Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-5 of 5 items.

linkedin Grasshopper: Generative Design for Architecture (Mitalearn-161293)

  • 3 hours 15 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Walter Zesk
درباره این دوره:

طراحی مولد مجموعه‌ای از فناوری‌ها است که به شما کمک می‌کند تا فرآیند طراحی خود را به صورت کامپیوتری انجام دهید و به شما کمک می‌کند تا قدرت محاسبات و الگوریتم‌ها را برای ایجاد طرح‌ها درگیر کنید. در این دوره یاد بگیرید که چگونه از پلاگین برنامه نویسی بصری Grasshopper با راینو برای ایجاد طرح هایی استفاده کنید که در گذشته غیرممکن بود. مربی والتر زسک نحوه استفاده از حل‌کننده‌های فیزیک و حل‌کننده‌های تکاملی را برای تعیین اهداف و محدودیت‌ها برای طرح‌های خود، و همچنین نحوه استفاده از محاسبات برای رسیدن به آن اهداف و کار در چارچوب محدودیت‌های خود را توضیح می‌دهد. به علاوه، او نحوه استفاده از LunchBoxML را برای اعمال یادگیری ماشینی در پروژه‌های شما و آزاد کردن تمام قدرت هوش مصنوعی برای ایجاد طرح‌ها، پوشش می‌دهد.

linkedin تجزیه و تحلیل آماری با زبان Wolfram (Mitalearn-393819)

  • 1 hours 39 minutes
  • مناسب همه
  • Release date: 2 January 2024
  • Author: Wolfram Research
درباره این دوره: 

 داده های خود را با استفاده از چارچوبی از برازش مدل و تجزیه و تحلیل آماری ساخته شده در زبان Wolfram تجزیه و تحلیل کنید. خواه این آمار توصیفی و اکتشافی اولیه باشد یا مدل‌سازی پیشرفته با توزیع‌های آماری، می‌توانید این دوره ویدیویی را دنبال کنید تا درکی از عملکردهای آماری موجود در زبان Wolfram به دست آورید. موضوعات پوشش داده شده شامل اندازه گیری های توصیفی، تبدیل ها، خوشه بندی پایه، توزیع های آماری، تخمین پارامتر و آزمون فرضیه می باشد. موضوعات پیشرفته در استفاده از توابع بهینه‌سازی، توابع جبر خطی، تحلیل واریانس (ANOVA) و مدل‌های خطی لاجیت تعمیم‌یافته و پروبیت نیز بررسی می‌شوند.

linkedin تعامل با بلاک چین در زبان ولفرام (Mitalearn-393904)

  • 34 minutes
  • مناسب همه
  • Release date: 5 January 2024
  • Author: Wolfram Research
درباره این دوره: 

 این دوره ویژگی ها و عملکردهای موجود در Wolfram Language را برای خواندن و نوشتن داده ها در بلاک چین ها نشان می دهد. مثال‌ها تراکنش‌های یک کیف پول رمزنگاری واقعی و همچنین طیف گسترده‌ای از سرویس‌های خارجی و API را نشان می‌دهند که در کنار هم با فناوری Wolfram کار می‌کنند. برای یادگیری نحوه اتصال به بلاک چین و دسترسی به اطلاعات مربوط به ویژگی های آن، دریافت اطلاعات در مورد توکن ها، تعامل با قراردادهای هوشمند، این دوره را بررسی کنید. از توابع داخلی Wolfram Language برای کاوش داده های بلاک چین، انجام تبدیل ارزهای دیجیتال و خواندن و نوشتن داده ها در بلاک چین استفاده کنید.

linkedin مبانی طراحی مولد (Mitalearn-184651)

  • 1 hours 11 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Danil Nagy
درباره این دوره:

طراحی مولد از هوش مصنوعی و افزایش ظرفیت محاسباتی برای خودکارسازی جنبه‌های فرآیند طراحی استفاده می‌کند و به طراحان اجازه می‌دهد تا روی خلاقانه‌ترین بخش‌های طراحی تمرکز کنند، در حالی که کامپیوتر جزئیات را بررسی می‌کند. این دوره به معرفی این فناوری نوظهور برای معماری، مهندسی، برنامه ریزی شهری و طراحی صنعتی می پردازد. طراح دانیل ناگی چهار رکن کلیدی طراحی مولد را توضیح می دهد: ایجاد فضای طراحی پارامتریک، ارزیابی عملکرد با استفاده از شبیه سازی کامپیوتری، تولید خودکار راه حل های طراحی از طریق بهینه سازی، و ارزیابی نتایج برای کشف بهترین گزینه های طراحی. او سپس ابزارها و نرم افزارهایی را که برای شروع ادغام طراحی مولد در جریان کار خود نیاز دارید، معرفی می کند.

Related Skills

linkedin یادگیری ماشین داخلی به زبان Wolfram (Mitalearn-393921)

  • 19 minutes
  • مناسب همه
  • Release date: 5 January 2024
  • Author: Wolfram Research
درباره این دوره: 

 با کمک زبان Wolfram می‌توانید یادگیری ماشین را در زمینه‌های موضوعی مختلف بدون دانش سطح متخصص اعمال کنید. در حالی که می‌توانید مدل‌های پیچیده را از ابتدا بسازید، می‌توانید از هر یک از مدل‌های از پیش آموزش‌دیده موجود در ورودی‌های مختلف مانند متن، اعداد و تصاویر نیز استفاده کنید. این دوره مقدمه ای بر بسیاری از توابع یادگیری ماشینی در دسترس برای کارهای گسترده ای مانند شناسایی تصویر، تشخیص متن، طبقه بندی احساسات و موارد دیگر ارائه می دهد. قابلیت‌های یادگیری ماشین خودکار زبان Wolfram را از طریق مثال‌ها کاوش کنید، و یاد بگیرید که وظایف یادگیری ماشینی ساده را بر روی انواع ورودی‌های مختلف اجرا کنید، از مدل‌های نام‌گذاری‌شده و سفارشی آموزش‌دیده برای انجام وظایف طبقه‌بندی استفاده کنید، و یادگیری ماشین را در بینایی کامپیوتر، متن و استفاده کنید. وظایف پردازش زبان طبیعی

Suggestions