Course catalog

Course duration

Course provider

Topic

Categories

Showing 7,681-7,700 of 17,394 items.

coursera پیش از تاریخ، هدف و آینده سیاسی کتاب مقدس (Mitalearn-367367)

  • 10 hours 29 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dr. Jacob L. Wright
درباره این دوره:

اورشلیم در حالی که دیوارهایش توسط ارتش بابل با خاک یکسان شده بود به صف طولانی شهرهای مغلوب باستانی پیوست - از اور و نینوا و تخت جمشید تا خود بابل. در حالی که برخی از تخریب نجات یافتند، برخی دیگر نتوانستند. اما هیچ‌کدام به فاجعه سیاسی واکنش نشان ندادند و بنای یادبود مفصل و ماندگاری را که ما در کتاب مقدس می‌بینیم برای سقوط خود ساخته‌اند. اکثر جمعیت های تسخیر شده، انقیاد خود را مایه شرمساری می دانستند. آن‌ها آن را به فراموشی سپرده‌اند و به جای آن تصمیم گرفتند تا دوران طلایی گذشته را تمجید کنند. در مقابل، نویسندگان کتاب مقدس با تألیف نوشته‌های گسترده‌ای که شکست جمعی را تصدیق می‌کنند، عمیقاً درباره علل آن تأمل می‌کنند و در نتیجه زمینه‌ای برای امید جمعی کشف می‌کنند، به ضرر واکنش نشان دادند. این دوره با کار بر روی متون رنگارنگ کتاب مقدس و باستانی خاور نزدیک، و استفاده از مجموعه‌ای از نمونه‌های مقایسه‌ای، شیوه کاملی را نشان می‌دهد که نویسندگان کتاب مقدس با پیشبرد برنامه‌ای دموتیک که جامعه را در مرکز قرار می‌دهد، به شکست پاسخ دادند. هدف نویسندگان کتاب مقدس ایجاد یک ملت بود و آنها به دنبال تحقق این هدف از طریق یک متن مشترک بودند که شامل داستان ها و ترانه ها، حکمت و قوانین است. این مجموعه نوشته ها، بدون شک، متعلق به بزرگترین دستاوردهای بشریت است. در حالی که تمدن‌های بزرگ خاور نزدیک انرژی و منابع خود را در بناهای سنگی سرمایه‌گذاری کردند که می‌توانستند توسط ارتش‌های مهاجم از بین بروند، نویسندگان کتاب مقدس میراث ادبی‌ای از خود بر جای گذاشتند که تا به امروز به شدت مورد مطالعه قرار گرفته است. مهمتر از آن، پاسخ رویایی این نویسندگان به شکست، حکمت رادیکال جدیدی را آشکار کرد: این تصور که یک مردم بزرگتر از دولتی است که بر آن حکومت می کند، و اینکه یک جامعه زمانی می تواند از فروپاشی جان سالم به در ببرد که همه اعضای آن بتوانند ادعای بخشی از آن را داشته باشند. پای و بنابراین دلیلی برای مشارکت فعال در زندگی جمعی آن داشته باشد.

datacamp پیش بینی CTR با یادگیری ماشین در پایتون (Mitalearn-406246)

  • 51 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kevin Huo
درباره این دوره:

آیا تا به حال فکر کرده اید که چگونه شرکت هایی مانند فیس بوک و گوگل می توانند تبلیغات هدفمند شگفت انگیزی را که گهگاه روی آنها کلیک می کنید به شما ارائه دهند؟ خوب، در پشت صحنه، آنها مدل‌های یادگیری ماشینی پیچیده را اجرا می‌کنند و از داده‌های غنی کاربر برای پیش‌بینی نرخ کلیک (CTR) برای هر کاربری که آن تبلیغات را می‌بیند، استفاده می‌کنند. این دوره به شما یاد می دهد که چگونه مدل های پایه را در پایتون پیاده سازی کنید تا بتوانید نحوه بهینه سازی بهتر تبلیغات با یادگیری ماشین را مشاهده کنید. با استفاده از داده‌های تبلیغات واقعی، می‌آموزید که چگونه ویژگی‌ها را مهندسی کنید، مدل‌های یادگیری ماشینی را با استفاده از آن ویژگی‌ها بسازید، و مدل‌های خود را در زمینه پیش‌بینی CTR ارزیابی کنید. در پایان این دوره، درک قوی از نحوه استفاده از یادگیری ماشینی برای موثرتر کردن تبلیغات خود خواهید داشت.

linkedin پیش بینی با استفاده از صورت های مالی (Mitalearn-122941)

  • 2 hours 5 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Yash Patel
درباره این دوره:

بیاموزید که یک شرکت به کجا می رود و منابعی که برای موفقیت به آن نیاز دارد. پیش‌بینی با استفاده از صورت‌های مالی، سیر عمیقی در ریاضیات پیش‌بینی مالی فراهم می‌کند. اعداد را بررسی کنید و دریابید که چگونه با استفاده از Excel یا Google Sheets یک پیش بینی کامل از ابتدا تا انتها ایجاد کنید. یاش پاتل صورت سود و زیان و ترازنامه را برای محاسبه پیش‌بینی‌های پیش‌فرم درآمد، تجهیزات، هزینه فروش و موارد دیگر تشریح می‌کند. او همچنین ریاضیات پشت تکنیک‌های پیش‌بینی ساده، مانند رویکرد ساده‌لوحانه، میانگین متحرک ساده و هموارسازی نمایی را نشان می‌دهد. او همچنین نحوه ایجاد پیش بینی جریان نقدی، محاسبه سود قبل از بهره و مالیات، استهلاک و مخارج سرمایه و سرمایه در گردش خالص را نشان می دهد. Yash همچنین از داده‌ها برای ایجاد رگرسیون استفاده می‌کند که می‌تواند یک مقدار مستقل معین را برون‌یابی و پیش‌بینی کند. در پایان این دوره، شما باید بتوانید پیش‌بینی‌هایی را برای یک کسب‌وکار با استفاده از صورت‌های مالی معمول در دسترس ارائه کنید.

coursera پیش بینی تقاضا با استفاده از سری زمانی (Mitalearn-333928)

  • 1 hours 23 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

این دوره دومین دوره تخصصی در زمینه یادگیری ماشین برای مبانی زنجیره تامین است. در این دوره، تمام جنبه های سری های زمانی، به ویژه برای پیش بینی تقاضا را بررسی می کنیم. ما با به دست آوردن جای پایی در مفاهیم اساسی پیرامون سری های زمانی، از جمله ایستایی، روند (رانش)، چرخه ای بودن، و فصلی شروع خواهیم کرد. سپس، مدتی را صرف تحلیل روش‌های همبستگی در رابطه با سری‌های زمانی (خودهمبستگی) خواهیم کرد. در نیمه دوم دوره، ما بر روی روش‌هایی برای پیش‌بینی تقاضا با استفاده از سری‌های زمانی، مانند مدل‌های خودرگرسیون تمرکز خواهیم کرد. در نهایت، با پروژه ای نتیجه گیری می کنیم که تقاضا را با استفاده از مدل های ARIMA در پایتون پیش بینی می کند.

datacamp پیش بینی تقاضای محصول در R (Mitalearn-406552)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Aric LaBarr
درباره این دوره:

پیش‌بینی دقیق تقاضا برای محصولات به شرکت اجازه می‌دهد از بازار جلوتر بماند. با دانستن اینکه چه چیزهایی تقاضا را شکل می دهند، می توانید رفتارهای اطراف محصولات خود را بهتر هدایت کنید. این دوره روند پیش‌بینی تقاضای محصول را از طریق استفاده از R باز می‌کند. شما یاد خواهید گرفت که چگونه محرک‌های مهم تقاضا را شناسایی کنید، به اثرات فصلی نگاه کنید، و تقاضا برای سلسله مراتبی از محصولات را از یک مثال دنیای واقعی پیش‌بینی کنید. در پایان دوره شما قادر خواهید بود تقاضا برای چندین محصول را در سراسر منطقه ای از یک ایالت در ایالات متحده پیش بینی کنید. سپس این پیش‌بینی‌ها را در بسیاری از مناطق مختلف یک ایالت جمع می‌کنید تا یک سیستم پیش‌بینی سلسله مراتبی کامل را تشکیل دهید.

Related Skills

datacamp پیش بینی در R (Mitalearn-404019)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Rob J. Hyndman
درباره این دوره:

پیش‌بینی شامل پیش‌بینی‌هایی درباره آینده است. در بسیاری از شرایط لازم است: تصمیم گیری در مورد ساخت نیروگاه تولید برق دیگر در ده سال آینده مستلزم پیش بینی تقاضای آینده است. برنامه ریزی کارکنان در یک مرکز تماس در هفته آینده نیاز به پیش بینی حجم تماس دارد. ذخیره سازی موجودی مستلزم پیش بینی نیازهای موجودی است. پیش‌بینی‌ها می‌توانند چندین سال قبل (در مورد سرمایه‌گذاری‌های سرمایه) یا فقط چند دقیقه قبل (برای مسیریابی مخابرات) مورد نیاز باشند. هر چه شرایط یا افق زمانی درگیر باشد، پیش‌بینی کمک مهمی به برنامه‌ریزی مؤثر و کارآمد است. این دوره مقدمه ای بر پیش بینی سری های زمانی با استفاده از R.

ارائه می دهد

Related Skills

linkedin پیش بینی سری زمانی AI با پایتون (Mitalearn-410887)

  • 2 hours 11 minutes
  • مناسب همه
  • Release date: 16 August 2024
  • Author: Tobias Zwingmann
درباره این دوره: 

 

برای هر مشاغل ، به دست آوردن و درک بینش در مورد روندهای آینده ، خواسته های مشتری یا شرایط بازار عامل مهمی در موفقیت است. و با در دسترس بودن گسترده یادگیری ماشین و ابزارهای هوش مصنوعی ، هزاران مشاغل قادر به افزایش عملکرد خود از طریق پیش بینی سری زمانی هستند. در این دوره ، Tobias Zwingmann شما را با استفاده از Python و AI پیش بینی سری زمانی را معرفی می کند و نشان می دهد که چگونه می توانید آنها را در تجارت خود اعمال کنید. بیاموزید که چگونه می توانید گردش کار پیش بینی را از مشکلات استاتیک ، کلاس به موارد استفاده پویا و در زمان واقعی ترجمه کنید. به علاوه ، در مورد ابزارها و رویکردهایی که می توانید در سایر کارهای هوش مصنوعی و یادگیری ماشین استفاده کنید ، اطلاعات کسب کنید.

این دوره با CodeSpaces GitHub ، یک محیط توسعه دهنده ابر فوری که تمام عملکردهای IDE مورد علاقه شما را بدون نیاز به تنظیمات محلی محلی ارائه می دهد ، یکپارچه شده است. با استفاده از Codepaces GitHub ، می توانید از هر دستگاهی ، در هر زمان استفاده کنید-همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد. برای یادگیری نحوه شروع کار ، فیلم "GitHub Codespaces" را بررسی کنید.


linkedin پیش بینی فروش (Mitalearn-268206)

  • 49 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Drew Boyd
درباره این دوره:

پیش بینی فروش تقریباً برای هر کسب و کاری بسیار مهم است، زیرا بر استقرار فروش، برنامه ریزی مالی، بودجه بندی، برنامه ریزی عملیات و برنامه ریزی بازاریابی تأثیر می گذارد. از آنجایی که پیش‌بینی‌های فروش تأثیر گسترده‌ای دارند، بسیار مهم است که اطلاعات پیش‌بینی تا حد امکان دقیق باشد. در این دوره، پروفسور فروش و بازاریابی، درو بوید، فرآیندی گام به گام برای ایجاد و مدیریت پیش بینی های فروش موثر را به اشتراک می گذارد. او شما را با نحوه تعریف دسته بندی بازار، ایجاد فرآیندهای مناسب، انتخاب تکنیک پیش بینی مناسب و جمع آوری داده آشنا می کند. علاوه بر این، او نحوه استفاده از روش‌های پیش‌بینی کمی و کیفی را نشان می‌دهد.

Related Skills

linkedin پیش بینی فروش (2017) (Mitalearn-107488)

  • 45 minutes
  • متوسط
  • Release date: 25 July 2026
  • Author: Drew Boyd
درباره این دوره:

پیش بینی فروش تقریباً برای هر کسب و کاری بسیار مهم است، زیرا بر استقرار فروش، برنامه ریزی مالی، بودجه بندی، برنامه ریزی عملیات و برنامه ریزی بازاریابی تأثیر می گذارد. از آنجایی که پیش‌بینی‌های فروش تأثیر گسترده‌ای دارند، بسیار مهم است که اطلاعات پیش‌بینی تا حد امکان دقیق باشد. در این دوره، پروفسور فروش و بازاریابی، درو بوید، فرآیندی گام به گام برای ایجاد و مدیریت پیش بینی های فروش موثر را به اشتراک می گذارد. او شما را با نحوه تعریف دسته بندی بازار، ایجاد فرآیندهای مناسب، انتخاب تکنیک پیش بینی مناسب و جمع آوری داده آشنا می کند. علاوه بر این، او نحوه استفاده از روش‌های پیش‌بینی کمی و کیفی را نشان می‌دهد.

linkedin پیش بینی مالی با آموزش ضروری آنالیتیکس (Mitalearn-215166)

  • 1 hours 34 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Michael McDonald
درباره این دوره:

کلان داده ها دنیای تجارت را متحول می کنند. با این حال، بسیاری از مردم نمی‌دانند کلان داده و هوش تجاری چیست، یا نمی‌دانند چگونه از آن داده‌ها برای ارزیابی معیارهای کلیدی شرکت خود در آینده استفاده کنند. این دوره به این شکاف دانش می پردازد و روش های عملی برای ایجاد پیش بینی های مالی با تجزیه و تحلیل های تجاری و کلان داده به افراد تجاری ارائه می دهد. فروش سه ماهه، جریان نقدی پیش بینی شده، یا حتی قیمت گذاری بهینه محصول. تنها چیزی که نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها، توابع و محاسبات داخلی برای انجام تحلیل رگرسیون، محاسبه فواصل اطمینان و تست استرس نتایج شما استفاده می کند. شما از دوره دور می شوید و می توانید فوراً شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.

linkedin پیش بینی مالی با داده های بزرگ (Mitalearn-110939)

  • 1 hours 21 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Michael McDonald
درباره این دوره:

کلان داده ها دنیای تجارت را متحول می کنند. با این حال، بسیاری از مردم نمی‌دانند کلان داده و هوش تجاری چیست، یا نمی‌دانند چگونه این تکنیک‌ها را در مشاغل روزمره خود به کار ببرند. این دوره به این شکاف دانش می پردازد و روش های عملی را به افراد تجاری ارائه می دهد تا با استفاده از داده های بزرگ، پیش بینی های تجاری سریع و مرتبط ایجاد کنند.\r\n\r\n تنها چیزی که نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها، توابع و محاسبات داخلی برای انجام تحلیل رگرسیون، محاسبه فواصل اطمینان و تست استرس نتایج شما استفاده می کند. شما از دوره دور می شوید و می توانید فوراً شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.

datacamp پیش بینی مالی در پایتون (Mitalearn-405379)

  • 42 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Victoria Clark
درباره این دوره:

در پیش‌بینی مالی در پایتون، به نقش مدیر مالی وارد می‌شوید و یاد می‌گیرید که چگونه به هیئت مدیره در مورد معیارهای کلیدی در حین ساخت پیش‌بینی مالی، مبانی صورت‌های درآمد و ترازنامه، و تمیز کردن داده‌های مالی نامرتب مشاوره دهید. در طول دوره، مجموعه داده های واقعی از نتفلیکس، تسلا و فورد را با استفاده از بسته پانداها بررسی خواهید کرد. پس از این دوره، می‌توانید معیارهای مالی را محاسبه کنید، با فرضیات و واریانس‌ها کار کنید و پیش‌بینی خود را در پایتون بسازید!

coursera پیش بینی نبرد بعدی خود، در تجارت و فراتر از آن (Mitalearn-287450)

  • 2 hours 36 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jeremy Ghez
درباره این دوره:

در این MOOC، شما یاد خواهید گرفت که چگونه آینده را بهتر پیش بینی کنید و بر این اساس خود و فعالیت خود را دوباره اختراع کنید. در پایان دوره، شما قادر خواهید بود که زمینه گسترده تر و همگرایی احتمالی روندهای بلندمدت را در نظر بگیرید، و در نتیجه قادر خواهید بود یک استراتژی و چشم انداز بلندمدت و سازگار، فراتر از صرفا روزمره ایجاد کنید. تاکتیک های روز به لطف این رویکرد و طرز فکر، در منظره ای بسیار پیچیده و نامطمئن، چابک تر و انعطاف پذیرتر خواهید شد. در این کلاس، شما نه تنها جنبه های علمی و نظری آینده نگری استراتژیک، عدم قطعیت و برنامه ریزی را یاد خواهید گرفت. ما همچنین نمونه های بسیار کاربردی را مورد بحث قرار خواهیم داد، از بحث در مورد انتخاب بهترین لباس برای پیاده روی در حومه شهر تا ایجاد چشم انداز و استراتژی برای یک شرکت به عنوان مدیر عامل. در ارزیابی های عملی، شما این رویکرد گسترده را برای نمونه های نمونه و همچنین چالش های شخصی و حرفه ای خود اعمال خواهید کرد. بنابراین اگر کارآفرین هستید، این دوره به شما کمک می‌کند تا ایده‌های جدید، مدل کسب‌وکار جدید و/یا محصولات جدیدی را شناسایی کنید که به شما کمک می‌کنند در آینده مرتبط بمانید. اگر مدیر یا مدیر اجرایی هستید، با گذراندن این دوره، می‌توانید آزمایش کنید که آیا رویکرد فعلی و تخصیص منابع شما با توجه به چالش‌های احتمالی فردا مناسب است یا خیر. به طور کلی، همه نوع تصمیم گیرندگانی که به دنبال تفکر استراتژیک تر در مورد موقعیت خود هستند و به دنبال بهبود آن هستند، این دوره را برای تفکر سازنده در مورد آینده مفید خواهند یافت.

coursera پیش بینی و کنترل با تقریب تابع (Mitalearn-330222)

  • 3 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Martha White,Adam White
درباره این دوره:

در این دوره یاد خواهید گرفت که چگونه مسائل را با فضاهای بزرگ، با ابعاد بالا و بالقوه بی نهایت حل کنید. خواهید دید که تخمین توابع ارزش را می توان به عنوان یک مشکل یادگیری تحت نظارت --- تقریب عملکرد --- به شما امکان می دهد تا نمایندگانی را بسازید که با دقت تعادل و تبعیض را به منظور حداکثر رساندن پاداش تعادل برقرار کنید. ما این سفر را با بررسی اینکه چگونه روش‌های ارزیابی خط‌مشی یا پیش‌بینی ما مانند مونت کارلو و TD را می‌توان به تنظیمات تقریب تابع گسترش داد، آغاز خواهیم کرد. شما در مورد تکنیک های ساخت ویژگی برای RL و یادگیری نمایش از طریق شبکه های عصبی و backprop یاد خواهید گرفت. ما این دوره را با یک فرو رفتن عمیق در روش‌های گرادیان سیاست به پایان می‌رسانیم. راهی برای یادگیری مستقیم سیاست ها بدون یادگیری تابع ارزش. در این دوره شما دو وظیفه کنترل حالت پیوسته را حل می کنید و مزایای روش های گرادیان خط مشی را در یک محیط کنش پیوسته بررسی می کنید. پیش نیازها: این دوره به شدت مبتنی بر مبانی دوره های 1 و 2 است و فراگیران باید قبل از شروع این دوره این موارد را تکمیل کرده باشند. همچنین زبان آموزان باید با احتمالات و انتظارات، جبر خطی پایه، حساب دیفرانسیل و انتگرال، پایتون 3.0 (حداقل 1 سال) و پیاده سازی الگوریتم ها از کد شبه راحت باشند. در پایان این دوره، شما قادر خواهید بود: - درک نحوه استفاده از رویکردهای یادگیری نظارت شده برای تقریبی توابع ارزش درک اهداف برای پیش بینی (تخمین ارزش) تحت تقریب تابع -اجرای TD با تقریب تابع (تجمع حالت)، در محیطی با فضای حالت نامحدود (فضای حالت پیوسته) - درک رویکردهای مبتنی بر شبکه های عصبی ثابت و شبکه های عصبی برای ساخت ویژگی پیاده سازی TD با تقریب تابع شبکه عصبی در یک محیط حالت پیوسته -در هنگام حرکت به سمت تقریب تابع، مشکلات جدید در اکتشاف را درک کنید -تضاد فرمول‌های مشکل با تخفیف برای کنترل در مقابل فرمول‌بندی مشکل پاداش متوسط -پیاده سازی Sarsa و Q-Learning مورد انتظار با تقریب تابع در یک کار کنترل حالت مستمر - درک اهداف برای برآورد مستقیم خط مشی ها (اهداف شیب سیاست) - یک روش گرادیان خط مشی (به نام Actor-Critic) روی یک محیط حالت گسسته پیاده سازی کنید

coursera پیش بینی و گزارش مالی (Mitalearn-293281)

  • 6 hours 53 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Michael J. Readey, Ph.D.
درباره این دوره:

این دوره به بررسی چگونگی ارزیابی پروژه های عمومی با استفاده از تجزیه و تحلیل هزینه و فایده می پردازد. یادگیرندگان متوجه می شوند که چگونه نرخ بهره و قیمت سهام و اوراق قرضه تعیین می شود. تکنیک هایی در مورد چگونگی ایجاد بودجه های دپارتمان برای مراکز هزینه های مهندسی و بیانیه های پیش فرم برای مراکز سود ارائه شده است. سپس یادگیرندگان با صورت‌های مالی شرکت کار می‌کنند تا سلامت مالی شرکت را ارزیابی کنند، از جمله معیارهای اخیر حاکمیت محیطی، اجتماعی و شرکتی (ESG). این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد مهندسی CU Boulder در مدیریت مهندسی (ME-EM) که در پلت فرم Coursera ارائه می شود، گذراند. ME-EM برای کمک به مهندسان، دانشمندان و متخصصان فنی طراحی شده است تا به سمت نقش های رهبری و مدیریت در بخش های مهندسی و فنی حرکت کنند. با پذیرش مبتنی بر عملکرد و بدون فرآیند درخواست، ME-EM برای افرادی با طیف گسترده ای از تحصیلات کارشناسی و/یا تجربه حرفه ای ایده آل است. درباره برنامه ME-EM در https://www.coursera.org/degrees/me-engineering-management-boulder اطلاعات بیشتری کسب کنید.

coursera پیش بینی، بودجه، قلمروها، ارزیابی و مسائل حقوقی/اخلاقی (Mitalearn-290714)

  • 4 hours 58 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Emily C. Tanner, Ph.D.,Suzanne C. Bal,Michael F. Walsh, Ph.D.
درباره این دوره:

در بخش چهارم تخصص مدیریت/عملیات فروش، دانش‌آموزان هدف و روش‌های پیش‌بینی و بودجه‌بندی را در نقش مدیریتی بررسی خواهند کرد. در مرحله بعد، نحوه توسعه مناطق و ارزیابی عملکرد فروش را یاد خواهیم گرفت. در نهایت، مسائل حقوقی و اخلاقی پیش روی مدیران فروش را بررسی خواهیم کرد.

datacamp پیش پردازش برای یادگیری ماشین در پایتون (Mitalearn-398902)

  • 45 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: James Chapman
درباره این دوره:

این دوره اصول اولیه نحوه و زمان انجام پیش پردازش داده ها را پوشش می دهد. این مرحله ضروری در هر پروژه یادگیری ماشینی زمانی است که داده های خود را برای مدل سازی آماده می کنید. بین وارد کردن و تمیز کردن داده‌های شما و تطبیق مدل یادگیری ماشین شما، زمانی است که پیش پردازش وارد عمل می‌شود. شما یاد خواهید گرفت که چگونه داده های خود را استاندارد کنید تا به شکل مناسبی برای مدل شما باشند، ویژگی های جدیدی ایجاد کنید تا اطلاعات موجود در مجموعه داده خود را به بهترین شکل ممکن استفاده کنید و بهترین ویژگی ها را برای بهبود تناسب مدل خود انتخاب کنید. در نهایت، با آماده‌سازی مجموعه داده‌های رویت‌های بشقاب پرنده برای مدل‌سازی، پیش‌پردازش را تمرین خواهید کرد.

linkedin پیش تولید ویدئو برای فیلم های کم هزینه (Mitalearn-88278)

  • 56 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Eduardo Angel
درباره این دوره:

هیجان فیلم‌سازی می‌تواند هر کسی را ترغیب کند که با عجله از مراحل پیش‌تولید بگذرد تا پشت دوربین بپرد و فیلمبرداری را شروع کند. تسلیم شدن در برابر این وسوسه می تواند منجر به اشتباهات و تاخیرهای پرهزینه شود، که در هنگام فیلمبرداری یک فیلم کم هزینه یا بسیار کم هزینه نمی توانید از عهده آنها برآیید.

rn در این دوره آموزشی، ادواردو شما را در پشت صحنه، از طریق فرآیند واقعی پیش تولید یک فیلم فوق‌العاده کم‌هزینه، به اشتراک گذاشتن بینش‌های واقعی از مفهوم تا توزیع، و در عین حال کاوش در برنامه‌ها، ابزارها و چالش‌هایی که در هر یک از آنها وجود دارد، می‌برد. و هر تصمیمی او همچنین به ضروری‌ترین وظایف پیش‌تولید نگاه می‌کند، بنابراین شما قبل از اینکه قدم بر روی مجموعه‌ای بگذارید یا به مکانتان برسید، بدانید به چه چیزهایی نیاز دارید. ادواردو به شما نشان می دهد که چگونه با بودجه اندکی کار کنید، بدون اینکه به یکپارچگی داستانتان آسیبی وارد شود، و حتی چگونه کل فیلم را پیش از فیلمبرداری کنید.

linkedin پیش سرمایه گذاری: قبل از سرمایه گذاری در املاک و مستغلات (Mitalearn-158624)

  • 5 hours 9 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Symon He
درباره این دوره:

تازه به سرمایه گذاری در املاک و مستغلات؟ مطمئن نیستم از کجا شروع کنم؟ اما هر سرمایه گذاری خوب با آماده سازی شروع می شود. در این دوره، سرمایه گذار و مشاور املاک و مستغلات Symon He هر چیزی را که باید قبل از اولین سرمایه گذاری خود بدانید را توضیح می دهد. بیاموزید که چگونه یک استراتژی سرمایه گذاری ایجاد کنید، از روش فروش قابل مقایسه برای ارزش گذاری ملک استفاده کنید و درک کنید که چگونه مراحل مختلف بازار املاک و مستغلات ممکن است بر شما تأثیر بگذارد. با استفاده از این نکات، می توانید دانش پایه ای را که برای تبدیل شدن به یک سرمایه گذار آگاه و سودآور در املاک و مستغلات نیاز دارید، ایجاد کنید.

rnrn

linkedin پیش نویس جذاب: داستان بازی (Mitalearn-125593)

  • 37 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Oliver Schinkten
درباره این دوره:

Adobe Captivate Draft به شما این امکان را می دهد که استوری بردهای یادگیری الکترونیکی را در iPad خود ایجاد کنید و سپس آنها را به Captivate صادر کنید تا به سرعت شروع به ساخت یک پروژه یادگیری الکترونیکی کنید. در این دوره کوتاه، الیور شینکتن را همراهی کنید تا بهترین شیوه های استوری بردینگ را در حین نشان دادن نحوه استفاده از Draft بررسی کند. او نحوه ایجاد یک پروژه جدید را توضیح می دهد. محتوا را به اسلایدهای خود اضافه کنید. و استوری‌بورد خود را با افزودن اسلایدهای سؤال و نقاط داغی تعاملی‌تر کنید که - در صورت انتخاب - کاربران را به یک اسلاید خاص در عرشه بازگرداند. به علاوه، او به نحوه ارسال پروژه برای بررسی، مشاهده بازخورد و صادرات یا وارد کردن یک پروژه از Captivate می‌پردازد.

Suggestions