Course catalog
Categories
یادگیری کد استودیو بصری
(Mitalearn-426901)
- 2 hours 10 minutes
- مناسب همه
- Release date: 21 June 2026
- Author: Brice Wilson
Visual Studio Code یک ویرایشگر کد منبع سبک است که دارای ویژگی های پیشرفته IDE است و در ویندوز ، لینوکس و MACOS اجرا می شود. این امکان دسترسی آسان به بسیاری از پسوندها برای ویژگی های اضافی و پشتیبانی از زبانهایی مانند C#، C ++ ، Python ، Java و موارد دیگر را فراهم می کند. همچنین با پشتیبانی از کنترل GIT تعبیه شده ، اشکال زدایی ، تکمیل کد هوشمند ، اصلاح کد و موارد دیگر همراه است. Brice با نشان دادن نحوه استفاده از خط فرمان ، نصب پسوندها ، نوشتن و ویرایش کد ، ادغام با کنترل منبع ، و پیکربندی و استفاده از ترمینال به شما کمک می کند تا با کد استودیو ویژوال شروع کنید. در پایان این دوره ، شما همچنین به مهارت هایی که باید بدانید برای خودکار کردن کارهای روزمره و استفاده از اشکال زدایی Node.js داخلی مجهز خواهید بود.
Related Skills
یادگیری کسوف
(Mitalearn-143154)
- 1 hours 23 minutes
- مبتدی
- Release date: 21 June 2026
- Author: Reynald Adolphe
Eclipse یک ابزار ضروری برای توسعه دهندگان است - این نه تنها یک محیط توسعه یکپارچه (IDE) است، بلکه یک پلت فرم قابل توسعه برای توسعه ابزارها و برنامه های دیجیتال است. در حالی که در درجه اول با جاوا مرتبط است، می توانید از آن با زبان های دیگر از جمله C، C++ و PHP نیز استفاده کنید. در این دوره آموزشی، رینالد آدولف به شما کمک می کند تا با استفاده از این IDE قدرتمند، مثال ها و نکات کاربردی را با استفاده از جاوا به اشتراک بگذارید. نحوه کار با رابط Eclipse، ایجاد و مدیریت پروژه های جاوا و اشکال زدایی کد خود را بیاموزید. رینالد همچنین نکات و ترفندهایی را به اشتراک می گذارد که می تواند به شما کمک کند با Eclipse هوشمندتر کار کنید.
Related Skills
یادگیری کوآ
(Mitalearn-163095)
- 50 minutes
- مبتدی
- Release date: 22 June 2026
- Author: Emmanuel Henri
با Koa شروع کنید، یک چارچوب میانافزار محبوب برای Node.js که توسط تیم پشتیبان Express طراحی شده است. در این دوره آموزشی، امانوئل هنری به شما کمک میکند تا با این چارچوب وب محبوب راهاندازی کنید و نحوه کار با Koa را در برنامههای وب و APIهای خود شرح دهد. پس از ارائه یک نمای کلی از Koa - و همچنین تفاوت آن با Express - او نحوه کار با Context را مورد بحث قرار می دهد، که درخواست Node و اشیاء پاسخ را در یک شی کپسوله می کند. سپس به نحوه استفاده از async با Koa و نحوه ارتباط میانافزار cascading با محیط back-end شما و همچنین نحوه اعمال میانافزار cascading برای تماسهای async در محیط Koa میپردازد.
Related Skills
یادگیری کوارکوس
(Mitalearn-243199)
- 2 hours 11 minutes
- مناسب همه
- Update date: 14 November 2024
- Author: Frank P Moley III
اجرای برنامه های جاوا، به ویژه در یک محیط بومی ابری کانتینری، می تواند یک تلاش پرهزینه و پر منابع باشد، و چشم انداز چارچوبی با ردپای کوچکتر با تمام قدرت جاوا بسیار جذاب است. Quarkus را وارد کنید، یک چارچوب مبتنی بر Kubernetes که قدرت زبان و اکوسیستم توسعه جاوا را با نیازهای کمتری به منابع ارائه میکند. در این دوره، فرانک مولی به معرفی کوارکوس می پردازد و با اصول اولیه شروع می کند و سپس چارچوب را از طریق یک سری چالش ها و راه حل ها به تصویر می کشد. در پایان دوره، باید مشخص شود که چرا کوارکوس به سرعت به یکی از هیجانانگیزترین چارچوبها برای ساخت میکروسرویسهای مبتنی بر جاوا و مؤلفههای بومی ابری تبدیل میشود.
Related Skills
یادگیری گتسبی
(Mitalearn-242944)
- 3 hours 2 minutes
- مناسب همه
- Release date: 22 June 2026
- Author: Morten Rand-Hendriksen
Gatsby به توسعه دهندگان React و WordPress رویکرد جامع تری برای توسعه برنامه های کاربردی وب ارائه می دهد که با نگرانی های کامل در مورد پشتیبانی دسترسی کامل است. پایه های GraphQL گتسبی به آن اجازه می دهد اطلاعات را از منابع داده های مختلف استخراج کند. در این دوره آموزشی، مربی Morten Rand-Hendriksen به شما نشان می دهد که چگونه گتسبی می تواند به شما در ایجاد وب سایت های متمرکز بر عملکرد کمک کند. مورتن قدم در راه اندازی گتسبی و خراب کردن سایت گتسبی می گذارد. او نحوه استفاده از صفحات استاتیک، داراییهای استاتیک، مؤلفهها و CSS را در گتسبی توضیح میدهد، سپس به سراغ گزینههای افزونه و افزودن تصاویر به صفحه میرود. مورتن دادهها را در گتسبی بررسی میکند، از جمله ایجاد یک جستجوی صفحه، ایجاد یک جستجوی پیشرفته GraphQL و افزودن تصاویر پویا. پس از طی کردن مراحل ایجاد صفحات به صورت پویا، او به شما نشان می دهد که چگونه سایت تولید را بسازید و عملکردهای PWA و آفلاین را اضافه کنید. با هر فصلی که شامل چالش ها و راه حل های عملی است، این دوره شما را در مسیر تسلط بر گتسبی قرار می دهد.
Related Skills
یادگیری گرافیک هوشمندانه برای ایلاستریتور
(Mitalearn-192352)
- 6 hours
- پیشرفته
- Release date: 21 June 2026
- Author: Mike Rankin
افزونههای گرافیک هوشمند میتوانند به شما کمک کنند تا با Adobe Illustrator دقیقتر، کارآمدتر و خلاقتر باشید. در این دوره آموزشی، بیاموزید که چگونه این 18 پلاگین می توانند روش طراحی و ویرایش آثار هنری در ایلاستریتور را متحول کنند. مربی Mike Rankin توضیح می دهد که هر افزونه چه کاری انجام می دهد - برجسته کردن گردش کار و ویژگی هایی که در ابزارهای اصلی Illustrator موجود نیستند. مایک طراحی و ویرایش را با VectorScribe و InkScribe، تراز و چیدمان اشیا با ColliderScribe، ایجاد تقارن زیبا با MirrorMe، و تنظیم رنگ و اعمال افکتها با Phantasm و Stylism را پوشش میدهد. او همچنین به ابزارهایی در DynamicSketch و WidthScribe میپردازد که طراحی با تبلت را حتی طبیعیتر و شهودیتر میکنند. به علاوه، یاد بگیرید که چگونه از ویژگیهای صرفهجویی در زمان مانند Vector First Aid و Find/Replace برای پیدا کردن و اصلاح مشکلات آثار هنری خود استفاده کنید و مطمئن شوید که هرگز تغییرات خود را با Autosavior از دست ندهید.
Related Skills
یادگیری لایت روم
(Mitalearn-426136)
- 1 hours 53 minutes
- مناسب همه
- Release date: 18 August 2022
- Author: Jan Kabili
برای ویرایش ، سازماندهی و به اشتراک گذاری عکسهای خود با Lightroom ، سیستم قدرتمند و محور از Adobe شروع کنید. در این دوره ، جان کابیلی ، عکاس و مربی ، مقدمه ای قابل دسترسی را برای کمک به شما در کسب بیشترین استفاده از تجربه لایت روم ارائه می دهد. جان با استراتژی هایی که می توانید در Lightroom در رایانه ، تلفن ، رایانه لوحی یا مرورگر وب خود استفاده کنید ، ملزومات ویرایش عکس را به نمایش می گذارد. بیاموزید که چگونه عکس ها را وارد کنید و از کنترل های ویرایش بصری استفاده کنید تا عکسهای شما واقعاً بدرخشند. دریابید که چگونه روشنایی ، رنگ و چشم انداز را تنظیم کنید. بخش هایی از عکس را با استفاده از ابزارهای محلی ویرایش کنید. و خیلی بیشتر برای بسته بندی ، جان نکات مورد علاقه خود را برای سازماندهی ، یافتن ، صرفه جویی و به اشتراک گذاری عکس به اشتراک می گذارد تا بتوانید هر بار بهترین کار خود را مانند یک حرفه ای نشان دهید.
Related Skills
یادگیری مادام العمر به عنوان ابزاری برای ایجاد شغل شما
(Mitalearn-231826)
- 33 minutes
- مناسب همه
- Release date: 21 June 2026
- Author: Living Corporate
در این دوره آموزشی فقط صوتی، میزبان Sheneisha White با دکتر Jacquelyn Malcolm، مدیر ارشد اجرایی و معاون ثبت نام، بازاریابی و ارتباطات در کالج ایالتی بوفالو، در مورد مسیر غیر سنتی که برای رسیدن به جایی که هست و خیلی چیزها پیموده صحبت می کند. بیشتر. آنها ارزش یادگیری از طریق کار و اهمیت توسعه حرفه ای مستمر را مورد بحث قرار می دهند. پس از بررسی انقلاب فرهنگی آموزش عالی، آنها با توصیه هایی برای زنان سیاه پوست و قهوه ای، از جمله بحث مفصل در مورد رهبری به عنوان یک زن سیاه پوست، به پایان می رسند.
کارآفرین و پادکست Sheneisha White این دوره را برای Living Corporate ضبط کرده است، یک پلتفرم تنوع چندرسانهای، برابری و دربرگیرنده که از طریق داستان سرایی روایی، متخصصان سیاهپوست و قهوهای را در محیط کار متمرکز و تقویت میکند.
توجه: این دوره توسط Living Corporate ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
Related Skills
یادگیری ماشین با ML.NET
(Mitalearn-234393)
- 1 hours 6 minutes
- مناسب همه
- Release date: 22 June 2026
- Author: Microsoft .NET,Pranav Rastogi
به آموزش ماشین با ML.NET خوش آمدید. در این دوره، مربی پراناو راستوگی شما را در مورد مفاهیم یادگیری ماشینی، آنچه که می توانید با این مفاهیم بسازید و چگونه شروع کنید، راهنمایی می کند. ابتدا، پراناو توضیح می دهد که ML.NET چیست و چه کاری می توانید با فریم ورک انجام دهید. او نحوه ساخت یک مدل ML برای تجزیه و تحلیل احساسات نظرات مشتریان را پوشش میدهد و توضیح میدهد که چگونه مسائل ورودی GitHub را با استفاده از یک الگوریتم طبقهبندی چند کلاسه در یکی از چندین برچسب (برچسب) طبقهبندی کنیم. پراناو به شما نشان می دهد که چگونه با استفاده از رویکرد توصیه مبتنی بر فیلتر مشارکتی، فیلم ها را به کاربران توصیه کنید. او با بحث در مورد اینکه چگونه یادگیری عمیق سناریوهای بیشتری را با استفاده از صدا، تصاویر، متن و دیگر انواع دادهها ممکن میسازد، به پایان میرسد.
این دوره توسط Microsoft.NET ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.
Related Skills
یادگیری ماشین با پایتون: k-Means Clustering
(Mitalearn-392561)
- 50 minutes
- مناسب همه
- Update date: 1 May 2024
- Author: Frederick Nwanganga
خوشه بندی - یک رویکرد یادگیری ماشینی بدون نظارت که برای گروه بندی داده ها بر اساس شباهت استفاده می شود - برای کار در تجزیه و تحلیل شبکه، تقسیم بندی بازار، گروه بندی نتایج جستجو، تصویربرداری پزشکی و تشخیص ناهنجاری استفاده می شود. خوشهبندی K-means یکی از محبوبترین و آسانترین الگوریتمهای خوشهبندی است. در این دوره آموزشی، Fred Nwanganga به شما نگاهی مقدماتی به خوشهبندی k-means میدهد – چگونه کار میکند، برای چه چیزی خوب است، چه زمانی باید از آن استفاده کنید، چگونه تعداد مناسبی از خوشهها را انتخاب کنید، نقاط قوت و ضعف آن، و موارد دیگر. Fred راهنمایی عملی در مورد نحوه جمعآوری، کاوش و تبدیل دادهها در آمادهسازی برای تقسیمبندی دادهها با استفاده از خوشهبندی k-means ارائه میکند و راهنمای گام به گام نحوه ساخت چنین مدلی در پایتون را ارائه میدهد.
Related Skills
یادگیری ماشین با پایتون: رگرسیون لجستیک
(Mitalearn-392595)
- 1 hours 19 minutes
- مناسب همه
- Update date: 29 April 2024
- Author: Frederick Nwanganga
آیا به دنبال راهی عملی برای استفاده از یادگیری ماشین برای حل مشکلات پیچیده دنیای واقعی هستید؟ رگرسیون لجستیک رویکردی برای یادگیری ماشینی تحت نظارت است که مقادیر انتخاب شده را برای پیشبینی نتایج احتمالی مدلسازی میکند. در این دوره، فردریک نوانگانگا، استاد نوتردام، راهنمای گام به گام نحوه ساخت یک مدل رگرسیون لجستیک با استفاده از پایتون را در اختیار شما قرار می دهد. نکات عملی برای جمع آوری، کاوش، و تبدیل داده های خود را قبل از شروع بیاموزید. در پایان این دوره، شما مهارت های فنی برای دانستن زمان و نحوه طراحی، ساخت، ارزیابی و مدیریت موثر یک مدل رگرسیون لجستیک را به تنهایی خواهید داشت.
این دوره با GitHub یکپارچه شده است. Codespaces، 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 در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده میکنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.
Related Skills
یادگیری ماشین با پایتون: قوانین انجمن
(Mitalearn-392578)
- 1 hours 27 minutes
- مناسب همه
- Update date: 25 April 2024
- Author: Frederick Nwanganga
به مربی فردریک نوانگانگا بپیوندید زیرا او یک رویکرد کاربردی و قابل درک برای استفاده از یادگیری ماشین برای حل مشکلات دنیای واقعی را معرفی می کند و راهنمایی های گام به گام در مورد نحوه انجام این کار در پایتون ارائه می دهد. فردریک به طور خاص بر قوانین انجمن و نحوه اعمال آنها برای تجزیه و تحلیل سبد بازار تمرکز می کند. او توضیح می دهد که قوانین تداعی چیست و دو الگوریتم محبوب را بررسی می کند، سپس به این می پردازد که چه زمانی و چرا باید از قوانین تداعی استفاده کنید. به علاوه، فردریک نحوه ایجاد، تجسم، و تفسیر قوانین ارتباط در پایتون را پوشش میدهد.
این دوره با GitHub Codespaces، یک محیط توسعهدهنده ابر فوری که تمام قابلیتهای IDE مورد علاقه شما را بدون نیاز به هیچگونه نیازی ارائه میکند، یکپارچه شده است. راه اندازی ماشین محلی با GitHub Codespaces، میتوانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده میکنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، ویدیوی «استفاده از فضاهای کد GitHub با این دوره» را بررسی کنید.
Related Skills
یادگیری ماشین با پایتون: مبانی
(Mitalearn-218192)
- 1 hours 54 minutes
- مناسب همه
- Update date: 21 June 2026
- Author: Frederick Nwanganga
احتمالاً قبلاً در مورد یادگیری ماشینی شنیده اید، اما آیا تا به حال فکر کرده اید که این اصطلاح واقعاً به چه معناست؟ یک ماشین چگونه یاد می گیرد؟ آیا به ساخت یک مدل یادگیری ماشین فکر کرده اید، اما نمی دانید از کجا شروع کنید؟n فردریک دقیقاً با معنای یادگیری ماشینها و روشهای مختلف یادگیری آنها شروع میکند، سپس به نحوه جمعآوری، درک و آمادهسازی دادهها برای یادگیری ماشین میپردازد. او همچنین مثالهای راهنمایی از نحوه انجام هر مرحله با استفاده از پایتون ارائه میدهد. در نهایت، او همه آنها را برای ساخت، ارزیابی و تفسیر نتایج یک مدل یادگیری ماشین در پایتون گرد هم میآورد.
Related Skills
یادگیری ماشین با رگرسیون لجستیک در Excel، R و Power BI
(Mitalearn-217903)
- 2 hours 49 minutes
- مناسب همه
- Release date: 21 June 2026
- Author: Helen Wall
Excel، R، و Power BI برنامه هایی هستند که به طور جهانی در علم داده و در بین مشاغل و سازمان ها در سراسر جهان استفاده می شوند. اگر زمان زیادی را صرف کرده اید تا بفهمید چگونه داده های خود را بهتر مدل کنید تا بینش مفیدی از آنها بدست آورید که می توانید بر اساس آنها عمل کنید، به احتمال زیاد با این برنامه ها روبرو شده اید. در این دوره، هلن وال نحوه استفاده از Excel، R و Power BI را برای رگرسیون لجستیک به منظور مدلسازی دادهها برای پیشبینی برچسبهای طبقهبندی مانند کشف تقلب یا موفقیتهای آزمایشی پزشکی نشان میدهد. هلن چندین نمونه از رگرسیون لجستیک را بررسی می کند. او نحوه استفاده از اکسل را برای محاسبه ملموس مدل رگرسیون نشان می دهد، سپس از R برای محاسبات و تجسم های فشرده تر استفاده می کند. سپس نحوه استفاده از Power BI برای ادغام قابلیتهای محاسبات Excel و R در یک مدل مقیاسپذیر و قابل اشتراکگذاری را نشان میدهد.
Related Skills
یادگیری ماشین برای iOS: Core ML و Create ML
(Mitalearn-227355)
- 38 minutes
- مناسب همه
- Release date: 22 June 2026
- Author: Emmanuel Henri
آیا می خواهید یادگیری ماشینی را در برنامه iOS خود بگنجانید؟ با Core ML SDK و برنامه Create ML Apple، میتوانید به سرعت ویژگیهای یادگیری ماشین را در پروژههای خود ادغام کنید. در این دوره آموزشی، امانوئل هنری اصول یادگیری ماشینی و همچنین نحوه کار با Core ML و Create ML را برای افزودن مدل های یادگیری ماشین به برنامه های خود پوشش می دهد. امانوئل بخشهای مختلف Core ML SDK، نحوه راهاندازی یک پروژه جدید با استفاده از Create ML، و نحوه دریافت مقادیر ورودی و آزمایش یک مدل را پوشش میدهد. او همچنین نحوه ادغام مدل یادگیری ماشینی خود را در یک برنامه iOS و تبدیل مدلها از منابع غیر iOS را بررسی میکند.
Related Skills
یادگیری ماشین برای توسعه دهندگان iOS
(Mitalearn-141930)
- 1 hours 25 minutes
- پیشرفته
- Release date: 22 June 2026
- Author: Brian Advent
آیا می خواهید مدل های یادگیری ماشینی سفارشی بسازید تا برنامه های iOS خود را ارتقا دهید؟ حتی اگر متخصص یادگیری ماشینی نیستید، Core ML ادغام یک مدل یادگیری ماشین موجود را در یک برنامه iOS آسان می کند. و با Turi Create، اپل همچنین یک چارچوب پایتون ارائه میکند که توسعه مدلهای یادگیری ماشین سفارشی را ساده میکند. این دوره مقدمه ای بر یادگیری ماشین و چارچوب Core ML ارائه می دهد و نحوه ساخت مدل یادگیری ماشینی سفارشی خود و ادغام آن در یک برنامه iOS را پوشش می دهد. پس از پایان دادن به این دوره، شما یک طبقه بندی تصویر ساخته اید که می تواند گربه ها را از سگ ها در یک تصویر ارائه شده تشخیص دهد.
Related Skills
یادگیری ماشین برای هکرهای تیم قرمز توسط Infosec
(Mitalearn-427649)
- 3 hours 39 minutes
- مناسب همه
- Release date: 12 June 2025
- Author: Infosec Institute
در مورد یادگیری ماشین های هک با کارشناسان آموزش امنیت سایبری در انستیتوی Infosec ، INS و Outs of Hacking Machine Learning را کشف کنید. عمیق به موضوعاتی مانند هک کردن یک سیستم Captcha ، فازی یک هدف ، فرار از تشخیص بدافزار و حمله به سیستم های یادگیری ماشین. به علاوه ، در مورد Deepfakes و نحوه انجام حملات پشتی به یادگیری ماشین آشنا شوید.
این دوره توسط موسسه Infosec ایجاد شده است. ما خوشحالیم که این آموزش را در کتابخانه خود میزبانی می کنیم.
Related Skills
یادگیری ماشین داخلی به زبان Wolfram
(Mitalearn-393921)
- 19 minutes
- مناسب همه
- Release date: 5 January 2024
- Author: Wolfram Research
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
Related Skills
یادگیری ماشین در ارتباط از راه دور: از اصول اولیه گرفته تا موارد دنیای واقعی
(Mitalearn-427683)
- 2 hours 11 minutes
- مناسب همه
- Release date: 22 July 2025
- Author: Itelcotech
این دوره در سطح متوسط، کاوش متمرکزی را در مورد چگونگی تغییر شبکههای مخابراتی مدرن توسط یادگیری ماشین (ML) ارائه میکند. این دوره برای دانشآموزان و متخصصان با دانش پایه از مخابرات یا هوش مصنوعی طراحی شده است که میخواهند درک خود را از برنامههای ML در بهینهسازی شبکه، تجزیه و تحلیل پیشبینیکننده و اتوماسیون هوشمند عمیقتر کنند، این دوره چندین پارادایم یادگیری ماشین کلیدی را پوشش میدهد: تحت نظارت، بدون نظارت و یادگیری تقویتی. از طریق مطالعات موردی در دنیای واقعی، مفاهیم کلیدی ML مانند رگرسیون، طبقهبندی، خوشهبندی، آزمایش فرضیه، توابع هزینه، نزول گرادیان و ارزیابی مدل را بررسی کنید. بیاموزید که چگونه مدلها معیارهای مخابراتی مانند قدرت سیگنال، بار شبکه، و تقاضای پهنای باند را پیشبینی میکنند و چگونه تکنیکهای طبقهبندی به شناسایی خطاها و ناهنجاریها کمک میکنند. در پایان این دوره، شما به مهارت هایی که برای استفاده از ML برای تقویت شبکه های مخابراتی هوشمندتر و سازگارتر نیاز دارید، مجهز خواهید شد.
Related Skills
یادگیری ماشین کاربردی: الگوریتم ها
(Mitalearn-411448)
- 1 hours 58 minutes
- مناسب همه
- Release date: 21 June 2026
- Author: Matt Harrison
با اهمیت روزافزون یادگیری ماشین در تقریباً در هر بخش ، متخصصان به درک عمیق تر و رویکرد عملی برای اجرای الگوریتم های ML به طور مؤثر نیاز دارند.
این دوره الگوریتم های یادگیری ماشین را که معمولاً استفاده می شود ، پوشش می دهد. مربی مت هریسون بر الگوریتم های یادگیری غیر عمق ، پوشش PCA ، خوشه بندی ، رگرسیون خطی و لجستیک ، درختان تصمیم گیری ، جنگل های تصادفی و تقویت شیب تمرکز دارد.
در این دوره به مت بپیوندید تا الگوریتم های مشترک ML را بفهمید ، جوانب مثبت و منفی خود را بیاموزید و مهارت های دستی را برای استفاده از آنها با دنبال کردن با چالش ها و راه حل ها در برنامه های GitHub ایجاد کنید.