Course catalog

Course duration

Course provider

Topic

Categories

Showing 13,321-13,340 of 16,544 items.

coursera مبانی و کاربردهای طراحی آموزشی (Mitalearn-361808)

  • 5 hours 21 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Eunjung Grace Oh
درباره این دوره:

این دوره آموزشی، مبانی طراحی آموزشی، فراگیران را با مبانی مفهومی و نظری طراحی آموزشی و همچنین جنبه تحلیلی طراحی سیستم های آموزشی به منظور ایجاد راه حل آموزشی نوآورانه برای مشکلات عملکرد در سازمان ها آشنا می کند. این دوره خاص همچنین فراگیران را با مفاهیمی که در گواهینامه طراحی آموزشی MasterTrack پوشش داده شده است آشنا می کند. پس از اتمام موفقیت آمیز این دوره، شما قادر خواهید بود: ●مفاهیم اصلی طراحی سیستم های آموزشی را شرح دهید ●تئوری های اصلی یادگیری و آموزشی را شرح دهید ●فرایند طراحی آموزشی و مدل های طراحی آموزشی را شرح دهید ● فعالیت های تحلیلی مختلف برای طراحی آموزشی را شرح دهید

coursera مبانی و کاربردهای فناوری های یادگیری (Mitalearn-362267)

  • 4 hours 7 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Wenhao David Huang
درباره این دوره:

این دوره، مبانی و کاربردهای فناوری های یادگیری، یکی از دو دوره چهار هفته ای MOOC است که بخشی از گواهینامه MasterTrack طراحی آموزشی است. پس از اتمام دوره، شما قادر خواهید بود: 1. کاربردهای فناوری یادگیری مناسب برای وظایف حل مسئله را شناسایی کنید. 2. ارزیابی راه حل های فن آوری یادگیری بر اساس نظریه بار شناختی و مدل های طراحی یادگیری چند رسانه ای مرتبط. 3. انتخاب فناوری های یادگیری برای حل مشکلات سازمانی را بر اساس شواهد و بهترین شیوه ها توجیه کنید.

linkedin مبانی واقعیت مجازی (Mitalearn-112401)

  • 35 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Craig Barr
درباره این دوره:

واقعیت مجازی مدتی است که وجود داشته است، اما کاربردهای جدید بسیاری در معماری، مهندسی، و ساخت و ساز (AEC)، تولید و ده‌ها صنعت دیگر دارد که به روش‌های نوآورانه برای تجسم و همکاری اجازه می‌دهد. ابزارهای جدید از جمله اسکن سه بعدی، هواپیماهای بدون سرنشین و فتوگرامتری، همراه با دسترسی به داده‌های CAD، در را به روی VR در فضای سازمانی باز کرده‌اند. ابزارهای تجسم در زمان واقعی نیز برای استفاده آسان تر و ارزان تر شده اند. با این پیشرفت‌ها، تقریباً هر کسی می‌تواند از فناوری واقعیت مجازی برای ایجاد روایت‌های نوآورانه برای دیدن، فروش و برقراری ارتباط اطلاعات استفاده کند. به هنرمند سه بعدی کریگ بار بپیوندید تا یک مرور کلی از واقعیت مجازی داشته باشید: چیست، کجا استفاده می‌شود، و چه چیزی برای آینده VR در انتظار است. به علاوه، یاد بگیرید که فرآیند ایجاد محتوای VR چگونه کار می کند و برای شروع در این زمینه هیجان انگیز (و در حال گسترش) چه چیزهایی باید بدانید.

coursera مبانی وزیکول های خارج سلولی (Mitalearn-344026)

  • 7 hours 49 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Cecilia Lasser
درباره این دوره:

این دوره با هدف ارائه دانش پایه در مورد وزیکول های خارج سلولی (EV) یک اصطلاح عمومی شامل اگزوزوم ها، میکرووزیکول ها، میکروذرات، اکتوزوم ها، انکوزوم ها، پروستازوم ها و بسیاری دیگر است. این حوزه‌هایی مانند تاریخچه EV، نام‌گذاری، بیوژنز، محموله EV و همچنین مکانیسم‌های آزادسازی و جذب، جمع‌آوری و پردازش قبل از جداسازی، روش‌های مختلف جداسازی، خصوصیات و تکنیک‌های کمی‌سازی را پوشش می‌دهد. این دوره به پنج ماژول تقسیم شده است. ماژول 1 مقدمه ای بر این زمینه است و نامگذاری و تاریخچه خودروهای برقی را پوشش می دهد. ماژول 2 روی بیوژنز، مکانیسم‌های آزادسازی و جذب EVs و همچنین محموله‌های مختلف EV (RNA، پروتئین، لیپیدها) تمرکز خواهد کرد. در ماژول 3، ما بر جمع آوری و پردازش محیط کشت سلولی و مایعات بدن مانند خون، شیر مادر، مایع مغزی نخاعی و ادرار قبل از جداسازی EVs تمرکز خواهیم کرد. ماژول 4 و 5 به ترتیب روش‌های جداسازی و تکنیک‌های مشخص‌سازی/کمی‌سازی متفاوتی را ارائه خواهند داد. در اینجا اولتراسانتریفیوژ دیفرانسیل، کروماتوگرافی حذف اندازه، گرادیان چگالی، بارش مبتنی بر کیت، میکروسکوپ الکترونی (EM)، کرایو-TEM، فلوسیتومتری، میکروسکوپ نیروی اتمی و آنالیز ردیابی نانوذرات ارائه خواهد شد. پیش نیازهای توصیه شده زیست شناسی و بیوشیمی در سطح دانشگاهی است. پس از اتمام دوره شما باید بتوانید: + نامگذاری و زیر گروه های وزیکول های خارج سلولی را مورد بحث قرار دهید. + RNA، پروتئین و محتوای لیپید وزیکول های خارج سلولی را شرح دهید. + مفاهیم اساسی در مورد رایج ترین تکنیک های جداسازی و خصوصیات و نحوه استفاده از این تکنیک ها در زمینه EV را شرح دهید. + مزایا و محدودیت‌های رایج‌ترین روش‌های جداسازی و شناسایی وزیکول‌های خارج سلولی را بیان کنید. + ملاحظاتی که در هنگام جمع آوری و جداسازی EV ها از مایعات مختلف بدن مهم است را توضیح دهید. + مکانیسم های آزادسازی و جذب وزیکول های خارج سلولی را شرح دهید تمام سخنرانی ها به زبان انگلیسی ارائه می شود. هر یک از پنج ماژول با یک امتحان دنبال می شود. تمامی آزمون ها به صورت سوالات چند گزینه ای خواهد بود. این دوره با همکاری انجمن بین المللی وزیکول های خارج سلولی (ISEV)، دانشگاه کالیفرنیا اروین (ایالات متحده آمریکا)، دانشگاه گوتنبرگ (سوئد) و دانشگاه علم و فناوری پوهانگ (کره جنوبی) برگزار می شود.

linkedin مبانی ویدئو: دوربین ها و عکسبرداری (Mitalearn-33419)

  • 2 hours 58 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Anthony Q. Artis
درباره این دوره:

اولین مراحل را در فرآیند ایجاد تصاویر متحرک آغاز کنید. در این دوره، نویسنده آنتونی کیو آرتیس، کهنه‌کار صنعت سینما و تلویزیون، ایده‌های اصلی در پس چگونگی ثبت تصاویر متحرک توسط دوربین‌های ویدئویی را معرفی می‌کند. این دوره مفاهیم اساسی نورپردازی را پوشش می دهد، مانند اینکه چرا نور مهم است، چه نوع نورهایی را باید جستجو کرد، و در کجا نورها را نسبت به یک سوژه قرار داد. علاوه بر این، آنتونی در مورد صدا صحبت می‌کند، جنبه‌ای که اغلب به اشتباه درک می‌شود، و نحوه تنظیم صحیح میکروفون‌ها و تنظیم سطوح صدا را در عکس‌برداری نشان می‌دهد.

linkedin مبانی ویدئو: مصاحبه (Mitalearn-34864)

  • 1 hours 55 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Anthony Q. Artis
درباره این دوره:

این دوره فیلمبرداران جدید و باتجربه را با فرآیند فیلمبرداری با کیفیت مصاحبه آشنا می کند. آنتونی آرتیس، مستندساز و مدرس، تکنیک‌های اثبات‌شده‌ی صنعت خود را برای برنامه‌ریزی و پیش تولید و همچنین صحنه‌پردازی و نورپردازی به اشتراک می‌گذارد. آنتونی با استفاده از ترکیبی از سخنرانی‌های روی دوربین و مثال‌های محلی، نحوه هدایت سوژه‌های مصاحبه و اجتناب از دام‌های معمول مصاحبه را نشان می‌دهد.

linkedin مبانی ویدئو: هنر ویرایش (Mitalearn-39318)

  • 3 hours 47 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Norman Hollyn
درباره این دوره:

یکی از جدایی ناپذیرترین بخش های فیلمسازی پس از توقف چرخش دوربین اتفاق می افتد. در واقع، روشی که با هم فیلم خود را ویرایش می‌کنید، چیزی است که داستان را به مخاطبانتان می‌گوید و می‌فروشد. در این دوره آموزشی با نورمن هالین کهنه کار قدیمی سینما و تلویزیون، نحوه بررسی یک فیلمنامه، مرور مطالب خود و شکل دادن فیلم خام به یک اثر هنری را بیاموزید.

rnrn دریابید که چه زمانی و چه زمانی برش نزنید، چگونه با مشتریان و کارگردانان در طول کاتینگ همکاری کنید، و چگونه پس زمینه احساسی قطعه خود را با موسیقی و صدا ایجاد کنید. نورمن با نگاهی به انطباق با ژانرها و سبک های مختلف فیلم پایان می دهد.

linkedin مبانی ویدیوی 360 (Mitalearn-168314)

  • 1 hours 25 minutes
  • مبتدی
  • Release date: 20 September 2019
  • Author: Nick Harauz
درباره این دوره:

فیلمبرداری 360 درجه امکانات جدیدی برای داستان سرایی و تجربیات کاربر فراگیر ارائه می دهد. این یک روند رو به رشد در تولید محتوا است - و یک مهارت ارزشمند برای گنجاندن در مجموعه ابزار تولید شما. در این دوره، نویسنده Nick Harauz اصول اولیه فیلمبرداری و ویرایش ویدیوی 360 را پوشش می دهد. او درباره چیستی ویدیوی 360، چگونگی پیشرفت فناوری، و ابزارها و تکنیک‌هایی که برای برنامه‌ریزی، تصویربرداری و ویرایش محتوای جذاب 360 نیاز دارید، صحبت می‌کند. موضوعاتی مانند به دست آوردن تجهیزات مناسب، ضبط صدای 360 و ویرایش فیلم در یک پروژه حرفه ای را کاوش کنید. نیک همچنین توری از دوربین های Insta360 One X و Vuze XR و همچنین برخی از ویژگی های نادیده گرفته شده را که مستقیماً در تلفن iOS یا Android شما تعبیه شده است ارائه می دهد. به علاوه، بهترین پلتفرم را برای به اشتراک گذاری پروژه های 360 خود، از فیس بوک گرفته تا Flickr VR، بیاموزید.

linkedin مبانی یادگیری الکترونیکی در دسترس (Mitalearn-241448)

  • 51 minutes
  • مناسب همه
  • Release date: 20 December 2021
  • Author: Oliver Schinkten
درباره این دوره: 

 فراهم کردن امکاناتی که یادگیری را در دسترس قرار دهد، بخش اصلی آموزش و آموزش است. اما وقتی کلاس شما آنلاین می شود، چگونه می توانید موانع یادگیری مؤثر را از بین ببرید؟ در این دوره، الیور شینکتن دسترسی و انصاف را در یادگیری الکترونیکی بررسی می‌کند و استراتژی‌هایی را بر اساس بهترین شیوه‌ها به شما ارائه می‌دهد تا کلاس خود را برای همه باز و معنادار نگه دارید.

در جزئیات نحوه ایجاد یک تجربه یادگیری الکترونیکی در دسترس بیاموزید. روی تاکتیک‌های مشخصی مانند طراحی برای صفحه‌خوان‌ها، درک استفاده مناسب از کنتراست و رنگ، استفاده از صف‌های دیداری و شنیداری و انتشار محتوا برای سیستم‌های عادلانه تمرکز کنید. از آنجایی که یادگیری الکترونیکی به رشد خود ادامه می‌دهد، مهم‌تر از همیشه این است که مطمئن شوید که دوره شما به راحتی در دسترس زبان‌آموزان است. بهترین شیوه ها را با الیور بیاموزید و آنچه را که باید بدانید تا دسترسی یادگیری بهتر را به برنامه درسی خود وارد کنید و آن را در سازمان خود عملی کنید، بیاموزید.

linkedin مبانی یادگیری تقویتی (Mitalearn-198421)

  • 44 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Khaulat Abdulhakeem
درباره این دوره:

نوآوری‌ها در امور مالی، بهداشت، رباتیک و بخش‌های مختلف دیگر با یادگیری تقویتی (RL) امکان‌پذیر شده‌اند که شامل آموزش ماشین‌ها برای یادگیری از محیطشان می‌شود. بسیاری از شرکت های برتر فناوری سرمایه گذاری زیادی در این زمینه انجام می دهند. در این دوره، مربی خلعت عبدالحکیم به شما کمک می کند تا اصول اولیه این مهارت نسبتا جدید، اما ارزشمند را بیاموزید. با اصطلاحات کلیدی مورد استفاده در RL، نحوه ایفای نقش اصلی RL در پیشرفت هوش مصنوعی و انواع مشکلاتی که می توانید از RL برای حل آنها استفاده کنید، آشنا شوید. Khaulat به شما نشان می دهد که چگونه مشکلات یادگیری تقویتی را تعریف و نشان دهید. او همچنین به الگوریتم‌های RL، از جمله مونت کارلو و روش‌های تفاوت زمانی می‌پردازد. به علاوه، او به بررسی RL عمیق و چند عاملی می‌پردازد، همچنین نحوه عملکرد یادگیری معکوس و چگونگی کمک به عوامل یادگیری با تقلید را بررسی می‌کند.

coursera مبانی یادگیری تقویتی (Mitalearn-330052)

  • 3 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Martha White,Adam White
درباره این دوره:

یادگیری تقویتی زیرشاخه یادگیری ماشینی است، اما یک فرمالیسم با هدف کلی برای تصمیم گیری خودکار و هوش مصنوعی نیز هست. این دوره شما را با تکنیک های یادگیری آماری آشنا می کند که در آن یک عامل به صراحت اقداماتی انجام می دهد و با جهان تعامل دارد. درک اهمیت و چالش های عوامل یادگیری که تصمیم گیری می کنند امروزه از اهمیت حیاتی برخوردار است، زیرا شرکت های بیشتری به عوامل تعاملی و تصمیم گیری هوشمند علاقه مند هستند. این دوره شما را با اصول یادگیری تقویتی آشنا می کند. وقتی این دوره را تمام کردید، خواهید داشت: - رسمی کردن مشکلات به عنوان فرآیندهای تصمیم مارکوف - روش های اولیه اکتشاف و معاوضه اکتشاف / بهره برداری را بدانید - درک توابع ارزش، به عنوان یک ابزار همه منظوره برای تصمیم گیری بهینه - بدانید که چگونه برنامه نویسی پویا را به عنوان یک رویکرد راه حل کارآمد برای یک مشکل کنترل صنعتی پیاده سازی کنید این دوره مفاهیم کلیدی یادگیری تقویتی، زیربنای الگوریتم های کلاسیک و مدرن در RL را به شما آموزش می دهد. پس از اتمام این دوره، می توانید از RL برای مشکلات واقعی استفاده کنید، جایی که MDP را دارید یا می توانید مشخص کنید. این اولین دوره تخصصی آموزش تقویتی است.

linkedin مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow (Mitalearn-220572)

  • 1 hours 47 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Harshit Tyagi
درباره این دوره:

تقاضای فزاینده ای برای استفاده از قدرت پردازش زبان طبیعی (NLP) و مدل های یادگیری عمیق وجود دارد تا بتوانیم داده های متنی را درک کنیم و مداخلات عاطفی انسان ها را برای تصمیم گیری بهتر کاهش دهیم. در این دوره، مدرس Harshit Tyagi یک راهنمای کامل برای درک NLP با استفاده از شبکه های عصبی بازگشتی (RNN) ارائه می دهد. Harshit با معرفی رمزگذاری کلمات و استفاده از TensorFlow برای توکن‌سازی شروع می‌کند. او مفهوم مهم جاسازی کلمات را توصیف می کند و به شما نشان می دهد که چگونه از TensorFlow برای طبقه بندی نقدهای فیلم و بردار پروژه استفاده کنید. Harshit RNN ها و حافظه کوتاه مدت بلند مدت (LSTM) را مورد بحث قرار می دهد، سپس به شما نشان می دهد که چگونه طبقه بندی بررسی فیلم را از قبل در دوره بهبود دهید. او با بحث در مورد اینکه چگونه می توانید RNN ها را برای پیش بینی کلمه بعدی در یک جمله آموزش دهید، به پایان می رسد، که به نوبه خود به شما امکان می دهد متن اصلی را ایجاد کنید.

coursera مبانی یادگیری ماشین (Mitalearn-315398)

  • 2 hours 12 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jaekwang KIM
درباره این دوره:

در این دوره، شما: الف) مفاهیم اساسی یادگیری ماشین را درک کنید. ب) یک روش مبتنی بر حافظه معمولی، روش K نزدیکترین همسایه را درک کنید. ج) رگرسیون خطی را درک کنید. د) تجزیه و تحلیل مدل را درک کنید. لطفاً مطمئن شوید که برنامه نویسی در پایتون راحت هستید و دانش پایه ای از ریاضیات از جمله ضرب ماتریس و احتمال شرطی دارید.

coursera مبانی یادگیری ماشین برای زنجیره تامین (Mitalearn-329406)

  • 1 hours 49 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

این دوره به شما می آموزد که چگونه از قدرت پایتون برای درک مجموعه داده های زنجیره تامین پیچیده استفاده کنید. حتی اگر با اصول زنجیره تامین آشنا نباشید، مجموعه داده های غنی که به عنوان بوم از آنها استفاده خواهیم کرد به شما کمک می کند تا با چندین ابزار پایتونیک و بهترین شیوه ها برای تجزیه و تحلیل داده های اکتشافی (EDA) آشنا شوید. به این ترتیب، اگرچه همه مجموعه داده‌ها برای متخصصان حرفه‌ای زنجیره تامین طراحی شده‌اند، درس‌ها به راحتی به موارد استفاده دیگر قابل تعمیم هستند.

coursera مبانی یادگیری ماشین برای مدیران محصول (Mitalearn-326482)

  • 4 hours 27 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jon Reifschneider
درباره این دوره:

در این اولین دوره از تخصص مدیریت محصول هوش مصنوعی ارائه شده توسط دانشکده مهندسی پرت دانشگاه دوک، شما درک اساسی از چیستی یادگیری ماشین، نحوه کارکرد و زمان و چرایی کاربرد آن خواهید داشت. برای مدیریت موفقیت آمیز یک تیم یا محصول هوش مصنوعی و کار مشترک با دانشمندان داده، مهندسان نرم افزار و مشتریان، باید اصول اولیه فناوری یادگیری ماشین را بدانید. این دوره مقدمه‌ای بدون کدنویسی برای یادگیری ماشین، با تمرکز بر فرآیند توسعه مدل‌ها، ارزیابی و تفسیر مدل ML، و شهود پشت الگوریتم‌های رایج ML و یادگیری عمیق ارائه می‌کند. این دوره با یک پروژه عملی به پایان می رسد که در آن شما فرصتی برای آموزش و بهینه سازی یک مدل یادگیری ماشین بر روی یک مشکل ساده در دنیای واقعی خواهید داشت. در پایان این دوره، شما باید بتوانید: 1) نحوه عملکرد یادگیری ماشین و انواع یادگیری ماشین را توضیح دهید 2) چالش های مدل سازی و راهبردهای غلبه بر آنها را شرح دهید 3) الگوریتم های اولیه مورد استفاده برای کارهای رایج ML و موارد استفاده از آنها را شناسایی کنید 4) یادگیری عمیق و نقاط قوت و چالش های آن را نسبت به سایر اشکال یادگیری ماشین توضیح دهید 5) بهترین شیوه ها را در ارزیابی و تفسیر مدل های ML اجرا کنید

coursera مبانی یادگیری ماشین در امور مالی (Mitalearn-333282)

  • 4 hours 34 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Igor Halperin
درباره این دوره:

هدف این دوره کمک به دانش‌آموزان برای حل مشکلات عملی مرتبط با ML است که ممکن است در زندگی واقعی با آن‌ها مواجه شوند، که شامل موارد زیر است: (1) درک اینکه مشکلی که فرد با آن مواجه می‌شود در یک چشم‌انداز کلی از روش‌های ML موجود است، (2) درک اینکه رویکرد(های) خاص ML برای حل مشکل و (3) توانایی اجرای موفقیت آمیز راه حل و ارزیابی عملکرد آن مناسب ترین است. یک یادگیرنده با دانش قبلی یا بدون دانش قبلی در مورد یادگیری ماشین (ML) با الگوریتم های اصلی یادگیری تحت نظارت و بدون نظارت و یادگیری تقویتی آشنا می شود و می تواند از بسته های منبع باز Python ML برای طراحی، آزمایش و پیاده سازی الگوریتم های ML استفاده کند. در امور مالی مبانی یادگیری ماشین در امور مالی، دید عمیق تری از یادگیری تحت نظارت، بدون نظارت و تقویتی ارائه می دهد و در نهایت به پروژه ای در مورد استفاده از یادگیری بدون نظارت برای اجرای یک استراتژی معاملاتی ساده سبد سهام ختم می شود. این دوره برای سه دسته از دانشجویان طراحی شده است: پزشکان شاغل در مؤسسات مالی مانند بانک ها، شرکت های مدیریت دارایی یا صندوق های تامینی افراد علاقه مند به کاربردهای ML برای تجارت روزانه شخصی دانشجویان تمام وقت فعلی در حال تحصیل در رشته های مالی، آمار، علوم کامپیوتر، ریاضیات، فیزیک، مهندسی یا سایر رشته های مرتبط که می خواهند در مورد کاربردهای عملی ML در امور مالی بیاموزند. برای انجام تکالیف در این دوره، تجربه با پایتون (شامل نوت بوک های numpy، پانداها و IPython/Jupyter)، جبر خطی، تئوری احتمالات پایه و حساب دیفرانسیل و انتگرال ضروری است.

linkedin مبانی یادگیری ماشین: احتمال (Mitalearn-394465)

  • 1 hours 29 minutes
  • مناسب همه
  • Update date: 9 June 2025
  • Author: Terezija Semenski
درباره این دوره: 

 

اگر با مدل‌های یادگیری ماشین کار می‌کنید، احتمالاً می‌دانید که مدل‌های شما بر اساس تخمین و تقریب هستند. احتمال همه چیز و بیشتر است — اما چگونه از آن به نفع خود استفاده می کنید؟

در این دوره، سومین قسمت از مجموعه مبانی یادگیری ماشین، به مربی Terezija Semenski برای کاوش عمیق احتمالات بپیوندید. مفاهیم و عملکردهای اصلی آن و نحوه استفاده از آن برای طراحی، پیاده سازی و مدیریت الگوریتم های یادگیری ماشینی قابل اعتمادتر. در طول مسیر، برخی از ضروری‌ترین ابزارها و تکنیک‌هایی را که برای مدل‌سازی احتمالی موفق، بیرون کشیدن از قوانین احتمال، احتمال مشترک و حاشیه‌ای، توزیع‌های احتمال گسسته، توزیع‌های احتمال پیوسته، قضیه بیز و غیره باید بدانید، کشف کنید. /p>


coursera مبانی یادگیری ماشین: رویکرد مطالعه موردی (Mitalearn-334489)

  • 8 hours 39 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Emily Fox,Carlos Guestrin
درباره این دوره:

آیا داده ای دارید و نمی دانید چه چیزی می تواند به شما بگوید؟ آیا به درک عمیق تری از راه های اصلی که یادگیری ماشینی می تواند کسب و کار شما را بهبود بخشد نیاز دارید؟ آیا می خواهید بتوانید با متخصصان در مورد هر چیزی از رگرسیون و طبقه بندی گرفته تا یادگیری عمیق و سیستم های توصیه کننده صحبت کنید؟ در این دوره، از یک سری مطالعات موردی عملی، تجربه عملی در زمینه یادگیری ماشین کسب خواهید کرد. در پایان دوره اول، نحوه پیش بینی قیمت خانه بر اساس ویژگی های سطح خانه، تجزیه و تحلیل احساسات از نظرات کاربران، بازیابی اسناد مورد علاقه، توصیه محصولات و جستجوی تصاویر را مطالعه خواهید کرد. از طریق تمرین عملی با این موارد استفاده، می‌توانید روش‌های یادگیری ماشینی را در طیف گسترده‌ای از حوزه‌ها به کار ببرید. این اولین دوره، روش یادگیری ماشین را به عنوان یک جعبه سیاه در نظر می گیرد. با استفاده از این انتزاع، بر درک وظایف مورد علاقه، تطبیق این وظایف با ابزارهای یادگیری ماشین و ارزیابی کیفیت خروجی تمرکز خواهید کرد. در دوره های بعدی با بررسی مدل ها و الگوریتم ها به اجزای این جعبه سیاه می پردازید. این قطعات با هم خط لوله یادگیری ماشینی را تشکیل می دهند که از آن در توسعه برنامه های کاربردی هوشمند استفاده خواهید کرد. نتایج یادگیری: در پایان این دوره، شما قادر خواهید بود: - کاربردهای بالقوه یادگیری ماشین را در عمل شناسایی کنید. -تفاوت های اصلی در تحلیل های فعال شده با رگرسیون، طبقه بندی و خوشه بندی را شرح دهید. -وظیفه یادگیری ماشین مناسب را برای یک برنامه بالقوه انتخاب کنید. -استفاده از رگرسیون، طبقه بندی، خوشه بندی، بازیابی، سیستم های توصیه گر و یادگیری عمیق. -داده‌های خود را به‌عنوان ویژگی‌هایی نمایش دهید تا به عنوان ورودی مدل‌های یادگیری ماشینی استفاده شوند. -کیفیت مدل را از نظر معیارهای خطای مربوطه برای هر کار ارزیابی کنید. -از یک مجموعه داده برای تطبیق یک مدل برای تجزیه و تحلیل داده های جدید استفاده کنید. -یک اپلیکیشن سرتاسر بسازید که در هسته خود از یادگیری ماشینی استفاده می کند. -این تکنیک ها را در پایتون پیاده سازی کنید.

linkedin متاآنالیز برای علم داده و تجزیه و تحلیل تجاری (Mitalearn-124420)

  • 49 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Conrad Carlberg
درباره این دوره:

در دنیایی که تقریباً همه از داده‌ها برای اطلاع از روش‌های کسب‌وکار خود استفاده می‌کنند، اجماع در حال ظهور این است که باید بر اعتبارسنجی داده‌ها تأکید بیشتری شود. تأیید صحت نتایج حاصل از داده ها؛ و خطر نادرست بودن نتایج خود را به حداقل برسانید. اگرچه اکثر محققان می دانند متاآنالیز چیست، اما تعداد کمی از آنها می دانند که چگونه اندازه اثر را از معیارهای رایج مانند نسبت ریسک محاسبه کنند، یا اینکه چگونه تمایز بین اثرات ثابت و تصادفی می تواند متاآنالیزور را به بیراهه بکشاند. این دوره در سطح پیشرفته برای دست اندرکاران و محققان علوم داده و آمار، تفاوت های میانگین خام - به ویژه برای گروه های آزمایشی و مقایسه - و نحوه تبدیل معیارهای نتیجه مفید مانند ریسک نسبی و نسبت شانس را به معیارهای متناسب اندازه اثر پوشش می دهد. بعلاوه، در مورد نحوه ایجاد فواصل اطمینان برای معیارهای نتیجه باینری بیاموزید.

linkedin متاورس چیست؟ (Mitalearn-271929)

  • 53 minutes
  • مناسب همه
  • Release date: 27 June 2022
  • Author: Christopher Lafayette
درباره این دوره: 

 جهان در چند سال اخیر بیش از هر زمان دیگری در بیست سال گذشته مجازی شده است. به نظر می رسد اکنون همه در مورد متاوره صحبت می کنند - اما در واقعیت به چه معناست؟ به مربی کریستوفر لافایت بپیوندید تا در این دوره آموزشی مناسب برای مبتدیان، غواصی عمیقی در متاورز داشته باشید، و دریابید که چیست، امروز چگونه به کار می رود، و در آینده چه چیزی را می توان انتظار داشت.

تاریخ، زمینه، و را کشف کنید. ظهور فراجهان به عنوان یک فضای مجازی تاثیرگذار. در مورد تعامل اخلاقی، عادلانه و ایمن با اینترنت و بسیاری از کاربران آن بیاموزید. دریابید که متاورس چه کاری می تواند برای آموزش، چرخه عمر توسعه محصول، تحویل و عرضه، و اقتصاد تجهیزات انجام دهد. پس از اتمام این دوره، درک بهتری از صنایعی که در دنیای وب 3 رشد خواهند کرد، خواهید داشت.

Suggestions