Course catalog
Course duration
Course provider
Topic
مبانی ویدیوی 360
(Mitalearn-168314)
- 1 hours 25 minutes
- مبتدی
- Release date: 20 September 2019
- Author: Nick Harauz
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.
Related Skills
مبانی یادگیری الکترونیکی در دسترس
(Mitalearn-241448)
- 51 minutes
- مناسب همه
- Release date: 20 December 2021
- Author: Oliver Schinkten
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.
Related Skills
مبانی یادگیری تقویتی
(Mitalearn-198421)
- 44 minutes
- متوسط
- Update date: 21 June 2026
- Author: Khaulat Abdulhakeem
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.
Related Skills
مبانی یادگیری تقویتی
(Mitalearn-330052)
- 3 hours 51 minutes
- متوسط
- Release date: 23 June 2026
- Author: Martha White,Adam White
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.
Related Skills
مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow
(Mitalearn-220572)
- 1 hours 47 minutes
- مناسب همه
- Release date: 21 June 2026
- Author: Harshit Tyagi
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.
Related Skills
مبانی یادگیری ماشین
(Mitalearn-315398)
- 2 hours 12 minutes
- مناسب همه
- Release date: 23 June 2026
- Author: Jaekwang KIM
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.
Related Skills
مبانی یادگیری ماشین برای زنجیره تامین
(Mitalearn-329406)
- 1 hours 49 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Rajvir Dua,Neelesh Tiruviluamala
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.
Related Skills
مبانی یادگیری ماشین برای مدیران محصول
(Mitalearn-326482)
- 4 hours 27 minutes
- مبتدی
- Release date: 23 June 2026
- Author: Jon Reifschneider
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
Related Skills
مبانی یادگیری ماشین در امور مالی
(Mitalearn-333282)
- 4 hours 34 minutes
- متوسط
- Release date: 23 June 2026
- Author: Igor Halperin
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.
Related Skills
مبانی یادگیری ماشین: آمار
(Mitalearn-394482)
- 1 hours 26 minutes
- مناسب همه
- Update date: 25 July 2026
- Author: Terezija Semenski
مدلهای یادگیری ماشینی نحوه کار ما را در بسیاری از صنایع متحول کرده است. اما عمیقتر شدن مدلهای ML و در واقع درک نحوه عملکرد آنها به شما امکان میدهد عملکرد را بهینه کنید، نوآوری کنید، مشکلات را عیبیابی کنید و مدلهای جدید و کارآمدتر ML ایجاد کنید. در این دوره آموزشی، قسمت چهارم از مجموعه مبانی یادگیری ماشینی، Terezija Semenski توضیح میدهد که چگونه درک عمیق آمار میتواند به شما کمک کند تا در پروژههای یادگیری ماشین برتر باشید. Terezija نشان می دهد که چگونه آمار نقش بزرگی در یادگیری ماشین ایفا می کند - فراتر از اعداد خرد - و به شما نشان می دهد که چگونه از آمار برای به دست آوردن بینش در مورد داده ها، درک عدم قطعیت های مرتبط با پیش بینی ها، و تصمیم گیری های مبتنی بر داده با اطمینان استفاده کنید.
Related Skills
مبانی یادگیری ماشین: احتمال
(Mitalearn-394465)
- 1 hours 29 minutes
- مناسب همه
- Update date: 9 June 2025
- Author: Terezija Semenski
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>
Related Skills
مبانی یادگیری ماشین: جبر خطی
(Mitalearn-277131)
- 1 hours 21 minutes
- مناسب همه
- Update date: 25 July 2026
- Author: Terezija Semenski
آیا تا به حال فکر کرده اید که واقعاً در زیر الگوریتم یادگیری ماشینی چه می گذرد؟ پاسخ جبر خطی است. بدون آن، یادگیری ماشینی نمی تواند وجود داشته باشد. جبر خطی پیش نیازی برای درک و ایجاد تقریباً همه الگوریتمهای یادگیری ماشین است، بهویژه الگوریتمهایی که شبکههای عصبی، ابزارهای پردازش زبان طبیعی و مدلهای یادگیری عمیق را پشتیبانی میکنند.
برای کاوش عمیق به مربی Terezija Semenski بپیوندید. مفاهیم اصلی جبر خطی در کنار تکنیک های مورد نیاز برای طراحی و پیاده سازی یک الگوریتم یادگیری ماشین موفق. اصول حساب برداری، هنجارهای برداری، ویژگی های ماتریس، عملیات پیشرفته، تبدیل ماتریس و الگوریتم هایی مانند رتبه صفحه گوگل را کشف کنید. در پایان این دوره، شما آماده خواهید بود که اصول جبر خطی را بپذیرید و آنها را در پروژه بزرگ بعدی یادگیری ماشین خود به کار ببرید.
Related Skills
مبانی یادگیری ماشین: حساب دیفرانسیل و انتگرال
(Mitalearn-394448)
- 1 hours 31 minutes
- مناسب همه
- Update date: 25 July 2026
- Author: Terezija Semenski
مطالعه هوش مصنوعی و یادگیری ماشینی میتواند به اندازه کافی دشوار باشد، اما اگر حساب دیفرانسیل و انتگرال را در ترکیب قرار دهید چه؟ ممکن است دلهرهآور به نظر برسد، اما درک مبانی حساب دیفرانسیل و انتگرال میتواند به شما در طراحی و پیادهسازی الگوریتمهای یادگیری ماشین کمک کند، و بدون پایهای محکم در حساب دیفرانسیل و انتگرال، کار شما در یادگیری ماشینی میتواند به سرعت بسیار زیاد شود. در این دوره، Terezija Semenski به شما توابع، مشتقات، انتگرال ها و مبانی حساب چند متغیره را آموزش می دهد. اگر با مفاهیم و تکنیکهای حساب دیفرانسیل و انتگرال مورد استفاده برای طراحی و پیادهسازی الگوریتمهای ML مشکل دارید، این دوره آموزشی را با Terezija برای غلبه بر این چالشها بررسی کنید.
Related Skills
مبانی یادگیری ماشین: رویکرد مطالعه موردی
(Mitalearn-334489)
- 8 hours 39 minutes
- مناسب همه
- Release date: 23 June 2026
- Author: Emily Fox,Carlos Guestrin
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.
Related Skills
مبانی یادگیری ماشین: نمونه سازی در لبه
(Mitalearn-427666)
- 1 hours 21 minutes
- مناسب همه
- Release date: 25 July 2026
- Author: Robert Gallup
به عنوان هوش مصنوعی و محاسبه قدرت همچنان در حال رشد است ، بنابراین نیاز و فرصت برای هوش یا اطلاعات غیر متمرکز "در لبه". نمونه سازی به طراحان محصول ، مدیران محصول و توسعه دهندگان اجازه می دهد تا بر کاوش در ایده های محصول تمرکز کنند ، بدون اینکه دانش عمیقی از تئوری داشته باشد ، و ابزارها و سخت افزار اکنون این امکان را فراهم می کند. در این دوره ، تکنسین ، طراح و بلندگو رابرت گالوپ شما را از طریق فرآیند یادگیری ماشین نمونه سازی در لبه راهنمایی می کند. رابرت با مروری بر یادگیری ماشین ، از جمله عناصر یادگیری ماشین ، گردش کار و اخلاق آغاز می شود. در مرحله بعد ، او سپس در مورد نمونه سازی بحث می کند ، و سناریویی را ارائه می دهد و برای نمونه اولیه تشخیص صدا که در این دوره تهیه شده است ، برنامه ریزی می کند. رابرت سپس شما را از طریق نحوه تهیه نرم افزار و سخت افزار و همچنین نحوه تعریف ، آموزش و استقرار یک مدل یادگیری ماشین پیاده می کند. سرانجام ، او به شما نشان می دهد که چگونه نمونه اولیه خود را گسترش دهید و در مورد ملاحظات در انجام حرکت از نمونه اولیه به تولید بحث می کند.
Related Skills
مبانی یادگیری: نظریه تا عمل
(Mitalearn-462210)
- 52 minutes
- مناسب همه
- Release date: 14 April 2025
- Author: Joe Pulichino, Ed.D.
تئوری یادگیری فقط برای دانشگاهیان نیست - این پایه و اساس یادگیری مؤثر و تمرین توسعه است. در این دوره، کشف کنید که چگونه درک نظریه های کلیدی یادگیری می تواند رویکرد شما را برای طراحی و ارائه تجربیات یادگیری تغییر دهد. با شروع با مفاهیم اساسی و حرکت از طریق رفتارگرایی، شناخت گرایی، ساخت گرایی، و دیدگاه های معاصر، یاد بگیرید که چگونه هر نظریه به طراحی و ارائه یادگیری موثر کمک می کند. از طریق مثالهای عملی و کاربردهای دنیای واقعی، ببینید که چگونه چارچوبهای نظری تصمیمگیری بهتر در همه چیز از طراحی برنامه گرفته تا اندازهگیری را ارائه میدهند. چه در زمینه تحقیق و توسعه تازه کار باشید و چه یک متخصص باتجربه که به دنبال تقویت پایه های نظری خود هستید، این دوره می تواند به شما کمک کند تجارب یادگیری جذاب تر، موثرتر و تاثیرگذارتری را برای سازمان خود ایجاد کنید.
Related Skills
مبتدی تا حرفه ای در اکسل: مدل سازی و ارزش گذاری مالی
(Mitalearn-407351)
- 19 hours 24 minutes
- مناسب همه
- Update date: 29 July 2026
- Author: 365 Careers
*به روز شده برای نوامبر 2024*
آیا می خواهید نحوه استفاده از اکسل را در یک محیط کاری واقعی بیاموزید؟ ?
آیا می خواهید از دانشگاه فارغ التحصیل شوید و به دنبال اولین شغل خود باشید؟
آیا دوست دارید به عنوان فرد مورد علاقه تیم خود برای مدل سازی مالی در اکسل تبدیل شوید؟
به بیش از 230000 دانشجوی موفق که این دوره را می گذرانند بپیوندید.
معلم شما دارای تجربه گسترده زیر در مدل سازی مالی است: < /p>
واحد مشاوره مالی یک شرکت مشاوره سطح بالا
تجربه در معاملات M&A انجام شده در انگلستان، ایتالیا، آلمان، سوئیس و لهستان
شغل در بخش ادغام و تملک داخلی یک شرکت بزرگ چند ملیتی
یک مشاور مالی در چندین معامله M&A از 2 میلیون یورو تا 5 میلیارد یورو
بر روی ارزشگذاری شرکت، تجزیه و تحلیل دقیق، آزمونهای کاهش ارزش، روند ورشکستگی، وجه نقد کار کرد. تجزیه و تحلیل جریان، و موارد دیگر.
از شخصی که همان مسیر را طی کرده است، نکات ظریف مدلسازی مالی را بیاموزید. امروز با این دوره، منحنی یادگیری را شکست دهید و از همکاران خود متمایز شوید.
راهنمای جامع مدلسازی مالی در اکسل:
یک متخصص اکسل شوید
ساخت مدل های مالی مناسب در اکسل
درکی عمیق از مکانیک ارزش گذاری شرکت به دست آورید
ایجاد فرمت حرفه ای فایلها
نشان دادن مهارتهای برتر Excel در محل کار
قبل از استخدام در بانکداری سرمایهگذاری، مشاوره مالی، امور مالی شرکتی یا مشاوره آماده شوید.
Hدر پیشنهاد ما:
خوب طراحی شده است و آسان برای درک مطالب
توضیحات دقیق با مطالعات موردی قابل درک بر اساس موقعیت های واقعی
مواد دوره قابل دانلود
به روز رسانی دوره های منظم
نمونه های نمودار حرفه ای مورد استفاده توسط بانک های بزرگ و شرکت های مشاوره.
Real- زندگی، گام به گام مثالها
پس از تکمیل این دوره، میتوانید موارد زیر را انجام دهید:
< ul>به راحتی با Microsoft Excel و بسیاری از ویژگی های پیشرفته آن کار کنید
در تیم خود به یکی از کاربران برتر Excel تبدیل شوید
کارهای منظم را انجام دهید سریعتر
ایجاد صورت حساب P&L از استخراج داده های خام
ایجاد صورت جریان نقدی
ارزش دادن به یک شرکت
یک مدل ارزیابی از ابتدا تولید کنید
یک مدل با چندین سناریو ایجاد کنید
طراحی حرفه ای و نمودارهای پیشرفته
با یادگیری توابع پیشرفته، جداول محوری، تجسم ها و ویژگی های اکسل مهارت اکسل را به دست آورید
درباره دوره:
ضمانت بازگشت بدون قید و شرط 30 روزه وجه
هیچ تجربه قبلی قابل توجهی برای درک دوره و مزیت
دسترسی نامحدود مادام العمر به تمام مواد درسی
تاکید بر یادگیری از طریق انجام
< li>
مهارتهای مایکروسافت اکسل و مدلسازی مالی خود را به سطح بالاتری ببرید
سرمایهگذاریای انجام دهید که در آینده شغلی پاداش مثبت داشته باشد. بازخورد و رشد شخصی
این دوره برای فارغ التحصیلانی که مایل به تبدیل شدن به بانکدار سرمایه گذاری هستند، مناسب است زیرا شامل یک مدل DCF با ساختار مناسب با مفاهیم نظری آن است. علاوه بر این، به شما انگیزه می دهد تا در انجام کارهای روزانه اعتماد به نفس بیشتری داشته باشید و به شما برتری را نسبت به سایر نامزدهایی که برای یک موقعیت تمام وقت رقابت می کنند، می دهد.
افرادی که دانش اولیه اکسل را دارند و دوره را پشت سر می گذارند مهارت های اکسل خود را به طرز چشمگیری افزایش می دهند.
از این فرصت برای به دست آوردن مهارت هایی استفاده کنید که باعث پیشرفت شغلی شما می شود و نسبت به سایر نامزدها برتری پیدا می کند. موفقیت آینده خود را به خطر نیندازید.
Related Skills
متاآنالیز برای علم داده و تجزیه و تحلیل تجاری
(Mitalearn-124420)
- 49 minutes
- متوسط
- Release date: 22 June 2026
- Author: Conrad Carlberg
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.
Related Skills
متاورس چیست؟
(Mitalearn-271929)
- 53 minutes
- مناسب همه
- Release date: 27 June 2022
- Author: Christopher Lafayette
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.
Related Skills
متاورس چیست؟ [coursera]
(Mitalearn-302529)
- 2 hours 30 minutes
- مبتدی
- Release date: 27 June 2026
- Author: Taught by Experts
متاورس فقط برای گیمرها یا توسعه دهندگان نیست، برای همه خواهد بود. در این دوره رایگان از کارشناسان متا، خواهید آموخت که متاورس چیست، چه معنایی برای دنیای امروز و آینده ما دارد و فرصت هایی که برای حرفه ای ها و مشاغل ارائه می دهد. اصول متاورژن را درک کنید متخصصان شما را از طریق طیف گسترده ای از موضوعات شامل اکوسیستم متاورس، از ارتباطات و همکاری گرفته تا NFT ها و ارزهای دیجیتال، از آواتارها و دستگاه ها تا پلتفرم ها و موتورهای بازی، راهنمایی می کنند. در مورد واقعیت افزوده (AR)، واقعیت مجازی (VR)، واقعیت توسعه یافته، NFT ها، بلاک چین، وب 3، ارزهای دیجیتال و غیره خواهید آموخت. راه های جدیدی برای ارتباط، یادگیری و کار کشف کنید متاورس راه های جدیدی برای ارتباط افراد، وب سایت ها، پلتفرم ها و واقعیت ها ارائه می دهد. شما کشف خواهید کرد که چگونه تجربیات اجتماعی آنلاین، آینده کار و یادگیری را افزایش می دهد. فرصت هایی برای حرفه ای ها و مشاغل متاورس توسط همه ساخته خواهد شد و برنامه های کاربردی خلاقانه و کاربردی هر روز توسط افراد تخیلی توسعه می یابد. بیاموزید که چگونه متاورس در زمینههایی مانند مراقبتهای بهداشتی، آموزش، برنامهریزی شهری، هنر و موارد دیگر به کار گرفته میشود - و چگونه میتوانید از امروز شروع به ایجاد این تجربیات کنید. همچنین خواهید آموخت که چگونه متاورس می تواند جهان را به مکانی متنوع تر، عادلانه تر و فراگیرتر تبدیل کند. در پایان دوره، شما به دانش بنیادی متاورس برای تعیین حوزههای مورد علاقه، یادگیری یا رشد حرفهای آینده مجهز خواهید شد.