شرح دهید. - رابطه بین نرم افزار و سخت افزار خارجی در عملکرد کامپیوتر را شرح دهید. - اجزای کلیدی یک کامپیوتر را شناسایی کنید. - برای کشف اطلاعات مهم بیشتر مشتری، پرسش‌های کاوشگری و تمرینی را اعمال کنید. این دوره در درجه اول برای افرادی است که علاقه مند به شروع حرفه ای در فروش IT هستند و به این ترتیب، فراگیران نیازی به داشتن فروش قبلی یا تجربه فنی ندارند. این دوره برای دانشجویانی که به دنبال شروع حرفه خود هستند و همچنین کسانی که به دنبال تغییر یا انتقال شغلی هستند توصیه می شود.

امروزه میلیون ها شرکت در جهان در حال پردازش اسناد بی پایان در قالب های مختلف هستند. اگرچه اتوماسیون فرآیند رباتیک (RPA) تقریباً در هر صنعتی پیشرفت می کند و به سرعت در حال رشد است، تنها با منابع داده ساختاریافته به خوبی کار می کند. در مورد داده هایی که به طور کامل ساختارمند نیستند و در طرح بندی های مختلف ارائه می شوند، چه می توان گفت؟ برای پرداختن به این مشکل، جنبه دیگری از RPA وجود دارد که صنعت را تحت تأثیر قرار می دهد: اتوماسیون شناختی. در حین اجرای RPA، می‌توانید اتوماسیون‌هایی را با قابلیت‌های «شناختی» مستقر کنید. اتوماسیون شناختی از هوش مصنوعی (AI) برای یادگیری و درک همان روشی که مغز انسان کار می کند استفاده می کند. بنابراین، به انسان در تصمیم گیری، تکمیل وظایف یا رسیدن به اهداف کمک می کند. با استفاده از اتوماسیون شناختی، می توانید داده های نیمه یا بدون ساختار را استخراج کنید که 80 درصد کل داده ها است! داده ها یک دارایی گرانبها هستند. کسب‌وکارها برای درک حجم زیادی از داده‌های موجود و ایجاد ارزش ملموس از آنها تلاش می‌کنند. فرآیندهای کسب و کار دستی به سختی حاوی اطلاعاتی هستند که برای ضبط در دسترس هستند. اینجاست که تجزیه و تحلیل اتوماسیون فرآیند رباتیک (یا RPA) وارد می‌شود. ربات‌های RPA فقط فرآیندهای تجاری را خودکار نمی‌کنند. آنها را نیز دیجیتالی می کنند. آنها حجم زیادی از داده ها را می گیرند و آن را در زمان واقعی تفسیر می کنند تا اطلاعات عملی ارائه کنند. در این دوره آموزشی با اتوماسیون شناختی، نقشی که هوش مصنوعی در آن ایفا می کند و راه حل شناختی Automation Anywhere یعنی IQ Bot آشنا می شوید. همچنین با تجزیه و تحلیل RPA آشنا خواهید شد و بررسی خواهید کرد که چگونه Automation Anywhere's Web Control Room and Bot Insight می تواند این قابلیت را ارائه دهد. با شروع این دوره، شش مرحله برای استقرار اتوماسیون شناختی را خواهید آموخت. در مرحله بعد، پورتال IQ Bot - برنامه مبتنی بر وب Automation Anywhere را برای توسعه ربات های IQ شناختی بررسی خواهید کرد. سپس با دنبال کردن گردش کار IQ Bot، استفاده از پورتال را یاد خواهید گرفت. در مرحله بعد، خواهید آموخت که چگونه تجزیه و تحلیل RPA به تفسیر و بهبود فرآیندهای تجاری خودکار کمک می کند. خواهید دید که Bot Insight چگونه به عنوان یک پلتفرم تجزیه و تحلیل RPA عمل می کند. شما همچنین انواع مختلف تجزیه و تحلیل RPA را بررسی خواهید کرد و یاد خواهید گرفت که چگونه تجزیه و تحلیل RPA را از طریق دو مکانیسم ایجاد کنید - اتاق کنترل وب برای تجزیه و تحلیل عملیاتی و بینش ربات برای تجزیه و تحلیل تجاری و تجزیه و تحلیل CoE. در نهایت، نحوه استفاده از برنامه موبایل RPA را برای مطالعه و ویرایش داشبورد پیش‌فرض CoE که از طریق Bot Insight منتشر شده است، یاد خواهید گرفت.

آیا به دنبال کسب اطلاعات بیشتر فنی هستید؟ آیا به دنبال شروع کار در فضای ابری هستید، اما نمی‌دانید بعد از آن به کجا بروید؟ آیا با آماده شدن برای آزمون دانشیار معمار AWS Solutions به دنبال ارتقای بازی خود هستید؟ آیا خود را به عنوان یک مشاور ابری می بینید، اما نمی توانید تصور کنید که روزهای شما چگونه خواهد بود؟ آیا شما متحیر هستید که چگونه نیازهای مشتری را با خدمات / راه حل های مناسب AWS مطابقت دهید؟ اگر چنین است، شما در جای درستی هستید!! شما یاد خواهید گرفت که چگونه در یک سناریوی واقعی مشتری مانند یک معمار راه حل برنامه ریزی کنید، فکر کنید و عمل کنید. در این دوره، شما آماده خواهید شد تا راه حل های معماری حرفه ای خود را در AWS آغاز کنید. از طریق یک سری سناریوهای مورد استفاده و یادگیری عملی، شما یاد خواهید گرفت که خدمات و ویژگی‌هایی را برای ایجاد راه‌حل‌های IT انعطاف‌پذیر، ایمن و بسیار در دسترس در AWS Cloud شناسایی کنید. هر هفته، یک مشتری خیالی نیاز متفاوتی را ارائه می کند. سپس گزینه‌ها را بررسی می‌کنیم، بهترین را برای مورد استفاده انتخاب می‌کنیم و شما را در طراحی معماری روی تخته سفید راهنمایی می‌کنیم. در مورد معماری های رویداد محور با تمرکز بر کارایی عملکرد و هزینه خواهید آموخت. سپس دانشی در مورد چگونگی ایجاد یک راه حل با استفاده از بسیاری از خدمات AWS ساخته شده به دست خواهید آورد. با این درک، حسی از معماری های ترکیبی با تمرکز دقیق بر قابلیت اطمینان و کارایی عملیاتی به دست خواهید آورد. در نهایت، با درک استراتژی چند حسابی که بر امنیت و هزینه متمرکز است، یادگیری خود را به پایان می رسانید.

متخصصان مهندسی نرم افزار در سراسر جهان تقاضای زیادی دارند و این روند هیچ نشانه ای از کندی نشان نمی دهد. بسیاری از مشاغل عالی در دسترس هستند، اما تعداد زیادی نامزد عالی نیز وجود دارد. چگونه می توانید در چنین زمینه رقابتی به برتری برسید؟ این دوره شما را برای ورود به بازار کار به عنوان یک کاندیدای عالی برای موقعیت مهندسی نرم افزار آماده می کند. تکنیک‌های عملی برای ایجاد مطالب ضروری برای جستجوی کار مانند رزومه و نمونه کارها و همچنین ابزارهای کمکی مانند نامه پوششی و آسانسور ارائه می‌دهد. شما یاد خواهید گرفت که چگونه موقعیت های شغلی آینده نگر را پیدا کرده و ارزیابی کنید، برای آنها درخواست دهید و زمینه را برای مصاحبه فراهم کنید. با این حال، دوره در اینجا متوقف نمی شود. همچنین نکات و مراحلی را دریافت خواهید کرد که می توانید از آنها برای انجام حرفه ای و موثر در مصاحبه ها استفاده کنید. شما یاد خواهید گرفت که چگونه به چالش کد نزدیک شوید و تکمیل آنها را تمرین کنید. علاوه بر این، اطلاعاتی در مورد عملکردها و وظایف منظم مهندسان نرم افزار و همچنین فرصت های این حرفه و برخی گزینه ها برای توسعه شغلی ارائه می دهد. از طریق این دوره از تعدادی از متخصصان صنعت نرم افزار راهنمایی خواهید گرفت. آنها در مورد مسیرهای شغلی خود صحبت خواهند کرد و در مورد چیزهایی که در مورد شبکه سازی، مصاحبه، حل مشکلات کدنویسی، و سایر سوالاتی که ممکن است به عنوان یک نامزد با آنها مواجه شوید، صحبت خواهند کرد. اجازه دهید متخصصان باتجربه توسعه نرم‌افزار تجربیات خود را به اشتراک بگذارند تا به شما کمک کنند تا به شغل مورد نظر خود دست پیدا کنید. این دوره زبان آموزان را برای نقش هایی با عناوین مختلف از جمله مهندس نرم افزار، توسعه دهنده نرم افزار، برنامه نویس برنامه، توسعه دهنده Full Stack، توسعه دهنده Front-End، توسعه دهنده Back-End، مهندس DevOps و توسعه دهنده اپلیکیشن موبایل آماده می کند.

شرح دوره: این دوره آموزش جامعی را در زمینه تکنیک های تحلیل رگرسیون و پیش بینی برای علم داده با تاکید بر برنامه نویسی پایتون ارائه می دهد. شما به تجزیه و تحلیل سری های زمانی، پیش بینی، رگرسیون خطی و پیش پردازش داده ها تسلط خواهید داشت و به شما امکان می دهد تصمیمات مبتنی بر داده را در صنایع مختلف اتخاذ کنید. اهداف آموزشی: • توسعه تخصص در تجزیه و تحلیل سری های زمانی، پیش بینی، و رگرسیون خطی. • کسب مهارت در برنامه نویسی پایتون برای تحلیل و مدل سازی داده ها. • تکنیک های تجزیه و تحلیل داده های اکتشافی، شناسایی روند و فصلی بودن را تجزیه و تحلیل کنید دست زدن • مدل های سری زمانی مختلف را پیدا کنید و آنها را با استفاده از پایتون پیاده سازی کنید. • داده ها را برای مدل سازی رگرسیون خطی دقیق آماده و پیش پردازش کنید. • پیش بینی و تفسیر مدل های رگرسیون خطی برای تصمیم گیری آگاهانه. در این دوره چهار ماژول وجود دارد: ماژول 1: تحلیل و پیش بینی سری های زمانی شرح ماژول: ماژول تحلیل و پیش‌بینی سری‌های زمانی اکتشاف جامعی از تکنیک‌ها برای استخراج بینش و پیش‌بینی روندها از داده‌های متوالی ارائه می‌کند. شما به مفاهیم اساسی مانند شناسایی روند، فصلی بودن و انتخاب مدل تسلط خواهید داشت. آنها با تجربه عملی در نرم افزارهای پیشرو، ساخت، اعتبارسنجی و تفسیر مدل های پیش بینی را خواهند آموخت. با بررسی مطالعات موردی در دنیای واقعی و ملاحظات اخلاقی، شرکت‌کنندگان برای تصمیم‌گیری استراتژیک در صنایع با استفاده از قدرت تحلیل سری‌های زمانی مجهز خواهند شد. این ماژول یک دارایی ارزشمند برای متخصصانی است که به دنبال استفاده از پتانسیل داده های زمانی هستند. شما در تجزیه و تحلیل سری های زمانی و پیش بینی تخصص خواهید داشت. تکنیک هایی را برای تجزیه و تحلیل داده های اکتشافی، تجزیه سری های زمانی، تجزیه و تحلیل روند، و مدیریت فصلی کشف کنید. مهارت تمایز بین انواع مختلف الگوها و درک مفاهیم آنها در پیش بینی را به دست آورید. ماژول 2: مدل های سری زمانی توضیحات ماژول: مدل‌های سری زمانی ابزارهای قدرتمندی هستند که برای کشف الگوها و پیش‌بینی روندهای آینده در داده‌های متوالی طراحی شده‌اند. با تجزیه و تحلیل الگوهای تاریخی، روندها و تغییرات فصلی، این مدل ها بینش هایی را در مورد رفتار داده ها در طول زمان ارائه می دهند. با استفاده از روش‌هایی مانند مدل‌های ARIMA، هموارسازی نمایی، و مدل‌های فضای حالت، پیش‌بینی دقیق را امکان‌پذیر می‌کنند و به تصمیم‌گیرندگان در زمینه‌های مختلف قدرت می‌دهند تا انتخاب‌های آگاهانه‌ای را براساس پیش‌بینی‌های مبتنی بر داده انجام دهند. شما توانایی ساخت مدل های پیش بینی برای پیش بینی های آینده را بر اساس داده های تاریخی به دست خواهید آورد. روش های مختلف پیش بینی مانند مدل های ARIMA و تکنیک های پیش بینی فصلی را کشف کنید و آنها را با استفاده از برنامه نویسی پایتون پیاده سازی کنید. توانایی تدوین استراتژی های پیش بینی سری زمانی سفارشی بر اساس ویژگی های داده را توسعه دهید. ماژول 3: رگرسیون خطی - پیش پردازش داده ها توضیحات ماژول: ماژول رگرسیون خطی - پیش پردازش داده ها یک دوره اساسی است که شرکت کنندگان را با مهارت های ضروری برای تهیه و بهینه سازی داده ها قبل از استفاده از تکنیک های رگرسیون خطی مجهز می کند. از طریق یادگیری عملی، شرکت‌کنندگان اهمیت کیفیت داده‌ها، پرداختن به مقادیر از دست رفته، تشخیص نقاط پرت و مقیاس‌بندی ویژگی را درک خواهند کرد. شما یاد خواهید گرفت که چگونه داده های خام را به یک قالب تمیز و نرمال شده با جستجو در مجموعه داده های دنیای واقعی تبدیل کنید و از نتایج مدل رگرسیون خطی دقیق و قابل اعتماد اطمینان حاصل کنید. این ماژول برای ایجاد دانش پایه قوی در مدل سازی پیش بینی و تجزیه و تحلیل داده ها بسیار مهم است. شما بینش هایی را در مورد تکنیک های رگرسیون مختلف مانند رگرسیون خطی، رگرسیون چند جمله ای و رگرسیون لجستیک و اجرای آنها با استفاده از برنامه نویسی پایتون به دست خواهید آورد. داده‌های گمشده و نقاط پرت را در مجموعه داده‌ها شناسایی کنید و استراتژی‌های مناسب را برای مدیریت مؤثر آن‌ها اجرا کنید. اهمیت مقیاس بندی و انتخاب ویژگی را تشخیص دهید و یاد بگیرید که چگونه تکنیک هایی مانند استانداردسازی و عادی سازی را برای بهبود همگرایی و تفسیرپذیری مدل به کار ببرید. ماژول 4: رگرسیون خطی - ایجاد مدل شرح ماژول: ماژول رگرسیون خطی - ایجاد مدل، درک جامعی از ساخت مدل های پیش بینی را از طریق تکنیک های رگرسیون خطی ارائه می دهد. شما یاد خواهید گرفت که ویژگی های مربوطه را انتخاب و مهندسی کنید، الگوریتم های رگرسیون را اعمال کنید و ضرایب مدل را تفسیر کنید. با کاوش در مطالعات موردی در دنیای واقعی، بینش هایی در مورد ارزیابی عملکرد مدل به دست خواهید آورد و نحوه تنظیم دقیق پارامترها برای نتایج بهینه را به دست خواهید آورد. این ماژول به شما امکان می دهد تا مدل های رگرسیون خطی قوی برای تصمیم گیری مبتنی بر داده در زمینه های مختلف ایجاد کنید. نحوه شناسایی و انتخاب ویژگی های مرتبط از مجموعه داده ها برای گنجاندن در مدل های رگرسیون خطی را خواهید فهمید. مهارت هایی را برای تفسیر ضرایب مدل، تشخیص اهمیت آنها و ارائه پیامدهای این ضرایب به ذینفعان غیر فنی به دست آورید. نحوه تنظیم دقیق پارامترهای مدل و تکنیک های منظم سازی و انجام اعتبارسنجی متقابل برای افزایش تعمیم مدل را کشف کنید. یادگیرنده هدف: این دوره برای دانشمندان داده، تحلیلگران و متخصصان مشتاق طراحی شده است که به دنبال افزایش مهارت های خود در تجزیه و تحلیل رگرسیون، پیش بینی و برنامه نویسی پایتون هستند. برای کسانی که به دنبال استفاده از قدرت داده های زمانی و مدل سازی پیش بینی در حرفه خود هستند مناسب است. پیش نیازهای زبان آموز: • دانش اولیه برنامه نویسی پایتون. • آشنایی با مفاهیم بنیادی تحلیل داده ها. • درک مفاهیم آماری مفید است اما اجباری نیست. فایل های مرجع: به فایل های کد در قسمت منابع و فایل های آزمایشگاهی در قسمت مدیر آزمایشگاه دسترسی خواهید داشت. مدت دوره: 5 ساعت 44 دقیقه مدت زمان کل: تقریبا 4 هفته • ماژول 1: تحلیل و پیش بینی سری زمانی (1 هفته) • ماژول 2: مدل‌های سری زمانی (1 هفته) • ماژول 3: رگرسیون خطی - پیش پردازش داده ها (1 هفته) • ماژول 4: رگرسیون خطی - ایجاد مدل (1 هفته)

به رمزنگاری خوش آمدید! رمزنگاری تمرین و مطالعه تکنیک هایی برای ایمن سازی ارتباطات در حضور اشخاص ثالث است. شما یاد خواهید گرفت که چگونه از اطلاعات محافظت کنید تا از صحت، محرمانه بودن، صحت و عدم انکار آن اطمینان حاصل کنید. شما با درک اولیه مفاهیم رمزنگاری و نحوه به کارگیری آنها، پیاده سازی پروتکل های ایمن، مفاهیم مدیریت کلید، مدیریت و اعتبارسنجی کلید، و زیرساخت کلید عمومی آشنا خواهید شد. اهداف درس 1. کاربرد مفاهیم اساسی رمزنگاری 2. تشریح تفاوت بین رمزنگاری متقارن و نامتقارن 3. تعریف الزامات اساسی برای رمزنگاری 4. شناسایی فرآیندهایی برای پشتیبانی از پروتکل های ایمن 5. شرح فرآیند پیاده سازی سیستم های رمزنگاری 6. تعریف مدیریت کلید. مفاهیم 7. تعریف زیرساخت کلید عمومی 8. شناسایی فرآیندها برای مدیریت کلید و اعتبار سنجی 9. شرح اجرای پروتکل های امن

مدیریت امنیت سایبری مربوط به مدیریت ریسک است، به ویژه ریسک دارایی های اطلاعاتی که توسط یک سازمان ارزش گذاری شده است. این دوره به بررسی نقش حاکمیت، مدیریت ریسک و انطباق (GRC) به عنوان بخشی از فرآیند مدیریت امنیت سایبری، از جمله عملکردهای کلیدی برنامه ریزی، سیاست ها، و مدیریت فناوری ها برای حمایت از حفاظت از دارایی های اطلاعاتی حیاتی می پردازد. در این دوره، زبان آموز قادر خواهد بود: ● اهمیت و کارکردهای حکمرانی، مدیریت ریسک، و انطباق در مدیریت برنامه امنیت سایبری را شناسایی کنید. ● بهترین شیوه ها در مدیریت ریسک شامل حوزه های ارزیابی ریسک و درمان ریسک را شرح دهید. ● ساختار و محتوای استراتژی، طرح ها و برنامه ریزی مرتبط با امنیت سایبری را شرح دهید ● مولفه ها و روش های کلیدی سیاست های امنیت سایبری و توسعه سیاست ها را شناسایی کنید ● درباره نقش معیارهای عملکرد به عنوان روشی برای ارزیابی و بهبود برنامه های GRC بحث کنید

هر سازمانی از اطلاعات خود برای پشتیبانی از عملیات تجاری خود استفاده می کند. زمانی که تهدیداتی در محیط های داخلی و خارجی وجود داشته باشد، خطر از دست دادن اطلاعات یا آسیب را ایجاد می کند. این دوره به بررسی طراحی و ساخت یک برنامه مدیریت ریسک، از جمله سیاست ها و طرح ها، برای حمایت از شناسایی و درمان ریسک دارایی های اطلاعاتی سازمان می پردازد.

دوره آموزشی "زبان پرس و جوی Splunk و تجزیه و تحلیل داده ها" شما را با مهارت های اساسی برای استفاده موثر از Splunk، یک پلت فرم قدرتمند برای مدیریت داده های تولید شده توسط ماشین، مجهز می کند. چه یک متخصص IT با تجربه باشید یا در تجزیه و تحلیل داده ها تازه کار باشید، این دوره یک درک اساسی از زبان پرس و جو و قابلیت های تجزیه و تحلیل داده Splunk را ارائه می دهد. اهداف آموزشی: 1) دستورات اساسی اساسی را درک کنید، فیلدهای سفارشی ایجاد کنید و از آنها استفاده کنید و داده ها را تغییر دهید 2) درک مفهوم ماکروها در SPL، توابع آماری پیشرفته و تکنیک های پیشرفته دستکاری داده ها 3) نحوه طراحی و ساخت داشبوردهای تعاملی را بیاموزید، اهمیت جستجوها و هشدارهای برنامه ریزی شده را درک کنید، در ایجاد و سفارشی کردن گزارش های Splunk مهارت کسب کنید. در پایان دوره، شما قادر خواهید بود: • دستورات اولیه SPL مانند جستجو، ارزیابی و آمار را برای تجزیه و تحلیل داده ها تشخیص دهید • تبدیل داده ها و ایجاد میدان محاسبه شده را با دستور eval کشف کنید • فیلدها، برچسب ها و انواع رویدادهای سفارشی را برای دسته بندی کارآمد داده ها، فرموله و اعمال کنید • تکنیک های پیشرفته SPL را برای تبدیل داده های پیچیده و تجزیه و تحلیل آماری بررسی کنید • تجزیه و تحلیل مبتنی بر زمان را با توابعی مانند نمودار زمانی، نمودار و آمار رویداد اعمال کنید • ساختارهای داده پیچیده و فیلدهای تودرتو را دستکاری کنید • از ماکروها برای ساده سازی پرس و جوهای پیچیده و ارتقای قابلیت استفاده مجدد استفاده کنید • با استفاده از ویرایشگر داشبورد، داشبوردهای تعاملی و بصری جذاب را در Splunk طراحی کنید • کامپایل گزارش های Splunk برای ارائه موثر نتایج جستجو • جستجوها و هشدارها را برای نظارت پیشگیرانه داده ها و اعلان ها برنامه ریزی کنید ماژول 1: مقدمه ای بر SPL (زبان پرس و جوی Splunk) توضیحات: ماژول "مقدمه ای بر SPL (زبان پرس و جوی Splunk)" یک نمای کلی از مفاهیم اساسی و نحو SPL، زبان جستجوی قدرتمند مورد استفاده در Splunk را ارائه می دهد. شما درک اساسی از نحوه ساخت جستجوها، فیلتر کردن و تبدیل داده ها به دست خواهید آورد. ، از توابع برای تجمیع استفاده کنید و نتایج را تجسم کنید و آنها را قادر می سازد تا بینش های ارزشمند را استخراج کنند و داده ها را به طور مؤثر در پلت فرم Splunk نشان دهید دستوراتی مانند جستجو، eval، و آمار، به شما امکان می دهد وظایف ساده تجزیه و تحلیل داده ها را انجام دهید و اطلاعات خاصی را از داده ها بازیابی کنید. بینش‌ها، فیلدها، برچسب‌ها و انواع رویدادهای سفارشی را شناسایی، ترکیب و استفاده می‌کنید و به شما این امکان را می‌دهد که داده‌ها را برای تجزیه و تحلیل و تجسم کارآمدتر دسته‌بندی کرده و تقویت کنید. ماژول 2: تکنیک های پیشرفته SPL توضیحات: ماژول "تکنیک های پیشرفته SPL" به تکنیک های پیچیده تر و قدرتمندتر در زبان Splunk Query (SPL) می پردازد. شما تحولات پیچیده داده ها، توابع آماری و مبتنی بر زمان پیشرفته، جستجوهای فرعی و عملیات مشترک را برای انجام وظایف پیچیده تجزیه و تحلیل داده ها بررسی خواهید کرد. شما نشان خواهید داد که از پتانسیل کامل SPL استفاده می کنید و به شما امکان می دهد با سناریوهای داده پیچیده مقابله کنید و بینش عمیق تری از داده های آنها در پلتفرم Splunk به دست آورید. شما توابع آماری پیشرفته ای مانند نمودار زمانی، نمودار و آمار رویدادها را در SPL برای انجام تجمیع داده های پیچیده و تجزیه و تحلیل مبتنی بر زمان نشان خواهید داد. تکنیک های پیشرفته دستکاری داده ها را در SPL کشف کنید، مانند multikv، spath، و streamstats، برای مدیریت موثر ساختارهای داده پیچیده و فیلدهای تودرتو. شناسایی مفهوم ماکروها در SPL و نحوه ایجاد و استفاده از آنها برای ساده سازی پرس و جوهای پیچیده و ارتقای قابلیت استفاده مجدد. ماژول 3: Splunk Dashboards and Reporting توضیحات: ماژول "داشبوردهای Splunk و گزارش" بر آموزش طراحی و ایجاد داشبوردهای تعاملی و بصری جذاب در Splunk تمرکز دارد. شما نتایج جستجو، تجسم ها و مؤلفه های سفارشی را طراحی خواهید کرد تا بینش داده ها را به طور مؤثر ارائه دهید. علاوه بر این، این ماژول تکنیک‌های گزارش‌گیری مختلف را برای تولید گزارش‌های زمان‌بندی‌شده و موقتی پوشش می‌دهد و کاربران را قادر می‌سازد تا اطلاعات مهم را با ذینفعان به اشتراک بگذارند و تصمیمات آگاهانه بگیرند. شما یاد خواهید گرفت که چگونه با استفاده از ویرایشگر داشبورد، داشبوردهای تعاملی و بصری جذاب را در Splunk طراحی و بسازید. در ایجاد و سفارشی کردن گزارش های Splunk مهارت کسب کنید تا نتایج جستجو را در قالب جدولی به طور موثر ارائه دهید. اهمیت جستجوها و هشدارهای برنامه ریزی شده برای نظارت پیشگیرانه داده ها و اعلان های رویداد محور را شناسایی کنید. فراگیران هدف: این دوره برای متخصصان فناوری اطلاعات، تحلیلگران داده و هر کسی که علاقه مند به استفاده از قدرت Splunk برای تجزیه و تحلیل داده ها و بینش است مناسب است. پیش نیازهای زبان آموز: درک اولیه Splunk مورد نیاز است، همراه با درک اولیه مفاهیم تجزیه و تحلیل داده ها یک مزیت اضافی است. فایل های مرجع: در قسمت منابع به فایل های کد دسترسی خواهید داشت. مدت دوره: این دوره شامل سه ماژول است که هر ماژول بسته به سرعت یادگیری فردی طراحی شده است تا در حدود 3-4 هفته تکمیل شود.

دوره "زیرساخت خودکار - سرآشپز برای DevOps" یک برنامه تقویت مهارت جامع است که برای توسعه دهندگانی طراحی شده است که هدف آنها حرفه ای شدن در DevOps است. این دوره ویدئوهای آموزشی گسترده‌ای را ارائه می‌دهد که به صورت ماژول‌ها تقسیم شده‌اند، که به زبان‌آموزان نمایش‌های آزمایشگاهی قابل فهم، از جمله سخنرانی‌های ویدئویی، مطالب خواندنی، و آزمون‌ها را ارائه می‌دهد. این ماژول‌ها به هفت درس تقسیم می‌شوند و ارزیابی‌هایی برای اعتبارسنجی بررسی‌های دانش فراگیران ارائه می‌شود. ارزیابی عملی آزمایشگاهی نیز برای تقویت دانش فراگیران در دسترس است. همانطور که ابزارهای اتوماسیون مانند Chef به طور فزاینده ای در سازمان ها محبوب می شوند، یادگیرندگان درک بهتری از مدیریت پیکربندی به دست خواهند آورد و آنها را در صنعت DevOps ارزشمندتر می کند. هدف این دوره آشپز زیرساخت خودکار برای devops، توسعه دهندگان برای دستیابی به گواهینامه DevOps است. برخی از مزایای مهم دستیابی به این گواهینامه ها عبارتند از: 1. دانش و درک شما از ابزارها و روش‌های DevOps را تأیید می‌کند. 2. شناخت جهانی دانش، مهارت و تجربه شما را به شما ارائه می دهد. 3. اعتباری را به رزومه شما اضافه می کند و در نتیجه باعث می شود که شما را از سایرین متمایز کنید. 4. به شما کمک می کند فرصت های بیشتری برای ارتقای شغل خود به عنوان یک متخصص DevOps داشته باشید. 5. شانس بیشتری برای ارتقای شغل فعلی یا به دست آوردن یک شغل جدید با حقوق بالا به شما می دهد. پس از اتمام دوره، یک گواهی دوره آموزشی به زبان آموزان اعطا می شود که دانش آنها را از برنامه تأیید می کند. ثبت نام در دوره "زیرساخت خودکار - سرآشپز برای DevOps" فرصتی عالی برای زبان آموزان است تا با تبدیل شدن به متخصصان حرفه ای DevOps به رشد شغلی دست یابند. با درک بهتر Chef for DevOps، فراگیران می‌توانند مهارت‌های DevOps خود را تقویت کنند و گواهی‌هایی را کسب کنند که می‌تواند آنها را از سایرین متمایز کند. با تبدیل شدن به یک متخصص معتبر DevOps، فراگیران فرصت های بهتری برای ارتقاء، حقوق بالاتر و فرصت کار بر روی پروژه های DevOps هیجان انگیز خواهند داشت.

این دوره دانش آموزان را برای ایجاد راه حل های بسیار قابل اعتماد و کارآمد در Google Cloud با استفاده از الگوهای طراحی اثبات شده مجهز می کند. این ادامه دوره های معماری با موتور محاسباتی گوگل یا معماری با موتور گوگل کوبرنتس است و تجربه عملی با فناوری های تحت پوشش هر یک از این دوره ها را در نظر می گیرد. از طریق ترکیبی از ارائه‌ها، فعالیت‌های طراحی و آزمایشگاه‌های عملی، شرکت‌کنندگان یاد می‌گیرند که الزامات تجاری و فنی را برای طراحی پیاده‌سازی‌های Google Cloud که بسیار قابل اعتماد، بسیار در دسترس، ایمن و مقرون‌به‌صرفه هستند، تعریف و متعادل کنند.

این دوره به شما می آموزد که چگونه برنامه های رویداد محور را با استفاده از Eventarc بسازید و ایمن کنید. با استفاده از سخنرانی‌ها و آزمایشگاه‌های عملی، ماشه‌های Eventarc را برای مسیریابی رویدادها از سرویس‌های Google Cloud به گیرنده‌های رویدادی که بر روی رویدادها عمل می‌کنند ایجاد می‌کنید. شما با قالب استاندارد CloudEvents که توسط Eventarc استفاده می‌شود، آشنا می‌شوید و یک سرویس گیرنده رویداد را برای مصرف رویدادها ایجاد و استقرار می‌دهید.