Course catalog

Course duration

Course provider

Topic

Categories

Showing 11,501-11,520 of 18,566 items.

linkedin روش های پیشرفته در امنیت برنامه (Mitalearn-449426)

  • 4 hours 16 minutes
  • مناسب همه
  • Release date: 5 March 2026
  • Author: Starweaver
درباره این دوره:

<p>نرم‌افزار بر جهان حکومت می‌کند، چه یک مرکز داده، چه حجم کاری ابری، روی دستگاه اینترنت اشیا در کارخانه یا برنامه‌ای روی دستگاه تلفن همراه اجرا کند—نرم‌افزار اجتناب‌ناپذیر است. به طور سنتی، رویکردهای امنیتی در مراحل پایانی توسعه، امنیت را «پیچ» کرده اند. اما این تکنیک های لحظه آخری دیگر برای تامین امنیت در برابر تهدیدات سایبری پیچیده کافی نیستند. هر سال حملات سایبری شایع‌تر و خطرناک‌تر می‌شوند و سازمان‌ها با فشار بی‌سابقه‌ای مواجه می‌شوند تا امنیت را در فرآیندهای توسعه‌شان تعبیه کنند، نه اینکه آن را مانند یک فکر بعدی بدانند. این دوره برای توانمندسازی متخصصان امنیت سایبری، توسعه‌دهندگان نرم‌افزار و تیم‌های DevSecOps برای پیاده‌سازی تکنیک‌های امنیتی برنامه‌ای طراحی شده است که در کل چرخه عمر توسعه نرم‌افزار (SDLC) ادغام می‌شوند. </p><p>توجه: این دوره توسط Starweaver ارائه شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم. </p>

Related Skills

linkedin روش های تحقیق UX: مرتب سازی کارت (Mitalearn-107182)

  • 40 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Amanda Stockwell
درباره این دوره:

مقدمه‌ای عمیق با مرتب‌سازی کارت، یک تکنیک تحقیق UX که به شما کمک می‌کند درک کنید که کاربران چگونه اطلاعات را دسته‌بندی می‌کنند، دریافت کنید. با استفاده از نتایج مرتب‌سازی کارت برای اطلاع‌رسانی به طرح‌های خود، می‌توانید وب‌سایت‌ها یا محصولاتی را ایجاد کنید که بصری و آسان برای پیمایش هستند. در این دوره، آماندا استاکول به شما کمک می کند تا اصول برنامه ریزی، اجرا و تجزیه و تحلیل یک مرتب سازی کارت را درک کنید. پس از ارائه یک نمای کلی از این تکنیک تحقیق UX و پرداختن به انواع مختلف مرتب‌سازی کارت، آماندا نشان می‌دهد که چگونه محتوای خود را آماده کنید تا مطمئن شوید که بهترین نتایج مرتب‌سازی کارت را دریافت می‌کنید. او همچنین یافتن، انتخاب، و غربالگری شرکت کنندگان، اجرای جلسات، تجزیه و تحلیل داده ها و به اشتراک گذاری نتایج شما را پوشش می دهد.

coursera روش های تقریب (Mitalearn-353699)

  • 3 hours 43 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Wounjhang Park
درباره این دوره:

coursera روش های توسعه نرم افزار منبع باز (Mitalearn-305572)

  • 1 hours 12 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jerry Cooperstein
درباره این دوره:

در این دوره به تعریف نرم‌افزار متن‌باز می‌پردازیم، تاریخچه نرم‌افزار متن‌باز را مرور می‌کنیم و در طول دهه‌ها به زیرساخت‌های فناوری جهان چه مزایایی داشته است. هدف این دوره این است که به شما بیاموزد چگونه در پروژه های متن باز کار کنید و مزایای زیادی از آن به دست آورید و واقعاً بفهمید که چه مزیت هایی دارد. شما در مورد بهترین شیوه های همکاری و نحوه تشویق تنوع در پروژه های منبع باز یاد خواهید گرفت. ما در مورد مدل‌های مختلف مجوز در دسترس صحبت خواهیم کرد، زیرا این به شما کمک می‌کند تا تصمیم بگیرید که بهترین مجوز برای پروژه شما چیست. ما در مورد روش‌هایی که معمولاً استفاده می‌شوند، مانند Continuous Integration و استفاده از GitHub و سایر ارائه‌دهندگان میزبانی به عنوان محل ملاقات مرکزی برای پروژه‌های منبع باز صحبت خواهیم کرد و چند نمونه از پروژه‌های منبع باز موفق را ارائه خواهیم داد.

coursera روش های جدید کار در دنیای هوش مصنوعی (Mitalearn-330885)

  • متوسط
  • Release date: 27 June 2026
  • Author: Michael A M Davies
درباره این دوره:

در حالی که سایر برنامه ها حول فناوری های هوش مصنوعی سازماندهی شده اند، این برنامه بر ایجاد ارزش در کسب و کار شما متمرکز است. در طول دو مرحله این برنامه، درک کاملی از ویژگی‌های فناوری به‌دست خواهید آورد و سپس برای شفاف‌سازی چالش کسب‌وکار و منبع داده‌تان تلاش می‌کنید، بنابراین می‌توانید فناوری‌های هوش مصنوعی مناسب را برای اتصال این دو انتخاب کنید.

coursera روش های حل مسائل (Mitalearn-306235)

  • 2 hours 33 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: David Quigley
درباره این دوره:

در این دوره، انواع مختلف مسائل، مرزهای آنچه که یک مسئله را قابل حل می‌کند و الگوریتم‌ها، قوانین و اکتشافی‌های مختلفی که می‌توانیم برای حل این مسائل پیاده‌سازی کنیم را بررسی خواهیم کرد.

coursera روش های داده کاوی (Mitalearn-333214)

  • 8 hours 14 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Qin (Christine) Lv
درباره این دوره:

این دوره تکنیک های اصلی مورد استفاده در داده کاوی، از جمله تجزیه و تحلیل الگوی مکرر، طبقه بندی، خوشه بندی، تجزیه و تحلیل پرت، و همچنین استخراج داده های پیچیده و مرزهای تحقیقاتی در زمینه داده کاوی را پوشش می دهد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر لوگوی دوره توسط Lachlan Cormie، در اینجا در Unsplash موجود است: https://unsplash.com/photos/jbJp18srifE

datacamp روش های گروهی در پایتون (Mitalearn-403118)

  • 1 hours 5 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Román de las Heras
درباره این دوره:

با غواصی در دنیای شگفت انگیز روش های یادگیری گروهی به سفر یادگیری ماشینی خود ادامه دهید! اینها یک کلاس هیجان انگیز از تکنیک های یادگیری ماشین هستند که چندین الگوریتم فردی را برای افزایش عملکرد و حل مسائل پیچیده در مقیاس در صنایع مختلف ترکیب می کنند. تکنیک های گروه به طور منظم در مسابقات یادگیری ماشین آنلاین نیز برنده می شوند! در این دوره، شما همه چیز را در مورد این تکنیک های پیشرفته گروه، مانند کیسه کردن، تقویت، و انباشتن یاد خواهید گرفت. آنها را با استفاده از کتابخانه‌های پیشرفته یادگیری ماشین Python مانند scikit-learn، XGBoost، CatBoost و mlxtend در مجموعه‌های داده دنیای واقعی اعمال خواهید کرد.

coursera روش های ماتریسی (Mitalearn-374677)

  • 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Daniel Boley
درباره این دوره:

روش‌های ماتریس ریاضی ریشه اکثر روش‌های یادگیری ماشین و تجزیه و تحلیل داده‌های داده‌های جدولی است. اصول اولیه روش های ماتریس، از جمله ضرب ماتریس-ماتریس، حل معادلات خطی، متعامد، و بهترین تقریب حداقل مربعات را بیاموزید. تجزیه ارزش منفرد را کشف کنید که نقش اساسی در کاهش ابعاد، تجزیه و تحلیل اجزای اصلی و کاهش نویز دارد. از مثال‌های اختیاری با استفاده از پایتون برای نشان دادن مفاهیم استفاده می‌شود و به زبان‌آموز اجازه می‌دهد تا الگوریتم‌ها را آزمایش کند.

Related Skills

coursera روش های یادگیری عمیق برای مراقبت های بهداشتی (Mitalearn-336682)

  • 3 hours
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jimeng Sun
درباره این دوره:

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

coursera روش های یادگیری عمیق پیشرفته برای مراقبت های بهداشتی (Mitalearn-336716)

  • 3 hours 28 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Jimeng Sun
درباره این دوره:

این دوره روش های یادگیری عمیق (DL)، داده های مراقبت های بهداشتی و برنامه های کاربردی با استفاده از روش های DL را پوشش می دهد. این دوره ها شامل فعالیت هایی مانند سخنرانی های ویدئویی، آزمایشگاه های برنامه نویسی خود هدایت شونده، تکالیف درسی (چه کتبی و چه برنامه نویسی) و یک پروژه بزرگ است. مرحله اول این دوره شامل سخنرانی های ویدئویی در مورد موضوعات مختلف DL و برنامه های کاربردی سلامت، آزمایشگاه های خود هدایت شونده و تکالیف متعدد در منزل خواهد بود. در این مرحله، دانش و تجربه خود را در توسعه مدل های یادگیری عمیق عملی بر روی داده های مراقبت های بهداشتی ایجاد خواهید کرد. مرحله دوم این دوره یک پروژه بزرگ خواهد بود که می تواند منجر به گزارش فنی و نسخه ی نمایشی عملکرد مدل های یادگیری عمیق برای رسیدگی به برخی از مشکلات خاص مراقبت های بهداشتی شود. ما انتظار داریم که بهترین پروژه ها به طور بالقوه به انتشارات علمی منجر شوند.

coursera روش های یادگیری مبتنی بر نمونه (Mitalearn-330205)

  • 3 hours 1 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Martha White,Adam White
درباره این دوره:

در این دوره، با چندین الگوریتم آشنا خواهید شد که می توانند سیاست های نزدیک به بهینه را بر اساس تعامل آزمون و خطا با محیط بیاموزند --- یادگیری از تجربه خود عامل. یادگیری از تجربه واقعی قابل توجه است زیرا نیازی به دانش قبلی در مورد پویایی محیط ندارد، اما هنوز می تواند به رفتار مطلوب دست یابد. ما روش های مونت کارلو ساده اما قدرتمند و روش های یادگیری تفاوت زمانی از جمله یادگیری Q را پوشش خواهیم داد. ما این دوره را با بررسی اینکه چگونه می‌توانیم بهترین‌ها را از هر دو دنیا بدست آوریم، به پایان می‌رسانیم: الگوریتم‌هایی که می‌توانند برنامه‌ریزی مبتنی بر مدل (مشابه برنامه‌نویسی پویا) و به‌روزرسانی‌های تفاوت زمانی را برای تسریع اساسی یادگیری ترکیب کنند. در پایان این دوره شما قادر خواهید بود: - یادگیری تفاوت زمانی و مونت کارلو را به عنوان دو استراتژی برای تخمین توابع ارزش از تجربه نمونه برداری شده درک کنید. - درک اهمیت اکتشاف، هنگام استفاده از تجربه نمونه برداری شده به جای برنامه نویسی پویا در یک مدل - ارتباط بین Monte Carlo و Dynamic Programming و TD را درک کنید. - پیاده سازی و اعمال الگوریتم TD، برای تخمین توابع مقدار - پیاده سازی و اعمال Expected Sarsa و Q-Learning (دو روش TD برای کنترل) - تفاوت بین کنترل در سیاست و خارج از سیاست را درک کنید - درک برنامه ریزی با تجربه شبیه سازی شده (بر خلاف استراتژی های برنامه ریزی کلاسیک) - یک رویکرد مبتنی بر مدل برای RL به نام Dyna پیاده سازی کنید که از تجربه شبیه سازی شده استفاده می کند - یک مطالعه تجربی برای مشاهده بهبود کارایی نمونه در هنگام استفاده از Dyna انجام دهید

linkedin روشن کردن یک مصاحبه ویدیویی (Mitalearn-34762)

  • 2 hours 28 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Richard Harrington,James Ball
درباره این دوره:

نور مصاحبه باید سوژه و مصاحبه کننده را عالی جلوه دهد. اما برای کنترل دقیق ظاهر و احساس به تجهیزات مناسب و درک درست از اهداف عکس نیاز دارید. به ریچ هرینگتون و جیم بال بپیوندید تا از وسایل و اطلاعاتی که برای روشن کردن درست یک مصاحبه ویدیویی نیاز دارید عبور کنند. نحوه تعیین حال و هوا و ژانر مصاحبه را بیابید، عکس های خود را به درستی در معرض دید قرار دهید، برنامه ای برای عکسبرداری تنظیم کنید، پس زمینه را انتخاب کنید و عکس را کادربندی کنید. به‌علاوه، تکنیک‌های کنترل نور با پرچم‌گذاری، پرش، انتشار و سایر تکنیک‌های مورد استفاده توسط متخصصان را بیاموزید.

rnrn مفتخریم که این محتوا را در کتابخانه خود میزبانی کنیم.

coursera روشهای بیوانفورماتیک II (Mitalearn-338586)

  • 3 hours 59 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Nicholas James Provart
درباره این دوره:

پروژه‌های زیست‌شناسی در مقیاس بزرگ مانند تعیین توالی ژنوم انسان و بررسی‌های بیان ژن با استفاده از RNA-seq، ریزآرایه‌ها و سایر فناوری‌ها، داده‌های زیادی را برای زیست‌شناسان ایجاد کرده‌اند. با این حال، چالشی که دانشمندان با آن روبرو هستند، تجزیه و تحلیل و حتی دسترسی به این داده ها برای استخراج اطلاعات مفید مربوط به سیستم مورد مطالعه است. این دوره بر استفاده از منابع بیوانفورماتیک موجود - عمدتاً برنامه‌ها و پایگاه‌های اطلاعاتی مبتنی بر وب - برای دسترسی به انبوه داده‌ها برای پاسخ به سؤالات مربوط به یک زیست‌شناس معمولی تمرکز دارد و بسیار کاربردی است. موضوعات تحت پوشش شامل ترازهای توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل داده های بیان ژن، و شبکه های تعامل پروتئین، در دو بخش جداگانه است. بخش اول، روش‌های بیوانفورماتیک I، به پایگاه‌های داده، انفجار، هم‌ترازی‌های توالی چندگانه، فیلوژنتیک، تجزیه و تحلیل انتخاب و متاژنومیکس می‌پردازد. این، بخش دوم، روش‌های بیوانفورماتیک II، جستجوی موتیف، برهمکنش‌های پروتئین-پروتئین، بیوانفورماتیک ساختاری، تجزیه و تحلیل داده‌های بیان ژن و پیش‌بینی‌های عنصر cis را پوشش می‌دهد. این جفت دوره برای هر دانش آموزی که تحصیلات تکمیلی در علوم زیستی را در نظر دارد و همچنین دانشجویانی که پزشکی مولکولی را در نظر دارند مفید است. این دوره‌ها بر اساس دوره‌ای است که در دانشگاه تورنتو به دانش‌آموختگان سطح بالایی که تا حدودی از زیست‌شناسی مولکولی پایه دارند، تدریس می‌شود. اگر با این کار آشنایی ندارید، چیزی مانند https://learn.saylor.org/course/bio101 ممکن است مفید باشد. هیچ برنامه نویسی برای این دوره مورد نیاز نیست، اگرچه برخی از کارهای خط فرمان (هر چند در یک مرورگر وب) در ماژول 5 رخ می دهد. Bioinformatic Methods II به طور منظم به روز می شود و آخرین بار در ژانویه 2024 به روز شده است.

coursera روشهای تحقیق کمی در روانشناسی (Mitalearn-337889)

  • 43 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Mike Stadler, PhD
درباره این دوره:

این در درجه اول برای دانشجویان سال اول و دوم کارشناسی علاقه مند به روانشناسی، تجزیه و تحلیل داده ها و روش های تحقیق کمی همراه با دانش آموزان دبیرستانی و متخصصان با علایق مشابه است.

linkedin روشهای داده BI BI (Mitalearn-431899)

  • 3 hours 12 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Helen Wall
درباره این دوره:

Power BI یک ابزار قدرتمند اطلاعاتی تجاری است که برای کمک به کاربران در ایجاد تجسم داده های تعاملی پویا و کمک به شما در نظارت بر داده ها ، تجزیه و تحلیل روند و تصمیم گیری دقیق تر کمک می کند. قبل از اینکه بتوانید هرگونه تصویری ایجاد کنید ، باید داده های خود را وارد Power BI کنید تا در فرآیند مدل سازی استفاده کنید. در این دوره ، هلن وال به شما کمک می کند تا با استفاده از قدرت داخلی پرس و جو ، داده های خود را با کارآمدتر کنترل ، وارد و تغییر دهید. هلن به شما نشان می دهد که چگونه می توانید چارچوب های ETL را ایجاد کنید و از Power Query برای استخراج داده ها از منابع مختلف داده استفاده کنید ، آن را از طریق عملکردی مانند گروه بندی و محوری تغییر دهید و آن را در مدل Power BI بارگیری کنید.

linkedin روش‌های داده Power BI (2019) (Mitalearn-163248)

  • 3 hours 56 minutes
  • متوسط
  • Release date: 9 October 2019
  • Author: Helen Wall
درباره این دوره: 

 
Power BI یک ابزار قدرتمند تجزیه و تحلیل داده و تجسم است که به کاربران کمک می کند داده ها را نظارت کنند، روندها را تجزیه و تحلیل کنند و تصمیمات هوشمندانه تری بگیرند. وسعت قابلیت های این ابزار در کل برنامه بسیار گسترده است، از اتصال دهنده های داده سفارشی گرفته تا تصاویر سفارشی داشبورد. این دوره بر روی پایان داده‌های Power BI که به عنوان Power Query نیز شناخته می‌شود (همان Power Query موجود در اکسل) و اینکه چگونه این بخش از برنامه می‌تواند فرآیند جستجوی داده‌ها و بازسازی مجموعه داده‌ها را خودکار کند، تمرکز دارد. مربی هلن وال، آرایه ای از گزینه های اتصال داده Power BI، از فایل های ثابت گرفته تا اسکریپت های پایتون را بررسی می کند. تکنیک های کلیدی برای تبدیل داده های غیرقابل استفاده را به اشتراک می گذارد. نحوه استفاده از زبان فرمول M را برای بهبود کارایی و ایجاد پرس و جوهای سفارشی توضیح می دهد.

linkedin روشهای ساده برای ایجاد مسئولیت پذیری شخصی (Mitalearn-435265)

  • 23 minutes
  • مناسب همه
  • Release date: 6 January 2025
  • Author: Ali Schiller,Madecraft
درباره این دوره: 

 در هر دو زندگی شخصی و حرفه ای خود ، افراد دیگری را برای انجام کارهای خود به شما حساب می کنند. این دوره که توسط علی شیلر تدریس می شود ، استراتژی های عملی را برای افزایش مسئولیت پذیری شخصی شما و پیگیری تعهدات ارائه می دهد. از مزایای پاسخگو بودن و یادگیری تکنیک های مؤثر خود نظارت بر. اهداف واضح و سیستم های پاسخگویی را توسعه دهید. بعد از این دوره ، شما برای ارتقاء پاسخگویی شخصی و دستیابی به اهداف خود مجهز خواهید شد.

linkedin روش‌های علم داده: ایجاد حس کسب‌وکار (Mitalearn-209930)

  • 1 hours 50 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Neelam Dwivedi
درباره این دوره:

درک روزافزونی وجود دارد که علم داده باید فراتر از آزمایش در مقیاس کوچک به یک پیاده سازی در مقیاس بزرگ برود. در این دوره، Neelam Dwivedi روش‌های مهندسی نرم‌افزار و داده‌کاوی را برای دانشمندان داده ارائه می‌کند، سپس این ایده‌ها را با در نظر گرفتن یک نیاز ساده کسب‌وکار در طول یک چرخه زندگی به کار می‌گیرد - میزبانی یک مدل، مصرف آن در یک برنامه وب و راه‌اندازی CI/ خط لوله سی دی. Neelam با توضیح روش های مورد استفاده در دوره و نحوه ترکیب آنها شروع می کند. او به شما نشان می دهد که در توسعه معماری و استقرار یک مدل از کجا شروع کنید، سپس توضیح می دهد که چگونه برنامه های کاربردی وب بزرگتر ممکن است مدل را به عنوان یک سرویس مصرف کنند. Neelam نحوه مرحله بندی مدل و برنامه خود و همچنین نحوه برنامه ریزی پیش رو با یک نقشه راه کلی را پوشش می دهد. او با افکاری در مورد چگونگی کاربردهای بیشتر روش‌شناسی علم داده به پایان می‌رسد.

coursera روشهای علوم اجتماعی محاسباتی (Mitalearn-328828)

  • 5 hours 5 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Martin Hilbert
درباره این دوره:

این دوره به شما یک نمای کلی از فرصت های فعلی و دسترسی همه جانبه علوم اجتماعی محاسباتی را ارائه می دهد. نتایج همه روزه در اطراف ما هستند، از خدمات ارائه شده توسط با ارزش ترین شرکت های جهان، از نفوذ پنهان سازمان های دولتی، تا قدرت جنبش های اجتماعی و سیاسی. همه آنها رفتار انسان را برای شکل دادن به آن مطالعه می کنند. به طور خلاصه، همه آنها علوم اجتماعی را با ابزار محاسباتی انجام می دهند. در این دوره به سه سوال پاسخ می دهیم: I. چرا علوم اجتماعی محاسباتی (CSS) در حال حاضر؟ II. CSS چه چیزی را پوشش می دهد؟ III. نمونه هایی از CSS چیست؟ در این بخش آخر، ما به چهار کاربرد اصلی CSS نگاهی می اندازیم. ابتدا، پروفسور Blumenstock از UC Berkeley بحث می‌کند که چگونه می‌توانیم با مطالعه ردپای عظیم دیجیتالی که از تعاملات اجتماعی امروزی به جا مانده، به‌ویژه برای تقویت توسعه بین‌المللی، بینش‌هایی به دست آوریم. دوم، پروفسور شلتون از UC Riverside ما را با دنیای یادگیری ماشینی آشنا می‌کند، از جمله مفاهیم اساسی پشت این محرک فعلی بسیاری از چشم‌انداز محاسباتی امروزی. پروفسور فاولر از UC San Diego ما را با قدرت شبکه های اجتماعی آشنا می کند و در نهایت پروفسور Smaldino از UC Merced توضیح می دهد که چگونه شبیه سازی کامپیوتری به ما کمک می کند تا برخی از رازهای ظهور اجتماعی را بگشاییم.

Suggestions