کاتالوگ دوره‌ها

مدت زمان دوره

ارائه دهنده

موضوع

طبقه‌ها

نمایش 17,181 تا 17,200 مورد از کل 17,394 مورد.

linkedin یادگیری لینکدین: قدرت سفر حرفه ای شما (Mitalearn-440518)

  • 1 ساعت 16 دقیقه
  • مناسب همه
  • انتشار: 25 July 2026
  • مدرس: Oliver Schinkten
درباره این دوره:

در این دوره، الیور شینکتن – سخنران ملی، مشاور، نویسنده و مربی ویدیویی – راه هایی را برجسته می کند که می توانید از قدرت لینکدین استفاده کنید. نحوه اشتراک‌گذاری به‌روزرسانی‌ها و انتشار محتوا با استفاده از کمک نوشتن هوش مصنوعی، جستجوی مشاغل با تطابق مبتنی بر هوش مصنوعی، و کمک به رهبری فکری خود را که با پیشنهادات محتوای هوشمند بهبود یافته است، بیابید. نحوه ایجاد و بهینه سازی نمایه LinkedIn خود را با توصیه های مبتنی بر هوش مصنوعی بیابید، شبکه LinkedIn خود را از طریق پیشنهادات اتصال هوشمند توسعه دهید، و با استفاده از کمک پاسخ هوشمند با مخاطبین ارتباط برقرار کنید. راه‌هایی را برای اشتراک‌گذاری به‌روزرسانی‌ها و محتوا با استفاده از ابزارهای نوشتن هوش مصنوعی کشف کنید و از حالت ایجادکننده با بینش‌های تحلیلی برای افزایش دنبال‌کنندگان خود استفاده کنید. نکات کاربردی در مورد جستجوی شغل از طریق الگوریتم‌های تطبیق هوش مصنوعی دریافت کنید و یاد بگیرید که چگونه ویژگی بهبودیافته چه کسی نمایه شما را مشاهده کرده است تفسیر کنید. به‌علاوه، تنظیمات حریم خصوصی و انواع حساب‌ها را بررسی کنید و نحوه بایگانی کردن داده‌های خود و حذف حساب خود را مرور کنید.

مهارت‌های مرتبط

linkedin یادگیری مادام العمر به عنوان ابزاری برای ایجاد شغل شما (Mitalearn-231826)

  • 33 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Living Corporate
درباره این دوره:

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.

مهارت‌های مرتبط

coursera یادگیری مادام العمر خود را شروع کنید (Mitalearn-291258)

  • 1 ساعت 20 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Accenture Teaching Staff
درباره این دوره:

این دوره آموزشی پایه ای طراحی شده است تا تکنیک هایی را در اختیار شما قرار دهد تا به شما در اتخاذ یک طرز فکر رشد، برخورد موثر با دیگران، حل مشکلات و تفکر از طریق تصمیم گیری کمک کند. این مجموعه ابزاری را در اختیار شما قرار می دهد تا به شما در حل چالش های روزمره در محل کار و زندگی روزمره کمک کند. در پایان این دوره، شما قادر خواهید بود: - مولفه های اصلی یادگیری مادام العمر را شناسایی کنید - استراتژی هایی را برای مدیریت احساسات، مقابله با استرس و برقراری ارتباط موثر کشف کنید - روش هایی را برای آسان تر کردن حل مسئله بشناسید - نحوه ارزیابی اطلاعات و تفکر از طریق تصمیمات را تجزیه و تحلیل کنید این دوره به چهار ماژول تقسیم می شود: یادگیری مادام العمر، هوش هیجانی، حل مسائل و تفکر انتقادی. در ماژول اول، آموزش مادام العمر، شما با اهمیت یادگیری در طول زندگی خود آشنا خواهید شد. شما در مورد توانایی مغز برای یادگیری چیزهای جدید و انواع طرز فکری که به این فرآیند کمک می کند، پی خواهید برد. همچنین خواهید آموخت که اشتباه کردن و دریافت راهنمایی در مورد چگونگی دستیابی به ذهنیت رشد اشکالی ندارد. ایجاد روابط مستحکم و خنثی کردن تعارض، توانایی های کلیدی برای حفظ یک زندگی حرفه ای و شخصی سالم است. در ماژول دو، هوش عاطفی، با این موارد آشنا خواهید شد. همچنین در مورد خود تنظیمی و اینکه چگونه تمرینات زمینی می توانند به شما در رسیدن به آن کمک کنند، خواهید آموخت. مهارت های اضافی که از این ماژول خواهید ساخت شامل شناخت مخاطبان، گوش دادن فعال و مدیریت تضاد است. توانایی شناسایی علت یک مشکل و فکر کردن از طریق راه حل های مناسب، مهارت های مهمی است. در ماژول سه، حل مسائل، با تفاوت بین مسائل ساده و پیچیده آشنا می شوید و استراتژی هایی را برای حل آنها بررسی می کنید. همچنین با تکنیک هایی برای ساده سازی تصمیم گیری آشنا خواهید شد. در آخرین ماژول، تفکر انتقادی، شما به درک عمیقی از اهمیت تفکر انتقادی دست خواهید یافت و همچنین با تکنیک هایی آشنا خواهید شد که به شما در ارزیابی موثر اطلاعات کمک می کند. این یک دوره پایه است و هیچ تجربه قبلی خاصی لازم نیست. مفاهیم و مهارت هایی که در این دوره یاد خواهید گرفت به شما کمک می کند نه تنها در زندگی حرفه ای بلکه در زندگی شخصی خود نیز موفق باشید. حق چاپ © 2023 Accenture. تمامی حقوق محفوظ است. Accenture و لوگوی آن علائم تجاری ثبت شده Accenture هستند.

linkedin یادگیری ماشین با ML.NET (Mitalearn-234393)

  • 1 ساعت 6 دقیقه
  • مناسب همه
  • انتشار: 22 June 2026
  • مدرس: Microsoft .NET,Pranav Rastogi
درباره این دوره:

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.

مهارت‌های مرتبط

datacamp یادگیری ماشین با PySpark (Mitalearn-402013)

  • 1 ساعت 23 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Andrew Collier
درباره این دوره:

Spark یک ابزار قدرتمند و همه منظوره برای کار با Big Data است. Spark به طور شفاف توزیع وظایف محاسباتی را در یک خوشه انجام می دهد. این بدان معنی است که عملیات سریع است، اما همچنین به شما امکان می دهد به جای نگرانی در مورد جزئیات فنی، روی تجزیه و تحلیل تمرکز کنید. در این دوره شما یاد خواهید گرفت که چگونه داده ها را به Spark وارد کنید و سپس به سه الگوریتم اصلی یادگیری ماشین اسپارک بپردازید: رگرسیون خطی، رگرسیون لجستیک / طبقه بندی کننده ها، و ایجاد خطوط لوله. در طول مسیر، مجموعه داده بزرگی از تاخیرهای پرواز و پیام های متنی هرزنامه را تجزیه و تحلیل خواهید کرد. با این پیش زمینه، شما آماده خواهید بود که از قدرت Spark استفاده کنید و آن را در پروژه های یادگیری ماشین خود به کار ببرید!

مهارت‌های مرتبط

linkedin یادگیری ماشین با Scikit-Learn (Mitalearn-195174)

  • 43 دقیقه
  • پیشرفته
  • انتشار: 26 July 2026
  • مدرس: Madecraft,Michael Galarnyk
درباره این دوره:

توانایی اعمال الگوریتم‌های یادگیری ماشین بخش مهمی از مجموعه مهارت‌های دانشمند داده است. scikit-learn یک کتابخانه منبع باز محبوب پایتون است که نسخه های کاربرپسند و کارآمد از الگوریتم های رایج یادگیری ماشین را ارائه می دهد. در این دوره، مایکل گالارنیک، دانشمند داده، نحوه استفاده از scikit-learn را برای یادگیری ماشینی تحت نظارت و بدون نظارت توضیح می دهد. مایکل مزایای این API با کاربرد آسان را بررسی می‌کند و سپس به سرعت به تکنیک‌های عملی می‌پردازد، از رگرسیون خطی و لجستیک، درخت‌های تصمیم‌گیری و مدل‌های جنگل تصادفی شروع می‌کند. در فصل سوم، او تکنیک های یادگیری بدون نظارت مانند خوشه بندی K-means و تجزیه و تحلیل اجزای اصلی (PCA) را پوشش می دهد. بعلاوه، یاد بگیرید که چگونه خط لوله‌های Sicit-Learn ایجاد کنید تا کد خود را تمیزتر و در برابر اشکالات انعطاف‌پذیرتر کنید. در پایان دوره، شما قادر خواهید بود نقاط قوت و ضعف هر الگوریتم Sicit-Learn را درک کنید و مدل های یادگیری ماشینی بهتر و کارآمدتری بسازید.nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

MadeCraft-Description-Logo.jpg

coursera یادگیری ماشین با آپاچی اسپارک (Mitalearn-332619)

  • 2 ساعت 11 دقیقه
  • متوسط
  • انتشار: 23 June 2026
  • مدرس: IBM Skills Network Team,Ramesh Sannareddy
درباره این دوره:

با این دوره آموزشی IBM دنیای هیجان انگیز یادگیری ماشینی را کاوش کنید. قبل از باز کردن قدرت Apache Spark برای ساخت و استقرار مدل‌های ML برای برنامه‌های مهندسی داده، با یادگیری اصول ML شروع کنید. در تکنیک های یادگیری تحت نظارت و بدون نظارت غوطه ور شوید و از طریق خواندن و ویدئوهای آموزشی، امکانات انقلابی هوش مصنوعی مولد را کشف کنید. تجربه عملی با جریان ساختار یافته Spark به دست آورید، درکی از مهندسی داده و خطوط لوله ML ایجاد کنید و در ارزیابی مدل های ML با استفاده از SparkML ماهر شوید. در آزمایشگاه‌های عملی، شما از SparkML برای رگرسیون، طبقه‌بندی و خوشه‌بندی استفاده می‌کنید که به شما امکان می‌دهد مدل‌های پیش‌بینی و طبقه‌بندی بسازید. به خوشه‌های Spark متصل شوید، مجموعه داده‌های SparkSQL را تجزیه و تحلیل کنید، فعالیت‌های ETL را انجام دهید و مدل‌های ML را با استفاده از Spark ML و sci-kit Learn ایجاد کنید. در نهایت، مهارت های کسب شده خود را از طریق یک تکلیف نهایی نشان دهید. این دوره متوسط ​​​​برای مهندسین داده مشتاق و با تجربه و همچنین متخصصان فعال در تجزیه و تحلیل داده ها و یادگیری ماشین مناسب است. دانش قبلی در Big Data، Hadoop، Spark، Python و ETL برای این دوره به شدت توصیه می شود.

linkedin یادگیری ماشین با پایتون: k-Means Clustering (Mitalearn-392561)

  • 50 دقیقه
  • مناسب همه
  • بروزرسانی: 1 May 2024
  • مدرس: Frederick Nwanganga
درباره این دوره: 

 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.

linkedin یادگیری ماشین با پایتون: درختان تصمیم (Mitalearn-392544)

  • 1 ساعت 14 دقیقه
  • مناسب همه
  • بروزرسانی: 25 July 2026
  • مدرس: Frederick Nwanganga
درباره این دوره:

درخت‌های تصمیم یکی از رایج‌ترین رویکردهایی هستند که در یادگیری ماشین نظارت شده استفاده می‌شوند. ساختن درخت تصمیم به شما این امکان را می‌دهد تا با تقلید از تصمیم‌گیری اگر به‌عنوان یک رفتار طبیعی انسانی، روابط پیچیده بین متغیرها را مدل کنید. در این دوره آموزشی، مربی فردریک نوانگانگا به شما یک نمای کلی از نحوه جمع‌آوری، کاوش و تبدیل داده‌های خود در آماده‌سازی برای ساخت مدل‌های درخت تصمیم در پایتون می‌دهد.

قدرت درخت‌های تصمیم‌گیری، چیستی و چگونگی آن‌ها را کشف کنید. آنها ساخته می شوند و چگونه ناخالصی را در یک پارتیشن تعیین می کنند. نکاتی را از فردریک در مورد ساخت، تجسم، هرس و استفاده از درخت تصمیم در پایتون از جمله درختان طبقه بندی و درختان رگرسیون دریافت کنید. در پایان این دوره، شما آماده خواهید بود که مدل های خود را بسازید و آنها را در دامنه های مختلف اعمال کنید.

linkedin یادگیری ماشین با پایتون: رگرسیون لجستیک (Mitalearn-392595)

  • 1 ساعت 19 دقیقه
  • مناسب همه
  • بروزرسانی: 29 April 2024
  • مدرس: Frederick Nwanganga
درباره این دوره: 

 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.

linkedin یادگیری ماشین با پایتون: قوانین انجمن (Mitalearn-392578)

  • 1 ساعت 27 دقیقه
  • مناسب همه
  • بروزرسانی: 25 April 2024
  • مدرس: Frederick Nwanganga
درباره این دوره: 

 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.

linkedin یادگیری ماشین با پایتون: مبانی (Mitalearn-218192)

  • 1 ساعت 54 دقیقه
  • مناسب همه
  • بروزرسانی: 21 June 2026
  • مدرس: Frederick Nwanganga
درباره این دوره:

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.

linkedin یادگیری ماشین با رگرسیون لجستیک در Excel، R و Power BI (Mitalearn-217903)

  • 2 ساعت 49 دقیقه
  • مناسب همه
  • انتشار: 21 June 2026
  • مدرس: Helen Wall
درباره این دوره:


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.

datacamp یادگیری ماشین با کارت در R (Mitalearn-404869)

  • 51 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Zachary Deane-Mayer,Max Kuhn
درباره این دوره:

یادگیری ماشینی مطالعه و کاربرد الگوریتم‌هایی است که از داده‌ها یاد می‌گیرند و پیش‌بینی می‌کنند. از نتایج جستجو گرفته تا خودروهای خودران، در همه زمینه‌های زندگی ما ظاهر شده است و یکی از هیجان‌انگیزترین و سریع‌ترین زمینه‌های تحقیقاتی در دنیای علم داده است. این دوره ایده های بزرگ در یادگیری ماشین را آموزش می دهد: چگونه مدل های پیش بینی بسازیم و ارزیابی کنیم، چگونه آنها را برای عملکرد بهینه تنظیم کنیم، چگونه داده ها را برای نتایج بهتر پردازش کنیم و خیلی چیزهای دیگر. بسته محبوب caret R، که یک رابط ثابت برای همه قدرتمندترین امکانات یادگیری ماشین R ارائه می‌کند، در طول دوره استفاده می‌شود.

مهارت‌های مرتبط

linkedin یادگیری ماشین برای iOS: Core ML و Create ML (Mitalearn-227355)

  • 38 دقیقه
  • مناسب همه
  • انتشار: 22 June 2026
  • مدرس: Emmanuel Henri
درباره این دوره:

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.

datacamp یادگیری ماشین برای امور مالی در پایتون (Mitalearn-402829)

  • 1 ساعت
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Nathan George
درباره این دوره:

داده های سری زمانی در اطراف ما هستند. برخی از نمونه ها آب و هوا، الگوهای رفتاری انسان به عنوان مصرف کنندگان و اعضای جامعه و داده های مالی هستند. در این دوره آموزشی، نحوه محاسبه شاخص‌های فنی از داده‌های سهام تاریخی و نحوه ایجاد ویژگی‌ها و اهداف از داده‌های تاریخی سهام را خواهید آموخت. خواهید فهمید که چگونه ویژگی های ما را برای مدل های خطی، مدل های xgboost و مدل های شبکه عصبی آماده کنید. سپس از مدل های خطی، درخت تصمیم، جنگل های تصادفی و شبکه های عصبی برای پیش بینی قیمت آتی سهام در بازارهای ایالات متحده استفاده خواهیم کرد. همچنین یاد می‌گیرید که چگونه عملکرد مدل‌های مختلفی را که آموزش می‌دهیم ارزیابی کنید تا آنها را بهینه کنیم، بنابراین پیش‌بینی‌های ما دقت کافی برای سودآور کردن استراتژی معاملات سهام دارند.

مهارت‌های مرتبط

datacamp یادگیری ماشین برای بازاریابی در پایتون (Mitalearn-405022)

  • 1 ساعت 14 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Karolis Urbonas
درباره این دوره:

ظهور یادگیری ماشینی (تقریباً مانند "ظهور ماشین ها" به نظر می رسد؟) و کاربرد روش های آماری در بازاریابی، این حوزه را برای همیشه تغییر داده است. یادگیری ماشینی برای بهینه‌سازی سفرهای مشتری استفاده می‌شود که رضایت و ارزش طول عمر آنها را به حداکثر می‌رساند. این دوره ابزارهای اساسی را در اختیار شما قرار می دهد که می توانید بلافاصله برای بهبود استراتژی بازاریابی شرکت خود به کار ببرید. شما یاد خواهید گرفت که چگونه از تکنیک‌های مختلف برای پیش‌بینی ریزش مشتری و تفسیر محرک‌های آن، اندازه‌گیری و پیش‌بینی ارزش طول عمر مشتری، و در نهایت، ساخت بخش‌های مشتری بر اساس الگوهای خرید محصول استفاده کنید. از داده‌های مشتری از یک شرکت مخابراتی برای پیش‌بینی ریزش استفاده می‌کنید، یک مجموعه داده پولی اخیر-فرکانس-پولی از یک خرده‌فروش آنلاین برای پیش‌بینی ارزش طول عمر مشتری ایجاد می‌کنید، و بخش‌های مشتری را از داده‌های خرید محصول از یک فروشگاه مواد غذایی ایجاد می‌کنید.

مهارت‌های مرتبط

coursera یادگیری ماشین برای بینایی کامپیوتر (Mitalearn-333078)

  • 1 ساعت 31 دقیقه
  • مبتدی
  • انتشار: 23 June 2026
  • مدرس: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در دوره دوم گرایش بینایی کامپیوتر برای مهندسی و علوم، دو مورد از رایج ترین کارهای بینایی کامپیوتر را انجام خواهید داد: طبقه بندی تصاویر و تشخیص اشیا. شما کل گردش کار یادگیری ماشین را، از آماده سازی داده های خود تا ارزیابی نتایج خود، اعمال خواهید کرد. در پایان این دوره، مدل‌های یادگیری ماشینی را برای طبقه‌بندی تصاویر تابلوهای خیابان و تشخیص عیوب مواد آموزش می‌دهید. شما در طول این دوره از MATLAB استفاده خواهید کرد.  متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف بینایی رایانه‌تان را فراهم می‌کند.  در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این تخصص، داشتن تجربه قبلی در پردازش تصویر کمک خواهد کرد.  اگر با داده های تصویری تازه کار هستید، توصیه می شود ابتدا تخصص پردازش تصویر برای مهندسی و علوم را تکمیل کنید.

datacamp یادگیری ماشین برای تجزیه و تحلیل بازاریابی در R (Mitalearn-406688)

  • 1 ساعت 12 دقیقه
  • مناسب همه
  • انتشار: 28 June 2026
  • مدرس: Verena Pflieger
درباره این دوره:

این فرصتی است که با استفاده از R به دنیای بازاریابی و تجزیه و تحلیل تجاری شیرجه بزنید. روز به روز تصمیمات زیادی وجود دارد که شرکت ها باید با آنها روبرو شوند. با کمک مدل‌های آماری، می‌توانید از فرآیند تصمیم‌گیری کسب‌وکار بر اساس داده‌ها پشتیبانی کنید، نه احساس درونی‌تان. اجازه دهید به شما نشان دهیم که مدل سازی آماری چه تاثیر زیادی می تواند بر عملکرد کسب و کارها داشته باشد. شما می‌خواهید در مورد استراتژی‌هایی بیاموزید و از آنها استفاده کنید تا با نتایج خود ارتباط برقرار کنید و به آنها کمک کنید تفاوت ایجاد کنند.

مهارت‌های مرتبط

linkedin یادگیری ماشین برای توسعه دهندگان iOS (Mitalearn-141930)

  • 1 ساعت 25 دقیقه
  • پیشرفته
  • انتشار: 22 June 2026
  • مدرس: Brian Advent
درباره این دوره:

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.

مهارت‌های مرتبط

دوره‌های پیشنهادی