Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-60 of 587 items.

coursera آشنایی با هوش مصنوعی (AI) (Mitalearn-327876)

  • 5 hours 7 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja
درباره این دوره:

هوش مصنوعی (AI) در اطراف ماست و یکپارچه در زندگی و کار روزمره ما ادغام شده است. برای درک اصطلاحات و برنامه های کلیدی هوش مصنوعی در این دوره ثبت نام کنید ، حرفه هوش مصنوعی خود را راه اندازی کنید یا مورد موجود خود را تغییر دهید. این دوره مفاهیم اصلی هوش مصنوعی ، از جمله یادگیری عمیق ، یادگیری ماشین و شبکه های عصبی را در بر می گیرد. شما مدل های AI تولیدی ، از جمله مدل های بزرگ زبان (LLM) و قابلیت های آنها را بررسی خواهید کرد. علاوه بر این ، شما برنامه های کاربردی AI را در حوزه ها ، مانند پردازش زبان طبیعی (NLP) ، بینایی رایانه و روباتیک ، تجزیه و تحلیل خواهید کرد ، و از نحوه این پیشرفت ها نوآوری و استفاده از موارد استفاده می کنید. این دوره به شما کمک می کند تا کشف کنید که چگونه هوش مصنوعی ، به ویژه هوش مصنوعی ، در حال تغییر شکل مجدد محیط های تجاری و کاری است. شما همچنین فرصت های شغلی در حال ظهور را در این زمینه به سرعت در حال تحول کشف خواهید کرد و بینش در مورد ملاحظات اخلاقی و مدیریت هوش مصنوعی که نوآوری مسئولیتی را شکل می دهد ، به دست می آورید. این دوره شامل آزمایشگاه های دستی و یک پروژه است که فرصتی مفید برای کشف موارد و برنامه های کاربردی AI فراهم می کند. همچنین از پزشکان متخصص در مورد قابلیت ها ، برنامه ها و ملاحظات اخلاقی پیرامون هوش مصنوعی می شنوید. این دوره برای همه مناسب است ، از جمله متخصصان ، علاقه مندان و دانشجویان علاقمند به یادگیری اصول هوش مصنوعی.

coursera آگاهی و آموزش کاربر برای هوش مصنوعی (Mitalearn-329542)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Phil Gold
درباره این دوره:

هدف از این دوره، توانمندسازی کاربران عمومی با درک دوستانه و غیر فنی از هوش مصنوعی Generative است. این بر اهمیت شفافیت در سیستم‌های هوش مصنوعی تأکید می‌کند و به یادگیرندگان کمک می‌کند تا چگونگی تصمیم‌گیری‌های هوش مصنوعی را درک کنند. با برجسته کردن اهمیت آگاهی کاربر، شفافیت و تصمیم گیری آگاهانه، یادگیرندگان برای انتخاب آگاهانه و تعامل مسئولانه و مطمئن با هوش مصنوعی مجهزتر خواهند شد. استراتژی ها و بینش های ارائه شده به یادگیرندگان کمک می کند تا پتانسیل خلاقانه هوش مصنوعی مولد را کشف کنند و در عین حال از اقدامات اخلاقی و محافظت در برابر خطرات احتمالی اطمینان حاصل کنند. این دوره مشارکت فعال را تشویق می کند و بر مسئولیت جمعی کاربران در شکل دادن به آینده هوش مصنوعی تأکید می کند. این دوره برای هر کارمند یا مدیر کسب و کاری که از هوش مصنوعی و هوش مصنوعی مولد استفاده می کند یا در فکر استفاده از آن است، یا هر کسی که به دنبال افزایش دانش خود در مورد این موضوع است، طراحی شده است. این دوره به گونه‌ای طراحی شده است که دانش‌آموزان را به زبان ساده درکی از موضوع و برخی از تفاوت‌های ظریف استفاده از هوش مصنوعی بدهد. هیچ پیش نیاز خاصی برای این دوره وجود ندارد. درک اولیه از کامپیوتر و تجارت مفید خواهد بود، اما اجباری نیست. ذهن باز و کنجکاوی در مورد تأثیر اجتماعی گسترده تر هوش مصنوعی، تجربه یادگیری را افزایش می دهد.

coursera آماده شدن برای AI-900: آزمون مایکروسافت Azure AI Fundamentals (Mitalearn-329474)

  • 52 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Microsoft
درباره این دوره:

گواهینامه های مایکروسافت با ارائه مدارک شناخته شده و مورد تایید صنعت در سطح جهانی مبنی بر تسلط بر مهارت های کسب و کارهای دیجیتال و ابری به شما یک مزیت حرفه ای می دهد. دانش خود را در مورد اصول اساسی یادگیری ماشین در Microsoft Azure تجدید خواهید کرد. شما به بررسی اصلی بارهای کاری هوش مصنوعی و ویژگی های بینایی کامپیوتر، پردازش زبان طبیعی (NLP) و بارهای کاری هوش مصنوعی محاوره ای در Azure باز خواهید گشت. به طور خلاصه، تمام مفاهیم و مهارت‌های اصلی را که با امتحان اندازه‌گیری می‌شوند، جمع‌بندی می‌کنید. شما دانش خود را در یک سری آزمون های عملی که با تمام موضوعات اصلی تحت پوشش آزمون AI-900 ترسیم شده است، آزمایش خواهید کرد و اطمینان حاصل می کند که برای موفقیت در صدور گواهینامه آمادگی خوبی دارید. با شرکت در آزمون های عملی با قالب ها و محتوای مشابه، برای قبولی در آزمون گواهینامه آماده می شوید. همچنین یک نمای کلی دقیق تر از برنامه صدور گواهینامه مایکروسافت و جایی که می توانید در حرفه خود ادامه دهید دریافت خواهید کرد. همچنین نکات و ترفندها، استراتژی‌های تست، منابع مفید و اطلاعاتی در مورد نحوه ثبت‌نام در آزمون AI-900 Proctored دریافت خواهید کرد. در پایان این دوره، شما آماده ثبت نام و شرکت در آزمون AZ-900 خواهید بود. این دوره برای داوطلبان با سوابق فنی و غیر فنی در نظر گرفته شده است. علم داده و تجربه مهندسی نرم افزار مورد نیاز نیست. با این حال، برخی از دانش یا تجربه برنامه نویسی عمومی مفید خواهد بود. برای موفقیت در این دوره، باید سواد کامپیوتری اولیه و تسلط به زبان انگلیسی را داشته باشید. شما باید با مفاهیم اولیه محاسبات و اصطلاحات، مفاهیم کلی فناوری، از جمله مفاهیم یادگیری ماشین و هوش مصنوعی آشنا باشید.

coursera آماده شدن برای آزمون گواهینامه برنامه نویسی SAS® Viya® (Mitalearn-336920)

  • 10 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Stacey Syphus,Peter Styliadis
درباره این دوره:

به دوره آمادگی برای آزمون برنامه نویسی SAS Viya خوش آمدید. این سومین و آخرین دوره در تخصص برنامه نویس Coursera SAS است. شما آنچه را که در دو دوره اول آموخته اید با نوشتن کد برای اجرا در سرویس های تحلیل ابری SAS و تمرین برای آزمون های گواهینامه SAS به کار خواهید برد. این یک دوره پیشرفته است که برای زبان آموزانی در نظر گرفته شده است که دو دوره اول را در تخصص برنامه نویس Coursera SAS گذرانده اند: برنامه نویسی SAS برای محاسبات توزیع شده در SAS Viya و برنامه نویسی CASL برای محاسبات توزیع شده در SAS Viya. در پایان دوره، شما آماده شرکت در یکی از این آزمون های اعتبارسنجی SAS هستید: - SAS® Viya® Associate Programming - متخصص برنامه نویسی SAS® Viya®

coursera آمار استنباطی (Mitalearn-327026)

  • 5 hours 26 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel
درباره این دوره:

این دوره روش‌های استنتاج آماری رایج را برای داده‌های عددی و طبقه‌ای پوشش می‌دهد. شما یاد خواهید گرفت که چگونه تست های فرضیه را تنظیم و انجام دهید، مقادیر p را تفسیر کنید، و نتایج تجزیه و تحلیل خود را به گونه ای گزارش کنید که برای مشتریان یا عموم قابل تفسیر باشد. با استفاده از مثال های داده های متعدد، یاد خواهید گرفت که تخمین های کمیت ها را به گونه ای گزارش کنید که عدم قطعیت کمیت مورد علاقه را بیان کند. شما از طریق نصب و استفاده از R و RStudio (نرم افزار آماری رایگان) راهنمایی خواهید شد و از این نرم افزار برای تمرینات آزمایشگاهی و پروژه نهایی استفاده خواهید کرد. این دوره ابزارهای عملی را برای انجام تجزیه و تحلیل داده ها معرفی می کند و مفاهیم اساسی لازم برای تفسیر و گزارش نتایج را برای داده های دسته بندی و عددی بررسی می کند.

coursera آمار استنباطی [coursera] (Mitalearn-334625)

  • 4 hours 47 minutes
  • مناسب همه
  • Release date: 27 June 2026
  • Author: Annemarie Zand Scholten,Emiel van Loon
درباره این دوره:

آمار استنباطی به استنباط بر اساس روابط یافت شده در نمونه، به روابط در جامعه مربوط می شود. آمار استنباطی به ما کمک می کند برای مثال تصمیم بگیریم که آیا تفاوت بین گروه هایی که در داده های خود می بینیم به اندازه کافی قوی است تا از فرضیه ما حمایت کند که تفاوت های گروهی به طور کلی در کل جمعیت وجود دارد یا خیر. ما با در نظر گرفتن اصول اولیه آزمون معناداری شروع خواهیم کرد: توزیع آماری نمونه گیری و آزمون، مقدار p، سطح معنی داری، قدرت و خطاهای نوع I و نوع II. سپس تعداد زیادی آزمون و تکنیک های آماری را در نظر خواهیم گرفت که به ما کمک می کند تا برای انواع مختلف داده ها و انواع مختلف طرح های تحقیقاتی استنتاج کنیم. برای هر آزمون آماری فردی، نحوه عملکرد آن، برای چه داده‌ها و طرحی مناسب است و نتایج چگونه باید تفسیر شوند را در نظر خواهیم گرفت. همچنین نحوه انجام این تست ها را با استفاده از نرم افزارهای رایگان در دسترس خواهید آموخت. برای کسانی که قبلاً با آزمون های آماری آشنا هستند: ما به آزمون های z برای نسبت های 1 و 2، آزمون مک نمار برای نسبت های وابسته، آزمون های t برای میانگین 1 (تفاوت های زوجی) و 2 میانگین، آزمون کای دو برای استقلال نگاه خواهیم کرد. آزمون دقیق فیشر، رگرسیون ساده (خطی و نمایی) و رگرسیون چندگانه (خطی و لجستیک)، آنالیز واریانس یک طرفه و فاکتوریل و آزمون های ناپارامتریک (ویلکاکسون، کروسکال-والیس، آزمون علامت، آزمون رتبه علامتی، اجرا) تست).

coursera آمار برای علم داده های ژنومی (Mitalearn-335305)

  • 6 hours 26 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeff Leek, PhD
درباره این دوره:

مقدمه‌ای بر آماری که در پشت محبوب‌ترین پروژه‌های علم داده ژنومی قرار دارد. این ششمین دوره در تخصص علم ژنومیک داده های بزرگ از دانشگاه جان هاپکینز است.

coursera آمار بیزی (Mitalearn-330392)

  • 4 hours 18 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mine Çetinkaya-Rundel,David Banks,Colin Rundel
درباره این دوره:

این دوره آمار بیزی را توصیف می کند که در آن استنباط فرد در مورد پارامترها یا فرضیه ها به عنوان شواهد جمع آوری می شود. شما یاد خواهید گرفت که از قانون بیز برای تبدیل احتمالات قبلی به احتمالات بعدی استفاده کنید و با نظریه و چشم انداز اساسی پارادایم بیزی آشنا شوید. این دوره روش‌های بیزی را برای چندین مسئله عملی به کار می‌گیرد تا تحلیل‌های بیزی سرتاسری را نشان دهد که از چارچوب‌بندی سؤال به ساخت مدل‌ها تا استخراج احتمالات قبلی به پیاده‌سازی در R (نرم‌افزار آماری رایگان) توزیع آخری نهایی حرکت می‌کند. علاوه بر این، این دوره به معرفی مناطق معتبر، مقایسه بیزی از میانگین ها و نسبت ها، رگرسیون بیزی و استنتاج با استفاده از مدل های متعدد و بحث در مورد پیش بینی بیزی می پردازد. ما فرض می‌کنیم که فراگیران در این دوره، دانش پیش‌زمینه‌ای معادل آنچه در سه دوره قبلی در این تخصص ارائه شده است، دارند: «مقدمه‌ای بر احتمالات و داده‌ها»، «آمار استنباطی» و «رگرسیون خطی و مدل‌سازی».

coursera آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها (Mitalearn-332517)

  • 3 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Herbert Lee
درباره این دوره:

این دوره رویکرد بیزی به آمار را معرفی می کند که با مفهوم احتمال شروع می شود و به تجزیه و تحلیل داده ها می رود. ما در مورد فلسفه رویکرد بیزی و همچنین نحوه پیاده سازی آن برای انواع رایج داده ها خواهیم آموخت. ما رویکرد بیزی را با رویکرد متداول‌تر آموزش داده شده مقایسه می‌کنیم و برخی از مزایای رویکرد بیزی را مشاهده می‌کنیم. به طور خاص، رویکرد بیزی امکان حسابداری بهتر عدم قطعیت، نتایجی که معنای شهودی و قابل تفسیر بیشتری دارند، و اظهارات صریح تری از مفروضات را فراهم می کند. این دوره فیلم های سخنرانی، نمایش های کامپیوتری، خواندن، تمرین ها و تابلوهای بحث را برای ایجاد یک تجربه یادگیری فعال ترکیب می کند. برای محاسبات، می‌توانید از مایکروسافت اکسل یا بسته آماری منبع باز و آزادانه R، با محتوای معادل برای هر دو گزینه استفاده کنید. این سخنرانی ها برخی از پیشرفت های اساسی ریاضی و همچنین توضیحاتی در مورد فلسفه و تفسیر را ارائه می دهد. تکمیل این دوره به شما درکی از مفاهیم رویکرد بیزی، درک تفاوت‌های کلیدی بین رویکردهای بیزی و مکرر، و توانایی انجام تجزیه و تحلیل داده‌های پایه را می‌دهد.

coursera آمار بیزی: پروژه Capstone (Mitalearn-336903)

  • 1 hours 30 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jizhou Kang
درباره این دوره:

این پروژه اصلی برای تخصص آمار بیزی در UC سانتا کروز است. این فرصتی است برای شما تا طیف گسترده ای از مهارت ها و دانش را در آمار بیزی نشان دهید و آنچه را که می دانید در داده های دنیای واقعی به کار ببرید. شما مفاهیم اساسی در آمار بیزی را با ویدئوهای سخنرانی و آزمون ها مرور خواهید کرد و تجزیه و تحلیل داده های پیچیده ای را انجام می دهید و گزارشی از روش ها و نتایج خود تهیه می کنید.

coursera آمار بیزی: تجزیه و تحلیل سری زمانی (Mitalearn-331055)

  • 6 hours 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Raquel Prado
درباره این دوره:

این دوره برای تمرین و مشتاق دانشمندان داده و آمار. این چهارمین توالی چهار دوره ای است که مبانی آمار بیزی را معرفی می کند. این بر اساس دوره آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها، تکنیک ها و مدل ها، و مدل های مخلوط است. تجزیه و تحلیل سری های زمانی با مدل سازی وابستگی بین عناصر یک دنباله از متغیرهای زمانی مرتبط است. برای موفقیت در این دوره باید با احتمالات مبتنی بر حساب دیفرانسیل و انتگرال، اصول تخمین حداکثر درستنمایی و استنتاج بیزی آشنا باشید. شما یاد خواهید گرفت که چگونه مدل هایی بسازید که می توانند وابستگی های زمانی را توصیف کنند و چگونه استنتاج و پیش بینی بیزی را برای مدل ها انجام دهید. شما آنچه را که آموخته اید با نرم افزار منبع باز و رایگان در دسترس R با پایگاه داده های نمونه اعمال خواهید کرد. مربی شما راکل پرادو شما را از مفاهیم اولیه برای مدل‌سازی داده‌های وابسته به زمانی تا اجرای کلاس‌های خاصی از مدل‌ها راهنمایی می‌کند.

coursera آمار بیزی: تکنیک ها و مدل ها (Mitalearn-330562)

  • 7 hours 45 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Matthew Heiner
درباره این دوره:

این دومین مورد از یک دنباله دو دوره ای است که مبانی آمار بیزی را معرفی می کند. این بر اساس دوره آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها است که روش های بیزی را با استفاده از مدل های مزدوج ساده معرفی می کند. داده‌های دنیای واقعی اغلب به مدل‌های پیچیده‌تری برای رسیدن به نتایج واقعی نیاز دارند. این دوره با هدف گسترش "جعبه ابزار بیزی" ما با مدل های عمومی تر و تکنیک های محاسباتی متناسب با آنها است. به طور خاص، ما روش‌های مونت کارلوی زنجیره مارکوف (MCMC) را معرفی می‌کنیم که امکان نمونه‌گیری از توزیع‌های پسینی را که هیچ راه‌حل تحلیلی ندارند، می‌سازد. ما از نرم افزار منبع باز و رایگان در دسترس R (برخی تجربه فرض می شود، به عنوان مثال، تکمیل دوره قبلی در R) و JAGS (بدون نیاز به تجربه) استفاده خواهیم کرد. ما یاد خواهیم گرفت که چگونه مدل های آماری بیزی را بسازیم، برازش کنیم، ارزیابی کنیم و مقایسه کنیم تا به سوالات علمی شامل داده های پیوسته، باینری و شمارش پاسخ دهیم. این دوره فیلم های سخنرانی، نمایش های کامپیوتری، خواندن، تمرین ها و تابلوهای بحث را برای ایجاد یک تجربه یادگیری فعال ترکیب می کند. این سخنرانی‌ها برخی از پیشرفت‌های ریاضی پایه، توضیحاتی در مورد فرآیند مدل‌سازی آماری، و چند تکنیک مدل‌سازی اساسی که معمولاً توسط آماردانان استفاده می‌شود، ارائه می‌دهد. نمایش‌های رایانه‌ای راه‌حل‌های دقیق و عملی را ارائه می‌دهند. تکمیل این دوره به شما امکان می دهد تا به طیف گسترده ای از ابزارهای تحلیلی بیزی دسترسی داشته باشید که بر اساس داده های شما قابل تنظیم هستند.

coursera آمار بیزی: مدل های مخلوط (Mitalearn-331616)

  • 7 hours 29 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Abel Rodriguez
درباره این دوره:

آمار بیزی: مدل های مخلوط شما را با دسته مهمی از مدل های آماری آشنا می کند. این دوره در پنج ماژول سازماندهی شده است که هر کدام شامل فیلم های سخنرانی، آزمون های کوتاه، خواندن پس زمینه، پیشنهادات بحث و یک یا چند تکالیف بررسی شده است. بهتر است آمار را با انجام آن یاد بگیرید، نه فقط با تماشای یک ویدیو، بنابراین ساختار این دوره به شما کمک می کند تا از طریق برنامه یاد بگیرید. برخی از تمرین ها نیاز به استفاده از R، یک بسته نرم افزاری آماری رایگان دارند. یک آموزش مختصر ارائه شده است، اما ما شما را تشویق می کنیم که در صورت علاقه از بسیاری از منابع دیگر آنلاین برای یادگیری R استفاده کنید. این دوره در سطح متوسط ​​است و پس از هربی لی "آمار بیزی: از مفهوم تا تجزیه و تحلیل داده ها" و "آمار بیزی: تکنیک ها و مدل ها" متیو هاینر، سومین دوره در سری UC سانتا کروز در مورد آمار بیزی طراحی شده است. برای موفقیت در دوره، باید اطلاعاتی در مورد احتمالات مبتنی بر حساب دیفرانسیل و انتگرال، اصول تخمین حداکثر احتمال، و تخمین بیزی داشته باشید.

coursera آمار پایه (Mitalearn-326856)

  • 5 hours 45 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Matthijs Rooduijn,Emiel van Loon
درباره این دوره:

درک آمار برای درک تحقیق در علوم اجتماعی و رفتاری ضروری است. در این دوره با اصول آمار آشنا می شوید. نه فقط نحوه محاسبه آنها، بلکه نحوه ارزیابی آنها. این دوره همچنین شما را برای دوره بعدی در تخصص - دوره آمار استنباطی - آماده می کند. در بخش اول دوره به روش های آمار توصیفی می پردازیم. شما یاد خواهید گرفت که موارد و متغیرها چیست و چگونه می توانید معیارهای گرایش مرکزی (میانگین، میانه و حالت) و پراکندگی (انحراف استاندارد و واریانس) را محاسبه کنید. در ادامه، نحوه ارزیابی روابط بین متغیرها را مورد بحث قرار می دهیم و مفاهیم همبستگی و رگرسیون را معرفی می کنیم. بخش دوم این دوره به مبانی احتمال مربوط می شود: محاسبه احتمالات، توزیع های احتمال و توزیع های نمونه. برای درک نحوه عملکرد آمار استنباطی باید در مورد این موارد بدانید. بخش سوم دوره شامل مقدمه‌ای بر روش‌های آمار استنباطی است - روش‌هایی که به ما کمک می‌کنند تصمیم بگیریم آیا الگوهایی که در داده‌هایمان می‌بینیم به اندازه کافی قوی هستند تا در مورد جمعیت زیربنایی مورد علاقه ما نتیجه‌گیری کنیم. ما در مورد فواصل اطمینان و آزمون های اهمیت شما نه تنها در مورد تمام این مفاهیم آماری یاد خواهید گرفت، بلکه آموزش می بینید که خودتان با استفاده از نرم افزارهای آماری در دسترس، این آمار را محاسبه و تولید کنید.

coursera آمار جهانی - شاخص های ترکیبی برای مقایسه های بین المللی (Mitalearn-330732)

  • 7 hours 42 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Stefan Andreas Sperlich,Juan Manuel Rodriguez Poo (in Partnership with UNIGE)
درباره این دوره:

تعداد شاخص های ترکیبی که در سطح بین المللی ساخته و مورد استفاده قرار می گیرند بسیار سریع در حال رشد است. اما در حالی که پیچیدگی تکنیک های کمی به طور چشمگیری افزایش یافته است، آموزش و پرورش در این زمینه طولانی و عقب مانده است. در نتیجه، این اعداد ساده، که انتظار می رود موضوعات کاملاً پیچیده را ترکیب کنند، اغلب به مردم ارائه می شوند و در بحث های سیاسی بدون تأکید مناسب بر محدودیت های ذاتی و تفسیرهای صحیح آنها استفاده می شوند. در این دوره در مورد آمار جهانی که توسط دانشگاه ژنو به طور مشترک با ETH Zürich KOF ارائه شده است، شما با رویکرد کلی ساخت شاخص های ترکیبی و برخی از مشکلات ناشی از آن آشنا خواهید شد. ما در مورد ویژگی های فنی، ساختار داخلی (مانند تجمع، وزن، پایداری سری های زمانی)، داده های اولیه استفاده شده و روش های انتخاب متغیر بحث خواهیم کرد. این مفاهیم با استفاده از نمونه‌ای از محبوب‌ترین شاخص‌های ترکیبی نشان داده می‌شوند. ما سعی خواهیم کرد نه تنها به سوالات آماری بپردازیم، بلکه بر تمایز بین شاخص های سیاست محور، رسانه و پارادایم محور نیز تمرکز کنیم.

coursera آمار کسب و کار و تجزیه و تحلیل Capstone (Mitalearn-213262)

  • 1 hours 7 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Sharad Borle
درباره این دوره:

آمار کسب و کار و تجزیه و تحلیل Capstone فرصتی برای اعمال مهارت های مختلف توسعه یافته در چهار دوره تخصصی در داده های زندگی واقعی است. Capstone با همکاری یک شریک صنعتی از «داده‌های مسکن» در دسترس عموم استفاده می‌کند تا سؤالات مختلفی را که معمولاً مشتری برای یک تحلیلگر داده مطرح می‌کند، مطرح کند. وظیفه شما این است که تجزیه و تحلیل آماری مربوطه را انجام دهید و یافته های خود را در پاسخ به سؤالات به گونه ای گزارش کنید که همه بتوانند آن را درک کنند. لطفاً به یاد داشته باشید که این یک Capstone است و درجه سختی/ابهام بیشتری نسبت به چهار دوره قبلی دارد. هدف این است که تا حد امکان از یک برنامه زندگی واقعی تقلید کنید.

coursera آموزش ChatGPT (Mitalearn-335764)

  • 3 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Teach-Out Experts
درباره این دوره:

این Teach-Out یادگیرندگان را با هوش مصنوعی آشنا می‌کند و نحوه عملکرد مدل‌های زبان بزرگ و ربات‌های چت مانند ChatGPT را توضیح می‌دهد. استفاده اخلاقی از هوش مصنوعی، پیامدهای تألیف، و چگونگی استفاده از ابزارهایی مانند ChatGPT را بهتر درک خواهید کرد. ChatGPT در نوامبر 2022 راه اندازی شد تا وظایف پردازش زبان طبیعی مانند ترجمه، خلاصه سازی متن و تولید متن را بهبود بخشد. ظرف پنج روز پس از انتشار، ChatGPT از 1 میلیون کاربر گذشت. با دو ماه، از 100 میلیون کاربر فراتر رفت. بلافاصله پس از راه‌اندازی آن، نگرانی‌هایی در مورد پیامدهای اخلاقی استفاده از ChatGPT، به‌ویژه در آموزش، شروع شد. این Teach-Out متخصصان دانشگاه میشیگان را در زمینه فناوری ارتباطات، اقتصاد، هوش مصنوعی، پردازش زبان طبیعی، ارائه مراقبت‌های بهداشتی و قانون گرد هم می‌آورد تا درباره تأثیرات ChatGPT در حال حاضر و آینده بحث کند. این آموزش پاسخ خواهد داد: - ChatGPT چیست و چگونه کار می کند؟ - مزایا و معایب استفاده از ChatGPT چیست؟ - استفاده از ChatGPT چه پیامدهای قانونی دارد؟ - جامعه، اقتصاد و آموزش چگونه به ChatGPT پاسخ داده اند؟ - چگونه ChatGPT می تواند در جامعه رو به جلو ادغام شود؟ کلیه محتویات این Teach-Out به استثنای تصویر دوره دارای مجوز CC BY-SA هستند.

coursera آموزش سفارشی و توزیع شده با TensorFlow (Mitalearn-332500)

  • 3 hours 7 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laurence Moroney
درباره این دوره:

در این دوره، شما: • در مورد اشیاء Tensor، بلوک های ساختمانی اصلی TensorFlow بیاموزید، تفاوت بین حالت های مشتاق و گراف در TensorFlow را درک کنید، و یاد بگیرید که چگونه از ابزار TensorFlow برای محاسبه گرادیان ها استفاده کنید. • حلقه های آموزشی سفارشی خود را با استفاده از GradientTape و TensorFlow Datasets بسازید تا با آموزش مدل خود انعطاف پذیری و دید بیشتری داشته باشید. • در مورد مزایای تولید کدی که در حالت نمودار اجرا می‌شود، بیاموزید، نگاهی به شکل کد نمودار بیندازید، و تولید خودکار این کد کارآمدتر را با ابزارهای TensorFlow تمرین کنید. • از قدرت آموزش توزیع‌شده برای پردازش داده‌های بیشتر و آموزش مدل‌های بزرگ‌تر، سریع‌تر استفاده کنید، یک مرور کلی از استراتژی‌های آموزشی توزیع‌شده مختلف دریافت کنید، و کار با استراتژی‌ای را تمرین کنید که روی چندین هسته GPU آموزش می‌دهد، و استراتژی دیگری که روی چندین هسته TPU آموزش می‌دهد. تخصص DeepLearning.AI TensorFlow: Advanced Techniques ویژگی‌های TensorFlow را معرفی می‌کند که به یادگیرندگان کنترل بیشتری بر معماری مدل و ابزارهایی می‌دهد که به آنها کمک می‌کند مدل‌های پیشرفته ML را ایجاد و آموزش دهند. این تخصص برای مهندسین نرم افزار و یادگیری ماشین در مراحل اولیه و اواسط حرفه ای با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مجموعه مهارت های خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساخت مدل های قدرتمند هستند.

linkedin آموزش ضروری پایتون برای علوم داده قسمت 1 (Mitalearn-183801)

  • 6 hours 2 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Lillian Pierson, P.E.
درباره این دوره:

Python for Data Science Essential Training یکی از محبوب ترین دوره های علوم داده در LinkedIn Learning است. در حال حاضر به روز شده و به دو بخش گسترش یافته است - برای تجربه بیشتر عملی با پایتون. در این دوره، مربی لیلیان پیرسون شما را گام به گام از طریق یک پروژه علم داده عملی راهنمایی می کند: یک وب اسکراپر که داده ها را از وب دانلود و تجزیه و تحلیل می کند. در طول راه، او تکنیک هایی را برای پاکسازی، قالب بندی مجدد، تبدیل و توصیف داده های خام معرفی می کند. ایجاد تجسم حذف نقاط پرت؛ انجام تجزیه و تحلیل ساده داده ها؛ و نمودارهای تعاملی را با استفاده از کتابخانه Plotly تولید کنید. شما باید این آموزش را با تجربه کدنویسی اولیه که می توانید به سازمان خود ببرید و به سرعت در پروژه های علم داده سفارشی خود اعمال کنید، کنار بگذارید.

coursera آموزش ماشینی برای هوش مصنوعی مستقل (Mitalearn-329117)

  • 3 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Kence Anderson
درباره این دوره:

(این برنامه قبلاً بخشی از یک تخصص سه دوره ای به نام هوش مصنوعی مستقل برای صنعت بود. به دلیل توقف برنامه نرم افزاری Bonsai، ارجاعات به Bonsai حذف شده است. شما همچنان می توانید از طریق دو دوره جداگانه ما "طراحی" در مورد هوش مصنوعی مستقل و آموزش ماشینی بیاموزید. هوش مصنوعی مستقل» و «آموزش ماشین برای هوش مصنوعی خودمختار».) همانطور که معلمان به دانش آموزان کمک می کنند تا مهارت های جدیدی کسب کنند، همین امر در مورد هوش مصنوعی (AI) نیز صادق است. الگوریتم‌های یادگیری ماشینی می‌توانند تطبیق داده و تغییر کنند، بسیار شبیه به خود فرآیند یادگیری. با استفاده از پارادایم آموزش ماشین، یک متخصص موضوعی (SME) می تواند هوش مصنوعی را برای بهبود و بهینه سازی انواع سیستم ها و فرآیندها آموزش دهد. نتیجه یک سیستم هوش مصنوعی مستقل است. در این دوره آموزشی، یاد خواهید گرفت که چگونه سیستم های خودکار تصمیم گیری می کنند و چگونه به طراحی یک سیستم هوش مصنوعی که از قابلیت های فعلی بهتر عمل می کند، نزدیک شوید. از آنجایی که 87 درصد از سیستم های یادگیری ماشین در مرحله اثبات مفهوم شکست می خورند، مهم است که بدانید چگونه یک سیستم موجود را تجزیه و تحلیل کنید و تعیین کنید که آیا این سیستم برای رویکردهای آموزش ماشین مناسب است یا خیر. برای پروژه دوره خود، یک مورد استفاده مناسب را انتخاب می‌کنید، با یک SME درباره یک فرآیند مصاحبه می‌کنید، و سپس داستانی را برای اینکه چرا و چگونه می‌توانید در مورد طراحی یک سیستم هوش مصنوعی مستقل انجام دهید، بیان کنید. در پایان این دوره، شما قادر خواهید بود: • مفهوم آموزش ماشین را شرح دهید • نقشی که SMEها در آموزش هوش مصنوعی پیشرفته ایفا می کنند را توضیح دهید • ارزیابی جوانب مثبت و منفی استفاده از تخصص انسانی در طراحی سیستم های هوش مصنوعی • بین سیستم های تصمیم گیری خودکار و مستقل تفاوت قائل شوید • محدودیت های سیستم های خودکار و انسان ها در تصمیم گیری بلادرنگ را شرح دهید • موارد استفاده را انتخاب کنید که در آن هوش مصنوعی مستقل از انسان ها و سیستم های خودکار بهتر عمل کند • یک راه حل هوش مصنوعی مستقل برای یک مشکل دنیای واقعی پیشنهاد دهید • طراحی خود را در برابر تخصص و تکنیک های موجود برای حل مشکلات اعتبار سنجی کنید

Suggestions