Course catalog

Course duration

Course provider

Topic

Categories

Showing 3,461-3,480 of 3,501 items.

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

  • 58 minutes
  • متوسط
  • Release date: 25 July 2026
  • Author: 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 hours 33 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: 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: رگرسیون خطی (Mitalearn-131237)

  • 4 hours 5 minutes
  • متوسط
  • Update date: 28 June 2026
  • Author: 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 hours 5 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: 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 hours 25 minutes
  • متوسط
  • Update date: 22 June 2026
  • Author: 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.

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

  • 55 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: 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 hours 14 minutes
  • مناسب همه
  • Update date: 22 July 2025
  • Author: 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 متلب (2018) (Mitalearn-140026)

  • 1 hours 13 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: 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.

Related Skills

linkedin یادگیری متن متعالی 3 (Mitalearn-101436)

  • 2 hours 6 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: 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 hours 13 minutes
  • مناسب همه
  • Update date: 7 January 2025
  • Author: 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.

Related Skills

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

  • 1 hours 17 minutes
  • مناسب همه
  • Release date: 11 January 2021
  • Author: 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.

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

  • 1 hours 32 minutes
  • مبتدی
  • Release date: 19 June 2018
  • Author: 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.

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

  • 1 hours 12 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: 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 hours 17 minutes
  • مناسب همه
  • Release date: 6 July 2020
  • Author: 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 hours 39 minutes
  • مبتدی
  • Release date: 18 June 2019
  • Author: 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.

linkedin یادگیری مدل سازی تهدید برای حرفه ای های امنیتی (Mitalearn-189275)

  • 46 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Adam Shostack
درباره این دوره:

در قرن بیست و یکم، هیچ کس در اهمیت امنیت سایبری تردید ندارد. مدل سازی تهدید همان جایی است که شروع می شود. مدل‌سازی تهدید چارچوبی برای تفکر در مورد آنچه ممکن است اشتباه باشد، و پایه و اساس هر کاری است که یک متخصص امنیتی انجام می‌دهد. این دوره آموزشی مروری بر چارچوب سنتی چهار سوالی برای (1) تعریف آنچه که روی آن کار می کنید، (2) کشف آنچه ممکن است اشتباه باشد، (3) تصمیم گیری در مورد اینکه چه کاری باید انجام دهید، و (4) اطمینان از شما ارائه می دهد. کارهای درست را به روش های درست برای سیستم هایی که ارائه می کنید انجام داده اید. مربی آدام شوستاک همچنین مدل STRIDE را برای شناسایی شش نوع تهدید بررسی می کند: جعل، دستکاری، انکار، افشای اطلاعات، انکار خدمات، و افزایش امتیاز. با استفاده از یک مطالعه موردی ساده - یک سیستم صورت‌حساب برای سرور رسانه‌ای که تبلیغات را ارائه می‌کند - آدام نحوه اعمال اصول و یافتن مشکلات امنیتی و حریم خصوصی را نشان می‌دهد تا توسعه‌دهنده بتواند پیکربندی‌ها و کنترل‌های مناسب را به عنوان بخشی از طراحی عملیاتی و عرضه بگنجاند.

linkedin یادگیری مدیر پیکربندی مایکروسافت (Mitalearn-426289)

  • 3 hours 10 minutes
  • مناسب همه
  • Release date: 23 July 2024
  • Author: Robert McMillen
درباره این دوره: 

 Microsoft Configuration Manager ابزاری است که راهی را برای مدیریت همه جنبه های دسک تاپ ها ، سرورها و دستگاه های مبتنی بر ویندوز سازمان از یک مرکز واحد فراهم می کند. در این دوره ، پروفسور رابرت مک میلن به مدیران سیستم کمک می کند تا به طور مؤثر یک محیط مایکروسافت را مدیریت کنند و خدمات IT مؤثرتری را ارائه دهند. رابرت به اصول اولیه مدیر پیکربندی مایکروسافت می رود و ویژگی های جدید را برجسته می کند ، پیش نیازهای نصب را پوشش می دهد و نحوه پیکربندی مرزها ، گروههای مرزی و کاربران را نشان می دهد. وی نحوه استقرار سیستم های عامل (از جمله ویندوز 11) و بسته ها و همچنین نحوه مدیریت مشتری را از طریق کنسول مدیریت پیکربندی نشان می دهد. به علاوه ، او نحوه استفاده از مدیر پیکربندی برای موجودی ، تنظیم یک پایه سازگاری و نظارت بر توزیع را توضیح می دهد.

linkedin یادگیری ملخ (Mitalearn-224040)

  • 4 hours 16 minutes
  • مناسب همه
  • Release date: 8 February 2021
  • Author: Chris Reilly
درباره این دوره:

Grasshopper راه های جدیدی برای گسترش و کنترل فرآیندهای طراحی و مدل سازی سه بعدی ارائه می دهد. این راه ها شامل خودکار کردن فرآیندهای تکراری است. تولید هندسه از طریق توابع ریاضی؛ ایجاد سریع تغییرات در مدل های پیچیده؛ و ایجاد اشکال پیچیده از طریق تکرار هندسه ساده. Grasshopper به دانش برنامه نویسی یا برنامه نویسی نیاز ندارد و به طراحان انعطاف پذیری بالایی می دهد. در این دوره، مربی کریس ریلی به شما نشان می‌دهد که چگونه با Grasshopper سریع بلند شوید و بدوید. کریس الگوریتم هایی را توضیح می دهد که برای استفاده حداکثری از Grasshopper به آنها نیاز دارید و شما را از طریق رابط Grasshopper راهنمایی می کند. کریس نحوه سرعت بخشیدن به گردش کار خود را با میانبرها در Grasshopper پوشش می دهد. او به تطبیق داده‌ها، دنباله‌های فیبوناچی، بردارها و بسیاری دیگر از توابع ریاضی و منطقی می‌پردازد. کریس در مورد منحنی‌ها، سطوح، تبدیل‌ها، درختان داده و موارد دیگر صحبت می‌کند. او با مجموعه‌ای از پروژه‌های نمونه پایان می‌دهد که آنچه را که در این دوره آموخته‌اید نشان می‌دهد.

linkedin یادگیری موضوعات جاوا (Mitalearn-105703)

  • 1 hours 9 minutes
  • پیشرفته
  • Release date: 21 June 2026
  • Author: Peggy Fisher
درباره این دوره:

Thread ها مسیرهای مستقل اجرای کد هستند که به طور همزمان در یک برنامه جاوا اجرا می شوند. برنامه شما می‌تواند از رشته‌ها برای انجام چند کار استفاده کند: کارهایی که زمان زیادی را صرف می‌کنند و آن‌ها را در پس‌زمینه اجرا کنید. این به برنامه اجازه می دهد تا به کاربران پاسخگو باقی بماند. در حالی که برنامه نویسی چند رشته ای در جاوا به سختی شهرت دارد، اکثر توسعه دهندگان می توانند آن را با ساختارهای هوشمند و طراحی شده برای همزمانی که استاندارد پلتفرم جاوا هستند، حل کنند. در این دوره به مربی کارکنان پگی فیشر بپیوندید زیرا او به شما کمک می کند تا موضوعات جاوا را باز کنید. تماشا کنید و یاد بگیرید که چگونه رشته‌ها را ایجاد، مدیریت، همگام‌سازی و قفل کنید، و ابزارهای همزمان را مرور کنید که برنامه‌نویسی چند رشته‌ای را بسیار آسان‌تر می‌کند.

linkedin یادگیری مولدهای پایتون (2016) (Mitalearn-93004)

  • 44 minutes
  • متوسط
  • Release date: 13 September 2016
  • Author: Josh McQuiston
درباره این دوره:

ژنراتورها مفهومی منحصر به فرد برای پایتون هستند. اگر بدانید چگونه و چه زمانی از آنها استفاده کنید، فوق العاده مفید هستند. به بیان ساده، ژنراتورها بهترین راه برای تکرار از طریق مجموعه داده های بزرگ و پیچیده هستند. Pythonista Josh McQuiston هر آنچه را که باید در مورد ژنراتورهای Python بدانید را توضیح می دهد و نمونه هایی از ژنراتورهای در حال کار را ارائه می دهد. یاد بگیرید که چگونه یک تابع مولد اولیه بسازید، از عبارات و اشیاء مولد استفاده کنید، و ببینید که چگونه ژنراتورها در پشت صحنه کار می کنند تا مدیران زمینه و برنامه های مشترک را تقویت کنند.

Suggestions