الگوهای طراحی به شما امکان می دهد مشکلات مشترک توسعه نرم افزار را به روشی قابل استفاده مجدد حل کنید و کد شما را قوی تر و مقیاس پذیر تر می کند. در این دوره ، Károly Nyisztor الگوهای طراحی ساختاری از باند چهار را بررسی می کند. او به شما نشان می دهد که چگونه می توانید از این الگوهای در کد C ++ مدرن استفاده کنید و چگونه می توانند به شما در طراحی نرم افزارهای قوی تر و مقیاس پذیر کمک کنند. او همچنین در مورد هفت الگوی طراحی ساختاری از کتاب الگوهای طراحی اصلی - آداپتور ، پل ، کامپوزیت ، دکوراتور ، نمای ، وزن و پروکسی - بحث می کند و به شما نشان می دهد که چگونه هر یک را در C ++ مدرن پیاده سازی کنید. برای هر الگوی ، او به شما نشان می دهد که چه موقع و چگونه می توانید از آن استفاده کنید ، همراه با مزایا و اشکالات آن. در این دوره به Károly بپیوندید تا یاد بگیرید که چگونه می توانید از الگوهای طراحی ساختاری در کد خود استفاده کنید و مهارت های توسعه خود را تقویت کنید.

این دوره بخشی از گواهینامه حرفه ای از Openedg C ++ است.

 یاد بگیرید که چگونه با استفاده از کلاس های مجموعه و ساختارهای داده در سی شارپ، داده ها را کارآمدتر و موثرتر مدیریت کنید. در این دوره، با مربی جو مارینی بپیوندید تا مراحل اساسی نحوه نگهداری مجموعه داده ها در سی شارپ را بیان کند و کلاس مجموعه مناسبی را انتخاب کنید که برای طیف گسترده ای از سناریوهای مختلف برنامه نویسی قابل استفاده است. جو با بررسی مفاهیم اصلی، از جمله تفاوت بین مجموعه‌های عمومی و غیرعمومی، و نحوه انتخاب یک کلاس ساختار داده برای رفع نیازهای یک مشکل برنامه‌نویسی خاص، شروع می‌کند. این دوره کلاس های جمع آوری اولیه و عملیات داده در سی شارپ مانند نحوه جستجو و استفاده از List و LinkedList و همچنین ساختارهای داده پیشرفته تر و تخصصی مانند پشته ها، صف ها، دیکشنری ها، ListDictionary، HybridDictionary، OrderedDictionary، StringCollection، StringBuilder و غیره را پوشش می دهد. در طول مسیر، مهارت های جدید خود را با ساختارهای داده کاربردی در چالش های تمرین در پایان هر بخش آزمایش کنید.

 

برنامه صدور گواهینامه مدیر حریم خصوصی اطلاعات معتبر (CIPM) ، اعتبار برتر برای متخصصان حریم خصوصی در نقش های مدیریتی را کاوش کنید. در این دوره جامع ، مایک چاپل به شما نشان می دهد که چگونه می توانید برنامه های حفظ حریم خصوصی را که با اهداف تجاری هماهنگ هستند ، توسعه و مدیریت کنید. بیاموزید که چگونه سازمان خود را از طریق مدیریت حریم خصوصی ، محافظت از داده ها و شیوه های مدیریت ریسک راهنمایی کنید. در مورد انجام ارزیابی های حریم خصوصی ، ایجاد آگاهی از حریم خصوصی و ایجاد یک فرهنگ آگاه از حریم خصوصی ، بینش کسب کنید. مهارت های عملی را برای مدیریت فروشندگان ، نظارت بر حسابرسی های حریم خصوصی و رسیدگی به حوادث حریم خصوصی بیاموزید. پیدا کنید که چگونه می توانید از معیارهای حریم خصوصی برای نظارت و اطمینان از ادامه موفقیت برنامه حریم خصوصی خود استفاده کنید. در پایان دوره ، شما مجهز خواهید بود تا ابتکارات حریم خصوصی را در سازمان خود رهبری کنید ، از انطباق نظارتی و تقویت اعتماد ذینفعان اطمینان حاصل کنید.

این دوره توسط مایک چاپل ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

 

مفاهیم اساسی قوانین حفاظت از داده های اروپایی را برای آماده سازی برای آزمون حرفه ای حریم خصوصی اطلاعات IAPP (CIPP/E) کشف کنید. مباحث اساسی مانند ریشه ها و زمینه های تاریخی قانون حمایت از داده ها ، آرایش نهادی اتحادیه اروپا و چارچوب قانونگذاری مفصل را که این نهادها در آن حرکت می کنند ، کاوش کنید. بیاموزید که چگونه مقررات عمومی حمایت از داده ها (GDPR) با سایر دستورالعمل ها تعامل دارد و مفاهیم کلیدی مانند اصول پردازش داده ها و معیارهای پردازش قانونی را درک می کند. بینش در مورد حقوق افراد داده ، تعهدات کنترل کننده های داده و پردازنده ها ، مکانیسم های انتقال داده های بین المللی و اختیارات اجرایی که توسط تنظیم کننده ها برای اطمینان از پایبندی به استانداردهای حفاظت از داده ها انجام می شود ، بدست آورید. در پایان این دوره ، شما آماده خواهید بود تا سازمان ها را از طریق پیچیدگی های قوانین فعلی و در حال تحول در حمایت از داده ها ، بهینه سازی انطباق و به حداقل رساندن خطرات هدایت کنید.

این دوره توسط موسسه Infosec ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.

 آیا برای آزمون Microsoft Azure Fundamentals (AZ-900) آماده می شوید؟ یا فقط به دنبال یادگیری در مورد خدمات ابری و راه حل های مبتنی بر ابر با Microsoft Azure هستید؟ در این مجموعه که با محتوای آزمون AZ-900 ترسیم شده است، جیم چشایر به شما کمک می‌کند تا دانشی در سطح پایه در مورد سرویس‌های ابری و نحوه ارائه خدمات مایکروسافت آژور به دست آورید. در این دوره اول، جیم با مفاهیم سطح بالا و مروری بر مدل‌های مختلف ابری شروع می‌کند. او دقیقاً تعریف می‌کند که محاسبات ابری چیست، و سناریوهای ابر خصوصی، ابر عمومی و ابر ترکیبی را معرفی می‌کند. او مفاهیمی مانند در دسترس بودن بالا، مقیاس پذیری، چابکی، و دیگر اصطلاحات مهم را به همراه مفاهیم امنیت و حاکمیت به شما آموزش می دهد. جیم با یک آزمایش فکری به پایان می‌رسد که به شما کمک می‌کند نوع ابر و سرویس ابری مناسب را برای یک سناریوی واقعی انتخاب کنید. در این دوره آموزشی به جیم بپیوندید تا با استفاده از Microsoft Azure، اولین قدم را در جهت گسترش درک خود از خدمات ابری و راه حل های مبتنی بر ابر بردارید.

 در این دوره از Microsoft Press - دومین دوره از سری مقدماتی آزمون Microsoft Azure Fundamentals (AZ-900) - مربی جیم چشایر بر مفاهیم معماری و خدمات Azure تمرکز می کند که در آزمون خواهید دید. جیم با نگاهی به اجزای اصلی معماری Azure، نگاهی به مناطق و مراکز داده Azure، همراه با برخی مفاهیم سطح بالا که به شما در مدیریت منابع Azure کمک می کند، شروع می کند. او سپس به خدمات محاسباتی و شبکه ای Azure از جمله ماشین های مجازی و شبکه های مجازی Azure می پردازد. در مرحله بعد، در مورد سرویس‌های ذخیره‌سازی Azure که در دسترس هستند و اینکه چگونه سرویس‌های ذخیره‌سازی با مفاهیم ابری افزونگی و در دسترس بودن بالا پیوند می‌خورند، بیاموزید. جیم این دوره را با مفاهیم هویت، دسترسی و امنیت کامل می‌کند و در مورد مفاهیم کلی امنیت و همچنین نحوه کار آنها با Microsoft Entra ID (Azure Active Directory سابق)، Microsoft Defender و موارد دیگر بحث می‌کند.

 در این دوره ، متخصص MLOPS ، ماریا وختومووا ، مؤلفه ها و اصولی را معرفی می کند که باید درک کنید تا با موفقیت مدل های یادگیری ماشین را برای تولید در پایگاه داده ها مستقر کنید. وارد فرآیند گام به گام استفاده از مهندسی ویژگی در کاتالوگ وحدت ، ردیابی آزمایش های مدل در MLFlow ، ثبت یک مدل در کاتالوگ وحدت و استقرار مدل خود با استفاده از مدل Databricks Model. مواردی را که در آن می توان از ویژگی های استفاده استفاده کرد ، کاوش کنید و نحوه استقرار یک ویژگی سرویس دهی را پیدا کنید. به علاوه ، یاد بگیرید که چگونه کد خود را بسته بندی کنید ، پروژه خود را با استفاده از بسته های دارایی Databricks مستقر کنید و برنامه ML خود را با استفاده از جداول استنتاج و نظارت بر دریاچه نظارت کنید.

 این دوره اتوماسیون و مدیریت گردش‌های کاری یادگیری ماشین، از دریافت داده تا استقرار مدل را پوشش می‌دهد. به مربی Janani Ravi بپیوندید تا به شما نحوه تنظیم و بهینه سازی خطوط لوله داده را آموزش می دهد و از عملکرد کارآمد، مقیاس پذیر و قابل اعتماد سیستم های هوش مصنوعی در محیط های تولید اطمینان می دهد. این دوره برای هر کسی که با هوش مصنوعی، زیرساخت داده و عملیات یادگیری ماشین (MLOps) کار می کند، از جمله مهندسان داده، مهندسان AI و ML، مهندسان MLOPs و مهندسان DevOps مناسب است.

 

پردازش زبان طبیعی برای کلمات مانند بینایی کامپیوتری برای تصاویر است. در این دوره، Mark Niemann-Ross متخصص فن آوری به شما کمک می کند تا یادگیری NLP را با زبان برنامه نویسی R آغاز کنید. Mark به شما نشان می دهد که چگونه از زبان برنامه نویسی R برای پیاده سازی الگوریتم های پردازش زبان طبیعی استفاده کنید. R به طور منحصر به فردی در دستکاری ماتریس ها و تولید آمار، که هر دو هسته اصلی NLP هستند، مهارت دارد. علامت گذاری کنید تا با استفاده از Quanteda، یک چارچوب متن کاوی جایگزین، قدم بردارید و به شما کمک می کند بفهمید که corpora چیست و چگونه می توانید آنها را ایجاد، اصلاح و استفاده کنید. او توکن ها و ماتریس سند-ویژگی (DFM) را توضیح می دهد. به علاوه، مارک تجزیه و تحلیل و تجسم را از طریق بسته quanteda textstat، بسته احساسی، textplot و dplyr بررسی می‌کند.

این دوره توسط Mark Niemann-Ross ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

 

Python for Data Science and Machine Learning Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. اکنون به روز شده و به دو قسمت گسترش یافته است و تجربه عملی و واقعی تری از پایتون به شما می دهد. در بخش اول، مربی لیلیان پیرسون شما را گام به گام از طریق یک پروژه علم داده و یادگیری ماشین راهنمایی می کند: یک اسکراپر وب که داده ها را از وب دانلود و تجزیه و تحلیل می کند. در طول راه، او تکنیک هایی را برای پاکسازی، قالب بندی مجدد، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم؛ حذف نقاط پرت؛ انجام تجزیه و تحلیل ساده داده ها؛ و با استفاده از Streamlit نمودارهای مبتنی بر وب تولید کنید. در پایان این دوره، شما تجربه کدنویسی اولیه ای را کسب خواهید کرد که می توانید آن را در سازمان خود ببرید و به سرعت در پروژه های علم داده سفارشی و یادگیری ماشین خود اعمال کنید.

این دوره با GitHub Codespaces یکپارچه شده است. ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به هیچ گونه راه اندازی ماشین محلی ارائه می دهد. با GitHub Codespaces، می‌توانید در هر زمان و با استفاده از ابزاری که احتمالاً در محل کار با آن مواجه می‌شوید، تمرین عملی را از هر ماشینی، در هر زمان انجام دهید. برای یادگیری نحوه شروع، ویدیوی "استفاده از فضاهای کد GitHub با این دوره" را بررسی کنید.

 در این دوره یاد بگیرید که چگونه از Rust برای ساخت خطوط لوله داده با کارایی بالا استفاده کنید که می توانید در مهندسی داده، ML Ops و مهندسی نرم افزار سنتی استفاده کنید. Rust ایمنی، سرعت و کنترل سطح پایین را برای برنامه نویسی سیستم ها فراهم می کند و مربی نوح گیفت این جنبه ها را در چهار بخش این دوره به تصویر می کشد. نوح شروع به بررسی ویژگی های کلیدی Rust، از جمله HashMaps و وکتورها می کند. او سپس نگاهی به ایمنی، امنیت و همزمانی با Rust می اندازد. در بخش سوم، نوح کتابخانه‌ها و ابزارهای محبوب مهندسی داده Rust را پوشش می‌دهد و دوره را با نگاهی به طراحی سیستم‌های پردازش داده در Rust به پایان می‌رساند.

 با جانانی راوی، معمار ابری گوگل و مهندس داده، با Apache Airflow آشنا شوید. با Apache Airflow - یک پلت فرم منبع باز برای توسعه، زمان‌بندی و نظارت بر جریان‌های کاری دسته‌گرا - می‌توانید وظایف فردی را که می‌خواهید به عنوان بخشی از خط لوله پردازش خود اجرا کنید، برنامه‌ریزی کنید، وابستگی‌های بین این وظایف را مشخص کنید، همه به صورت برنامه‌نویسی در پایتون. Airflow این وابستگی ها را مدیریت می کند و تضمین می کند که وظایف به ترتیب درست اجرا می شوند. به Janani بپیوندید تا به شما نحوه اجرای گردش کار در Airflow، تعریف وظایف و وابستگی ها و استفاده از عملگرهای Python و SQLite را نشان دهد. در مورد انشعاب شرطی و نحوه کار Catch up و backfill در Apache Airflow بیاموزید.

 PySpark یک کتابخانه قدرتمند است که قابلیت‌های محاسباتی توزیع شده Apache Spark را به پایتون می‌آورد و آن را به ابزاری کلیدی برای پردازش کارآمد داده‌های مقیاس بزرگ تبدیل می‌کند. در این دوره، مهندس داده و تحلیلگر Sam Bail، مقدمه ای ساختاریافته و عملی برای PySpark ارائه می دهد که با مروری بر آپاچی اسپارک، معماری و اکوسیستم آن شروع می شود. قبل از راه‌اندازی یک محیط آزمایشگاهی و کار با مجموعه داده واقعی، در مورد مفاهیم اصلی Spark، مانند DataFrame API، تبدیل‌ها، ارزیابی‌های تنبل و اقدامات اطلاعاتی کسب کنید. به‌علاوه، بینش‌هایی در مورد اینکه PySpark چگونه با یک اکوسیستم مهندسی داده‌های گسترده‌تر و بهترین شیوه‌های اجرای PySpark در یک محیط تولیدی سازگار می‌شود، به دست آورید.

 در این دوره آموزشی، نحوه تنظیم گردش کار در GitHub Actions را برای خودکارسازی فرآیندها با R و Python یاد بگیرید. مربی Rami Krispin شما را از طریق فرآیند اتوماسیون راهنمایی می کند و نمونه هایی از دنیای واقعی را به اشتراک می گذارد. او به شما نشان می‌دهد که چگونه یک خط لوله داده راه‌اندازی کنید، ابرداده را از یک خط لوله بیرون بکشید و یک داشبورد زنده را با اقدامات و صفحات GitHub اجرا کنید. اگر از صرف ساعت‌ها صرف اجرای دستی اسکریپت‌ها یا کاهش سرعت گردش کار خود با کشیدن داده‌ها از API یا به‌روزرسانی داشبورد خسته شده‌اید، در این دوره آموزشی به Rami بپیوندید تا ببینید اتوماسیون چگونه می‌تواند سرعت کار شما را افزایش دهد.

 در این دوره ، بیاموزید که چگونه فناوری و داده ها می توانند تلاش های پایداری را تغییر داده و راه را برای آینده ای باهوش تر و سبز تر هموار کنند. مربی Talal Gedeon پایه و اساس محکمی را در زمینه استفاده از هوش مصنوعی و مهندسی داده ها برای تدوین راه حل های نوآورانه برای رسیدگی به چالش های زیست محیطی ، ایجاد شکاف بین مهارت های پیشرفته فن آوری و کاربردهای عملی در پایداری فراهم می کند. تکنیک های جمع آوری داده ها ، از جمله راه حل های IoT و AI ، را کشف کنید تا ببینید که چگونه می توانید پروژه های پایداری خود را متحول کنید.

 مهارت‌های رایانش ابری برای متخصصان فناوری اطلاعات مدرن ضروری است. این دوره آموزشی مناسب برای مبتدیان، مفاهیم رایج ابر را از طریق یک سری ویدیوهای کوتاه و جذاب که برای کمک به شما در ایجاد پایه ای قوی از اصطلاحات رایانش ابری طراحی شده اند، ساده می کند. مربی لوسی وانگ مفاهیم ابری مانند مجازی سازی، بهینه سازی هزینه و محاسبات بدون سرور را شرح می دهد و به شما نشان می دهد که چگونه این فناوری ها می توانند به شما در بهینه سازی عملیات تجاری کمک کنند.

 هدف این دوره این است که متخصصان امنیت سازمانی را قادر سازد چارچوب‌های حاکمیت داده و شیوه‌های امنیتی قوی ایجاد کنند که از داده‌های حساس محافظت می‌کند، یکپارچگی مدل را تضمین می‌کند و مطابقت با مقررات جهانی را حفظ می‌کند. بیاموزید که چگونه خطوط لوله داده‌های هوش مصنوعی را ایمن کنید، مدل‌های دسترسی بدون اعتماد و حداقل امتیاز را پیاده‌سازی کنید، و با تهدیدات نوظهور مانند حملات خصمانه و مسمومیت مدل مقابله کنید. به مربی Meghan Maneval بپیوندید تا دریابید که چگونه می توان سیاست های حاکمیت و امنیت داده های هوش مصنوعی را ایجاد، مدیریت و تکامل بخشید که در عین حصول اطمینان از انطباق و مسئولیت پذیری در برابر خطرات محافظت می کند.

 در دنیای حریم خصوصی و مدیریت داده ها غوطه ور شوید زیرا Nishant Bhajaria - یک رهبر حریم خصوصی و امنیت - شما را از طریق موضوعات ضروری مانند طبقه بندی داده ها، موجودی، و اهمیت حذف به موقع داده ها راهنمایی می کند. نحوه اجرای فرآیندهای مدیریت ریسک شخص ثالث قوی را بیابید و اطمینان حاصل کنید که مشارکت های خارجی شرکت شما به یک اکوسیستم داده ایمن کمک می کند. خطرات دفع داده ها، مسمومیت، و سوگیری در سیستم های هوش مصنوعی را درک کنید و بهترین شیوه ها را برای کاهش این تهدیدات بررسی کنید. نحوه افزایش شفافیت با کاربران و حفظ انطباق با قوانین را از طریق ارزیابی تأثیر حریم خصوصی و فرآیندهای بازبینی قوی بیاموزید. دریابید که چگونه بررسی های فنی حریم خصوصی می تواند به طور پیشگیرانه طراحی محصول را بهبود بخشد و از استقرار کد بد جلوگیری کند. هنگامی که این دوره را کامل کردید، مجهز خواهید شد تا حریم خصوصی را از یک الزام انطباق به یک مزیت استراتژیک برای سازمان خود تبدیل کنید.

 آیا شما یک برنامه نویس R هستید که به دنبال ارتقای دانش R tidyverse خود به سطح بعدی هستید؟ در این دوره، Megan Silvey قصد دارد به برنامه نویسان R درک کلی بهتری از R tidyverse و نحوه استفاده از بسته های آن ارائه دهد. مگان از نمونه های عملی و واقعی استفاده می کند که مفاهیمی را به نمایش می گذارد که می توانید در کار خود از آنها استفاده کنید. مگان با استفاده از مجموعه داده‌ای از داده‌های فروش، مشتری و محصول KinetEco به شما نشان می‌دهد که چگونه می‌توانید از بسته‌های R tidyverse برای بارگیری، تمیز کردن، تجزیه و تحلیل و تجسم این داده‌ها به شیوه‌ای کارآمد با این بسته‌ها استفاده کنید.

 

اگر شما یک حرفه ای کار هستید که می خواهید از داده های تجاری برای تصمیم گیری های بهبود یافته از طریق تجزیه و تحلیل پیش بینی استفاده کنید ، این دوره می تواند به شما کمک کند. لیلیان پیرسون-مهندس ، مدیرعامل و رئیس محصول در Data-Mania-شما را از طریق ترکیبی قوی از تجربه کدگذاری علوم داده های اساسی ، تظاهرات ، چالش ها ، راه حل ها و تمریناتی که می توانید به سرعت در تجزیه و تحلیل داده های سفارشی و پروژه های تحلیلی اعمال کنید ، هدایت می کند. بهترین روشها را برای تمیز کردن داده ها ، تجسم داده ها ، تجزیه و تحلیل داده ها و برنامه نویسی پایتون بیاموزید.

تا پایان دوره ، شما قادر خواهید بود از پایتون استفاده کنید:

• تمیز ، تغییر شکل ، اصلاح مجدد و توصیف داده ها
• تجسم داده ها را برای ارائه داده ها و تجزیه و تحلیل اکتشافی بصری ایجاد کنید
• دور افتاده را شناسایی و حذف کنید
• تجزیه و تحلیل داده های ساده را انجام دهید
• منبع ، کلاهبرداری و تجزیه و تحلیل داده ها از اینترنت
• دارایی های تجزیه و تحلیل مشترک با استفاده از plot.ly

تولید کنید