Course catalog

Course duration

Course provider

Topic

Categories

Showing 13,881-13,900 of 17,000 items.

linkedin مخلوط کن: مدل سازی سطح سخت (Mitalearn-122074)

  • 4 hours 30 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Darrin Lile
درباره این دوره:

آیا علاقه مند به استفاده از بلندر برای مدل سازی اشیاء سطح سخت مانند وسایل نقلیه یا ماشین آلات هستید؟ یاد بگیرید که چگونه سطوح سخت واقع گرایانه ایجاد کنید، مانند لودر skid-steer که در این دوره ارائه شده است. مدرس Darrin Lile شما را گام به گام در جریان کار تولیدی که برای اطمینان از دقت فنی و به حداکثر رساندن کارایی طراحی شما طراحی شده است، راهنمایی می کند. او نحوه استفاده از ابزارهای Blender Bevel و Path و تکنیک های ویرایش متناسب را برای مدل سازی فرم ها نشان می دهد. سپس با Solidify Modifier عمق می‌افزاید، مش را با Subdivision Surface Modifier صاف می‌کند، و اشیا را با Array Modifier کپی می‌کند. به علاوه، یاد بگیرید که نورها و مواد را اضافه کنید و صحنه را برای نمایش نهایی رندر کنید.

coursera مد به عنوان طراحی (Mitalearn-363984)

  • 4 hours 19 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Paola Antonelli,Michelle Millar Fisher,Stephanie Kramer
درباره این دوره:

Fashion as Design بر مجموعه‌ای از لباس‌ها و اکسسوری‌ها از سراسر جهان تمرکز دارد، از پارچه کنته و جین گرفته تا یقه‌های یقه‌شب، لباس شنا و لباس‌های پرینت سه بعدی. از طریق این لباس‌ها، نگاهی دقیق‌تر به آنچه می‌پوشیم، چرا آن را می‌پوشیم، نحوه ساخت و معنای آن خواهید انداخت. مستقیماً از طیف وسیعی از طراحان، سازندگان، مورخان و دیگرانی که هر روز با لباس کار می کنند بشنوید - و در برخی موارد، آن را دوباره برای آینده اختراع می کنند. بازدید از استودیو، مصاحبه ها و سایر منابع تاریخچه و توسعه هر لباس و تغییر کاربردها، معانی و تاثیر آنها در طول زمان را معرفی می کند.

coursera مداخلات و کالیبراسیون (Mitalearn-345233)

  • 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Nimalan Arinaminpathy
درباره این دوره:

این دوره روش هایی برای مدل سازی درمان بیماری های عفونی و همچنین مدل سازی واکسیناسیون را پوشش می دهد. با تکیه بر مدل SIR، یاد خواهید گرفت که چگونه محفظه های اضافی را برای نمایش اثرات مداخلات، مانند تأثیر واکسیناسیون در کاهش حساسیت، ترکیب کنید. شما در مورد واکسن‌های «نشتی» و نحوه مدل‌سازی آن‌ها و همچنین انواع مختلف واکسن و اثرات درمانی یاد خواهید گرفت. مهم است که روابط اساسی بین مدل ها و داده ها را در نظر بگیرید، بنابراین، با استفاده از مدل پایه SIR که در دوره 1 ایجاد کرده اید، این مدل را به داده های همه گیر کالیبره خواهید کرد. انجام چنین کالیبراسیون با دست به شما کمک می کند تا درک درستی از نحوه تنظیم پارامترهای مدل به منظور گرفتن داده های دنیای واقعی داشته باشید. در نهایت در این دوره، با دو رویکرد ساده برای کالیبراسیون مدل مبتنی بر کامپیوتر آشنا خواهید شد - رویکرد حداقل مربعات و رویکرد حداکثر احتمال. شما کالیبراسیون مدل را تحت هر یک از این رویکردها در R انجام خواهید داد.

linkedin مداد کردن صفحه کتاب کمیک (Mitalearn-94670)

  • 1 hours 3 minutes
  • مبتدی
  • Release date: 22 June 2026
  • Author: Ben Bishop
درباره این دوره:

مداد نویسی جدایی ناپذیرترین بخش خلق کتاب های مصور، رمان های گرافیکی و مانگا است. نگاهی به روند مدادی خالق کمیک بن بیشاپ بیندازید، زیرا او از فیلمنامه به صفحه کاملاً مصور می رود. بیاموزید که چگونه اقدامات کلیدی را در پانل ها بکشید - و آنچه را که برای گفتن داستان نیازی ندارید ویرایش کنید. وقتی پنل‌های خود را انتخاب کردید، بن توضیح می‌دهد که چگونه آن اقدامات را نشان دهید، در زوایای دوربین، ژست‌ها فرو بروید و چرا آنچه واقعاً کار می‌کند کار می‌کند. در آخر، پانل ها در صفحه قرار می گیرند و به طور کلی بررسی می شوند. کار هنرمند این است که جهت و حرکت چشم خواننده را در نظر داشته باشد و عناصر را طوری تنظیم کند که به طور غریزی خوب بخواند.\r\n\r\n بن مفاهیم را با مثال‌هایی از رمان‌های گرافیکی خود نشان می‌دهد و نکاتی را برای سازماندهی و متمرکز ماندن در حین طراحی ارائه می‌کند.

coursera مدارهای خطی 1: تجزیه و تحلیل DC (Mitalearn-354192)

  • 16 hours 5 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Dr. Bonnie H. Ferri,Dr. Joyelle Harris,Dr Mary Ann Weitnauer
درباره این دوره:

این دوره نحوه تجزیه و تحلیل مدارهایی که دارای جریان مستقیم (DC) یا منابع ولتاژ هستند را توضیح می دهد. منبع DC منبعی است که ثابت باشد. مدارهای دارای مقاومت، خازن و سلف هم به صورت تحلیلی و هم تجربی پوشیده شده اند. برخی از کاربردهای عملی در حسگرها نشان داده شده است.

coursera مدارهای خطی 2: تجزیه و تحلیل AC (Mitalearn-351336)

  • 5 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Bonnie H. Ferri,Dr. Joyelle Harris
درباره این دوره:

این دوره نحوه تجزیه و تحلیل مدارهایی که دارای ولتاژ یا منابع جریان متناوب (AC) هستند را توضیح می دهد. مدارهای دارای مقاومت، خازن و سلف هم به صورت تحلیلی و هم تجربی پوشیده شده اند. برخی از کاربردهای عملی در حسگرها نشان داده شده است.

coursera مدارهای مبدل (Mitalearn-352866)

  • 6 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Dr. Robert Erickson
درباره این دوره:

این دوره همچنین می تواند برای اعتبار آکادمیک به عنوان ECEA 5701، بخشی از مدرک کارشناسی ارشد CU Boulder در مهندسی برق، اخذ شود. این دوره مفاهیم پیشرفته تر مدارهای مبدل حالت سوئیچ را معرفی می کند. تحقق نیمه هادی های قدرت در اینورترها یا مبدل های دارای جریان توان دو طرفه توضیح داده شده است. دیودهای قدرت، ماسفت‌های قدرت و IGBT به همراه منشأ زمان تعویض آنها توضیح داده شده‌اند. مدل‌های مدار معادل برای شامل اثرات تلفات سوئیچینگ اصلاح شده‌اند. حالت هدایت ناپیوسته توصیف و تحلیل شده است. تعدادی از توپولوژی های مدار مبدل معروف، از جمله آنهایی که دارای جداسازی ترانسفورماتور هستند، مورد بررسی قرار گرفته اند. تکالیف خانه شامل یک مبدل تقویت کننده و یک اینورتر پل H مورد استفاده در یک سیستم اینورتر خورشیدی با رابط شبکه، و همچنین مبدل های جلو و عقب جدا شده از ترانسفورماتور است. پس از اتمام این دوره، شما: ● نحوه پیاده سازی دستگاه های نیمه هادی قدرت در مبدل سوئیچینگ را بدانید ● منشاء حالت هدایت ناپیوسته را درک کنید و قادر به حل مبدل های فعال در DCM باشید ● مدارهای مبدل dc-dc و اینورتر dc-ac اساسی را بدانید ● نحوه پیاده سازی جداسازی ترانسفورماتور در مبدل dc-dc، از جمله توپولوژی های محبوب مبدل رو به جلو و فلایبک را بدانید گذراندن دوره اول مقدمه ای بر الکترونیک قدرت، پیش نیاز فرضی این دوره است.

coursera مدت-ساختار و مشتقات اعتباری (Mitalearn-293638)

  • 5 hours 19 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Garud Iyengar,Ali Hirsa,Martin Haugh
درباره این دوره:

این دوره بر روی ثبت تکامل نرخ بهره و ارائه بینش عمیق در مورد مشتقات اعتباری تمرکز خواهد کرد. در ماژول اول، اصطلاح مدل‌های شبکه ساختار و حساب نقدی را مورد بحث قرار می‌دهیم، و سپس مشتقات درآمد ثابت، مانند گزینه‌ها، آتی، Caplets و Floorlets، Swaps و Swaptions را تحلیل می‌کنیم. در ماژول دوم، کالیبراسیون مدل را در زمینه اوراق بهادار با درآمد ثابت بررسی می‌کنیم و آن را به سایر طبقات و ابزار دارایی تعمیم می‌دهیم. یادگیرندگان کالیبراسیون مدل را با استفاده از اکسل انجام می دهند و آن را برای قیمت گذاری مبادله پرداخت کننده در مدل Black-Derman-Toy (BDT) اعمال می کنند. ماژول سوم مشتقات اعتباری را معرفی می‌کند و متعاقباً بر مدل‌سازی و قیمت‌گذاری سوآپ‌های پیش‌فرض اعتبار تمرکز می‌کند. در بخش چهارم، فراگیران با مفهوم اوراق بهادارسازی، به ویژه اوراق بهادار دارای پشتوانه دارایی (ABS) آشنا خواهند شد. بحث به اوراق بهادار با پشتوانه وام مسکن (MBS) و ریاضیات وام مسکن مرتبط می‌رود. ماژول نهایی به معرفی و قیمت گذاری تعهدات وام مسکن وثیقه (CMOs) می پردازد.

coursera مدرن و پست مدرن (بخش اول) (Mitalearn-367554)

  • 6 hours 33 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Michael S. Roth
درباره این دوره:

این دوره به بررسی این موضوع می‌پردازد که چگونه ایده «مدرن» در پایان قرن هجدهم در فلسفه و ادبیات اروپایی توسعه می‌یابد، و چگونه مدرن بودن (یا پیشرو، یا هیپ) به یکی از معیارهای حیاتی برای درک و ارزیابی تغییرات فرهنگی تبدیل شده است. آیا هنوز در مدرنیته هستیم یا فراتر از مدرن به پست مدرن رفته ایم؟

coursera مدل سازی اکسل برای حرفه ای ها: بهترین روش ها و مشکلات (Mitalearn-295236)

  • 1 hours 9 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jan Stoop,Jan Karel Pieterse,Dr.ir. Felienne Hermans
درباره این دوره:

چیزی که این دوره اکسل را متمایز می کند این است که ما روی رفع سریع یا نکات و ترفندهای خاص تمرکز نمی کنیم. این دوره برای کسانی است که قبلاً اکسل را می دانند. هدف این دوره ارتقای مدل‌های اکسل، بهبود وضوح، طول عمر و قابلیت انتقال این مدل‌ها و کاهش اشتباهات و تشویق ثبات در کسب‌وکارها در حین کار با اکسل است. از طریق این دوره اکسل، فراگیران ابزارهایی را برای تصمیم گیری در مورد استفاده یا عدم استفاده از اکسل برای حل مشکل خود به دست خواهند آورد. آنها یاد خواهند گرفت که چگونه داده های ورودی خوب را تنظیم کنند، به درستی قالب بندی کنند و اهمیت اسناد خوب را بیاموزند. زبان‌آموزان توانایی تشخیص توابع مختلف، درک مشکلات و نقاط قوت توابع رایج و اعمال توابع صحیح را در مدل‌های اکسل خود به دست خواهند آورد. کسانی که این دوره را دنبال می‌کنند همچنین درک درستی از ساختار صفحه‌گسترده منطقی، نمودارها و گزارش‌ها، حفاظت و اطلاعات پنهان در اکسل خواهند داشت و کاربران یاد خواهند گرفت که چگونه این موارد را در مدل‌های خود اعمال کنند. در نهایت، کاربران نکات و مراحل عملی را برای نهایی کردن یک مدل، بررسی های خودکار، اجرای کتابچه راهنمای کاربر، و آزمایش کلی که باید برای اطمینان از دقیق و کامل بودن مدل اکسل خود انجام دهند، دریافت خواهند کرد.

datacamp مدل سازی با tidymodels در R (Mitalearn-404682)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: David Svancer
درباره این دوره:

Tidymodels مجموعه قدرتمندی از بسته‌های R است که برای ساده‌سازی گردش‌های یادگیری ماشین طراحی شده است. تقسیم مجموعه داده ها برای اعتبارسنجی متقابل، پیش پردازش داده ها با بسته دستوری tidymodels و تنظیم دقیق الگوریتم های یادگیری ماشینی را بیاموزید. شما مفاهیم کلیدی مانند تعریف اشیاء مدل و ایجاد گردش کار مدلسازی را خواهید آموخت. سپس، مهارت‌های خود را برای پیش‌بینی قیمت خانه و طبقه‌بندی کارمندان بر اساس خطر ترک شرکت به کار خواهید گرفت.

Related Skills

datacamp مدل سازی با داده ها در Tidyverse (Mitalearn-404274)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Albert Y. Kim
درباره این دوره:

در این دوره، مدلسازی با داده را یاد خواهید گرفت. مدل‌ها تلاش می‌کنند تا رابطه بین یک متغیر نتیجه مورد علاقه و یک سری متغیرهای توضیحی/پیش‌بینی‌کننده را به تصویر بکشند. چنین مدل هایی را می توان برای هر دو هدف توضیحی استفاده کرد، به عنوان مثال. "آیا دانستن سن اساتید به توضیح نمرات ارزشیابی تدریس آنها کمک می کند؟" و اهداف پیش بینی کننده، به عنوان مثال، "چقدر می توانیم قیمت خانه را بر اساس اندازه و شرایط آن پیش بینی کنیم؟" شما از مهارت‌های منظم خود برای ساختن و تفسیر چنین مدل‌هایی استفاده خواهید کرد. این دوره حول محور استفاده از رگرسیون خطی، یکی از متداول ترین و قابل درک ترین رویکردها برای مدل سازی است. چنین مدل‌سازی و تفکری در زمینه‌های بسیار متنوعی از جمله آمار، استنتاج علی، یادگیری ماشین و هوش مصنوعی استفاده می‌شود.

Related Skills

coursera مدل سازی پیش بینی معنادار (Mitalearn-333962)

  • 1 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julian McAuley,Ilkay Altintas
درباره این دوره:

این دوره به ما در ارزیابی و مقایسه مدل هایی که در دوره های قبلی ایجاد کرده ایم کمک می کند. تاکنون تکنیک‌هایی برای رگرسیون و طبقه‌بندی توسعه داده‌ایم، اما قبل از اینکه تصمیم بگیریم که طبقه‌بندی‌کننده به اندازه کافی خوب است، خطای یک طبقه‌بندی‌کننده چقدر باید کم باشد (مثلا)؟ یا چگونه تصمیم بگیریم که کدام یک از دو الگوریتم رگرسیون بهتر است؟ در پایان این دوره شما با تکنیک های تشخیصی که به شما امکان ارزیابی و مقایسه طبقه بندی کننده ها را می دهد و همچنین معیارهای عملکردی که می توانند در سناریوهای رگرسیون و طبقه بندی مختلف استفاده شوند، آشنا خواهید شد. ما همچنین خط لوله آموزش/ اعتبارسنجی/آزمایش را مطالعه خواهیم کرد، که می‌تواند برای اطمینان از اینکه مدل‌هایی که توسعه می‌دهید به خوبی به داده‌های جدید (یا «غیره») تعمیم می‌یابند استفاده می‌شود.

coursera مدل سازی پیش بینی و تبدیل عمل بالینی (Mitalearn-343958)

  • 1 hours 59 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laura K. Wiley, PhD
درباره این دوره:

این دوره به شما اصول تبدیل عمل بالینی را با استفاده از مدل های پیش بینی می آموزد. این دوره به بررسی چالش‌ها و روش‌های خاص اجرای بالینی می‌پردازد، که دانشمندان داده‌های بالینی باید هنگام توسعه مدل‌های پیش‌بینی خود از آن‌ها آگاه باشند.

coursera مدل سازی پیش بینی و یادگیری ماشین با متلب (Mitalearn-333554)

  • 3 hours 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

در این دوره، شما بر مهارت های آموخته شده در تجزیه و تحلیل داده های اکتشافی با متلب و پردازش داده ها و مهندسی ویژگی با متلب برای افزایش توانایی خود در استفاده از قدرت متلب برای تجزیه و تحلیل داده های مرتبط با کاری که انجام می دهید، خواهید آموخت. این مهارت ها برای کسانی که دانش حوزه و مقداری در معرض ابزارهای محاسباتی هستند، اما هیچ پیشینه برنامه نویسی ندارند، ارزشمند است. برای موفقیت در این دوره باید پیشینه ای در زمینه آمار پایه (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید و دروس 1 تا 2 این تخصص را گذرانده باشید. در پایان این دوره، شما از متلب برای شناسایی بهترین مدل یادگیری ماشینی برای به دست آوردن پاسخ از داده های خود استفاده خواهید کرد. شما داده‌های خود را آماده می‌کنید، یک مدل پیش‌بینی را آموزش می‌دهید، مدل خود را ارزیابی و بهبود می‌بخشید و می‌دانید که چگونه می‌توانید از مدل‌های خود بیشترین بهره را ببرید.

coursera مدل سازی پیش بینی، برازش مدل، و تحلیل رگرسیون (Mitalearn-333724)

  • 6 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Julie Pai
درباره این دوره:

به مدل سازی پیش بینی، برازش مدل و تحلیل رگرسیون خوش آمدید. در این دوره، رویکردهای مختلف در مدل‌سازی پیش‌بینی‌کننده را بررسی می‌کنیم و در مورد اینکه چگونه یک مدل می‌تواند تحت نظارت یا بدون نظارت باشد، بحث خواهیم کرد. ما بررسی خواهیم کرد که چگونه یک مدل را می توان برازش داد، آموزش داد و امتیاز داد تا در داده های تاریخی و آینده در تلاش برای رسیدگی به اهداف تجاری اعمال شود. در نهایت، این دوره شامل یک فعالیت عملی برای توسعه یک مدل رگرسیون خطی است.

datacamp مدل سازی تصویر با Keras (Mitalearn-402098)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Ariel Rokem
درباره این دوره:

مدل‌سازی تصویر اغلب به روش‌های یادگیری عمیق نیاز دارد که از داده‌ها برای آموزش الگوریتم‌های شبکه عصبی برای وظایف مختلف یادگیری ماشین استفاده می‌کنند. شبکه‌های عصبی کانولوشنال (CNN) شبکه‌های عصبی قدرتمندی هستند که از آنها برای طبقه‌بندی انواع مختلف اشیا برای تجزیه و تحلیل تصاویر استفاده می‌کنید. این دوره چهار ساعته به شما یاد می دهد که چگونه با استفاده از Keras CNN بسازید، آموزش دهید و ارزیابی کنید.

linkedin مدل سازی تهدید: افشای اطلاعات در عمق (Mitalearn-201685)

  • 29 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Adam Shostack
درباره این دوره:

STRIDE یک چارچوب مدل‌سازی تهدید محبوب است که به متخصصان امنیتی و توسعه‌دهندگان نرم‌افزار کمک می‌کند تا به طور استراتژیک در مورد ریسک فکر کنند. این دوره به I in STRIDE می پردازد که مخفف افشای اطلاعات است. می‌توانید نحوه حفظ محرمانه بودن داده‌ها، اسرار و سایر اطلاعاتی که ذخیره می‌کنید، و سیاست‌هایی را که باید برای اشتراک‌گذاری ایمن آن اطلاعات اعمال کنید، یاد بگیرید. موضوعات شامل مدل‌های کلاسیک مانند داده‌ها در حالت استراحت و داده‌های در حال حرکت و همچنین افشای اطلاعات در فرآیندها و افشای اطلاعات در فناوری‌های خاصی مانند ابر، اینترنت اشیا و موبایل، و هوش مصنوعی و یادگیری ماشینی است. متخصص آدام شوستاک همچنین عوارض جانبی محاسبات، اثرات فیزیکی CPUها و دفاعی را که می توانید در سازمان خود برای مدیریت ابرداده ها، اسرار و سایر اطلاعات حساس اعمال کنید، بررسی می کند.

linkedin مدل سازی تهدید: انکار خدمات و گسترش اختیار (Mitalearn-445737)

  • 48 minutes
  • مناسب همه
  • Update date: 4 September 2024
  • Author: Adam Shostack
درباره این دوره: 

 در این قسمت از سری مدلسازی تهدید آدام شوستاک که چارچوب مدل‌سازی تهدید STRIDE را پوشش می‌دهد، آدام به بخش‌های D و E چارچوب می‌پردازد: محرومیت از خدمات و ارتقای امتیاز. برای هر دو تهدید، آدام عمیقاً به دو سؤال اصلی می پردازد: "چه چیزی ممکن است اشتباه شود؟" و "ما قرار است در مورد آن چه کار کنیم؟" او اهداف بسیاری از حملات انکار سرویس مانند ذخیره سازی، حافظه، پهنای باند CPU و بودجه را شرح می دهد. آدام توضیح می دهد که چگونه elevation of-privilege اساساً در هر کد در حال اجرا وجود دارد. سپس روش‌های ساختاریافته را برای اطمینان از اینکه سیستم‌های شما در برابر انواع مختلف حملات DoS و حملات افزایش امتیاز مقاوم هستند، بررسی می‌کند. این حملات بر تمامی انواع سیستم‌ها تأثیر می‌گذارد و داشتن درک درستی از نحوه کار و نحوه مبارزه با آنها بخش‌های اساسی یک رویکرد جامع به امنیت سایبری است.

linkedin مدل سازی تهدید: انکار در عمق (Mitalearn-174111)

  • 25 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Adam Shostack
درباره این دوره:

انکار - مرحله سوم در چارچوب مدل‌سازی تهدید STRIDE - شامل پذیرش یا انکار مسئولیت است. در مورد سرقت هویت، زمانی که قربانیان دخالت در اتهاماتی را که توسط مجرم مطرح می شود انکار می کنند، انکار به میان می آید. این تهدیدها بر انواع سیستم‌ها تأثیر می‌گذارند و متخصصان امنیتی و توسعه‌دهندگان باید بدانند که چگونه کار می‌کنند و چگونه می‌توانند اطمینان حاصل کنند که سیستم‌هایشان دفاع‌هایی را ارائه می‌کنند که دقیقاً مسئولیت را نشان می‌دهد. آدام شوستاک در این قسمت از مجموعه مدل سازی تهدید خود، به بررسی موضوع انکار می پردازد. با استفاده از مثال‌های عملی، آدام موضوعات کلاهبرداری، سرقت هویت، حملات به لاگ‌ها و انکار را در فناوری‌های خاصی مانند بلاک چین و ابر پوشش می‌دهد.

Suggestions