Course catalog

Course duration

Course provider

Topic

Categories

Showing 17,101-17,120 of 17,361 items.

linkedin یادگیری علم داده: با داده داستان بگویید (Mitalearn-91610)

  • 1 hours 17 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

بسیاری از مردم شناسان بر این باورند که اجداد اولیه ما جوامعی را حول داستان های آتش اردوگاه در مورد عدالت، رهبری و حکومت ساخته اند. تیم های علم داده شما نیز ایده های پیچیده ای در مورد داده ها و نتایج خود خواهند داشت. به همین دلیل است که برای انتقال این بینش‌ها به سایر اعضای سازمان، یک داستان ساختاریافته لازم است. این صرفاً ایجاد یک صفحه اکسل عالی یا یک نمودار زیبا نیست. شما باید داستانی تعریف کنید که تخیل مخاطب شما را جذب کند و آنها را تشویق به انجام اقداماتی کند. در این دوره، مدرس داگ رز توضیح می دهد که چگونه یک داستان عالی علم داده را با هم ببافید و مخاطبان خود را به داستان بکشانید تا ایده های پیچیده را منتقل کنید و همه را برای ایجاد تغییرات واقعی ترغیب کنید.

linkedin یادگیری علم داده: تیم خود را مدیریت کنید (Mitalearn-91593)

  • 1 hours 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

شرکت های بیشتری تیم های علم داده را به سازمان خود اضافه می کنند. برای موثر بودن، درک نحوه ساخت و مدیریت این تیم ها بسیار مهم است. داگ رز، مربی و نویسنده کسب‌وکار، اسرار ایجاد تیم‌های موثر علم داده را بیان می‌کند. خواهید دید که چگونه از استعدادهای موجود استفاده کنید یا چگونه می توانید اعضای جدید تیم را استخدام کنید. همچنین خواهید دید که چگونه این تیم ها را آموزش دهید تا شیمی منحصر به فردی ایجاد کنند که همکاری بهتر و بحث های جدی تر را تقویت می کند.

nn نقش ها و مسئولیت های کلیدی، از جمله رهبر تحقیق، تحلیلگر داده و مدیر پروژه را شناسایی کنید. بیاموزید که چگونه حوزه های مسئولیت را تعریف کنید، ارتباطات موثر را تقویت کنید، و گزارش ها و تجسم های متقاعد کننده ایجاد کنید. سپس ببینید چگونه از دام های از دست دادن تمرکز و رسیدن به اجماع نادرست جلوگیری کنید. این تکنیک‌ها به شما کمک می‌کنند تیم‌های بسیار ماهری بسازید که بینش‌های عمیق‌تری نسبت به آنچه که تنها با تکیه بر دانشمندان داده می‌بینید، ایجاد می‌کنند.

linkedin یادگیری علم داده: درک اصول (Mitalearn-91644)

  • 1 hours 16 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

بسیاری از افرادی که در تیم های علم داده کار می کنند، دانشمندان داده نخواهند بود. آنها مدیران و همکارانی خواهند بود که می خواهند ارزش تجاری واقعی را از داده های سازمان شما به دست آورند. این اعضای تیم باید زبان علم داده را بدانند تا بتوانند سوالات بهتری بپرسند، فرآیندها را درک کنند و به هدایت موثر تیم‌ها و سازمان‌های خود برای تصمیم‌گیری بهتر مبتنی بر داده کمک کنند. این دوره مقدمه ای بر علم داده برای افرادی است که قصد ندارند دانشمند داده تمام وقت شوند. مفاهیم، ​​ابزارها و تکنیک‌های کلان داده را معرفی می‌کند، از جمله جمع‌آوری و مرتب‌سازی داده‌ها، کار با پایگاه‌های داده، درک انواع داده‌های ساختاریافته و بدون ساختار، و به‌کارگیری تحلیل‌های آماری. مربی کسب و کار و نویسنده داگ رز به شما کمک می کند تا به زبان علم داده صحبت کنید تا بتوانید سازمان خود را از طریق فرصت ها و محدودیت ها در این زمینه به طور چشمگیری در حال رشد راهنمایی کنید.

linkedin یادگیری علم داده: سوالات بزرگ بپرسید (Mitalearn-91627)

  • 1 hours 14 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

اکتشافات بزرگ علم داده اغلب به کسی برمی‌گردد که یک سؤال مهم می‌پرسد. به همین دلیل برای تیم شما مهم است که از تفکر انتقادی برای ارائه سوالات زیرکانه و معنادار که ارزش واقعی را اضافه می کند، استفاده کند. یک سوال خوب می تواند مانع از انحراف تیم شما در فرضیات بد و نتیجه گیری های نادرست شود. در این دوره، نویسنده داگ رز مؤلفه‌های کلیدی استدلال انتقادی و چگونگی جستجوی طلا در جریان داده‌ها را برای جستجوی سؤالات جدید بررسی می‌کند. شما یاد خواهید گرفت که چگونه به عنوان یک تیم برای اجرای جلسات سؤال، سازماندهی ایده های مهم در درختان سؤال، و ایجاد سؤالات با کیفیت با روشن کردن اصطلاحات کلیدی، شواهد چالش برانگیز، کشف آمارهای گمراه کننده و موارد دیگر با یکدیگر همکاری کنید.

linkedin یادگیری عملکرد برنامه وب سازمانی (Mitalearn-117450)

  • 5 hours 2 minutes
  • پیشرفته
  • Release date: 22 June 2026
  • Author: Maximiliano Firtman
درباره این دوره:

اکثر برنامه های سازمانی به صورت آنلاین در حال حرکت هستند. اما اگر بارگذاری برنامه شما بیش از سه ثانیه طول بکشد، بیش از 50 درصد از کاربران شما آن را رها می کنند. بهینه سازی عملکرد وب (WPO) به توسعه دهندگان کمک می کند تا با کاهش بار سرور، تبدیل و کارایی کاربر را افزایش دهند. WPO یک تکنیک ضروری برای برنامه های کاربردی مبتنی بر وب کارآمد است، و این تکنیکی است که هر معمار و مهندس سازمانی باید به آن تسلط داشته باشد. این دوره اصول WPO را آموزش می دهد، از جمله انواع مختلف معیارها و نمودارهایی که متخصصان برای اندازه گیری فاکتورهای عملکرد حیاتی مانند بار و زمان تعامل استفاده می کنند. ابزارهای مناسب برای اندازه‌گیری جنبه‌هایی مانند تجزیه و سرعت رندر، از جمله WebPagetest، ابزارهای توسعه‌دهنده مرورگر داخلی، Google Lighthouse و API‌هایی را که به شما امکان دسترسی به داده‌های عملکرد تولید در زمان واقعی را می‌دهند، کشف کنید. به‌علاوه، تکنیک‌هایی را ببینید که عملکرد و بارگذاری برنامه را در دستگاه‌های موبایل و دسک‌تاپ بهبود می‌بخشد و کارایی و درک کاربر از برنامه را افزایش می‌دهد.

coursera یادگیری عمیق احتمالی با TensorFlow 2 (Mitalearn-336155)

  • 6 hours 14 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Dr Kevin Webster
درباره این دوره:

به این دوره آموزش عمیق احتمالی با TensorFlow خوش آمدید! این دوره مبتنی بر مفاهیم و مهارت‌های پایه تنسورفلو است که در دو دوره اول این تخصص تدریس شده است و بر رویکرد احتمالی یادگیری عمیق تمرکز دارد. این یک حوزه به طور فزاینده مهم یادگیری عمیق است که هدف آن تعیین کمیت نویز و عدم قطعیت است که اغلب در مجموعه داده های دنیای واقعی وجود دارد. این یک جنبه حیاتی در هنگام استفاده از مدل های یادگیری عمیق در برنامه هایی مانند وسایل نقلیه خودران یا تشخیص های پزشکی است. ما به مدل نیاز داریم تا بدانیم چه چیزی را نمی داند. شما یاد خواهید گرفت که چگونه مدل‌های احتمالی را با TensorFlow توسعه دهید و از کتابخانه احتمالی TensorFlow استفاده کنید، کتابخانه‌ای که برای آسان کردن ترکیب مدل‌های احتمالی با یادگیری عمیق طراحی شده است. به این ترتیب، این دوره همچنین می تواند به عنوان مقدمه ای برای کتابخانه TensorFlow Probability مشاهده شود. شما یاد خواهید گرفت که چگونه توزیع‌های احتمال را می‌توان در مدل‌های یادگیری عمیق در TensorFlow، از جمله شبکه‌های عصبی بیزی، جریان‌های عادی‌سازی و رمزگذارهای خودکار متغیر، نمایش داد و گنجاند. شما یاد خواهید گرفت که چگونه مدل هایی را برای تعیین کمیت عدم قطعیت و همچنین مدل های تولیدی ایجاد کنید که می توانند نمونه های جدیدی مشابه نمونه های موجود در مجموعه داده ایجاد کنند، مانند تصاویر چهره های افراد مشهور. مفاهیمی را که در مورد آنها یاد می گیرید بلافاصله در آموزش های عملی و عملی برنامه نویسی، که توسط دستیار آموزشی فارغ التحصیل راهنمایی می شوید، در عمل قرار می دهید. علاوه بر این، یک سری تکالیف برنامه نویسی با درجه بندی خودکار برای شما وجود دارد تا مهارت های خود را تثبیت کنید. در پایان دوره، بسیاری از مفاهیم را در یک پروژه Capstone گرد هم می‌آورید، جایی که یک الگوریتم رمزگذار خودکار متغیر را برای تولید یک مدل تولیدی از مجموعه داده‌های تصویر مصنوعی که خودتان ایجاد می‌کنید، ایجاد می‌کنید. این دوره از دو دوره قبلی در این تخصص پیروی می کند، شروع با TensorFlow 2 و سفارشی کردن مدل های خود با TensorFlow 2. دانش پیش نیاز اضافی مورد نیاز برای موفقیت در این دوره یک پایه محکم در احتمال و آمار است. به طور خاص، فرض بر این است که شما با توزیع‌های احتمال استاندارد، توابع چگالی احتمال، و مفاهیمی مانند برآورد حداکثر احتمال، فرمول تغییر متغیرها برای متغیرهای تصادفی و کران پایین شواهد (ELBO) مورد استفاده در استنتاج تغییرات آشنا هستید.

coursera یادگیری عمیق با Keras و Tensorflow (Mitalearn-330188)

  • 2 hours 13 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Samaya Madhavan,Ricky Shi,Alex Aklson
درباره این دوره:

یادگیری عمیق در بسیاری از زمینه ها از جمله بینایی کامپیوتر، پردازش زبان طبیعی و روباتیک انقلابی ایجاد کرده است. علاوه بر این، Keras، یک API شبکه های عصبی سطح بالا که به زبان پایتون نوشته شده است، به بخشی ضروری از TensorFlow تبدیل شده است و یادگیری عمیق را در دسترس و ساده می کند. تسلط بر این تکنیک ها فرصت های زیادی را در تحقیقات و صنعت باز خواهد کرد. شما یاد خواهید گرفت که لایه ها و مدل های سفارشی را در Keras ایجاد کنید و Keras را با TensorFlow 2.x برای عملکرد بهبودیافته ادغام کنید. شما شبکه های عصبی کانولوشنال پیشرفته (CNN) را با استفاده از Keras توسعه خواهید داد. همچنین با استفاده از TensorFlow با Keras، مدل‌های ترانسفورماتور را برای داده‌های متوالی و سری‌های زمانی خواهید ساخت. این دوره همچنین اصول یادگیری بدون نظارت در Keras و TensorFlow را برای بهینه سازی مدل و حلقه های آموزشی سفارشی پوشش می دهد. در نهایت، شبکه‌های Q عمیق (DQN) را با Keras برای وظایف یادگیری تقویتی توسعه داده و آموزش خواهید داد (مروری از مدل‌سازی تولیدی و یادگیری تقویتی ارائه شده است). شما می توانید مفاهیم آموخته شده را با استفاده از آزمایشگاه های عملی در هر درس تمرین کنید. یک پروژه نهایی نهایی در آخرین ماژول به شما فرصتی می دهد تا دانش خود را برای ایجاد یک مدل طبقه بندی با استفاده از یادگیری انتقالی به کار ببرید. این دوره برای همه مهندسین مشتاق هوش مصنوعی که می خواهند TensorFlow و Keras را یاد بگیرند مناسب است. این نیاز به دانش کاربردی برنامه نویسی پایتون و مفاهیم پایه ریاضی مانند گرادیان و ماتریس، و همچنین اصول یادگیری عمیق با استفاده از Keras دارد.

linkedin یادگیری عمیق با TensorFlow: بینش و نوآوری (Mitalearn-443595)

  • 3 hours 6 minutes
  • مناسب همه
  • Release date: 9 October 2024
  • Author: Isil Berkun
درباره این دوره: 

 

از آنجایی که چشم انداز هوش مصنوعی به طور مداوم در حال تکامل است، درک جنبه های اساسی و در حال ظهور یادگیری عمیق برای حرفه ای هایی که به دنبال پیشرفت در زمینه های مرتبط با فناوری هستند بسیار مهم می شود. این دوره با ارائه بینش های به روز در مورد چگونگی استفاده از قدرت برنامه های کاربردی TensorFlow به پر کردن این شکاف کمک می کند. جدیدترین ویژگی‌ها و بهترین شیوه‌های TensorFlow را با برنامه‌های کاربردی و نمونه‌های واقعی کشف کنید. در طول مسیر، مربی Isil Berkun شما را با مفاهیم مولد هوش مصنوعی آشنا می کند تا الهام بخش کاوش و یادگیری بیشتر باشد. در پایان این دوره، شما در پیاده‌سازی مدل‌های یادگیری عمیق با TensorFlow مهارت خواهید داشت.

این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات ماشین محلی ارائه می‌کند، یکپارچه شده است. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، فصل "غواصی در فضاهای کد" را بررسی کنید.


linkedin یادگیری عمیق با پایتون: بهینه سازی مدل های یادگیری عمیق (Mitalearn-443578)

  • 2 hours 1 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Frederick Nwanganga
درباره این دوره:

تکنیک هایی را برای بهینه سازی مدل های یادگیری عمیق با بهبود عملکرد و کارایی آنها کشف کنید. مربی فردریک نوانگانگا با تأکید بر کاربردهای عملی، شما را از طریق تمرین‌های کدنویسی عملی راهنمایی می‌کند، موارد ضروری پیش‌پردازش و تقویت داده‌ها، روش‌های منظم‌سازی برای به حداقل رساندن بیش‌برازش، الگوریتم‌های بهینه‌سازی، روش‌های پیشرفته تنظیم فراپارامتر، و موارد دیگر را پوشش می‌دهد.

این دوره با محیط‌های مورد علاقه‌تان در GitHub Codespa یکپارچه شده است. IDE بدون نیاز به هر گونه راه اندازی ماشین محلی با GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از هر ماشینی تمرین عملی داشته باشید، در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای آشنایی با نحوه شروع کار، «استفاده از فضاهای کد GitHub» را با این دوره بررسی کنید.

linkedin یادگیری عمیق با پایتون: شبکه های عصبی حلقوی (Mitalearn-417551)

  • 1 hours 34 minutes
  • مناسب همه
  • Release date: 20 June 2025
  • Author: Frederick Nwanganga
درباره این دوره: 

 

دنیای جذاب شبکه های عصبی حلقوی (CNN) را کشف کنید و کشف کنید که چگونه آنها در زمینه دید رایانه و یادگیری عمیق انقلابی ایجاد کرده اند. بلوک های ساختمانی CNN ها را درک کرده و با استفاده از پایتون ، با تمرکز بر روی برنامه های دنیای واقعی مانند طبقه بندی تصویر ، تشخیص شی و تقسیم تصویر ، به تمرینات عملی بپردازید. مربی فرد Nwanganga به شما کمک می کند تا در طراحی ، اجرای و بهینه سازی مدل های CNN مهارت لازم را داشته باشید. درک خود را از معماری های پیشرفته مانند VGG NET ، RESNET و کارآمد ، تقویت کنید و نحوه استفاده از مدلهای پیش ساخته را برای دقت و کارآیی افزایش دهید. این دوره که برای دانشمندان داده ، علاقه مندان به یادگیری ماشین و توسعه دهندگان با درک بنیادی از یادگیری عمیق و مهارت های برنامه نویسی پایتون طراحی شده است ، این دوره به شما کمک می کند تا تکنیک های پیشرفته یادگیری ماشین را باز کنید. با استفاده از Codepaces GitHub ، می توانید از هر دستگاه ، در هر زمان ، همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، استفاده کنید. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


coursera یادگیری عمیق برای کسب و کار (Mitalearn-284492)

  • 2 hours 47 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jong-Moon Chung
درباره این دوره:

گوشی هوشمند، ساعت هوشمند و خودروی شما (اگر مدل جدیدتر باشد) هر روز هوش مصنوعی (هوش مصنوعی) را در خود جای داده است. در آینده نزدیک، فناوری پیشرفته‌تر «خودآموزی» DL (یادگیری عمیق) و ML (یادگیری ماشینی) تقریباً در هر جنبه از تجارت و صنعت شما استفاده خواهد شد. بنابراین اکنون زمان مناسبی است که یاد بگیرید DL و ML چیست و چگونه از آن به نفع شرکت خود استفاده کنید. این دوره دارای سه بخش است که بخش اول بر روی استراتژی تجاری آینده مبتنی بر فناوری DL و ML تمرکز دارد که شامل جزئیات محصولات/خدمات پیشرفته و نرم افزار منبع باز DL است که توانمندسازهای آینده هستند. بخش دوم بر روی فن‌آوری‌های اصلی سیستم‌های DL و ML متمرکز است که شامل سیستم‌های NN (شبکه عصبی)، CNN (NN Convolutional) و RNN (NN بازگشتی) می‌شود. بخش سوم بر چهار پروژه TensorFlow Playground متمرکز است، جایی که تجربه طراحی DL NN ها را می توان با استفاده از یک برنامه آسان و سرگرم کننده و در عین حال بسیار قدرتمند به نام TensorFlow Playground به دست آورد. این دوره برای کمک به شما در ایجاد استراتژی های تجاری طراحی شده است و شما را قادر می سازد تا برنامه ریزی فنی در مورد خدمات و محصولات جدید DL و ML انجام دهید.

datacamp یادگیری عمیق پیشرفته با Keras (Mitalearn-403033)

  • 48 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Zachary Deane-Mayer
درباره این دوره:

این دوره به شما نشان می دهد که چگونه با استفاده از API عملکردی Keras همه کاره، مشکلات مختلفی را حل کنید. شما با شبکه های متراکم ساده و چند لایه (که به عنوان پرسپترون چند لایه نیز شناخته می شود) شروع می کنید و به معماری های پیچیده تر ادامه می دهید. این دوره نحوه ساخت مدل‌هایی با ورودی‌های متعدد و یک خروجی و همچنین نحوه به اشتراک گذاشتن وزن‌ها بین لایه‌های یک مدل را پوشش می‌دهد. ما همچنین موضوعات پیشرفته ای مانند تعبیه دسته ها و شبکه های چند خروجی را پوشش خواهیم داد. اگر تا به حال خواسته اید شبکه ای را آموزش دهید که هم طبقه بندی و هم رگرسیون را انجام می دهد، این دوره برای شما مناسب است!

coursera یادگیری عمیق در پرونده الکترونیک سلامت - CDSS 2 (Mitalearn-333095)

  • 4 hours 3 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Fani Deligianni
درباره این دوره:

مروری بر اصول اصلی یادگیری عمیق به همراه معماری های رایج. مسئله را برای طبقه بندی سری های زمانی فرموله کنید و آن را برای سیگنال های حیاتی مانند ECG اعمال کنید. به کارگیری این روش در پرونده الکترونیک سلامت به دلیل مقادیر از دست رفته و ناهمگونی در EHR که شامل متغیرهای پیوسته، ترتیبی و طبقه‌ای است، چالش برانگیز است. متعاقبا، تکنیک‌های انتساب و استراتژی‌های مختلف رمزگذاری را برای رسیدگی به این مسائل بررسی کنید. این رویکردها را برای فرمول بندی معیارهای پیش بینی بالینی به دست آمده از اطلاعات موجود در پایگاه داده MIMIC-III به کار ببرید.

coursera یادگیری عمیق مولد با TensorFlow (Mitalearn-332585)

  • 1 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laurence Moroney
درباره این دوره:

در این دوره، شما: الف) انتقال سبک عصبی را با استفاده از یادگیری انتقال بیاموزید: محتوای یک تصویر (مثلاً قو) و سبک یک نقاشی (مثلاً کوبیست یا امپرسیونیست) را استخراج کنید و محتوا و سبک را در یک تصویر جدید ترکیب کنید. ب) رمزگذارهای خودکار ساده را بر روی مجموعه داده آشنای MNIST بسازید، و معماری‌های پیچیده‌تر و پیچیده‌تر روی مجموعه داده‌های Fashion MNIST، تفاوت در نتایج مدل‌های رمزگذار خودکار DNN و CNN را درک کنید، راه‌هایی را برای حذف نویز تصاویر نویزدار شناسایی کنید، و یک CNN بسازید. AutoEncoder با استفاده از TensorFlow برای خروجی یک تصویر تمیز از یک تصویر پر سر و صدا. ج) رمزگذارهای خودکار متغیر (VAE) را برای تولید داده‌های کاملاً جدید کاوش کنید و چهره‌های انیمه را برای مقایسه آنها با تصاویر مرجع تولید کنید. د) درباره GAN ها بیاموزید. اختراع، ویژگی‌ها، معماری، و تفاوت آنها با VAE، عملکرد ژنراتور و تمایزکننده در مدل، مفهوم 2 مرحله آموزشی و نقش نویز معرفی شده را درک کنید و GAN خود را بسازید که می‌تواند چهره‌ها را تولید کند. تخصص DeepLearning.AI TensorFlow: Advanced Techniques ویژگی های TensorFlow را معرفی می کند که به زبان آموزان کنترل بیشتری بر معماری مدل خود می دهد و ابزارهایی را برای ایجاد و آموزش مدل های پیشرفته ML به آنها می دهد. این تخصص برای مهندسین نرم افزار و یادگیری ماشین در مراحل اولیه و اواسط حرفه ای با درک اساسی از TensorFlow است که به دنبال گسترش دانش و مجموعه مهارت های خود با یادگیری ویژگی های پیشرفته TensorFlow برای ساخت مدل های قدرتمند هستند.

linkedin یادگیری عمیق: تشخیص تصویر (Mitalearn-417534)

  • 2 hours 14 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Isil Berkun
درباره این دوره:

یادگیری عمیق و تشخیص تصویر در همه جا ، از باز کردن تلفن ها گرفته تا برچسب زدن دوستان در عکس ها است. یادگیری چگونگی کار برای هر کسی که امروز در فناوری کار می کند بسیار مهم است ، به خصوص اگر می خواهید از منحنی جلو بمانید ، مهارت های خود را تیز کنید و برای نوآوری آماده شوید. به مربی Isil Berkun بپیوندید زیرا او به شما نشان می دهد که چگونه رایانه ها تصاویر را تشخیص دهند ، چگونه تصاویر را برای هوش مصنوعی تهیه کنند ، و چگونه می توانند سیستم هایی را بسازند که می تواند بگوید چه کسی است. در طول راه ، در مورد اینکه چه چیزی از آن جلوگیری کنید و در صورت بروز مشکلات مشترک چه کاری باید انجام دهید ، بیاموزید. در پایان این دوره ، شما آماده خواهید بود تا مدل های تشخیص تصویر را بسازید و شروع به کاوش در چگونگی خلاقیت هوش مصنوعی با تصاویر کنید. با استفاده از برنامه های GitHub ، می توانید از هر دستگاهی ، در هر زمان و در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، از هر دستگاهی استفاده کنید. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.

linkedin یادگیری عمیق: تشخیص تصویر (Mitalearn-128024)

  • 1 hours 43 minutes
  • متوسط
  • Update date: 25 July 2026
  • Author: Adam Geitgey
درباره این دوره:

به لطف یادگیری عمیق، سیستم‌های تشخیص تصویر بهبود یافته‌اند و اکنون برای همه چیز از جستجو در کتابخانه‌های عکس گرفته تا تولید توضیحات مبتنی بر متن از عکس‌ها استفاده می‌شوند. در این دوره آموزشی یاد بگیرید که چگونه یک شبکه عصبی عمیق بسازید که بتواند اشیاء را در عکس ها تشخیص دهد. بیاموزید که چگونه شبکه های عصبی عمیق را برای تشخیص اشیاء جدید تنظیم کنید، بدون اینکه نیازی به آموزش مجدد شبکه باشد. API های تشخیص تصویر مبتنی بر ابر را که می توانید به عنوان جایگزینی برای ساختن سیستم های خود استفاده کنید، کاوش کنید. مراحل مربوط به شروع ساخت و استقرار سیستم تشخیص تصویر خود را بیاموزید.

linkedin یادگیری عمیق: تشخیص چهره (Mitalearn-128007)

  • 1 hours 25 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Adam Geitgey
درباره این دوره:

تشخیص چهره برای همه چیز از برچسب گذاری خودکار تصاویر گرفته تا باز کردن قفل تلفن های همراه استفاده می شود. و با پیشرفت های اخیر در یادگیری عمیق، دقت تشخیص چهره بهبود یافته است. در این دوره آموزشی، یاد بگیرید که چگونه یک سیستم تشخیص چهره ایجاد کنید که می تواند چهره ها را در تصاویر تشخیص دهد، چهره ها را شناسایی کند، و حتی چهره ها را با آرایش دیجیتال تغییر دهد، همانطور که در برنامه های محبوب تلفن همراه تجربه کرده اید. نحوه راه اندازی یک محیط توسعه را بیابید. ابزارهایی را که می توانید برای تشخیص چهره استفاده کنید، کشف کنید. ببینید چگونه می توان یک مدل یادگیری ماشینی را برای تجزیه و تحلیل تصاویر و شناسایی نشانه های چهره آموزش داد. مراحل مربوط به کدگذاری تشخیص ویژگی چهره، نمایش چهره به عنوان مجموعه ای از اندازه گیری ها و رمزگذاری چهره ها را بیاموزید. علاوه بر این، یاد بگیرید که چگونه سیستم های از قبل موجود را تغییر دهید و تنظیم کنید.

linkedin یادگیری عمیق: شروع به کار (Mitalearn-240428)

  • 1 hours 13 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Kumaran Ponnambalam
درباره این دوره:

یادگیری عمیق به عنوان یک فناوری در چند سال اخیر رشد چشمگیری داشته است. راه‌حل‌های هوش مصنوعی بیشتر و بیشتر از یادگیری عمیق به عنوان فناوری پایه خود استفاده می‌کنند. با این حال، مطالعه این فناوری دارای چالش‌های متعددی است. بیشتر منابع یادگیری ریاضی سنگینی هستند و بدون داشتن مهارت های ریاضی خوب به سختی می توان آنها را جستجو کرد. متخصصان فناوری اطلاعات برای یادگیری مفاهیم و ساخت سریع مدل ها به یک منبع ساده نیاز دارند. هدف این دوره ارائه یک مسیر ساده برای مطالعه اصول یادگیری عمیق و رسیدن سریع به بهره‌وری است.n او در میان بلوک‌های ساختمانی مختلف شبکه‌های عصبی با توضیحات ساده و قابل درک حرکت می‌کند. کوماران همچنین کدی را در Keras برای پیاده سازی این بلوک های ساختمانی ایجاد می کند. سپس با یک تمرین انتها به انتها همه را جمع می کند. در نهایت، آنچه را که یاد گرفتید با یک مشکل یادگیری عمیق آزمایش کنید و راه حل خود را با کوماران مقایسه کنید.

linkedin یادگیری غیر قابل یادگیری (Mitalearn-425609)

  • 1 hours
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Greg Sowell
درباره این دوره:

Ansible ابزاری محبوب منبع باز است که اتوماسیون ، مدیریت پیکربندی و ارکستراسیون همه را در یک ارائه می دهد. در این دوره ، مربی گرگ ساول Ansible را معرفی می کند و دلایل بسیاری را توضیح می دهد که مدیران سیستم و مهندسان DevOps تصمیم می گیرند که در کیت ابزار IT خود را غیرقابل تحمل نگه دارند. بیاموزید که چگونه Ansible را در محیط های مختلف نصب کنید و با میزبان ، متغیرها ، موجودی ها و کتاب های پخش کار کنید. مهارت های جدید استقرار و نوشتن کتاب را با چالش های تمرینی در پایان هر بخش تمرین کنید. در طول راه ، گرگ موارد استفاده های مختلف و نمونه های عملی را بررسی می کند تا برجسته شود که چگونه می تواند انواع مختلفی از مشکلات دنیای واقعی را به طور مؤثرتر و کارآمدتر حل کند.

linkedin یادگیری فتوشاپ (Mitalearn-426493)

  • 3 hours 47 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Jan Kabili
درباره این دوره:

Photoshop ابزاری اساسی برای هر کسی است که با انواع مختلفی کار می کند ، از عکس گرفته تا گرافیک. در این دوره ، مربی جان کابیلی ، بیشترین تکنیک های فتوشاپ را ساده تر می کند و نکات مفیدی را به شما ارائه می دهد که آیا شما در Photoshop تازه کار هستید یا به دنبال بررسی پایین زمین از اصول اولیه فتوشاپ هستید. بیاموزید که چگونه و چرا از لایه ها استفاده کنید ، بخش هایی از تصاویر را انتخاب کنید ، از ویژگی های AI تولید کننده فتوشاپ استفاده کنید ، عکس های خود را بهبود بخشید ، تصاویر را ترکیب کنید ، نوع اضافه کنید و موارد دیگر. در طول راه ، شما روی پروژه های خلاقانه و دنیای واقعی کار خواهید کرد و در فتوشاپ محتوای بسیار خوبی تهیه می کنید.

Suggestions