Course catalog

Course duration

Course provider

Topic

Categories

Showing 16,581-16,600 of 18,566 items.

linkedin مهندسی عملی (Mitalearn-147540)

  • 6 hours 2 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Grady Hillhouse
درباره این دوره:

مهندسی شامل تئوری های زیادی است. اما ما همیشه نمی توانیم آن را در عمل ببینیم. این مجموعه اصول اساسی را که همه مهندسین عمران و مکانیک باید بدانند، در کنار نمایش هایی که نشان می دهد واقعاً چگونه کار می کنند، آموزش می دهد. مدرس Grady Hillhouse با استفاده از همه چیز، از مدل‌های رومیزی که حرکت آب‌های زیرزمینی را پیش‌بینی می‌کنند تا نمونه‌های دست ساز زمین پایدار شده مکانیکی، توضیح می‌دهد که چگونه مفاهیم مهندسی واقعی می‌شوند. او هر ماه یک موضوع جدید مهم را معرفی می کند که درک شما را از اصول اساسی مهندسی، از جمله نیرو، استحکام، کشش، فشرده سازی و موارد دیگر بهبود می بخشد و به شما کمک می کند راه حل های بهتری برای چالش های رایج طراحی پیدا کنید.

توجه: از آنجایی که این سریال در حال پخش است، بینندگان گواهی پایان کار دریافت نخواهند کرد.

linkedin مهندسی قابلیت اطمینان در ابر توسط پیرسون (Mitalearn-467752)

  • 5 hours 1 minutes
  • مناسب همه
  • Release date: 19 February 2026
  • Author: Pearson
درباره این دوره:

<p>در این دوره، مهارت‌های ارزشمند و مورد نیازی را توسعه دهید که می‌توانید به عنوان یک مهندس قابلیت اطمینان از آنها استفاده کنید. استراتژی‌های مهندسی برای ترویج شیوه‌های مهندسی آشفتگی، تکنیک‌های مشاهده و نظارت، تمرین‌های بازیابی فاجعه، معیارهای قابلیت اطمینان، تصمیم‌گیری سریع مبتنی بر داده‌ها و موارد دیگر را کشف کنید. در طول مسیر، یاد بگیرید که چگونه عملیات‌ها را خودکار کنید تا زمان بازیابی و زمان شناسایی با استفاده از سرویس‌های ابری مدرن، LLM و بهترین ابزارهای کلاس را بهبود بخشید. این دوره برای مهندسین نرم‌افزار و تیم‌های توسعه که مسئول طراحی، استقرار یا نگهداری برنامه‌های بومی ابری هستند مناسب است.</p><p>این دوره توسط پیرسون، ماریا بریتر و کارلوس روجاس ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

coursera مهندسی قابلیت اطمینان سایت: اندازه گیری و مدیریت قابلیت اطمینان (Mitalearn-322113)

  • 2 hours 38 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

شاخص های سطح خدمات (SLIs) و اهداف سطح خدمات (SLOs) ابزارهای اساسی برای اندازه گیری و مدیریت قابلیت اطمینان هستند. در این دوره، دانش‌آموزان روش‌هایی را برای ابداع SLI و SLO مناسب و مدیریت قابلیت اطمینان از طریق استفاده از بودجه خطا یاد می‌گیرند.

linkedin مهندسی قابلیت اطمینان سایت: توافقنامه ها و اهداف در سطح خدمات (Mitalearn-203096)

  • 41 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Laura Stone
درباره این دوره:

انتظار می رود تیم های نرم افزاری هم کیفیت برنامه های موجود را حفظ کنند و هم در ویژگی های جدیدی که کاربران را هیجان زده می کند، نوآوری کنند. برای تیم های مهندسی و عملیات، مقابله با هر دوی این تلاش ها در یک ضرب الاجل می تواند چالش برانگیز باشد. در این دوره آموزشی، یاد بگیرید که چگونه از بودجه‌های خطا و شاخص‌های سطح خدمات (SLIs)، اهداف سطح خدمات (SLO) و توافق‌نامه‌های سطح خدمات (SLA) برای تنظیم انتظارات عملکرد واقعی و اندازه‌گیری عملکرد سیستم در سازمان خود استفاده کنید. مربی Laura Stone نحوه ایجاد SLI ها برای اندازه گیری قابلیت اطمینان یک سیستم و همچنین نحوه معنادار ساختن SLI ها با SLO ها را نشان می دهد. لورا همچنین نحوه استفاده از بودجه های خطا را برای اطمینان از اینکه عملکرد ضعیف خدمات عواقب دارد نشان می دهد. برای جمع بندی، او به اجزای اصلی SLA می پردازد.

coursera مهندسی مایکروویو و آنتن (Mitalearn-351081)

  • 8 hours 25 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Bart Smolders,Ulf Johannsen,Domine Leenaerts
درباره این دوره:

این دوره منحصر به فرد در سطح استاد، دانش عمیق مهندسی مایکروویو و آنتن ها را در اختیار شما قرار می دهد. این دوره مدارهای مایکروویو غیرفعال و فعال و همچنین سیستم های آنتن را ترکیب می کند. کاربردهای آینده، مانند ارتباطات بی‌سیم 5G/ فراتر از 5G با موج میلی‌متری یا رادار خودرو، به متخصصانی نیاز دارند که بتوانند سیستم‌های آنتن بسیار یکپارچه‌ای را که شامل آنتن‌ها و لوازم الکترونیکی مایکروویو هستند، طراحی کنند. ما پایه های نظری مورد نیاز و همچنین تجربه عملی را با استفاده از ابزارهای پیشرفته طراحی در اختیار شما قرار خواهیم داد. سخنرانی های وب توسط بسیاری از آزمون های آنلاین پشتیبانی می شود که در آنها می توانید تئوری پس زمینه را تمرین کنید. در کنار این، ما تجربه عملی را در یک چالش طراحی به شما ارائه خواهیم داد که در آن نحوه طراحی مدارها و آنتن های مایکروویو را یاد خواهید گرفت. در طول دوره شما روی چالش طراحی کار خواهید کرد که در آن یک سیستم آرایه فازی فعال کامل، از جمله آنتن ها، شکل دهنده های پرتو و تقویت کننده ها را طراحی خواهید کرد. این دوره توسط یک کتاب نوشته شده توسط تیم مدرسان پشتیبانی می شود که در اختیار دانشجویان قرار می گیرد. پس از نهایی کردن دوره می توان یک گواهی (5 ECTS) دریافت کرد، که می تواند برای شروع یک برنامه کارشناسی ارشد کامل در دانشگاه فناوری آیندهوون استفاده شود. استادان همه دارای پیشینه آکادمیک و صنعتی هستند و در مرکز فناوری بی سیم آیندهوون (CWT/e) دانشگاه فناوری آیندهوون، هلند تعبیه شده اند.

linkedin مهندسی مستقر به جلو در عصر هوش مصنوعی (Mitalearn-457688)

  • 36 minutes
  • مناسب همه
  • Release date: 30 April 2026
  • Author: Vinoo Ganesh
درباره این دوره:

مهندسان مستقر پیشرو به سازمان‌ها کمک می‌کنند تا نمونه‌های اولیه هوش مصنوعی را به سیستم‌های قابل‌اطمینان و قابل استفاده متناسب با محیط‌های تولید واقعی تبدیل کنند. در این دوره، Vinoo Ganesh - مدیرعامل و یکی از بنیانگذاران Kepler - بررسی می‌کند که چگونه استقرار رو به جلو پذیرش موفقیت‌آمیز هوش مصنوعی را در استارت‌آپ‌ها، شرکت‌ها و آزمایشگاه‌های هوش مصنوعی تسهیل می‌کند و خود را از پیاده‌سازی سنتی SaaS متمایز می‌کند، به‌ویژه هنگام استقرار فناوری‌های هوش مصنوعی مانند مدل‌های زبان بزرگ در تنظیمات پیچیده سازمانی. Vinoo بررسی می کند که چگونه مهندسان مستقر در آینده با مشتریان و تیم های داخلی برای تبدیل نیازهای دنیای واقعی به الزامات فنی، تکرار سریع و تقویت اعتماد در راه حل های هوش مصنوعی، همکاری می کنند. علاوه بر این، او نحوه مقایسه مدل‌های تحویل، شناسایی اولویت‌های سازگاری و استفاده از استراتژی‌های عملی برای افزایش نتایج را در هنگام ادغام هوش مصنوعی در گردش‌های کاری موجود، چارچوب‌های امنیتی و محدودیت‌های عملیاتی پوشش می‌دهد.

coursera مهندسی نرم افزار: پیاده سازی و آزمایش (Mitalearn-309261)

  • 2 hours 50 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مراحل پیاده سازی و آزمایش SDLC متمرکز است و شما فرآیندهای مختلف توسعه نرم افزار را برای توسعه سیستم های نرم افزاری بزرگ بررسی می کنید و نقاط قوت (مزایا) و ضعف (معایب) فرآیندهای مختلف توسعه نرم افزار را درک خواهید کرد. همچنین با تکنیک های برنامه نویسی دفاعی برای جلوگیری از اشکالات نرم افزاری در حین پیاده سازی مواجه خواهید شد و یاد خواهید گرفت که چگونه سیستم خود را با استفاده از انواع مختلف تست ها به طور کامل تست کنید. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای موضوعاتی که در برنامه نویسی تدافعی و تست شی گرا پوشش داده می شوند مورد نیاز است. پیاده‌سازی توسط مدل‌های UML مشتق‌شده از تجزیه و تحلیل نیازمندی هدایت می‌شود. توصیه می شود قبل از شروع این دوره درس "مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML" را بگذرانید، اما نیاز سختی نیست.

coursera مهندسی نرم افزار: طراحی نرم افزار و مدیریت پروژه (Mitalearn-308938)

  • 2 hours 40 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مراحل برنامه ریزی پروژه و تجزیه و تحلیل/طراحی SDLC متمرکز است و شما با الگوهای مختلف معماری و الگوهای طراحی برای حل مشکلات رایج در طراحی نرم افزار آشنا خواهید شد. برنامه ریزی پروژه، زمان بندی و برآورد هزینه را پوشش می دهد که وظایف اصلی مدیران پروژه نرم افزاری است. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای درک الگوهای طراحی مختلف تحت پوشش این دوره مورد نیاز است. طراحی سیستم توسط مدل های UML مشتق شده از تجزیه و تحلیل نیازمندی ها هدایت می شود. توصیه می شود قبل از شروع این دوره درس "مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML" را بگذرانید، اما نیاز سختی نیست.

coursera مهندسی نرم افزار: مدل سازی سیستم های نرم افزاری با استفاده از UML (Mitalearn-309006)

  • 2 hours 33 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Kenneth W T Leung
درباره این دوره:

چرخه حیات توسعه نرم افزار (SDLC) فرآیند توسعه نرم افزار از طریق برنامه ریزی، تجزیه و تحلیل نیاز، طراحی، پیاده سازی، آزمایش و نگهداری است. این دوره بر مرحله تجزیه و تحلیل نیازمندی های SDLC متمرکز است و شما یاد خواهید گرفت که چگونه از مدل های UML برای دریافت نیازمندی های سیستم و تسهیل ارتباط بین مشتری/کاربران و توسعه دهندگان استفاده کنید. UML یک زبان مدل سازی بصری با هدف کلی برای سیستم ها است. می توان از آن برای برجسته کردن جنبه های مختلف سیستم که مورد علاقه ذینفعان مختلف است استفاده کرد. الزامات داده در مدل دامنه ثبت می شود، که مفاهیم مهم دامنه برنامه را به عنوان کلاس ها، ارتباط بین آنها و محدودیت های موجود در آنها توصیف می کند. الزامات عملکردی در مدل مورد استفاده برای توصیف تعاملات بین سیستم و محیط آن (کاربران، سیستم‌های دیگر) ثبت می‌شوند. UML از بهترین شیوه های فعلی در تکنیک های مدل سازی شی گرا استفاده می کند. مفاهیم اولیه برنامه نویسی شی گرا (OOP) برای امتحان این دوره مورد نیاز است. توصیه می‌شود دوره‌ها را به ترتیبی که فهرست شده‌اند بگذرانید، زیرا به تدریج تکنیک‌ها و مفاهیم مهندسی نرم‌افزار را توسعه می‌دهند، اما این یک نیاز سخت نیست.

linkedin مهندسی هوش مصنوعی Azure: راهکارهای گفتار، زبان و دید (Mitalearn-442745)

  • 1 hours 51 minutes
  • مناسب همه
  • Release date: 7 June 2024
  • Author: Microsoft Learn
درباره این دوره: 

 این دوره به معرفی مفاهیم اساسی مرتبط با هوش مصنوعی (AI) و همچنین خدماتی در Microsoft Azure می‌پردازد که می‌توان از آنها برای ساخت راه‌حل‌های هوش مصنوعی استفاده کرد. با آموزش تخصصی Microsoft Learn، مهارت‌های مورد نیاز برای استفاده از سرویس‌های Azure را برای ایجاد برنامه‌های دارای قابلیت گفتار، ترجمه گفتار، ساخت مدل درک زبان محاوره‌ای، توسعه برنامه‌ها با زبان هوش مصنوعی Azure، ساخت راه‌حل پاسخ‌گویی به سؤال و موارد دیگر توسعه دهید. در پایان این دوره، شما همچنین برای ایجاد یک راه حل طبقه بندی متن سفارشی، آموزش و ارزیابی مدل ها، تجزیه و تحلیل تصاویر و ویدئو، و تشخیص، تجزیه و تحلیل و تشخیص تصاویر و چهره ها آماده خواهید شد.

linkedin مهندسی و بهینه سازی KPI اتصال، قابلیت نگهداری و یکپارچگی 5G (Mitalearn-448780)

  • 1 hours 50 minutes
  • مناسب همه
  • Release date: 15 December 2025
  • Author: Rahul Kaundal,Itelcotech
درباره این دوره:

<p>این دوره یک بررسی عمیق متمرکز در مدیریت عملکرد 5G ارائه می‌کند، به‌ویژه حوزه‌های حیاتی ماندگاری و یکپارچگی را هدف قرار می‌دهد. بر KPIهایی که ثبات اتصال و کیفیت تحویل داده را در معماری شبکه مستقل (SA) و غیر مستقل (NSA) تعریف می کنند، تسلط داشته باشید. با ساختارشکنی قابلیت نگهداری، محاسبه نرخ افت، تجزیه و تحلیل علل ریشه ای خرابی و عیب یابی انتشار اتصال در سناریوهای پیچیده اتصال دوگانه (EN-DC) شروع کنید. در مرحله بعد، به KPIهای یکپارچگی تغییر دهید، با یادگیری نحوه اندازه گیری و بهینه سازی توان عملیاتی و تأخیر شبکه، از عملکرد در سطح سلول تا محاسبات دقیق تأخیر صفحه کاربر. در پایان این دوره، شما برای نظارت موثر بر سلامت شبکه، رفع کاهش عملکرد و اطمینان از تجربه کاربری 5G با کیفیت بالا و قابل اعتماد آماده خواهید شد.</p><p>این دوره توسط Itelcotech ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

linkedin مهندسی و بهینه سازی KPI دسترسی به 5G (Mitalearn-448746)

  • 3 hours 29 minutes
  • مناسب همه
  • Release date: 9 December 2025
  • Author: Rahul Kaundal,Itelcotech
درباره این دوره:

<p>نقشه فنی عمیق در دسترسی به شبکه 5G داشته باشید و شما را با مهارت‌هایی که برای اندازه‌گیری، تجزیه و تحلیل و بهینه‌سازی رویه‌های سیگنالینگ حیاتی نیاز دارید، تجهیز کنید که ارتباطات موفق کاربر را تعیین می‌کند. مربی Rahul Kaundal فراتر از تئوری است و به شما نشان می‌دهد که چگونه بر شاخص‌های عملکرد کلیدی (KPI) که عملکرد شبکه را تعریف می‌کنند تسلط داشته باشید.</p><p>با نگاشت معماری 5G سطح بالا به جریان‌های تماس دقیق برای دسترسی و ثبت‌نام اولیه شروع کنید. بیاموزید که چگونه یک تجزیه و تحلیل دقیق از رویه‌های اساسی مانند کانال دسترسی تصادفی (RACH)، کنترل منابع رادیویی (RRC) و PDU Session Establishment، محاسبه KPI، تنظیم پارامترها، و عیب‌یابی خرابی‌ها انجام دهید. در پایان این دوره، شما آماده خواهید بود که به طور سیستماتیک مشکلات دسترسی را تشخیص دهید، کارایی شبکه را بهبود بخشید و مهارت های خود را در چالش های بهینه سازی 5G در دنیای واقعی به کار ببرید.</p><p>این دوره توسط Itelcotech ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

datacamp مهندسی ویژگی با PySpark (Mitalearn-403186)

  • 52 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: John Hogue
درباره این دوره:

دنیای واقعی کثیف است و وظیفه شما این است که آن را درک کنید. مجموعه داده‌های اسباب‌بازی مانند MTCars و Iris نتیجه مراقبت و تمیز کردن دقیق هستند، حتی بنابراین داده‌ها باید تبدیل شوند تا برای الگوریتم‌های یادگیری ماشین قدرتمند برای استخراج معنا، پیش‌بینی، طبقه‌بندی یا خوشه‌بندی مفید باشند. این دوره جزئیات مهمی را پوشش می دهد که دانشمندان داده 70 تا 80 درصد از زمان خود را صرف آن می کنند. جدال داده ها و مهندسی ویژگی ها با بزرگ‌تر شدن اندازه مجموعه داده‌ها، بیایید از PySpark برای کاهش اندازه این مشکل Big Data استفاده کنیم!

datacamp مهندسی ویژگی برای NLP در پایتون (Mitalearn-401248)

  • 1 hours
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Rounak Banik
درباره این دوره:

در این دوره، تکنیک هایی را یاد می گیرید که به شما امکان می دهد اطلاعات مفیدی را از متن استخراج کنید و آنها را در قالبی مناسب برای استفاده از مدل های ML پردازش کنید. به طور خاص، شما در مورد برچسب گذاری POS، شناسایی موجودیت نام، امتیازات خوانایی، مدل های n-gram و tf-idf و نحوه پیاده سازی آنها با استفاده از scikit-learn و spaCy خواهید آموخت. شما همچنین یاد خواهید گرفت که محاسبه کنید دو سند چقدر شبیه به یکدیگر هستند. در این فرآیند، احساسات نقدهای فیلم را پیش‌بینی می‌کنید و توصیه‌کنندگان فیلم و تد تاک را می‌سازید. پس از این دوره، می‌توانید ویژگی‌های حیاتی را از هر متنی مهندسی کنید و برخی از چالش‌برانگیزترین مشکلات در علم داده را حل کنید!

datacamp مهندسی ویژگی برای یادگیری ماشین در پایتون (Mitalearn-401180)

  • 56 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Robert O'Callaghan
درباره این دوره:

هر روز در مورد پیشرفت های شگفت انگیزی که چگونه جدیدترین برنامه های کاربردی یادگیری ماشینی در حال تغییر جهان هستند، می خوانید. اغلب این گزارش این واقعیت را پنهان می‌کند که حجم عظیمی از داده‌ها و مهندسی ویژگی‌ها باید قبل از استفاده از هر یک از این مدل‌های فانتزی انجام شود. در این دوره یاد خواهید گرفت که چگونه این کار را انجام دهید. شما با نظرسنجی Stack Overflow Developers و سخنرانی‌های تاریخی مراسم تحلیف ریاست‌جمهوری ایالات متحده کار خواهید کرد تا بفهمید چگونه می‌توانید ویژگی‌ها را از داده‌های طبقه‌بندی، پیوسته و بدون ساختار به بهترین شکل پیش پردازش و مهندسی کنید. این دوره به شما تجربه عملی در مورد نحوه آماده سازی هر داده ای برای مدل های یادگیری ماشین خود می دهد.

datacamp مهندسی ویژگی در R (Mitalearn-405821)

  • 47 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Jorge Zazueta
درباره این دوره:

در این دوره، با مهندسی ویژگی‌ها آشنا می‌شوید، که در قلب بسیاری از مدل‌های یادگیری ماشین قرار دارد. از آنجایی که عملکرد هر مدلی نتیجه مستقیم ویژگی هایی است که تغذیه می شود، مهندسی ویژگی دانش دامنه را در مرکز فرآیند قرار می دهد. شما با اصول مهندسی ویژگی صدا آشنا خواهید شد که به کاهش تعداد متغیرها در صورت امکان کمک می‌کند، الگوریتم‌های یادگیری را سریع‌تر اجرا می‌کند، تفسیرپذیری را بهبود می‌بخشد و از برازش بیش از حد جلوگیری می‌کند.

می‌آموزید که چگونه تکنیک‌های مهندسی ویژگی را با استفاده از چارچوب R tidymodels پیاده‌سازی کنید، با تأکید بر بسته دستوری که به شما امکان می‌دهد بهترین ویژگی‌ها را برای مدل خود ایجاد، استخراج، تبدیل و انتخاب کنید.

وقتی با یک مجموعه داده جدید مواجه می‌شوید، می‌توانید ویژگی‌های مرتبط را شناسایی و انتخاب کنید و از موارد غیر آموزنده صرف نظر کنید تا مدل خود را سریع‌تر بدون کاهش دقت اجرا کنید. همچنین با اعمال تغییرات و ایجاد ویژگی‌های جدید برای کارآمدتر، قابل تفسیر و دقیق‌تر کردن مدل‌های خود راحت خواهید بود!

Related Skills

coursera مهندسی یادگیری ماشین ابری و MLOps (Mitalearn-324289)

  • 5 hours 42 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Noah Gift
درباره این دوره:

به دوره چهارم راه حل های رایانش ابری ساختمان در تخصص مقیاس خوش آمدید! در این دوره، شما بر اساس محاسبات ابری و مفاهیم مهندسی داده که در سه دوره اول معرفی شده‌اند، استفاده می‌کنید تا مهندسی یادگیری ماشین را در پروژه‌های دنیای واقعی اعمال کنید. ابتدا، برنامه‌های مهندسی یادگیری ماشین را توسعه می‌دهید و از بهترین شیوه‌های توسعه نرم‌افزار برای ایجاد برنامه‌های مهندسی یادگیری ماشین استفاده می‌کنید. سپس، یاد خواهید گرفت که از AutoML برای حل مشکلات کارآمدتر از رویکردهای یادگیری ماشین سنتی به تنهایی استفاده کنید. در نهایت، شما به موضوعات نوظهور در یادگیری ماشینی از جمله MLOps، Edge Machine Learning و APIهای هوش مصنوعی خواهید پرداخت. این دوره برای مبتدیان و همچنین دانشجویان متوسط ​​علاقه مند به استفاده از محاسبات ابری در علم داده، یادگیری ماشین و مهندسی داده ایده آل است. دانش آموزان باید مهارت های لینوکس سطح مبتدی و پایتون سطح متوسط ​​را داشته باشند. برای پروژه خود در این دوره، یک برنامه وب Flask خواهید ساخت که پیش بینی های یادگیری ماشین را ارائه می دهد.

coursera مواد تبلیغاتی که هر نوازنده ای به آن نیاز دارد (Mitalearn-367027)

  • 3 hours 10 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Jeffrey Nytch
درباره این دوره:

به قول معروف، برداشت اول همه چیز است، به خصوص در هنر. به همین دلیل داشتن مهارت‌ها و دانش مورد نیاز برای ایجاد مواد تبلیغاتی مؤثر که به شما کمک می‌کند از دیگران متمایز شوید بسیار مهم است. در این دوره، شما هر آنچه را که باید در مورد ایجاد مواد تبلیغاتی قدرتمند بدانید که به طور موثر استعداد شما را به نمایش می گذارد و تصویر حرفه ای شما را ارتقا می دهد، یاد خواهید گرفت. از بیوگرافی هنرمند و عکس‌های جذاب گرفته تا رزومه‌ها/سی وی‌های صیقلی، نامه‌های پوششی متقاعدکننده، وب‌سایت‌های جذاب، و ویدیوهای تبلیغاتی جذاب، این دوره شما را با مواد تبلیغاتی مورد نیاز برای ایجاد یک حضور قوی و حرفه‌ای در صنعت موسیقی آشنا می‌کند. با تسلط بر هنر ایجاد مواد تبلیغاتی قانع کننده، می توانید به طور موثر استعداد خود را به نمایش بگذارید، هویت برند منحصر به فرد خود را منتقل کنید و تأثیری ماندگار بر مخاطبان هدف خود بگذارید. این دوره را می توان به تنهایی یا به عنوان بخشی از تخصص "جعبه ابزار حرفه ای موسیقیدان" گذراند.

coursera مواد در بهداشت دهان و دندان (Mitalearn-347001)

  • 3 hours 29 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Jukka Pekka Matinlinna,James Kit Hon Tsoi
درباره این دوره:

انگیزه توسعه بیوموادهای جدید و جدید خوراکی با توجه به اینکه امروزه بسیاری از مردم از بیومواد خوراکی استفاده می کنند و مزایای آنها را در بازیابی و بهبود سلامت دهان و دندان خود برای داشتن یک سبک زندگی لذت بخش تر می بینند، هرگز مهم نبوده است. خواص منحصر به فرد مواد زیستی مانند تیتانیوم (Ti)، زیرکونیا (ZrO2) و مواد پلیمری مختلف، آنها را به مواد انتخابی در سلامت دهان تبدیل کرده است: ایمپلنت های دندانی، جراحی دهان و فک و صورت و حتی پزشکی ترمیمی. امروزه تحقیقات بیومواد دهانی یک حوزه چند رشته‌ای هیجان‌انگیز و فشرده است که مشارکت‌های طیف گسترده‌ای از زمینه‌ها از دندانپزشکی حرفه‌ای گرفته تا زیست‌شناسی، شیمی، فیزیک، علم مواد و مهندسی را در بر می‌گیرد. مواد در بهداشت دهان و دندان یک دوره 4 هفته ای رایگان است که برای همه زبان آموزان علاقه مند آزاد است. در این دوره، با خواص و مزایای ویژه بیومواد از جمله آلیاژهای تیتانیوم و تیتانیوم، زیرکونیا و سایر آلیاژها، سرامیک ها و کامپوزیت های مدرن آشنا خواهید شد. شما بینش هایی در مورد استفاده عملی از این مواد زیستی در جنبه های مختلف دندانپزشکی و پیامدهای بالینی به دست خواهید آورد. متوجه خواهید شد که دندانپزشکی معاصر چگونه مواد مصنوعی را با بافت های زنده دندان و استخوان یکی می کند. شما با نقش های حیاتی دندانپزشکی دیجیتال در تماس خواهید بود و در مورد فناوری CAD/CAM در ساخت روکش، پرینت سه بعدی و ارتودنسی دیجیتال اطلاعات کسب خواهید کرد. و در آخر با روش ها و روش های آزمایشی که برای آزمایش خواص مکانیکی قابل توجه بیومواد در آزمایشگاه تحقیقاتی استفاده می شود آشنا خواهید شد. ما صمیمانه از شما که مایل به ایجاد تغییر در مواد دندانپزشکی فردا و توسعه سلامت دهان هستید دعوت می کنیم تا در سفر 4 هفته ای مواد در بهداشت دهان به ما بپیوندید. شما می توانید با دریافت گواهینامه دوره به رسمیت شناخته شوید. می توانید به جزئیات مراجعه کنید: https://learner.coursera.help/hc/en-us/articles/208280196

coursera مواد شیمیایی و بهداشت (Mitalearn-337532)

  • 6 hours 4 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Megan Weil Latshaw, PhD,Beth A. Resnick, MPH
درباره این دوره:

این دوره به بررسی مواد شیمیایی موجود در محیط و بدن ما و چگونگی تأثیر آنها بر سلامت ما می پردازد. این به سیاست ها و اقدامات مربوط به مواد شیمیایی می پردازد، به ویژه مربوط به نحوه ورود آنها به بدن ما (قرار گرفتن در معرض)، کارهایی که هنگام رسیدن به آنجا انجام می دهند (سم شناسی)، نحوه اندازه گیری آنها (پایش زیستی) و تأثیر آنها بر سلامت ما. بیشتر نمونه ها از ایالات متحده گرفته شده است.

Suggestions