Course catalog

Course duration

Course provider

Topic

Categories

Showing 281-300 of 382 items.

coursera مهندسی داده با Rust (Mitalearn-332806)

  • 7 hours 36 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift,Alfredo Deza
درباره این دوره:

آیا شما یک مهندس داده، توسعه‌دهنده نرم‌افزار یا یک علاقه‌مند به فناوری با درک اولیه از Rust هستید و به دنبال افزایش مهارت‌های خود و غواصی عمیق در قلمرو مهندسی داده با Rust هستید؟ یا آیا شما یک حرفه ای از یک پیشینه زبان برنامه نویسی دیگر هستید و قصد دارید ویژگی های کارایی، ایمنی و همزمانی Rust را برای کارهای مهندسی داده کشف کنید؟ اگر چنین است، این دوره برای شما طراحی شده است. در حالی که انتظار می رود دانش بنیادی Rust داشته باشید، شما باید به طور ایده آل با اصول ساختار داده ها و الگوریتم ها راحت باشید و درک درستی از پایگاه های داده و پردازش داده داشته باشید. آشنایی با SQL، خط فرمان و کنترل نسخه با git مزیت دارد. این دوره چهار هفته ای بر استفاده از Rust برای ایجاد سیستم های پردازش داده کارآمد، ایمن و همزمان تمرکز دارد. سفر با غواصی عمیق در ساختارهای داده و مجموعه‌های Rust آغاز می‌شود و به دنبال آن ویژگی‌های ایمنی و امنیتی Rust در زمینه مهندسی داده بررسی می‌شود. در هفته بعد، کتابخانه ها و ابزارهای خاص مهندسی داده مانند Diesel، async، Polars، و Apache Arrow را کاوش خواهید کرد و یاد خواهید گرفت که با سیستم های پردازش داده، REST، پروتکل های gRPC و AWS SDK برای عملیات داده مبتنی بر ابر ارتباط برقرار کنید. . هفته آخر بر روی طراحی و پیاده سازی سیستم های پردازش داده کامل با استفاده از Rust تمرکز دارد. در پایان این دوره، شما به خوبی برای استفاده از Rust برای انجام وظایف مهندسی داده در مقیاس بزرگ، حل مشکلات دنیای واقعی با کارایی و سرعت مجهز خواهید شد. آزمایشگاه‌ها و پروژه‌های عملی در طول این دوره به شما اطمینان می‌دهند که تجربه عملی به دست آورید و دانش خود را عملی کنید. این دوره دروازه شما برای تسلط بر مهندسی داده با Rust است و شما را برای سطح بعدی در سفر مهندسی داده خود آماده می کند.

coursera مهندسی داده در AWS (Mitalearn-329287)

  • 1 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

مهندسی داده در AWS اولین دوره در تخصص AWS Certified Machine Learning تخصص است. این دوره به زبان آموزان کمک می کند تا تکنیک های مختلف جمع آوری داده ها را تجزیه و تحلیل کنند. آنها همچنین بینشی برای رسیدگی به داده های از دست رفته به دست خواهند آورد. این دوره به دو ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره آموزشی با سخنرانی‌های ویدیویی حدوداً 2:30 تا 3:00 ساعت که هم تئوری و هم دانش عملی را ارائه می‌کند، به زبان‌آموزان تسهیل می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: مقدمه ای بر مهندسی داده ماژول 2: استخراج ویژگی و انتخاب ویژگی نامزد باید حداقل دو سال تجربه عملی در معماری و اجرای بارهای کاری ML در AWS Cloud داشته باشد. فرد باید دانش اولیه الگوریتم های ML را داشته باشد. در پایان این دوره، زبان آموز قادر خواهد بود: - تکنیک های مختلف جمع آوری داده ها را درک کنید - تجزیه و تحلیل تکنیک های مدیریت داده های از دست رفته - پیاده سازی استخراج ویژگی و انتخاب ویژگی با تجزیه و تحلیل مؤلفه اصلی و واریانس آستانه ها

coursera مهندسی سریع برای ChatGPT (Mitalearn-326295)

  • 5 hours 54 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Jules White
درباره این دوره:

ChatGPT و سایر مدل های زبان بزرگ در زندگی و تجارت شما مهمتر از گوشی هوشمند شما خواهند بود، اگر درست از آنها استفاده کنید. ChatGPT می تواند به کودک شما در ریاضیات آموزش دهد، برنامه غذایی و دستور العمل تهیه کند، برنامه های نرم افزاری برای کسب و کار شما بنویسد، به شما کمک کند امنیت سایبری شخصی خود را بهبود ببخشید، و این درست در اولین ساعتی است که از آن استفاده می کنید. این دوره به شما یاد می دهد که چگونه یک کاربر متخصص از این ابزارهای مولد هوش مصنوعی باشید. این دوره نمونه های شگفت انگیزی را نشان می دهد که چگونه می توانید از هوش و استدلال اضطراری این ابزارهای هوش مصنوعی بهره ببرید، چگونه می توانید از آنها برای بهره وری روز به روز استفاده کنید و به شما بینشی در مورد نحوه کار آنها می دهد. مدل‌های زبان بزرگ به دستورالعمل‌ها و سؤالات مطرح شده توسط کاربران در عبارات زبان طبیعی پاسخ می‌دهند که به «اعلان‌ها» معروف هستند. اگرچه مدل‌های بزرگ زبان بسیاری از زمینه‌ها را مختل می‌کنند، اکثر کاربران مهارت‌های لازم برای نوشتن پیام‌های مؤثر را ندارند. کاربران خبره، که نحوه نوشتن اعلان‌های خوب را می‌دانند، در مرتبه‌ای مولدتر هستند و می‌توانند کاربردهای خلاقانه‌تری را برای این ابزارها باز کنند. این دوره دانش آموزان را با الگوها و رویکردهای نوشتن دستورهای موثر برای مدل های زبان بزرگ آشنا می کند. هر کسی می‌تواند این دوره را بگذراند و تنها دانش مورد نیاز، مهارت‌های اولیه استفاده از رایانه، مانند استفاده از مرورگر و دسترسی به ChatGPT است. دانش‌آموزان با اعلان‌های اولیه شروع می‌کنند و به سمت نوشتن اعلان‌های پیچیده برای حل مشکلات در هر حوزه می‌روند. در پایان دوره، دانش‌آموزان مهارت‌های مهندسی سریع و قوی خواهند داشت و می‌توانند از مدل‌های زبانی بزرگ برای طیف وسیعی از وظایف در شغل، تجارت، زندگی شخصی و تحصیلات خود مانند نوشتن، خلاصه‌نویسی، بازی، برنامه‌ریزی استفاده کنند. ، شبیه سازی و برنامه نویسی

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

  • 1 hours
  • مناسب همه
  • Release date: 28 June 2026
  • Author: 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!

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

  • 56 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: 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.

datacamp مهندسی ویژگی در R (Mitalearn-405821)

  • 47 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: 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!

Related Skills

coursera میز کار یونیکس (Mitalearn-327162)

  • 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sean Kross,Jeff Leek, PhD,Brian Caffo, PhD
درباره این دوره:

یونیکس پایه‌ای را تشکیل می‌دهد که اغلب برای دستیابی به اهداف دیگری که ممکن است برای خود و رایانه‌تان داشته باشید، بسیار مفید است، خواه این هدف راه اندازی یک تجارت، نوشتن کتاب، درمان بیماری یا ایجاد برنامه عالی بعدی باشد. ابزار دستیابی به این اهداف گاهی با نوشتن نرم افزار انجام می شود. نرم‌افزار را نمی‌توان از زمین استخراج کرد، و همچنین نمی‌توان بذرهای نرم‌افزار را در بهار برای برداشت تا پاییز کاشت. نرم افزار در کارخانه ها در خط مونتاژ تولید نمی شود. نرم افزار یک کالای دست ساز و اغلب سفارشی است. اگر یک توسعه دهنده نرم افزار یک صنعتگر باشد، یونیکس میز کار آنها است. یونیکس مجموعه ای ضروری و ساده از ابزارها را در محیطی بدون حواس پرتی فراهم می کند. حتی اگر توسعه‌دهنده نرم‌افزار نیستید، یادگیری یونیکس می‌تواند روش‌های جدید تفکر و راه‌های جدید برای مقیاس‌بندی ایده‌هایتان را در اختیار شما قرار دهد. این دوره برای افرادی در نظر گرفته شده است که تازه برنامه نویسی می کنند و با سیستم عامل های مشابه یونیکس مانند macOS و توزیع های لینوکس مانند اوبونتو جدید هستند. بیشتر فناوری های مورد بحث در این دوره از طریق یک رابط خط فرمان قابل دسترسی خواهند بود. رابط‌های خط فرمان در ابتدا می‌توانند بیگانه به نظر برسند، بنابراین این دوره سعی می‌کند بین استفاده از خط فرمان و اقداماتی که معمولاً هنگام استفاده از ماوس و صفحه‌کلید انجام می‌دهید، تشابهاتی را ترسیم کند. همچنین یاد خواهید گرفت که چگونه قطعات کوچکی از نرم افزار را در زبان برنامه نویسی به نام Bash بنویسید، که به شما امکان می دهد ابزارهایی را که در مورد آن صحبت خواهیم کرد به هم متصل کنید. امید من این است که در پایان این دوره بتوانید از ابزارهای مختلف یونیکس طوری استفاده کنید که گویی در حال اتصال آجرهای لگو هستند.

coursera نجوم داده محور (Mitalearn-351387)

  • 3 hours 31 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Tara Murphy,Simon Murphy
درباره این دوره:

علم دستخوش انفجار داده است و نجوم پیشرو است. تلسکوپ‌های مدرن در هر رصد، ترابایت داده تولید می‌کنند و شبیه‌سازی‌های مورد نیاز برای مدل‌سازی جهان قابل مشاهده ما، ابررایانه‌ها را به حد خود می‌رساند. برای تجزیه و تحلیل این داده ها، دانشمندان باید بتوانند به صورت محاسباتی برای حل مسائل فکر کنند. در این دوره شما چالش های کار با مجموعه داده های بزرگ را بررسی خواهید کرد: نحوه پیاده سازی الگوریتم هایی که کار می کنند. چگونه از پایگاه های داده برای مدیریت داده های خود استفاده کنید. و چگونه از داده های خود با ابزارهای یادگیری ماشین یاد بگیرید. تمرکز بر مهارت های عملی است - تمام فعالیت ها در پایتون 3، یک زبان برنامه نویسی مدرن که در سراسر نجوم استفاده می شود، انجام می شود. صرف نظر از اینکه قبلاً یک دانشمند هستید، در حال مطالعه برای تبدیل شدن به یک دانشمند هستید یا فقط علاقه مند به نحوه عملکرد نجوم مدرن "زیر سرپوش" هستید، این دوره به شما کمک می کند تا نجوم را کشف کنید: از سیارات، تپ اخترها تا سیاهچاله ها. خلاصه دوره: هفته 1: فکر کردن به داده ها - اصول تفکر محاسباتی - کشف تپ اخترها در تصاویر رادیویی هفته دوم: کلان داده کارها را کند می کند - نحوه تعیین پیچیدگی زمانی الگوریتم ها - کاوش سیاهچاله ها در مراکز کهکشان های عظیم هفته 3: پرس و جو داده ها با استفاده از SQL - نحوه استفاده از پایگاه های داده برای تجزیه و تحلیل داده های خود - بررسی سیارات فراخورشیدی در سایر منظومه های خورشیدی هفته 4: مدیریت داده های خود - نحوه راه اندازی پایگاه داده برای مدیریت داده های خود - کاوش چرخه زندگی ستارگان در کهکشان ما هفته پنجم: یادگیری از داده ها: رگرسیون - استفاده از ابزارهای یادگیری ماشین برای بررسی داده های شما - محاسبه انتقال به سرخ کهکشان های دور هفته 6: یادگیری از داده ها: طبقه بندی - استفاده از ابزارهای یادگیری ماشین برای طبقه بندی داده های خود - بررسی انواع کهکشان ها هر هفته همچنین با یک کارشناس نجوم مبتنی بر داده مصاحبه می شود. توجه داشته باشید که برخی از دانش پایتون از جمله متغیرها، ساختارهای کنترلی، ساختارهای داده، توابع و کار با فایل ها فرض شده است.

datacamp نظارت بر مفاهیم یادگیری ماشین (Mitalearn-404070)

  • 38 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hakim Elakhrass
درباره این دوره:

برای اطمینان از موفقیت بلندمدت مدل‌های یادگیری ماشینی، درک نحوه نظارت مؤثر بر آنها در تولید ضروری است. همانطور که یادگیری ماشین به طور گسترده در دنیای تجارت پذیرفته می شود، علم داده پس از استقرار به عنوان یک زمینه مهم در حال ظهور است. این دوره تمام مفاهیم ضروری مربوط به نظارت بر سیستم های یادگیری ماشین در تولید را پوشش می دهد تا ارزش کسب و کار را حفظ کند، خطر شکست را کاهش دهد و دید را افزایش دهد.

datacamp نظارت بر یادگیری ماشین در پایتون (Mitalearn-403713)

  • 41 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hakim Elakhrass,Maciej Balawejder
درباره این دوره:

نظارت بر مدل‌های یادگیری ماشینی موفقیت بلندمدت پروژه‌های یادگیری ماشینی شما را تضمین می‌کند. نظارت می تواند بسیار پیچیده باشد. با این حال، بسته‌های پایتون وجود دارد که به ما کمک می‌کند تا بفهمیم مدل‌هایمان چگونه عمل می‌کنند، چه داده‌هایی تغییر کرده‌اند که ممکن است منجر به کاهش عملکرد شود، و به ما سرنخ‌هایی می‌دهند که باید انجام دهیم تا مدل‌های خود را به مسیر درست برگردانیم. این دوره همه چیزهایی را که برای ساختن یک سیستم نظارت پایه در پایتون با استفاده از بسته محبوب مانیتور، nannyml، نیاز دارید، پوشش می دهد.

coursera نمونه سازی سریع یادگیری ماشین با IBM Watson Studio (Mitalearn-334234)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mark J Grover,Meredith Mante
درباره این دوره:

یک روند در حال ظهور در هوش مصنوعی در دسترس بودن فناوری‌هایی است که در آن از اتوماسیون برای انتخاب بهترین مدل، انجام مهندسی ویژگی و بهبود عملکرد مدل از طریق بهینه‌سازی فراپارامتر استفاده می‌شود. این اتوماسیون نمونه‌سازی سریع مدل‌ها را فراهم می‌کند و به Data Scientist اجازه می‌دهد تا تلاش‌های خود را بر روی استفاده از دانش دامنه برای تنظیم دقیق مدل‌ها متمرکز کند. این دوره زبان آموز را از طریق ایجاد یک خط لوله خودکار سرتاسر ساخته شده توسط ابزار آزمایشی AutoAI استودیو Watson، توضیح می دهد که فناوری زیربنایی در حال کار را که توسط IBM Research توسعه داده شده است، توضیح می دهد. تمرکز روی کار با یک نوت بوک پایتون است که به طور خودکار تولید می شود. به فراگیران مجموعه داده های آزمون برای دو مورد استفاده ارائه می شود. این دوره برای تمرین دانشمندان داده در نظر گرفته شده است. در حالی که این دوره قابلیت‌های هوش مصنوعی خودکار IBM Watson Studio را با AutoAI به نمایش می‌گذارد، این دوره مفاهیم یادگیری ماشین یا علم داده را توضیح نمی‌دهد. برای موفقیت باید دانش زیر را داشته باشید: گردش کار علم داده پیش پردازش داده ها مهندسی ویژگی الگوریتم های یادگیری ماشین بهینه سازی هایپرپارامتر اقدامات ارزیابی برای مدل ها کتابخانه Python و scikit-learn (از جمله کلاس Pipeline)

linkedin هوش مصنوعی برای بازاریابی (Mitalearn-196976)

  • 1 hours 21 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Madecraft,Jim Sterne
درباره این دوره:

هوش مصنوعی (AI) نحوه تعامل بازاریابان با مشتریان خود را تغییر می دهد. اما چگونه می توانید به عنوان یک بازاریاب از این فناوری بهره ببرید بدون اینکه یک شرکت چند میلیارد دلاری باشید؟ در این دوره پر عمل از مربی جیم استرن، بیاموزید که هوش مصنوعی چگونه بازاریابی را تغییر می دهد و چگونه می توانید از ابزارهای جدید و نوآورانه بهره ببرید. کشف کنید که هوش مصنوعی چگونه کار می کند و چگونه می توان از آن استفاده کرد. بیاموزید که چگونه هوش مصنوعی با یادگیری ماشینی متفاوت است و یادگیری ماشینی در کجا می تواند کمک کند. به‌علاوه، نکات مربوط به استفاده از فناوری‌ها در هوش مصنوعی را دریافت کنید و یاد بگیرید که چگونه می‌توانید از این ماشین‌ها به بهترین شکل ممکن استفاده کنید.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

coursera هوش مصنوعی برای پیش آگهی پزشکی (Mitalearn-332415)

  • 2 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk
درباره این دوره:

هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. این تخصص به شما تجربه عملی در به کارگیری یادگیری ماشینی برای مشکلات عینی در پزشکی می دهد. یادگیری ماشینی ابزاری قدرتمند برای پیش آگهی است، شاخه ای از پزشکی که در پیش بینی سلامت آینده بیماران تخصص دارد. در این دوره دوم، نمونه‌های متعددی از کارهای پیش‌آگهی را مرور خواهید کرد. سپس از درخت‌های تصمیم برای مدل‌سازی روابط غیرخطی، که معمولاً در داده‌های پزشکی مشاهده می‌شوند، استفاده می‌کنید و آنها را برای پیش‌بینی دقیق‌تر میزان مرگ و میر به کار می‌گیرید. در نهایت، یاد خواهید گرفت که چگونه داده های از دست رفته را مدیریت کنید، یک چالش کلیدی در دنیای واقعی. این دوره‌ها فراتر از پایه‌های یادگیری عمیق هستند تا تفاوت‌های ظریف را در استفاده از هوش مصنوعی در موارد استفاده پزشکی به شما آموزش دهند. این دوره بر یادگیری ماشینی مبتنی بر درخت تمرکز دارد، بنابراین برای این دوره به پایه ای در یادگیری عمیق نیازی نیست. با این حال، پایه ای در یادگیری عمیق برای دوره 1 و 3 این تخصص بسیار توصیه می شود. شما می توانید با استفاده از تخصص یادگیری عمیق که توسط deeplearning.ai ارائه شده و توسط Andrew Ng تدریس می شود، پایه ای در یادگیری عمیق کسب کنید.

coursera هوش مصنوعی برای تشخیص پزشکی (Mitalearn-332228)

  • 1 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk,Amirhossein Kiani
درباره این دوره:

هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. به عنوان یک پزشک هوش مصنوعی، شما این فرصت را دارید که به این تحول در پزشکی مدرن بپیوندید. اگر قبلاً با برخی از ریاضیات و کدنویسی پشت الگوریتم‌های هوش مصنوعی آشنا هستید و مشتاق هستید که مهارت‌های خود را برای مقابله با چالش‌های صنعت مراقبت‌های بهداشتی بیشتر توسعه دهید، پس این تخصص برای شما مناسب است. هیچ تخصص پزشکی قبلی لازم نیست! این برنامه به شما تجربه عملی در به کارگیری تکنیک های پیشرفته یادگیری ماشینی برای مشکلات عینی در پزشکی مدرن می دهد: - در دوره 1، شما مدل های طبقه بندی و تقسیم بندی تصویر شبکه عصبی کانولوشنال را برای تشخیص اختلالات ریوی و مغز ایجاد خواهید کرد. - در دوره 2، با استفاده از روش های آماری و پیش بینی جنگل تصادفی برای تعیین پیش آگهی بیمار، مدل های خطر و برآوردگرهای بقا را برای بیماری های قلبی می سازید. - در دوره 3، شما یک پیش بینی کننده اثر درمان می سازید، تکنیک های تفسیر مدل را اعمال می کنید و از پردازش زبان طبیعی برای استخراج اطلاعات از گزارش های رادیولوژی استفاده می کنید. این دوره ها فراتر از پایه های یادگیری عمیق هستند تا به شما بینشی در مورد تفاوت های ظریف استفاده از هوش مصنوعی در موارد استفاده پزشکی ارائه دهند. به عنوان یک یادگیرنده، اگر از قبل با برخی از ریاضیات و کدنویسی پشت الگوریتم های هوش مصنوعی راحت باشید، برای موفقیت در این برنامه آماده خواهید شد. لازم نیست شما یک متخصص هوش مصنوعی باشید، اما دانش کاری شبکه های عصبی عمیق، به ویژه شبکه های کانولوشن، و مهارت در برنامه نویسی پایتون در سطح متوسط ​​ضروری است. اگر در یادگیری ماشین یا شبکه های عصبی نسبتاً تازه کار هستید، توصیه می کنیم ابتدا تخصص یادگیری عمیق را که توسط deeplearning.ai ارائه شده و توسط Andrew Ng آموزش داده شده است، استفاده کنید. تقاضا برای پزشکان هوش مصنوعی با مهارت ها و دانش برای مقابله با بزرگترین مسائل در پزشکی مدرن به طور تصاعدی در حال افزایش است. در این تخصص به ما بپیوندید و سفر خود را به سوی ساختن آینده مراقبت های بهداشتی آغاز کنید.

coursera هوش مصنوعی برای تشخیص سرطان سینه (Mitalearn-332908)

  • 2 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Chung-Fu Chang,Emily Ambinder
درباره این دوره:

هدف از این دوره ارائه دانش به دانشجویان از رویکردهای پردازش هوش مصنوعی برای تشخیص سرطان سینه است. دانش‌آموزان آزمون‌ها را می‌گیرند و در جلسات بحث شرکت می‌کنند تا مفاهیم مهمی را که در ماژول‌ها منتقل می‌شوند، تقویت کنند. تکالیف خواندن، از جمله مقالات مجلات برای درک موضوعات در ماژول ها، ارائه خواهد شد. این دوره برای دانشجویانی طراحی شده است که به حرفه توسعه محصول با استفاده از هوش مصنوعی علاقه مند هستند و می خواهند بدانند چگونه می توان هوش مصنوعی را در ماموگرافی به کار برد. محتوای دوره بر روی پارادایم پردازش هوش مصنوعی همراه با دانش حوزه تصویربرداری سینه متمرکز شده است. این رویکرد درسی منحصر به فرد است و به جای توجه به یک روش پیاده سازی خاص، چشم انداز وسیعی از هوش مصنوعی در اختیار دانش آموزان قرار می دهد. دانش‌آموزانی که این دوره را تکمیل می‌کنند نه تنها از دانش خود در یک شغل ابتدایی در زمینه هوش مصنوعی بهره می‌برند، بلکه در پروژه‌ها نیز عملکرد خوبی خواهند داشت، زیرا درک کاملی از پارادایم پردازش هوش مصنوعی دارند.

linkedin هوش مصنوعی برای دانش آموزان (Mitalearn-219654)

  • 1 hours 28 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Madecraft,Jim Sterne
درباره این دوره:

هوش مصنوعی زمینه ای رو به رشد برای آینده شغلی است. با این حال، شروع یادگیری در مورد هوش مصنوعی با توجه به گستردگی موضوع می تواند بسیار دشوار باشد. در این دوره، Jim Sterne، یک تحلیلگر بازاریابی قدیمی که علاقه زیادی به پیشرفت هوش مصنوعی دارد، اصول اولیه آنچه را که برای شروع استفاده از هوش مصنوعی باید بدانید را به اشتراک می گذارد. ابتدا، جیم اصول اولیه چیستی هوش مصنوعی را بررسی می کند. او سپس برخی از مفاهیم اضافی مرتبط با هوش مصنوعی، مانند پردازش زبان طبیعی، بینایی کامپیوتر، و یادگیری ماشین را بررسی می کند. سپس، جیم برنامه های کاربردی یادگیری ماشین، هوش مصنوعی و نحوه کار این دو با هم را به اشتراک می گذارد. او همچنین رابطه بین انسان ها و هوش مصنوعی را بررسی می کند و اینکه چگونه می توانید از هوش مصنوعی به نفع خود استفاده کنید. او با بررسی وضعیت آینده هوش مصنوعی پایان می دهد. پس از اتمام این دوره، شما یک پایه دانش قوی برای شروع استفاده از هوش مصنوعی به نفع خود خواهید داشت.nn ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

MadeCraft-Description-Logo.jpg

coursera هوش مصنوعی برای درمان پزشکی (Mitalearn-332568)

  • 1 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk,Amirhossein Kiani
درباره این دوره:

هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. این تخصص به شما تجربه عملی در به کارگیری یادگیری ماشینی برای مشکلات عینی در پزشکی می دهد. درمان پزشکی ممکن است بر اساس شرایط سلامت موجود بر بیماران تأثیر متفاوتی داشته باشد. در این دوره سوم، با استفاده از داده‌های کارآزمایی‌های تصادفی‌سازی شده، درمان‌هایی را توصیه می‌کنید که برای بیماران فردی مناسب‌تر هستند. در هفته دوم، روش‌های تفسیر یادگیری ماشین را برای توضیح تصمیم‌گیری در مدل‌های پیچیده یادگیری ماشین اعمال خواهید کرد. در نهایت، شما از روش‌های استخراج موجودیت زبان طبیعی و پاسخ به سؤال برای خودکار کردن کار برچسب‌گذاری مجموعه داده‌های پزشکی استفاده خواهید کرد. این دوره‌ها فراتر از پایه‌های یادگیری عمیق هستند تا تفاوت‌های ظریف را در استفاده از هوش مصنوعی در موارد استفاده پزشکی به شما آموزش دهند. اگر در یادگیری عمیق تازه کار هستید یا می خواهید پایه و اساس عمیق تری از نحوه عملکرد شبکه های عصبی به دست آورید، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

linkedin هوش مصنوعی راه لینکدین: مکالمه با دیپاک آگاروال (Mitalearn-142729)

  • 31 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Deepak Agarwal
درباره این دوره:

دیپاک آگاروال معاون هوش مصنوعی (AI) در LinkedIn، شرکتی در خط مقدم علم داده است. لینکدین به شدت روی هوش مصنوعی و یادگیری ماشین سرمایه گذاری کرده است، فناوری های متحول کننده ای که می تواند تمام جنبه های تجربه اعضا را بهبود بخشد. این سرمایه گذاری در آکادمی هوش مصنوعی LinkedIn نشان داده شده است، که مهندسان و سایر کارکنان را در مورد قدرت، پتانسیل و بهترین شیوه ها برای توسعه و استفاده از ابزارهای هوش مصنوعی آموزش می دهد. در این دوره آموزشی به سبک پرسش و پاسخ، دیپک در مورد چگونگی استفاده لینکدین از هوش مصنوعی و یادگیری ماشین، روش‌هایی که این فناوری بر زندگی ما تأثیر می‌گذارد، و آنچه در آینده خواهد آمد، بحث می‌کند، از جمله توصیه‌هایی برای کسانی که می‌پرسند "آیا هوش مصنوعی مشاغل ما را خواهد گرفت؟" و "چه مهارت هایی را می توانم یاد بگیرم تا شغلی در هوش مصنوعی شروع کنم؟"

coursera هوش مصنوعی کاربردی با DeepLearning (Mitalearn-336665)

  • 5 hours
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Romeo Kienzler
درباره این دوره:

>>> با ثبت نام در این دوره، با توافقنامه مجوز کاربر نهایی همانطور که در سوالات متداول ذکر شده است موافقت می کنید. پس از ثبت نام، می توانید در بخش منابع به مجوز دسترسی داشته باشید <<< این دوره، هوش مصنوعی کاربردی با یادگیری عمیق، بخشی از گواهینامه پیشرفته علم داده IBM است که IBM در حال حاضر در حال ایجاد آن است و به شما امکان دسترسی آسان به بینش های ارزشمند در مورد مدل های یادگیری عمیق را می دهد. توسط متخصصان پردازش زبان طبیعی، بینایی کامپیوتر، تجزیه و تحلیل سری های زمانی و بسیاری از رشته های دیگر استفاده می شود. ما با اصول جبر خطی و شبکه های عصبی آشنا خواهیم شد. سپس محبوب ترین فریم ورک های DeepLearning مانند Keras، TensorFlow، PyTorch، DeepLearning4J و Apache SystemML را معرفی می کنیم. Keras و TensorFlow بیشترین بخش این دوره را تشکیل می دهند. با ساختن مدل‌هایی با استفاده از Keras بر روی نمونه‌های واقعی از اینترنت اشیا (اینترنت اشیا)، داده‌های علامت‌گذاری شده مالی، ادبیات یا پایگاه‌های داده تصویر، درباره تشخیص ناهنجاری، پیش‌بینی سری‌های زمانی، تشخیص تصویر و پردازش زبان طبیعی می‌آموزیم. در نهایت، ما یاد می‌گیریم که چگونه با استفاده از Kubernetes، Apache Spark و GPUها، آن مغزهای مصنوعی را مقیاس کنیم. مهم: این دوره به تنهایی برای دریافت «گواهینامه دانشمند داده گواهی IoT IoT IBM Watson» به تنهایی کافی نیست. شما باید سه دوره دیگر را بگذرانید که دو تا از آنها در حال حاضر ساخته شده است. تخصص در اواخر بهار، اوایل تابستان 2018 آماده خواهد شد. با استفاده از این رویکردها، مهم نیست که در چه سطح مهارتی در موضوعاتی که می خواهید به آنها تسلط داشته باشید، می توانید تفکر خود را تغییر دهید و زندگی خود را تغییر دهید. اگر قبلاً یک متخصص هستید، این نگاه کردن به ایده های شما برای ایجاد موفقیت آمیز توربوشارژ و استقرار مدل های DeepLearning را ارائه می دهد. اگر در حال مبارزه هستید، گنجینه ای ساختار یافته از تکنیک های عملی را خواهید دید که شما را از کارهایی که برای رسیدن به مسیر باید انجام دهید راهنمایی می کند. اگر تا به حال می‌خواهید در هر کاری بهتر شوید، این دوره به عنوان راهنمای شما کمک خواهد کرد. پیش نیاز: برخی مهارت های کدنویسی ضروری است. ترجیحاً پایتون، اما هر زبان برنامه نویسی دیگری خوب عمل می کند. همچنین برخی از درک اولیه ریاضی (جبر خطی) یک امتیاز مثبت است، اما ما آن قسمت را در هفته اول نیز پوشش خواهیم داد. اگر این دوره را انتخاب کنید و گواهی دوره Coursera را کسب کنید، نشان دیجیتال IBM نیز دریافت خواهید کرد. برای کسب اطلاعات بیشتر در مورد نشان های دیجیتال IBM پیوند ibm.biz/badging را دنبال کنید.

linkedin هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps) (Mitalearn-197231)

  • 1 hours 31 minutes
  • متوسط
  • Update date: 12 January 2024
  • Author: Kumaran Ponnambalam
درباره این دوره: 

 عملیات فناوری اطلاعات یکی از عملکردهای تجاری کلیدی برای شرکت های مدرن است. همانطور که مراکز داده بزرگ، توزیع شده و یکپارچه می شوند، نیاز به نظارت و مدیریت سخت افزار، نرم افزار، شبکه ها و داده ها به طور تصاعدی افزایش می یابد. و در حالی که عناصر موجود در یک شبکه هزاران داده را از نظر گزارش‌ها و رویدادها تولید می‌کنند، نیاز به جمع‌آوری و درک این داده‌ها برای پیش‌بینی نتایج آینده نیز در حال افزایش است. در این دوره یاد بگیرید که چگونه چالش های رایج در عملیات فناوری اطلاعات را با استفاده از قدرت هوش مصنوعی حل کنید. مربی Kumaran Ponnambalam مسائل کلیدی را که تیم های عملیات فناوری اطلاعات در عملیات روزانه خود با آن مواجه می شوند، مرور می کند. او سپس چندین مورد استفاده در دنیای عملیات IT را بررسی می‌کند و به تفصیل توضیح می‌دهد که چگونه فناوری هوش مصنوعی می‌تواند فرآیندهایی مانند تجزیه و تحلیل علت ریشه‌ای را سرعت بخشد، زمان پاسخ‌دهی را در میز کمک فناوری اطلاعات شما بهبود بخشد و موارد دیگر. در طول مسیر، او از پایتون، نوت بوک های Jupyter، Keras و تکنیک های یادگیری عمیق برای قدم گذاشتن در راه حل های عملی استفاده می کند.

Suggestions