کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 15,421 تا 15,440 مورد از کل 17,000 مورد.

coursera مهندسی شیب (Mitalearn-349534)

  • 2 ساعت 49 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Ben Y B CHAN
درباره این دوره:

هدف این درس بررسی علت زمین لغزش از منظر مهندسی شیب است. تجزیه و تحلیل و روش هایی برای تعیین پایداری شیب ارائه شده است. موارد شکست شیب در هنگ کنگ نیز مورد مطالعه قرار گرفته است.

linkedin مهندسی عملی (Mitalearn-147540)

  • 6 ساعت 2 دقیقه
  • مبتدی
  • بروزرسانی: 21 June 2026
  • مدرس: Grady Hillhouse
درباره این دوره:

مهندسی شامل تئوری های زیادی است. اما ما همیشه نمی توانیم آن را در عمل ببینیم. این مجموعه اصول اساسی را که همه مهندسین عمران و مکانیک باید بدانند، در کنار نمایش هایی که نشان می دهد واقعاً چگونه کار می کنند، آموزش می دهد. مدرس Grady Hillhouse با استفاده از همه چیز، از مدل‌های رومیزی که حرکت آب‌های زیرزمینی را پیش‌بینی می‌کنند تا نمونه‌های دست ساز زمین پایدار شده مکانیکی، توضیح می‌دهد که چگونه مفاهیم مهندسی واقعی می‌شوند. او هر ماه یک موضوع جدید مهم را معرفی می کند که درک شما را از اصول اساسی مهندسی، از جمله نیرو، استحکام، کشش، فشرده سازی و موارد دیگر بهبود می بخشد و به شما کمک می کند راه حل های بهتری برای چالش های رایج طراحی پیدا کنید.

توجه: از آنجایی که این سریال در حال پخش است، بینندگان گواهی پایان کار دریافت نخواهند کرد.

مهارت‌های مرتبط

coursera مهندسی قابلیت اطمینان سایت: اندازه گیری و مدیریت قابلیت اطمینان (Mitalearn-322113)

  • 2 ساعت 38 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Google Cloud Training
درباره این دوره:

شاخص های سطح خدمات (SLIs) و اهداف سطح خدمات (SLOs) ابزارهای اساسی برای اندازه گیری و مدیریت قابلیت اطمینان هستند. در این دوره، دانش‌آموزان روش‌هایی را برای ابداع SLI و SLO مناسب و مدیریت قابلیت اطمینان از طریق استفاده از بودجه خطا یاد می‌گیرند.

مهارت‌های مرتبط

linkedin مهندسی قابلیت اطمینان سایت: توافقنامه ها و اهداف در سطح خدمات (Mitalearn-203096)

  • 41 دقیقه
  • متوسط
  • انتشار: 21 June 2026
  • مدرس: Laura Stone
درباره این دوره:

انتظار می رود تیم های نرم افزاری هم کیفیت برنامه های موجود را حفظ کنند و هم در ویژگی های جدیدی که کاربران را هیجان زده می کند، نوآوری کنند. برای تیم های مهندسی و عملیات، مقابله با هر دوی این تلاش ها در یک ضرب الاجل می تواند چالش برانگیز باشد. در این دوره آموزشی، یاد بگیرید که چگونه از بودجه‌های خطا و شاخص‌های سطح خدمات (SLIs)، اهداف سطح خدمات (SLO) و توافق‌نامه‌های سطح خدمات (SLA) برای تنظیم انتظارات عملکرد واقعی و اندازه‌گیری عملکرد سیستم در سازمان خود استفاده کنید. مربی Laura Stone نحوه ایجاد SLI ها برای اندازه گیری قابلیت اطمینان یک سیستم و همچنین نحوه معنادار ساختن SLI ها با SLO ها را نشان می دهد. لورا همچنین نحوه استفاده از بودجه های خطا را برای اطمینان از اینکه عملکرد ضعیف خدمات عواقب دارد نشان می دهد. برای جمع بندی، او به اجزای اصلی SLA می پردازد.

coursera مهندسی مایکروویو و آنتن (Mitalearn-351081)

  • 8 ساعت 25 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Bart Smolders,Ulf Johannsen,Domine Leenaerts
درباره این دوره:

این دوره منحصر به فرد در سطح استاد، دانش عمیق مهندسی مایکروویو و آنتن ها را در اختیار شما قرار می دهد. این دوره مدارهای مایکروویو غیرفعال و فعال و همچنین سیستم های آنتن را ترکیب می کند. کاربردهای آینده، مانند ارتباطات بی‌سیم 5G/ فراتر از 5G با موج میلی‌متری یا رادار خودرو، به متخصصانی نیاز دارند که بتوانند سیستم‌های آنتن بسیار یکپارچه‌ای را که شامل آنتن‌ها و لوازم الکترونیکی مایکروویو هستند، طراحی کنند. ما پایه های نظری مورد نیاز و همچنین تجربه عملی را با استفاده از ابزارهای پیشرفته طراحی در اختیار شما قرار خواهیم داد. سخنرانی های وب توسط بسیاری از آزمون های آنلاین پشتیبانی می شود که در آنها می توانید تئوری پس زمینه را تمرین کنید. در کنار این، ما تجربه عملی را در یک چالش طراحی به شما ارائه خواهیم داد که در آن نحوه طراحی مدارها و آنتن های مایکروویو را یاد خواهید گرفت. در طول دوره شما روی چالش طراحی کار خواهید کرد که در آن یک سیستم آرایه فازی فعال کامل، از جمله آنتن ها، شکل دهنده های پرتو و تقویت کننده ها را طراحی خواهید کرد. این دوره توسط یک کتاب نوشته شده توسط تیم مدرسان پشتیبانی می شود که در اختیار دانشجویان قرار می گیرد. پس از نهایی کردن دوره می توان یک گواهی (5 ECTS) دریافت کرد، که می تواند برای شروع یک برنامه کارشناسی ارشد کامل در دانشگاه فناوری آیندهوون استفاده شود. استادان همه دارای پیشینه آکادمیک و صنعتی هستند و در مرکز فناوری بی سیم آیندهوون (CWT/e) دانشگاه فناوری آیندهوون، هلند تعبیه شده اند.

coursera مهندسی نرم افزار: پیاده سازی و آزمایش (Mitalearn-309261)

  • 2 ساعت 50 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مراحل پیاده سازی و آزمایش SDLC متمرکز است و شما فرآیندهای مختلف توسعه نرم افزار را برای توسعه سیستم های نرم افزاری بزرگ بررسی می کنید و نقاط قوت (مزایا) و ضعف (معایب) فرآیندهای مختلف توسعه نرم افزار را درک خواهید کرد. همچنین با تکنیک های برنامه نویسی دفاعی برای جلوگیری از اشکالات نرم افزاری در حین پیاده سازی مواجه خواهید شد و یاد خواهید گرفت که چگونه سیستم خود را با استفاده از انواع مختلف تست ها به طور کامل تست کنید. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای موضوعاتی که در برنامه نویسی تدافعی و تست شی گرا پوشش داده می شوند مورد نیاز است. پیاده‌سازی توسط مدل‌های UML مشتق‌شده از تجزیه و تحلیل نیازمندی هدایت می‌شود. توصیه می شود قبل از شروع این دوره درس "مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML" را بگذرانید، اما نیاز سختی نیست.

coursera مهندسی نرم افزار: طراحی نرم افزار و مدیریت پروژه (Mitalearn-308938)

  • 2 ساعت 40 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مراحل برنامه ریزی پروژه و تجزیه و تحلیل/طراحی SDLC متمرکز است و شما با الگوهای مختلف معماری و الگوهای طراحی برای حل مشکلات رایج در طراحی نرم افزار آشنا خواهید شد. برنامه ریزی پروژه، زمان بندی و برآورد هزینه را پوشش می دهد که وظایف اصلی مدیران پروژه نرم افزاری است. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای درک الگوهای طراحی مختلف تحت پوشش این دوره مورد نیاز است. طراحی سیستم توسط مدل های UML مشتق شده از تجزیه و تحلیل نیازمندی ها هدایت می شود. توصیه می شود قبل از شروع این دوره درس "مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML" را بگذرانید، اما نیاز سختی نیست.

coursera مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML (Mitalearn-309006)

  • 2 ساعت 33 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مرحله تجزیه و تحلیل نیازمندی های SDLC متمرکز است و شما یاد خواهید گرفت که چگونه از مدل های UML برای دریافت نیازمندی های سیستم و تسهیل ارتباط بین مشتری/کاربران و توسعه دهندگان استفاده کنید. UML یک زبان مدل سازی بصری با هدف کلی برای سیستم ها است. می توان از آن برای برجسته کردن جنبه های مختلف سیستم که مورد علاقه ذینفعان مختلف است استفاده کرد. الزامات داده در مدل دامنه ثبت می شود، که مفاهیم مهم دامنه برنامه را به عنوان کلاس ها، ارتباط بین آنها و محدودیت های موجود در آنها توصیف می کند. الزامات عملکردی در مدل مورد استفاده برای توصیف تعاملات بین سیستم و محیط آن (کاربران، سیستم‌های دیگر) ثبت می‌شوند. UML از بهترین شیوه های فعلی در تکنیک های مدل سازی شی گرا استفاده می کند. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای امتحان این دوره مورد نیاز است. توصیه می‌شود دوره‌ها را به ترتیبی که فهرست شده‌اند بگذرانید، زیرا به تدریج تکنیک‌ها و مفاهیم مهندسی نرم‌افزار را توسعه می‌دهند، اما این یک نیاز سخت نیست.

linkedin مهندسی هوش مصنوعی Azure: راهکارهای گفتار، زبان و دید (Mitalearn-442745)

  • 1 ساعت 51 دقیقه
  • مناسب همه
  • انتشار: 7 June 2024
  • مدرس: Microsoft Learn
درباره این دوره: 

 این دوره به معرفی مفاهیم اساسی مرتبط با هوش مصنوعی (AI) و همچنین خدماتی در Microsoft Azure می‌پردازد که می‌توان از آنها برای ساخت راه‌حل‌های هوش مصنوعی استفاده کرد. با آموزش تخصصی Microsoft Learn، مهارت‌های مورد نیاز برای استفاده از سرویس‌های Azure را برای ایجاد برنامه‌های دارای قابلیت گفتار، ترجمه گفتار، ساخت مدل درک زبان محاوره‌ای، توسعه برنامه‌ها با زبان هوش مصنوعی Azure، ساخت راه‌حل پاسخ‌گویی به سؤال و موارد دیگر توسعه دهید. در پایان این دوره، شما همچنین برای ایجاد یک راه حل طبقه بندی متن سفارشی، آموزش و ارزیابی مدل ها، تجزیه و تحلیل تصاویر و ویدئو، و تشخیص، تجزیه و تحلیل و تشخیص تصاویر و چهره ها آماده خواهید شد.

datacamp مهندسی ویژگی با PySpark (Mitalearn-403186)

  • 52 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: John Hogue
درباره این دوره:

دنیای واقعی کثیف است و وظیفه شما این است که آن را درک کنید. مجموعه داده‌های اسباب‌بازی مانند MTCars و Iris نتیجه مراقبت و تمیز کردن دقیق هستند، حتی بنابراین داده‌ها باید تبدیل شوند تا برای الگوریتم‌های یادگیری ماشین قدرتمند برای استخراج معنا، پیش‌بینی، طبقه‌بندی یا خوشه‌بندی مفید باشند. این دوره جزئیات مهمی را پوشش می دهد که دانشمندان داده 70 تا 80 درصد از زمان خود را صرف آن می کنند. جدال داده ها و مهندسی ویژگی ها با بزرگ‌تر شدن اندازه مجموعه داده‌ها، بیایید از PySpark برای کاهش اندازه این مشکل Big Data استفاده کنیم!

مهارت‌های مرتبط

datacamp مهندسی ویژگی برای NLP در پایتون (Mitalearn-401248)

  • 1 ساعت
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Rounak Banik
درباره این دوره:

در این دوره، تکنیک هایی را یاد می گیرید که به شما امکان می دهد اطلاعات مفیدی را از متن استخراج کنید و آنها را در قالبی مناسب برای استفاده از مدل های ML پردازش کنید. به طور خاص، شما در مورد برچسب گذاری POS، شناسایی موجودیت نام، امتیازات خوانایی، مدل های n-gram و tf-idf و نحوه پیاده سازی آنها با استفاده از scikit-learn و spaCy خواهید آموخت. شما همچنین یاد خواهید گرفت که محاسبه کنید دو سند چقدر شبیه به یکدیگر هستند. در این فرآیند، احساسات نقدهای فیلم را پیش‌بینی می‌کنید و توصیه‌کنندگان فیلم و تد تاک را می‌سازید. پس از این دوره، می‌توانید ویژگی‌های حیاتی را از هر متنی مهندسی کنید و برخی از چالش‌برانگیزترین مشکلات در علم داده را حل کنید!

مهارت‌های مرتبط

datacamp مهندسی ویژگی برای یادگیری ماشین در پایتون (Mitalearn-401180)

  • 56 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Robert O'Callaghan
درباره این دوره:

هر روز در مورد پیشرفت های شگفت انگیزی که چگونه جدیدترین برنامه های کاربردی یادگیری ماشینی در حال تغییر جهان هستند، می خوانید. اغلب این گزارش این واقعیت را پنهان می‌کند که حجم عظیمی از داده‌ها و مهندسی ویژگی‌ها باید قبل از استفاده از هر یک از این مدل‌های فانتزی انجام شود. در این دوره یاد خواهید گرفت که چگونه این کار را انجام دهید. شما با نظرسنجی Stack Overflow Developers و سخنرانی‌های تاریخی مراسم تحلیف ریاست‌جمهوری ایالات متحده کار خواهید کرد تا بفهمید چگونه می‌توانید ویژگی‌ها را از داده‌های طبقه‌بندی، پیوسته و بدون ساختار به بهترین شکل پیش پردازش و مهندسی کنید. این دوره به شما تجربه عملی در مورد نحوه آماده سازی هر داده ای برای مدل های یادگیری ماشین خود می دهد.

مهارت‌های مرتبط

datacamp مهندسی ویژگی در R (Mitalearn-405821)

  • 47 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Jorge Zazueta
درباره این دوره:

در این دوره، با مهندسی ویژگی‌ها آشنا می‌شوید، که در قلب بسیاری از مدل‌های یادگیری ماشین قرار دارد. از آنجایی که عملکرد هر مدلی نتیجه مستقیم ویژگی هایی است که تغذیه می شود، مهندسی ویژگی دانش دامنه را در مرکز فرآیند قرار می دهد. شما با اصول مهندسی ویژگی صدا آشنا خواهید شد که به کاهش تعداد متغیرها در صورت امکان کمک می‌کند، الگوریتم‌های یادگیری را سریع‌تر اجرا می‌کند، تفسیرپذیری را بهبود می‌بخشد و از برازش بیش از حد جلوگیری می‌کند.

می‌آموزید که چگونه تکنیک‌های مهندسی ویژگی را با استفاده از چارچوب R tidymodels پیاده‌سازی کنید، با تأکید بر بسته دستوری که به شما امکان می‌دهد بهترین ویژگی‌ها را برای مدل خود ایجاد، استخراج، تبدیل و انتخاب کنید.

وقتی با یک مجموعه داده جدید مواجه می‌شوید، می‌توانید ویژگی‌های مرتبط را شناسایی و انتخاب کنید و از موارد غیر آموزنده صرف نظر کنید تا مدل خود را سریع‌تر بدون کاهش دقت اجرا کنید. همچنین با اعمال تغییرات و ایجاد ویژگی‌های جدید برای کارآمدتر، قابل تفسیر و دقیق‌تر کردن مدل‌های خود راحت خواهید بود!

مهارت‌های مرتبط

coursera مهندسی یادگیری ماشین ابری و MLOps (Mitalearn-324289)

  • 5 ساعت 42 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Noah Gift
درباره این دوره:

به دوره چهارم راه حل های رایانش ابری ساختمان در تخصص مقیاس خوش آمدید! در این دوره، شما بر اساس محاسبات ابری و مفاهیم مهندسی داده که در سه دوره اول معرفی شده‌اند، استفاده می‌کنید تا مهندسی یادگیری ماشین را در پروژه‌های دنیای واقعی اعمال کنید. ابتدا، برنامه‌های مهندسی یادگیری ماشین را توسعه می‌دهید و از بهترین شیوه‌های توسعه نرم‌افزار برای ایجاد برنامه‌های مهندسی یادگیری ماشین استفاده می‌کنید. سپس، یاد خواهید گرفت که از AutoML برای حل مشکلات کارآمدتر از رویکردهای یادگیری ماشین سنتی به تنهایی استفاده کنید. در نهایت، شما به موضوعات نوظهور در یادگیری ماشینی از جمله MLOps، Edge Machine Learning و APIهای هوش مصنوعی خواهید پرداخت. این دوره برای مبتدیان و همچنین دانشجویان متوسط ​​علاقه مند به استفاده از محاسبات ابری در علم داده، یادگیری ماشین و مهندسی داده ایده آل است. دانش آموزان باید مهارت های لینوکس سطح مبتدی و پایتون سطح متوسط ​​را داشته باشند. برای پروژه خود در این دوره، یک برنامه وب Flask خواهید ساخت که پیش بینی های یادگیری ماشین را ارائه می دهد.

مهارت‌های مرتبط

coursera مواد تبلیغاتی که هر نوازنده ای به آن نیاز دارد (Mitalearn-367027)

  • 3 ساعت 10 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: Jeffrey Nytch
درباره این دوره:

به قول معروف، برداشت اول همه چیز است، به خصوص در هنر. به همین دلیل داشتن مهارت‌ها و دانش مورد نیاز برای ایجاد مواد تبلیغاتی مؤثر که به شما کمک می‌کند از دیگران متمایز شوید بسیار مهم است. در این دوره، شما هر آنچه را که باید در مورد ایجاد مواد تبلیغاتی قدرتمند بدانید که به طور موثر استعداد شما را به نمایش می گذارد و تصویر حرفه ای شما را ارتقا می دهد، یاد خواهید گرفت. از بیوگرافی هنرمند و عکس‌های جذاب گرفته تا رزومه‌ها/سی وی‌های صیقلی، نامه‌های پوششی متقاعدکننده، وب‌سایت‌های جذاب، و ویدیوهای تبلیغاتی جذاب، این دوره شما را با مواد تبلیغاتی مورد نیاز برای ایجاد یک حضور قوی و حرفه‌ای در صنعت موسیقی آشنا می‌کند. با تسلط بر هنر ایجاد مواد تبلیغاتی قانع کننده، می توانید به طور موثر استعداد خود را به نمایش بگذارید، هویت برند منحصر به فرد خود را منتقل کنید و تأثیری ماندگار بر مخاطبان هدف خود بگذارید. این دوره را می توان به تنهایی یا به عنوان بخشی از تخصص "جعبه ابزار حرفه ای موسیقیدان" گذراند.

coursera مواد در بهداشت دهان و دندان (Mitalearn-347001)

  • 3 ساعت 29 دقیقه
  • مناسب همه
  • انتشار: 23 June 2026
  • مدرس: Jukka Pekka Matinlinna,James Kit Hon Tsoi
درباره این دوره:

انگیزه توسعه بیوموادهای جدید و جدید خوراکی با توجه به اینکه امروزه بسیاری از مردم از بیومواد خوراکی استفاده می کنند و مزایای آنها را در بازیابی و بهبود سلامت دهان و دندان خود برای داشتن یک سبک زندگی لذت بخش تر می بینند، هرگز مهم نبوده است. خواص منحصر به فرد مواد زیستی مانند تیتانیوم (Ti)، زیرکونیا (ZrO2) و مواد پلیمری مختلف، آنها را به مواد انتخابی در سلامت دهان تبدیل کرده است: ایمپلنت های دندانی، جراحی دهان و فک و صورت و حتی پزشکی ترمیمی. امروزه تحقیقات بیومواد دهانی یک حوزه چند رشته‌ای هیجان‌انگیز و فشرده است که مشارکت‌های طیف گسترده‌ای از زمینه‌ها از دندانپزشکی حرفه‌ای گرفته تا زیست‌شناسی، شیمی، فیزیک، علم مواد و مهندسی را در بر می‌گیرد. مواد در بهداشت دهان و دندان یک دوره 4 هفته ای رایگان است که برای همه زبان آموزان علاقه مند آزاد است. در این دوره، با خواص و مزایای ویژه بیومواد از جمله آلیاژهای تیتانیوم و تیتانیوم، زیرکونیا و سایر آلیاژها، سرامیک ها و کامپوزیت های مدرن آشنا خواهید شد. شما بینش هایی در مورد استفاده عملی از این مواد زیستی در جنبه های مختلف دندانپزشکی و پیامدهای بالینی به دست خواهید آورد. متوجه خواهید شد که دندانپزشکی معاصر چگونه مواد مصنوعی را با بافت های زنده دندان و استخوان یکی می کند. شما با نقش های حیاتی دندانپزشکی دیجیتال در تماس خواهید بود و در مورد فناوری CAD/CAM در ساخت روکش، پرینت سه بعدی و ارتودنسی دیجیتال اطلاعات کسب خواهید کرد. و در آخر با روش ها و روش های آزمایشی که برای آزمایش خواص مکانیکی قابل توجه بیومواد در آزمایشگاه تحقیقاتی استفاده می شود آشنا خواهید شد. ما صمیمانه از شما که مایل به ایجاد تغییر در مواد دندانپزشکی فردا و توسعه سلامت دهان هستید دعوت می کنیم تا در سفر 4 هفته ای مواد در بهداشت دهان به ما بپیوندید. شما می توانید با دریافت گواهینامه دوره به رسمیت شناخته شوید. می توانید به جزئیات مراجعه کنید: https://learner.coursera.help/hc/en-us/articles/208280196

مهارت‌های مرتبط

coursera مواد شیمیایی و بهداشت (Mitalearn-337532)

  • 6 ساعت 4 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Dr. Megan Weil Latshaw, PhD,Beth A. Resnick, MPH
درباره این دوره:

این دوره به بررسی مواد شیمیایی موجود در محیط و بدن ما و چگونگی تأثیر آنها بر سلامت ما می پردازد. این به سیاست ها و اقدامات مربوط به مواد شیمیایی می پردازد، به ویژه مربوط به نحوه ورود آنها به بدن ما (قرار گرفتن در معرض)، کارهایی که هنگام رسیدن به آنجا انجام می دهند (سم شناسی)، نحوه اندازه گیری آنها (پایش زیستی) و تأثیر آنها بر سلامت ما. بیشتر نمونه ها از ایالات متحده گرفته شده است.

مهارت‌های مرتبط

linkedin مواد معماری: طراحی برای تعالی و پایداری (Mitalearn-411533)

  • 44 دقیقه
  • مناسب همه
  • انتشار: 19 January 2024
  • مدرس: Branka Knezevic
درباره این دوره: 

 

مواد یکی از بسترهای کلاسیک معماری هستند: مؤلفه اصلی طراحی فضاهای زیبا ، کاربردی و پایدار. این دوره شامل همه چیزهایی است که شما باید در مورد مواد معماری بدانید ، از جمله تاریخچه آنها ، زمینه اجتماعی ، دسته ها ، روش های مونتاژ ، عملکرد و موارد دیگر. برای درک چگونگی انتخاب مناسب ترین و پایدارترین مواد برای پروژه بعدی خود ، بینش هایی را در مورد آخرین روند برش با محصولات و دسته بندی مواد جمع آوری کنید. در طول راه ، شما در مورد برخی از بهترین روشها برای مشخص کردن مواد در طرح های خود ، مانند MasterSpec و استانداردهای ساختمان سبز مانند LEED ، خواهید آموخت. در پایان این دوره ، شما آماده خواهید بود تا از فرصت های جدید در زمینه خود بهره مند شوید و مهارت های هنری و فنی خود را به عنوان یک طراح به سطح بعدی برسانید.


مهارت‌های مرتبط

coursera مواد هوش مصنوعی (Mitalearn-303447)

  • 3 ساعت 41 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Seungbum Hong
درباره این دوره:

در مورد موادی که عملکرد هوش مصنوعی را پیشرفته کرده‌اند و مدل‌های یادگیری ماشینی که می‌توانند به سرعت بخشیدن به طراحی و توسعه مواد جدید کمک کنند، بیاموزید. این دوره هوش مصنوعی (AI) را به عنوان ماشینی تعریف می کند که برخی یا تمام عملکردهای مغز انسان به آن واگذار شده است. این نیاز را برجسته می کند و به روشی آسان توضیح می دهد که چگونه یادگیری ماشینی از هوش مصنوعی می تواند به طور چشمگیری توسعه مواد جدید را تسریع کند.

مهارت‌های مرتبط

linkedin موتور غیر واقعی 5 برای مبتدیان: اصول اولیه تولید مجازی (Mitalearn-438410)

  • 4 ساعت 58 دقیقه
  • مناسب همه
  • انتشار: 14 January 2025
  • مدرس: Skillshare
درباره این دوره: 

 

با Enreal Engine 5 در این دوره دستی و هیجان انگیز برای مبتدیان طراحی شده توسط SkillShare شروع کنید. در مورد رابط کاربری ، نحوه ساخت مناظر واقع بینانه و صحنه های داخلی و همچنین اصول تولید مجازی مانند ردیابی دوربین زنده ، کلید سازی Chroma و DMX بیاموزید. بیابید که چگونه دوربین های مجازی را تحریک کنید یا یک ردیابی زنده را با استفاده از تلفن خود ضبط کنید تا سکانس های سینمایی خیره کننده ای ایجاد کنید که صادر کردن و به اشتراک گذاری آنلاین آسان است. در پایان این دوره ، شما همچنین آماده خواهید بود که صحنه خود را ایجاد کنید و روحیه دلخواه خود را با استفاده از چراغ ها تنظیم کنید.

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


مهارت‌های مرتبط

دوره‌های پیشنهادی