کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 12,061 تا 12,080 مورد از کل 12,178 مورد.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: توصیه‌ها (Mitalearn-110072)

  • 58 دقیقه
  • متوسط
  • انتشار: 25 July 2026
  • مدرس: Adam Geitgey
درباره این دوره:

این دوره مبتنی بر پروژه به برنامه نویسان در تمام سطوح مهارت نشان می دهد که چگونه از یادگیری ماشین برای ساخت برنامه هایی استفاده کنند که می توانند توصیه هایی را ارائه دهند. در این دوره، آدام گیتگی شما را در یک آزمایشگاه عملی راهنمایی می کند که یک سیستم توصیه می سازد که می تواند محصولات مشابه را بر اساس محصولات قبلی که آنها بررسی یا خریداری کرده اند به مشتریان پیشنهاد دهد. این سیستم همچنین می تواند تشخیص دهد که کدام محصولات مشابه یکدیگر هستند.\r\n\r\n این سیستم ها با کمک به مشتریان در کشف محصولات و خدماتی که ممکن است هرگز خودشان را پیدا نکنند، به تعامل و فروش با مشتری کمک می کند. این دوره از ابزارهای رایگان و متن باز Python 3.5، pandas و numpy استفاده می کند. در پایان دوره، شما مجهز به استفاده از یادگیری ماشینی برای حل مشکلات توصیه می شوید. آنچه یاد می گیرید می تواند مستقیماً در پروژه های خود اعمال شود.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: خوشه بندی و انجمن (Mitalearn-131220)

  • 3 ساعت 33 دقیقه
  • متوسط
  • بروزرسانی: 25 July 2026
  • مدرس: Keith McCormick
درباره این دوره:

یادگیری بدون نظارت نوعی یادگیری ماشینی است که در آن الگوریتم ها داده های بدون برچسب را تجزیه می کنند. تمرکز بر مرتب‌سازی داده‌ها در دسته‌های شناخته‌شده نیست، بلکه کشف الگوهای پنهان است. یادگیری بدون نظارت نقش بزرگی در تقسیم بندی بازاریابی مدرن، کشف تقلب و تجزیه و تحلیل سبد بازار ایفا می کند. این دوره نحوه استفاده از تکنیک‌های پیشرو یادگیری ماشینی - تجزیه و تحلیل خوشه‌ای، تشخیص ناهنجاری، و قوانین مرتبط - را برای به دست آوردن نتایج دقیق و معنی‌دار از داده‌های بزرگ نشان می‌دهد.\r\n\r\n او از همان الگوریتم‌ها برای تشخیص ناهنجاری‌ها استفاده می‌کند، با توابع تخصصی اضافی موجود در IBM SPSS Modeler. او دوره را با مرور قوانین ارتباط و تشخیص توالی پایان می دهد و همچنین منابعی را برای یادگیری بیشتر فراهم می کند.\r\n\r\n

linkedin یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با KNIME (Mitalearn-383823)

  • 2 ساعت 4 دقیقه
  • مناسب همه
  • بروزرسانی: 22 July 2025
  • مدرس: Keith McCormick
درباره این دوره: 

 

پیش نیازهای پیشنهادی

  • آشنایی کلی با یادگیری ماشینی تحت نظارت
  • درک عباراتی مانند متغیر هدف، متغیر ورودی، الگوریتم و پارتیشن قطار/آزمایش

درخت‌های تصمیم شفاف هستند، در هر پلتفرمی در دسترس هستند و برای تکنیک‌های پیشرفته‌تر مانند جنگل‌های تصادفی و XGBoost پایه‌ای هستند. و اگر شما یک دانشمند داده هستید که به دنبال تمرکز بر یادگیری ماشینی هستید، مسلماً موضوع بهتری برای شروع سفر یادگیری شما وجود ندارد. در این دوره، اصول یادگیری ماشینی مربوط به تجزیه و تحلیل پیش بینی و کار با درخت های تصمیم را بیاموزید. در طول مسیر، مربی کیت مک کورمیک با استفاده از پلتفرم KNIME Analytics نمایش هایی ارائه می دهد، بنابراین می توانید نحوه عملکرد این مفاهیم را در سناریوهای دنیای واقعی درک کنید.


linkedin یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم با SPSS (Mitalearn-104173)

  • 1 ساعت 27 دقیقه
  • مبتدی
  • بروزرسانی: 25 July 2026
  • مدرس: Keith McCormick
درباره این دوره:

بسیاری از متخصصان علوم داده به دنبال تمرکز بر یادگیری ماشین هستند. این دوره، ملزومات یادگیری ماشین، از جمله تجزیه و تحلیل پیش‌بینی‌کننده و کار با درخت‌های تصمیم را پوشش می‌دهد. چندین الگوریتم درختی محبوب را کاوش کنید و یاد بگیرید که چگونه از مهندسی معکوس برای شناسایی متغیرهای خاص استفاده کنید. نمایش های استفاده از IBM SPSS Modeler گنجانده شده است تا بتوانید نحوه عملکرد درختان تصمیمات را درک کنید. این دوره طراحی شده است تا به شما یک پایه محکم برای ایجاد مهارت های پیشرفته تری در علم داده ارائه دهد.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: درختان تصمیم گیری پیشرفته با KNIME (Mitalearn-383840)

  • 1 ساعت 38 دقیقه
  • مناسب همه
  • بروزرسانی: 22 July 2025
  • مدرس: Keith McCormick
درباره این دوره: 

 به نظر می رسد هر سال روند داغ جدیدی در علم داده وجود دارد. یکی از داغ‌ترین الگوریتم‌های تحلیل پیش‌بینی‌کننده در سال جاری، درخت‌های تقویت‌شده با گرادیان است. اگر اصول درخت های تصمیم را نفهمید، نمی توان امیدوار بود که بفهمد چرا این روش محبوب و موفق است. محبوبیت الگوریتم‌های درختی خاص افزایش و کاهش یافته است، اما مفاهیم اصلی برای حداقل 30 سال برای این رشته اساسی بوده‌اند. در این دوره، مربی کیت مک کورمیک، نیم دوجین الگوریتم درخت تصمیم گیری محبوب را نشان می دهد و بحث می کند. کیت نحوه دسترسی به آنها را با استفاده از گزینه های منبع باز دیگر از داخل پلت فرم KNIME نشان می دهد. او آنها را توضیح می دهد و آنها را مهندسی معکوس می کند تا پایه ای محکم برای ایجاد مهارت های پیشرفته تری در علم داده ایجاد کند.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: رگرسیون خطی (Mitalearn-131237)

  • 4 ساعت 5 دقیقه
  • متوسط
  • بروزرسانی: 28 June 2026
  • مدرس: Keith McCormick
درباره این دوره:

داشتن یک درک کامل از رگرسیون خطی - روشی برای مدل‌سازی رابطه بین یک متغیر وابسته و یک به چندین متغیر دیگر - می‌تواند به شما در حل بسیاری از مسائل دنیای واقعی کمک کند. حوزه های کاربردی شامل پیش بینی تقریباً هر مقدار عددی از جمله ارزش مسکن، هزینه مشتری و قیمت سهام است. این دوره مفاهیم مهم ترین تکنیک های رگرسیون خطی و نحوه استفاده موثر از آنها را نشان می دهد. در طول دوره، مدرس کیت مک کورمیک از آمار SPSS IBM استفاده می کند و در هر مفهوم قدم می زند، بنابراین مقداری قرار گرفتن در معرض آن نرم افزار فرض می شود. اما تاکید بر درک مفاهیم خواهد بود و نه مکانیک نرم افزار. کاربران SPSS این مزیت اضافی را خواهند داشت که تقریباً در معرض هر ویژگی رگرسیون در SPSS قرار می گیرند.

مربی کیت مک کورمیک رگرسیون خطی ساده را پوشش می دهد و نحوه ساختن نمودارهای پراکندگی موثر و محاسبه و تفسیر ضرایب رگرسیون را توضیح می دهد. او همچنین به چالش ها و مفروضات رگرسیون چندگانه می پردازد و از طریق سه استراتژی رگرسیون متمایز گام برمی دارد. برای جمع بندی، او برخی از جایگزین های رگرسیون، از جمله درختان رگرسیون و پیش بینی سری های زمانی را مورد بحث قرار می دهد.

linkedin یادگیری ماشین و مبانی هوش مصنوعی: مدل‌سازی طبقه‌بندی (Mitalearn-131254)

  • 2 ساعت 5 دقیقه
  • متوسط
  • بروزرسانی: 21 June 2026
  • مدرس: Keith McCormick
درباره این دوره:

یک نوع مشکل کاملاً بر یادگیری ماشین و هوش مصنوعی غالب است: طبقه بندی. طبقه‌بندی باینری، روش غالب، داده‌ها را به یکی از دو دسته طبقه‌بندی می‌کند: خرید یا نه، تقلب یا نه، بیمار یا نه، و غیره. یادگیری ماشینی و راه‌حل‌های مبتنی بر هوش مصنوعی به الگوریتم‌های دقیق و خوب انتخاب شده نیاز دارند تا طبقه‌بندی را به درستی انجام دهند. این دوره توضیح می دهد که چرا پروژه های تجزیه و تحلیل پیش بینی در نهایت مشکلات طبقه بندی هستند و چگونه دانشمندان داده می توانند استراتژی (یا استراتژی) مناسب را برای پروژه های خود انتخاب کنند. مربی کیت مک کورمیک از تکنیک های آمار سنتی و یادگیری ماشینی مدرن استفاده می کند و نقاط قوت و ضعف آنها را آشکار می کند. کیت نحوه تعریف استراتژی طبقه بندی خود را توضیح می دهد و روشن می کند که انتخاب درست اغلب ترکیبی از رویکردها است. سپس، او 11 الگوریتم مختلف را برای ساخت مدل شما نشان می دهد، از تجزیه و تحلیل تفکیک کننده گرفته تا رگرسیون لجستیک و شبکه های عصبی مصنوعی. در نهایت، یاد بگیرید که چگونه بر چالش هایی مانند مقابله با داده های از دست رفته و کاهش داده ها غلبه کنید.\r\n\r\n هیچ نرم افزاری برای پیگیری همراه با دوره مورد نیاز نیست.

linkedin یادگیری ماشینی AWS با مثال (Mitalearn-144140)

  • 1 ساعت 25 دقیقه
  • متوسط
  • بروزرسانی: 22 June 2026
  • مدرس: Jonathan Fernandes
درباره این دوره:

با سرویس‌های وب آمازون (AWS) به یادگیری ماشینی عمیق‌تر بپردازید. در این دوره عملی، مربی جاناتان فرناندز به شما کمک می‌کند تا با وظایف رایج یادگیری ماشین آشنا شوید و نحوه نزدیک شدن به هر یک را با استفاده از تکنیک‌های کلیدی نشان می‌دهد: طبقه‌بندی باینری، طبقه‌بندی چند کلاسه و رگرسیون. در طول دوره، او چندین نمونه را با استفاده از مجموعه داده های Kaggle برای کاوش عملی بررسی می کند. به علاوه، او برخی مفاهیم ضروری یادگیری ماشین را بررسی می‌کند و به شما کمک می‌کند تا با سایر قابلیت‌های AWS، از جمله SageMaker و Deep Learning AMI آشنا شوید.

مهارت‌های مرتبط

linkedin یادگیری ماشینی برای بازاریابی: آموزش ضروری (Mitalearn-144123)

  • 55 دقیقه
  • متوسط
  • انتشار: 22 June 2026
  • مدرس: Chris DallaVilla
درباره این دوره:

هوش مصنوعی و یادگیری ماشینی در حال تغییر جهان هستند. رایانه‌ها می‌توانند بدون برنامه‌ریزی از داده‌ها «یاد بگیرند» و تصمیمات خودکار و هوشمندانه بگیرند. این فناوری برای کسب‌وکارهای کوچک و بزرگ قابل دسترسی است و تأثیر زیادی بر شیوه بازاریابی شرکت‌ها دارد. با یادگیری ماشین، بازاریابان می‌توانند بسیاری از وظایف را در سفر مشتری، از جمله تقسیم‌بندی مشتری، شخصی‌سازی و حتی قیمت‌گذاری، خودکار کنند. این دوره به افرادی که دارای نقش های فنی، خلاق و رهبری هستند کمک می کند تا بفهمند چگونه یادگیری ماشینی می تواند روش فروش شما به مشتریان B2B و B2C خود را متحول کند. مشاور بازاریابی کریس دالاویلا نشان می دهد که چگونه می توان از یادگیری ماشینی در همه جنبه های بازاریابی، از بهبود تعامل مشتری گرفته تا بهینه سازی بازاریابی مبتنی بر حساب، استفاده کرد. او موارد استفاده عملی را ارائه می‌کند که فناوری را در عمل نشان می‌دهد، و اطلاعات پایه‌ای را که می‌توانید برای بهینه‌سازی همه کمپین‌های خود استفاده کنید، ارائه می‌کند.

linkedin یادگیری ماشینی و مبانی هوش مصنوعی: تولید هوش مصنوعی قابل توضیح (XAI) و راه حل های یادگیری ماشینی قابل تفسیر (Mitalearn-244083)

  • 2 ساعت 14 دقیقه
  • مناسب همه
  • بروزرسانی: 22 July 2025
  • مدرس: Keith McCormick
درباره این دوره: 

 دانشمندان داده و متخصصان یادگیری ماشین باید با آخرین تکنیک ها و رویکردها در این زمینه همگام بمانند. در این دوره، مربی کیت مک کورمیک به شما نشان می دهد که چگونه راه حل های هوش مصنوعی قابل توضیح (XAI) و یادگیری ماشینی قابل تفسیر (IML) را تولید کنید.

یاد بگیرید که چرا نیاز به XAI در سال های اخیر به سرعت در حال افزایش است. روش‌های موجود و تکنیک‌های رایج برای XAI و IML و همچنین زمان و نحوه استفاده از هر کدام را بررسی کنید. کیت شما را در چالش‌ها و فرصت‌های مدل‌های جعبه سیاه راهنمایی می‌کند و به شما نشان می‌دهد که چگونه شفافیت را به مدل‌های خود بیاورید و از نمونه‌های واقعی استفاده کنید که ترفندهای تجارت را در پلتفرم KNIME Analytics با یادگیری آسان و منبع باز نشان می‌دهند. در پایان این دوره، شما درک بهتری از تکنیک های XAI و IML برای توضیحات جهانی و محلی خواهید داشت.

linkedin یادگیری مایکروسافت 365 (Mitalearn-426238)

  • 1 ساعت 21 دقیقه
  • مناسب همه
  • انتشار: 10 June 2024
  • مدرس: David Rivers
درباره این دوره: 

 یک تور از مایکروسافت 365 ، نسخه ابری Microsoft Office دریافت کنید. در این دوره ، به مربی دیوید ریورز بپیوندید زیرا او نحوه دسترسی به حساب M365 خود را نشان می دهد و با برنامه های موجود در نسخه های دسک تاپ و مرورگر کار می کند. دیوید نحوه ایجاد و کار با پرونده ها در OneDrive ، ساخت و نگهداری سایت های SharePoint ، همکاری با تیم ها و موارد دیگر را نشان می دهد. در طول راه ، او همچنین مقدمه ای را به Microsoft 365 Copilot ، مجموعه جدید ویژگی های Premium AI که برای مشترکان M365 به نمایش گذاشته شده است ، ارائه می دهد.

مهارت‌های مرتبط

linkedin یادگیری متلب (2018) (Mitalearn-140026)

  • 1 ساعت 13 دقیقه
  • مبتدی
  • انتشار: 25 July 2026
  • مدرس: Steven Moser
درباره این دوره:

متلب یکی از محبوب‌ترین زبان‌های برنامه‌نویسی امروزی برای مهندسان و دانشمندان است و با دلایل خوب به تحلیلگران اجازه می‌دهد تا با حجم زیادی از داده‌ها به طور موثر کار کنند. مربی استیون موزر به شما نشان می دهد که چگونه از ابزارهای متلب استفاده کنید و برنامه هایی برای مدل سازی داده ها و فرضیه های خود ایجاد کنید. ابتدا یاد بگیرید که چگونه متغیرهای پایه و آرایه های سلولی ایجاد کنید و با سینتکس اصلی MATLAB کار کنید که تفاوت قابل توجهی با سایر زبان های برنامه نویسی دارد. سپس نحوه ایجاد اسکریپت ها و توابع، کار با ماتریس ها، اشکال زدایی برنامه خود و وارد کردن داده ها را بیابید. برای نشان دادن یافته‌های شما، استیون نحوه ایجاد طرح‌های دو بعدی و سه بعدی، اضافه کردن حاشیه‌نویسی و ترکیب تصاویر را نشان می‌دهد. فصل آخر سیمولینک، ابزار بلوک دیاگرام متلب را پوشش می دهد.

مهارت‌های مرتبط

linkedin یادگیری متن متعالی 3 (Mitalearn-101436)

  • 2 ساعت 6 دقیقه
  • مبتدی
  • انتشار: 22 June 2026
  • مدرس: Kevin Yank
درباره این دوره:

Sublime Text 3 یک ویرایشگر متن و کد نوآورانه برای OS X و Windows با اکوسیستم پر رونق بسته های الحاقی است. اما کشف برخی از بهترین ویژگی های آن دشوار است.\r\n\r\n بیاموزید که چگونه بخش‌هایی از کد را پیدا کرده و جایگزین کنید، موقعیت خود را نشانک‌گذاری کنید، از میانبرهای مفید استفاده کنید، چندین خط کد را به طور همزمان ویرایش کنید، و برخی از کارهای خود را با تکمیل خودکار، قطعه‌ها و ماکروها خودکار کنید. به علاوه، یاد بگیرید که چگونه ظاهر و پیکربندی را تغییر دهید تا Sublime Text برای شما بهترین کار را داشته باشد.

linkedin یادگیری مجازی سازی (Mitalearn-220385)

  • 2 ساعت 13 دقیقه
  • مناسب همه
  • بروزرسانی: 7 January 2025
  • مدرس: Martin Guidry
درباره این دوره:

مجازی سازی یک موضوع بسیار مهم برای مدیران فناوری اطلاعات است، زیرا به یک کامپیوتر اجازه می دهد چندین سیستم عامل را اجرا کند و منجر به استفاده کارآمدتر از منابع سخت افزاری می شود.n او با بحث در مورد چند مزیت و چند معایب مجازی‌سازی شروع می‌کند. سپس نحوه استفاده از Microsoft Hyper-V و VMware Workstation را برای ایجاد و نگهداری ماشین های مجازی نشان می دهد. مارتین همچنین توصیه هایی در مورد نحوه انتخاب فناوری های مجازی سازی مناسب برای موقعیت خود و نحوه آماده سازی زیرساخت های فناوری اطلاعات موجود برای سازگاری با مجازی سازی ارائه می دهد. او دوره را با نکاتی برای عیب یابی عملکرد کند، ارتباط شبکه و خطاهای رایج در ماشین مجازی شما به پایان می رساند.

مهارت‌های مرتبط

linkedin یادگیری مجموعه داده های عمومی (Mitalearn-185229)

  • 2 ساعت 1 دقیقه
  • مبتدی
  • بروزرسانی: 16 January 2024
  • مدرس: Curt Frye
درباره این دوره:

کشف کنید که چگونه می توانید منابع رایگان و عمومی داده ها را در مورد مسائل مختلف کسب و کار، آموزش و سلامت پیدا کنید و داده ها را برای تجزیه و تحلیل خود بارگیری کنید. مربی کرت فرای چندین منبع دولتی ایالات متحده را معرفی می کند - از اداره سرشماری ایالات متحده تا اداره ثبت اختراع و علائم تجاری ایالات متحده - و مجموعه داده های آژانس های بین المللی مانند بانک جهانی و سازمان ملل را بررسی می کند. به علاوه، او به موتورهای جستجوی داده، سرویس‌های وب و حتی منابع زبانی مانند Ngram Viewer برای Google Books می‌پردازد. پس از پایان دادن به این دوره، برای یافتن اطلاعات مورد نیاز برای کمک هزینه تحصیلی و تلاش های تجزیه و تحلیل داده ها، مجهزتر خواهید شد.

مهارت‌های مرتبط

linkedin یادگیری محاسبات ابری: Cloud و DevOps (Mitalearn-233084)

  • 1 ساعت 17 دقیقه
  • مناسب همه
  • انتشار: 11 January 2021
  • مدرس: David Linthicum
درباره این دوره: 

 DevOps را به ابر منتقل کنید و در توسعه و عملیات نرم افزار چابک تر شوید. این دوره نحوه راه اندازی یک فرآیند DevOps مبتنی بر ابر و خدمات اهرمی ارائه شده توسط آمازون و مایکروسافت را توضیح می دهد. دیوید لینتیکوم، متخصص رایانش ابری، ابتدا مورد تجاری DevOps را در فضای ابری معرفی می‌کند، که می‌تواند از تحویل، آزمایش، یکپارچه‌سازی و استقرار مقیاس‌پذیر و مستمر برای سازمان‌هایی با هر اندازه‌ای مطمئن شود. سپس نحوه ایجاد یک فرآیند DevOps را در فضای ابری توضیح می‌دهد و راه‌حل‌های DevOps ارائه‌شده در خدمات وب آمازون و مایکروسافت Azure را بررسی می‌کند. به‌علاوه، برخی از موارد استفاده را که پیاده‌سازی‌های واقعی سرویس‌های DevOps را در فضای ابری نمایش می‌دهند، مرور کنید.

مهارت‌های مرتبط

linkedin یادگیری محاسبات ابری: امنیت ابری (2018) (Mitalearn-147013)

  • 1 ساعت 32 دقیقه
  • مبتدی
  • انتشار: 19 June 2018
  • مدرس: David Linthicum
درباره این دوره:

اصول امنیت ابری را درک کنید - جزء اصلی محاسبات ابری. مربی دیوید لینتیکوم با شروع اصول اولیه، مورد تجاری امنیت ابر و سطوح و مدل های موجود، از جمله امنیت زیرساخت، برنامه، و سطح داده را توضیح می دهد. مدیریت هویت و ریسک؛ رمزگذاری؛ و احراز هویت چند عاملی سپس او به خدمات ارائه شده توسط سه ارائه دهنده برتر ابری می پردازد: آمازون، مایکروسافت و گوگل. او مسائل مربوط به انطباق را که بر صنایع خاص از جمله مراقبت‌های بهداشتی و مالی تأثیر می‌گذارد، بررسی می‌کند و نکاتی را که باید هنگام شناسایی الزامات امنیتی و ابزارها، خدمات و نرم‌افزارهای امنیتی برای برآورده کردن بهترین نیازها در نظر بگیرید، مرور می‌کند.

مهارت‌های مرتبط

linkedin یادگیری محاسبات ابری: حاکمیت ابری (Mitalearn-185518)

  • 1 ساعت 12 دقیقه
  • مبتدی
  • انتشار: 25 July 2026
  • مدرس: David Linthicum
درباره این دوره:

حاکمیت ابری فرآیند اعمال خط مشی ها یا اصول خاص برای خدمات رایانش ابری به منظور ایمن سازی برنامه ها و داده ها است. در این دوره، اصول حاکمیت ابری - یکی از مهمترین جنبه های رایانش ابری - و ارتباط آن با امنیت را بررسی کنید. دیوید لینتیکوم، متخصص رایانش ابری، ابزارهای مختلف حاکمیتی را بررسی می‌کند و نشان می‌دهد که چگونه نیازهای آنها را شناسایی کرده و ابزارهایی را انتخاب کنید که به بهترین نحو نیازهای شما را برآورده کنند. برای کمک به شما در دیدن نحوه عملکرد این ابزارها، او یک نسخه نمایشی ابزار حاکمیتی را شامل می‌شود. علاوه بر این، او نحوه رویکرد به حاکمیت ابری را توضیح می‌دهد و فرآیندی را برای استقرار حاکمیت ابری در پروژه‌های خود به اشتراک می‌گذارد.

linkedin یادگیری محاسبات ابری: محاسبات بدون سرور (Mitalearn-221626)

  • 1 ساعت 17 دقیقه
  • مناسب همه
  • انتشار: 6 July 2020
  • مدرس: David Linthicum
درباره این دوره:

محاسبات بدون سرور به شما امکان می دهد بدون نیاز به مدیریت زیرساخت برنامه ها و خدمات را بسازید و اجرا کنید. این دوره برای متخصصان فناوری اطلاعات که نیاز به کسب دانش اساسی در مورد محاسبات بدون سرور دارند - اینکه چیست و چرا مهم است - و آنچه توسط فناوری‌های محاسباتی بدون سرور مانند AWS Lambda و Azure Functions ارائه می‌شود، هدف‌گذاری شده است. مربی David Linthicum با اصول اولیه شروع می کند: محاسبات بدون سرور چیست و مشکلاتی که می تواند حل کند. او سپس موارد استفاده موثر را برای محاسبات بدون سرور بررسی می‌کند و از طریق نسخه‌های نمایشی هر دو توابع AWS Lambda و Azure اجرا می‌شود.

linkedin یادگیری محاسبات ابری: نظارت و عملیات (2019) (Mitalearn-185569)

  • 1 ساعت 39 دقیقه
  • مبتدی
  • انتشار: 18 June 2019
  • مدرس: David Linthicum
درباره این دوره:

اگر می‌خواهید سلامت، عملکرد و امنیت کل پشته خود را که در فضای ابری اجرا می‌شود پیگیری کنید، به یک راه‌حل نظارت و عملیات نیاز دارید—و چندین گزینه قوی برای انتخاب وجود دارد. این دوره ویژگی ها و کاربردهای راه حل های پیشرو نظارت بر ابر را بررسی می کند تا بتوانید آنها را با نیازهای زیرساخت و سازمان خود مقایسه کنید. فصل اول اصول نظارت ابری، از جمله بحث حاکمیت، تجزیه و تحلیل کوتاه مدت، تجزیه و تحلیل بلند مدت و هزینه را پوشش می دهد. سپس، مربی دیوید لینتیکوم، آخرین ابزارها را پیش‌نمایش می‌کند و چند راه‌حل قابل توجه را ارائه می‌دهد. او مجموعه‌ای عملی از دستورالعمل‌ها و مراحلی را که می‌توانید برای انتخاب و برنامه‌ریزی برای اجرای راه‌حل نظارت و عملیات ابری استفاده کنید، به پایان می‌رساند.

دوره‌های پیشنهادی