در این دوره که در دانشکده تجارت Darden در دانشگاه ویرجینیا توسعه یافته و توسط اساتید برتر تدریس می شود، در مورد ظهور یک داستان جدید در مورد تجارت بحث خواهیم کرد. این داستان جدید کسب و کار را در یک چارچوب اجتماعی قرار می دهد. تقریباً هر کسب‌وکاری علاوه بر سهامداران و سایر تأمین‌کنندگان مالی، ارزشی را برای مشتریان، تأمین‌کنندگان، کارکنان، جوامع و جامعه ایجاد یا از بین می‌برد. تعدادی از مدل های جدید کسب و کار را می توان بر اساس این ایده ایجاد کرد، مانند مسئولیت پذیری شرکتی، بشردوستی، ارزش مشترک و پایداری. سود و ارزش سهامداران با هم هستند و این دوره نحوه انجام آن را توضیح می دهد. جلسه آخر به بررسی این ایده می پردازد که چگونه می توان به یک کارآفرین ذینفع تبدیل شد و کسب و کاری ایجاد کرد که پول درآورد و جهان را به مکانی بهتر تبدیل کرد.

به مدل های خطی پیشرفته برای علم داده کلاس 1: حداقل مربعات خوش آمدید. این کلاس مقدمه ای بر حداقل مربعات از منظر جبری خطی و ریاضی است. قبل از شروع کلاس مطمئن شوید که موارد زیر را دارید: - درک اولیه از جبر خطی و حساب دیفرانسیل و انتگرال چند متغیره. - درک اولیه از آمار و مدل های رگرسیون. - حداقل آشنایی کمی با ریاضیات مبتنی بر اثبات. - آشنایی اولیه با زبان برنامه نویسی R پس از گذراندن این دوره، دانش‌آموزان پایه محکمی در درمان جبری خطی مدل‌سازی رگرسیون خواهند داشت. این به میزان زیادی درک عمومی دانشمندان داده کاربردی از مدل‌های رگرسیون را افزایش می‌دهد.

به مدل های خطی پیشرفته برای علم داده کلاس 2: مدل های خطی آماری خوش آمدید. این کلاس مقدمه ای بر حداقل مربعات از منظر جبری خطی و ریاضی است. قبل از شروع کلاس مطمئن شوید که موارد زیر را دارید: - درک اولیه از جبر خطی و حساب دیفرانسیل و انتگرال چند متغیره. - درک اولیه از آمار و مدل های رگرسیون. - حداقل آشنایی کمی با ریاضیات مبتنی بر اثبات. - آشنایی اولیه با زبان برنامه نویسی R پس از گذراندن این دوره، دانش‌آموزان پایه محکمی در درمان جبری خطی مدل‌سازی رگرسیون خواهند داشت. این به میزان زیادی درک عمومی دانشمندان داده کاربردی از مدل‌های رگرسیون را افزایش می‌دهد.

در دوره پایانی برنامه مدل‌سازی آماری برای علم داده، فراگیران مجموعه گسترده‌ای از ابزارهای مدل‌سازی آماری پیشرفته‌تر را مطالعه خواهند کرد. چنین ابزارهایی شامل مدل های خطی تعمیم یافته (GLM) خواهند بود که مقدمه ای برای طبقه بندی (از طریق رگرسیون لجستیک) ارائه می دهند. مدل‌سازی ناپارامتریک، از جمله تخمین‌گرهای هسته، هموارسازی خطوط. و مدل های افزایشی تعمیم یافته نیمه پارامتریک (GAMs). تاکید بر درک مفهومی محکم از این ابزارها خواهد بود. همچنین به مسائل اخلاقی مطرح شده با استفاده از مدل‌های آماری پیچیده توجه خواهد شد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده (MS-DS) که در پلت فرم Coursera ارائه می شود، گذراند. MS-DS یک مدرک بین رشته‌ای است که اعضای هیئت علمی بخش‌های ریاضیات کاربردی، علوم کامپیوتر، علوم اطلاعات و سایرین در CU Boulder را گرد هم می‌آورد. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، MS-DS برای افرادی با طیف وسیعی از تحصیلات کارشناسی و/یا تجربه حرفه‌ای در علوم کامپیوتر، علوم اطلاعات، ریاضیات و آمار ایده‌آل است. درباره برنامه MS-DS در https://www.coursera.org/degrees/master-of-science-data-science-boulder اطلاعات بیشتری کسب کنید. لوگوی اقتباس شده از عکس وینسنت لدوینا در Unsplash

هدف این دوره آموزش مفاهیم مدل های داده بالینی و مدل های داده رایج است. پس از اتمام این دوره، فراگیران می‌توانند طرح‌های مدل داده‌ها را با استفاده از نمودارهای نهادی-رابطه (ERDs) تفسیر و ارزیابی کنند، بین مدل‌های داده تمایز قائل شوند و نحوه استفاده از هر کدام برای حمایت از مراقبت‌های بالینی و علم داده را بیان کنند، و عبارات SQL را در Google ایجاد کنند. BigQuery برای پرس و جو از مدل داده های بالینی MIMIC3 و مدل داده های رایج OMOP.

چشم انداز شغلی برای کسانی که واجد شرایط کار در تجزیه و تحلیل داده های مراقبت های بهداشتی هستند، روشن است. شاید شما در تجزیه و تحلیل داده ها کار می کنید، اما به فکر انتقال به بخش مراقبت های بهداشتی هستید که در آن کار شما می تواند کیفیت زندگی افراد را بهبود بخشد. اگر چنین است، این دوره به شما نگاهی اجمالی به این موضوع می دهد که چرا این کار اهمیت دارد، چه کاری در این نقش انجام می دهید، و چه چیزی در مسیر ارزش که در آن داده ها از بیماران در محل مراقبت جمع آوری می شود، به انبارهای داده منتقل می شود. برای تجزیه و تحلیل آماده شود، سپس در طول خط لوله داده حرکت می کند تا به بینش های ارزشمندی تبدیل شود که می تواند جان انسان ها را نجات دهد، هزینه ها را کاهش دهد، مراقبت های بهداشتی را بهبود بخشد و آن را در دسترس تر و مقرون به صرفه تر کند. شاید شما در بخش مراقبت های بهداشتی کار می کنید اما در حال بررسی انتقال به یک نقش جدید هستید. اگر چنین است، این دوره به شما کمک می کند ببینید آیا این مسیر شغلی یکی از مواردی است که می خواهید دنبال کنید. شما یک نمای کلی از مدل های داده رایج و کاربردهای آن ها دریافت خواهید کرد. شما یاد خواهید گرفت که چگونه سیستم های مختلف داده ها را یکپارچه می کنند، چگونه از ارتباطات واضح اطمینان حاصل کنید، کیفیت داده ها را اندازه گیری و بهبود بخشید. تجزیه و تحلیل داده ها در مراقبت های بهداشتی به پزشکان، پزشکان، بیماران، ارائه دهندگان مراقبت و کسانی که تجارت بهبود نتایج سلامت را انجام می دهند، خدمت می کند. این دوره از مطالعه تصویر واضحی از تجزیه و تحلیل داده ها در زمینه مراقبت های بهداشتی در حال تغییر امروز و فرصت هایی که برای شما دارد به شما می دهد.

در پنجمین دوره تخصصی Deep Learning با مدل های توالی و کاربردهای هیجان انگیز آنها مانند تشخیص گفتار، سنتز موسیقی، چت بات ها، ترجمه ماشینی، پردازش زبان طبیعی (NLP) و غیره آشنا می شوید. در پایان، می‌توانید شبکه‌های عصبی بازگشتی (RNN) و انواع پرکاربرد مانند GRU و LSTM را بسازید و آموزش دهید. RNN ها را برای مدل سازی زبان در سطح کاراکتر اعمال کنید. کسب تجربه با پردازش زبان طبیعی و تعبیه کلمه. و از توکن سازها و مدل های ترانسفورماتور HuggingFace برای حل وظایف مختلف NLP مانند NER و Question Answering استفاده کنید. Deep Learning Specialization یک برنامه اساسی است که به شما کمک می کند توانایی ها، چالش ها و پیامدهای یادگیری عمیق را درک کنید و شما را برای مشارکت در توسعه فناوری پیشرفته هوش مصنوعی آماده کند. این مسیری را برای شما فراهم می کند تا گامی قطعی در دنیای هوش مصنوعی بردارید و به شما کمک می کند دانش و مهارت هایی را برای ارتقاء سطح حرفه خود به دست آورید.

مدل‌های خطی، همانطور که از نامشان پیداست، یک نتیجه را به مجموعه‌ای از پیش‌بینی‌کننده‌های مورد علاقه با استفاده از مفروضات خطی مرتبط می‌کنند. مدل‌های رگرسیون، زیرمجموعه‌ای از مدل‌های خطی، مهم‌ترین ابزار تحلیل آماری در جعبه ابزار یک دانشمند داده هستند. این دوره تحلیل رگرسیون، حداقل مربعات و استنتاج با استفاده از مدل های رگرسیون را پوشش می دهد. موارد خاص مدل رگرسیون، ANOVA و ANCOVA نیز پوشش داده خواهد شد. تجزیه و تحلیل باقیمانده ها و تنوع بررسی خواهد شد. این دوره تفکر مدرن در مورد انتخاب مدل و استفاده های جدید از مدل های رگرسیون از جمله هموارسازی پراکندگی را پوشش می دهد.

این دوره به زبان آموزان اجازه می دهد تا مدل های رگرسیون را بررسی کنند تا از این مدل ها برای پیش بینی کسب و کار استفاده کنند. برخلاف مدل‌های سری زمانی، مدل‌های رگرسیون مدل‌های علی هستند، که در آن ما متغیرهای خاصی را در کسب‌وکار خود شناسایی می‌کنیم که بر متغیرهای دیگر تأثیر می‌گذارند. رگرسیون ها این علیت را مدل می کنند و سپس می توانیم از این مدل ها برای پیش بینی و سپس برنامه ریزی برای نیازهای کسب و کار خود استفاده کنیم. ما مدل های رگرسیون ساده، مدل های رگرسیون چندگانه، رگرسیون های متغیر ساختگی، رگرسیون های متغیر فصلی و همچنین خودرگرسیون ها را بررسی خواهیم کرد. هر کدام از اینها اشکال مختلفی از مدل‌های رگرسیون هستند که برای سناریوهای تجاری منحصر به فرد به منظور پیش‌بینی و تولید هوش تجاری برای سازمان‌ها طراحی شده‌اند.

این دوره به شما می آموزد که چگونه با استفاده از یادگیری عمیق یک مدل زیرنویس تصویر ایجاد کنید. شما در مورد اجزای مختلف یک مدل شرح تصویر، مانند رمزگذار و رمزگشا، و نحوه آموزش و ارزیابی مدل خود یاد می گیرید. در پایان این دوره، شما قادر خواهید بود مدل های زیرنویس تصویر خود را بسازید و از آنها برای ایجاد زیرنویس برای تصاویر استفاده کنید.

این دوره روش های مختلف پیش بینی کسب و کار سری های زمانی را بررسی می کند. این دوره انواع روش‌های پیش‌بینی کسب‌وکار را برای انواع مختلف مؤلفه‌های موجود در داده‌های سری زمانی - سطح، روند و فصلی، پوشش می‌دهد. با روش های تئوری آشنا می شویم و این روش ها را با استفاده از مایکروسافت اکسل در داده های تجاری اعمال می کنیم. این روش‌های پیش‌بینی در مایکروسافت اکسل برنامه‌ریزی می‌شوند، به صورت گرافیکی نمایش داده می‌شوند و ما این مدل‌ها را برای تولید پیش‌بینی‌های دقیق بهینه‌سازی می‌کنیم. ما مدل‌های مختلف و پیش‌بینی‌های آن‌ها را با هم مقایسه می‌کنیم تا تصمیم بگیریم کدام مدل به بهترین وجه با نیازهای کسب‌وکار ما مطابقت دارد.

این دوره سفر شما به سمت ایجاد تجربیات واقعیت مجازی را آغاز می کند. تجربه واقعیت مجازی دنیای جدیدی است که شما وارد آن می‌شوید و کاملاً در آن غوطه‌ور می‌شوید. ایجاد یک تجربه VR به معنای ایجاد آن جهان و تمام اشیاء موجود در آن است. در این دوره شما اصول گرافیک سه بعدی را یاد می گیرید: چگونه اشیاء را ایجاد می کنیم و چگونه آنها را برای ایجاد یک محیط قرار می دهیم. شما تکنیک هایی مانند مواد و بافت را یاد خواهید گرفت که اشیاء شما را واقع گرایانه نشان می دهد. شما همچنین در مورد تکنیک های صوتی یاد خواهید گرفت تا مطمئن شوید که تجربیات شما عالی به نظر می رسد و همچنین عالی به نظر می رسد. در همه این موضوعات، ما به الزامات خاص واقعیت مجازی، از جمله مشکلات و مسائل مربوط به عملکرد، توجه خواهیم کرد: اطمینان از اینکه محیط شما به اندازه کافی سریع در VR اجرا می شود. همه اینها را با استفاده از بازی حرفه ای و موتور VR Unity3D یاد خواهید گرفت. Unity یکی از پرکاربردترین موتورهای بازی است و مقدمه ای نسبتاً آسان، اما کاملاً برجسته برای توسعه سه بعدی است. این دوره در پروژه ای به پایان می رسد که در آن شما صحنه VR خود را ایجاد خواهید کرد. توسعه VR چیزی است که فقط با انجام آن خودتان می توانید یاد بگیرید، بنابراین کار روی پروژه شما بهترین راه برای یادگیری خواهد بود.

این دوره در درجه اول برای دانشجویان سال سوم و چهارم کارشناسی یا دانشجویان کارشناسی ارشد علاقه مند به یادگیری تکنیک های شبیه سازی برای حل مشکلات تجاری است. این دوره شما را با مسائل روزمره و پیچیده کسب و کار آشنا می کند که به دلیل عدم قطعیت هایی که در محیط های تجاری وجود دارد، پاسخ صحیحی ندارند. مدل سازی شبیه سازی به ما امکان می دهد تا نتایج مختلف را بررسی کنیم و از منافع شخصی یا تجاری در برابر نتایج ناخواسته محافظت کنیم. ما می توانیم عدم قطعیت ها را با استفاده از مفاهیم احتمال و تفکر گام به گام مدل سازی کنیم. تفکر گام به گام به ما این امکان را می دهد که مشکل را در اجزای کوچکتر تجزیه کنیم، وابستگی های بین رویدادهای مرتبط را بررسی کنیم و به ما امکان می دهد روی جنبه هایی از مشکل که به دلیل عدم قطعیت های آینده مستعد تغییر هستند تمرکز کنیم. این دوره شما را با تکنیک های پیشرفته اکسل برای مدل سازی و اجرای مدل های شبیه سازی آشنا می کند. بسیاری از تکنیک های Excel آموخته شده در این دوره فراتر از مدل سازی شبیه سازی مفید خواهند بود. ما هر دو تکنیک شبیه‌سازی مونت کارلو را که در آن نتیجه کلی مورد علاقه اولیه است و شبیه‌سازی رویداد گسسته را که در آن وابستگی‌های میانی بین رویدادهای مرتبط ممکن است مورد توجه باشد، یاد خواهیم گرفت. این دوره شما را با چندین موضوع کاربردی در مدل سازی شبیه سازی آشنا می کند که معمولاً در کتاب های درسی پوشش داده نمی شوند. این دوره از چند مثال در حال اجرا در طول دوره برای نشان دادن مفاهیم و ارائه نمونه های مدل سازی عینی استفاده می کند. پس از گذراندن دوره، دانش آموز می تواند مدل های شبیه سازی نسبتاً پیشرفته ای را برای کشف طیف وسیعی از محیط های تجاری و نتایج ایجاد کند.

بلاک چین یک فناوری نوظهور و بسیار مخرب است که به خوبی درک نشده است. در این دوره آموزشی یاد خواهید گرفت که بلاک چین چیست و چگونه می تواند با توکن سازی در ارزهای دیجیتال و در بسیاری از کاربردهای عملی دیگر ارزش ایجاد کند. این برنامه ها عبارتند از: استیبل کوین (مانند جی پی کوین فیسبوک لیبرا و جی پی مورگان)، پرداخت ماشین به ماشین، حفاظت از هویت، مدیریت زنجیره تامین (والمارت، مرسک، آی بی ام)، رای گیری امن، مبادلات توزیع شده، تامین مالی غیرمتمرکز، نقل و انتقال اموال، ارزهای دیجیتال فیات بانک مرکزی (به عنوان مثال، فدکوین و رنمینبی دیجیتال چین)، توزیع داروهای نسخه‌ای، سوابق خصوصی، مالکیت معنوی، گزارش‌های مالی، و رسانه‌ها و تبلیغات. اهداف این دوره عبارتند از: (1) ارائه درک پیشرفته از فن آوری های مختلف بلاک چین. (2) موقعیت‌های تجاری خاص را که در آن فناوری بلاک چین می‌تواند برای حل مشکلات مهم استقرار یابد، تعیین کند. (iii) فناوری بلاک چین خاصی را انتخاب کنید که بهترین شانس موفقیت را برای یک مشکل خاص دارد. و (IV) جزئیات خطرات ارائه شده توسط این فن آوری جدید.

مدل‌های کسب‌وکار دیجیتال شرکت‌های 50 ساله را در ارتباطات راه دور، حمل‌ونقل، تبلیغات، تجارت الکترونیک، خودروسازی، بیمه و بسیاری از صنایع دیگر مختل می‌کنند. این دوره به بررسی مدل‌های کسب‌وکار اخلالگران نرم‌افزاری غرب مانند اپل، گوگل، فیس‌بوک و آمازون و شرق مانند شیائومی و وی چت می‌پردازد. این کلاس از یک چارچوب ساختاریافته برای تجزیه و تحلیل مدل‌های کسب‌وکار با مثال‌های متعدد استفاده می‌کند تا دانش‌آموزان بتوانند آن را در کسب و کار یا مطالعه موردی خود اعمال کنند. ما بررسی خواهیم کرد که چگونه توسعه دهندگان نرم افزار نه تنها مبتکران بلکه تصمیم گیرندگان در نبردهای رقابتی مدرن از موبایل تا ابر و از کالاهای مصرفی تا نرم افزارهای سازمانی هستند. و همچنین توضیح خواهیم داد که چگونه توسعه دهندگان موتور مدل های کسب و کار دیجیتال هستند، با استفاده از نمونه هایی از صنایع مختلف - از مراقبت های بهداشتی گرفته تا حمل و نقل هوایی.

کنجکاو هستید که چگونه مدل‌های مقیاس فیزیکی از تخته طراحی به میز نمایش در یک جلسه مشتری می‌روند؟ در این دوره، نظر یک متخصص را در مورد نحوه برخورد حرفه ای ها با فرآیند ساخت مدل دریافت کنید. مربی اولیویا مورگان شما را در هر مرحله از گردش کار راهنمایی می کند و به شما نشان می دهد که چگونه از راینو برای طراحی فایل دیجیتالی یک ساختمان برای ساخت فیزیکی یک مدل مقیاس استفاده کنید. اولیویا با پوشش روش‌های کلی ساخت مدل، و همچنین نحوه ایجاد یک فایل دیجیتال برای گزینه‌های مختلف ساخت، شروع می‌کند. او بهترین روش‌های واردات و پس‌پردازش را هنگام کار با انواع فایل‌های خارج از Rhino دنبال می‌کند. با استفاده از یک مدل پایه وارداتی، اولیویا نشان می دهد که چگونه می توان یک مدل را از قطعات پازلی که به صورت فیزیکی ساخته و دوباره سرهم می شوند، بازسازی کرد. به علاوه، بهترین روش ها را برای چیدمان مواد خود برای برش لیزری دریافت کنید.

 در این دوره ، متخصص امور مالی ، جیسون شنکر ، مفاهیم و تکنیک های اساسی مالی را برای تصمیم گیری در زمینه تجارت با مدلهای تخفیف نقدی (DCF) بررسی می کند. در مورد اهمیت مقایسه دلارهای آینده برای ارائه شرایط ارزش با استفاده از مدل های DCF ، ارزش فعلی خالص (NPV) ، نرخ داخلی بازده (IRR) و متوسط ​​هزینه سرمایه (WACC) بیاموزید. کشف کنید که چگونه این مدل ها به ارزیابی فرصت های سرمایه گذاری ، ارزیابی بازده مالی و تصمیم گیری های استراتژیک در زمینه شرکت کمک می کنند. مثالهای عملی را با استفاده از اکسل برای محاسبه معیارهای کلیدی و به دست آوردن تجربه مفید در مدل سازی مالی دنبال کنید. توانایی خود را در تصمیم گیری های سرمایه گذاری صحیح و افزایش دید و اعتبار خود به عنوان یک رهبر تجارت افزایش دهید. از آنجا که شما به این مفاهیم تسلط دارید ، برای ارزیابی زنده ماندن مالی پروژه ها و سرمایه گذاری ها و همچنین بهینه سازی استراتژی های مالی خود و به حداکثر رساندن بازده مجهز خواهید بود.

این دوره به معرفی مفاهیم تفسیرپذیری و توضیح پذیری در کاربردهای یادگیری ماشین می پردازد. یادگیرنده تفاوت بین توضیحات کلی، محلی، مدل-آگنوستیک و مدل خاص را درک خواهد کرد. روش‌های توضیح‌پذیری پیشرفته مانند اهمیت ویژگی جایگشت (PFI)، توضیح‌های محلی قابل تفسیر مدل-آگنوستیک (LIME) و توضیح افزودنی SHapley (SHAP) توضیح داده شده‌اند و در طبقه‌بندی سری‌های زمانی اعمال می‌شوند. متعاقباً، توضیحات خاص مدل مانند نگاشت فعال‌سازی کلاس (CAM) و CAM با وزن گرادیان توضیح و پیاده‌سازی می‌شوند. فراگیران اسناد بدیهی و چرایی اهمیت آنها را درک خواهند کرد. در نهایت، مکانیسم‌های توجه قرار است بعد از لایه‌های بازگشتی گنجانده شوند و وزن‌های توجه برای تولید توضیحات محلی مدل تجسم خواهند شد.

هدف این دوره برای هر کسی است که علاقه مند به استفاده از تکنیک های یادگیری ماشینی در مسائل علمی است. در این دوره آموزشی، در مورد خط لوله یادگیری ماشینی کامل، از خواندن، تمیز کردن و تبدیل داده ها تا اجرای الگوریتم های یادگیری ماشینی اولیه و پیشرفته، خواهیم آموخت. ما با تکنیک های پیش پردازش داده ها مانند PCA و LDA شروع می کنیم. سپس، به الگوریتم های اساسی هوش مصنوعی می پردازیم: SVMs و K-means clustering. در طول راه، جعبه ابزار ریاضی و برنامه‌نویسی خود را می‌سازیم تا خود را برای کار با مدل‌های پیچیده‌تر آماده کنیم. در نهایت، روش‌های پیشرفته‌ای مانند جنگل‌های تصادفی و شبکه‌های عصبی را بررسی خواهیم کرد. در طول مسیر، از مجموعه داده های پزشکی و نجومی استفاده خواهیم کرد. در پروژه نهایی، ما مهارت های خود را برای مقایسه مدل های مختلف یادگیری ماشین در پایتون به کار خواهیم گرفت.

بهینه سازی شکل رایج تصمیم گیری است و در جامعه ما همه جا وجود دارد. کاربردهای آن از حل معماهای سودوکو تا چیدمان نشستن در یک ضیافت عروسی را شامل می شود. همین فناوری می تواند هواپیماها و خدمه آنها را برنامه ریزی کند، تولید فولاد را هماهنگ کند و حمل و نقل سنگ آهن را از معادن به بنادر سازماندهی کند. تصمیمات خوب در مدیریت نیروی انسانی و منابع مادی همچنین به شرکت ها اجازه می دهد تا میلیون ها دلار سود را بهبود بخشند. مشکلات مشابه نیز زیربنای بسیاری از زندگی روزمره ما است و بخشی از تعیین مسیرهای تحویل روزانه بسته ها، تنظیم جدول زمانی مدارس و رساندن برق به خانه هایمان است. علیرغم اهمیت اساسی آنها، همه این مشکلات یک کابوس برای حل با استفاده از روش های سنتی علوم کامپیوتر در مقطع کارشناسی هستند. این دوره برای دانش آموزانی در نظر گرفته شده است که مدل سازی پایه برای بهینه سازی گسسته را تکمیل کرده اند. در این دوره آموزشی، با بیان مسئله در یک زبان مدل‌سازی سطح بالا، و اجازه دادن به نرم‌افزار حل محدودیت کتابخانه بقیه کارها را در مورد حل مسائل بهینه‌سازی گسسته چالش‌برانگیز بیشتر خواهید آموخت. این دوره بر اشکال زدایی و بهبود مدل ها، کپسوله کردن بخش هایی از مدل ها در محمولات، و رفع مشکلات برنامه ریزی و بسته بندی پیشرفته تمرکز می کند. با تسلط بر این فناوری پیشرفته، قادر خواهید بود با مشکلاتی که قبلاً حل آنها غیر قابل تصور بود، مقابله کنید. ویدیوی تبلیغاتی دوره را اینجا ببینید: https://www.youtube.com/watch?v=hc3cBvtrem0&t=8s