Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-3 of 3 items.

coursera مشارکت در نوآوری و مدیریت خدمات (Mitalearn-292312)

  • 1 hours 41 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: George “Russ” Moran
درباره این دوره:

این دوره ادامه «مقدمه ای بر نوآوری و مدیریت خدمات» است. اگر هنوز "مقدمه ای بر نوآوری و مدیریت خدمات" را گذرانده اید، توصیه می شود که آن دوره را قبل از این دوره تکمیل کنید. دانش پایه و طرح پروژه از زمان معرفی در این فرو رفتن عمیق تر به نوآوری و مدیریت خدمات انجام می شود. این دوره به شما ابزارهایی برای بررسی طرح های اولیه برای طراحی مجدد خدمات/فرآیند مراقبت های بهداشتی می دهد. شما در معرض موضوعات مهمی مانند تعریف و ارزیابی فرآیندها، برنامه ریزی برای تغییرات سازمانی، مدیریت تیم، نقش فرهنگ در حفظ و حمایت از فرآیندهای جدید، مدیریت ذینفعان داخلی و خارجی و اصلاً نقش رهبری خواهید بود. سطوح سازمان شما با بهترین شیوه ها در بررسی استراتژی ها بر اساس مدل های مختلف سازمانی، بهبود مستمر فرآیند، مقاومت، توانمندسازی کارکنان و نقش رهبری در مدیریت عملیات آشنا خواهید شد. از طریق کار پروژه شما این فرصت را خواهید داشت که این مفاهیم را در خدمات و فرآیندهای کسب و کار داخلی در سازمان خود اعمال کنید.

coursera مقدمه ای بر مدیریت عملیات [coursera] (Mitalearn-286073)

  • 4 hours 5 minutes
  • مبتدی
  • Release date: 27 June 2026
  • Author: Christian Terwiesch
درباره این دوره:

این دوره جامع به اصول و تکنیک های مدیریت عملیات و بهبود فرآیند می پردازد و دانش و مهارت های لازم برای شناسایی و حذف ناکارآمدی ها در سازمان را در اختیار شما قرار می دهد. با تجزیه و تحلیل مفاهیم کلیدی مانند معاوضه با کیفیت هزینه، مرز کارایی و بازدارنده های سیستم، پایه محکمی در مدیریت عملیات به دست خواهید آورد. آماده شوید تا به تجزیه و تحلیل فرآیند بپردازید، جایی که مراحل یک فرآیند را شناسایی و تجزیه و تحلیل خواهید کرد و تغییراتی را برای نتایج بهتر اعمال می کنید. با تمرینات عملی، از جمله ایجاد نمودارهای جریان فرآیند و محاسبات ظرفیت، مهارت های تحلیلی خود را به طور مستقیم تقویت خواهید کرد. با کشف منابع ضایعات و طراحی فرآیندهای کارآمد برای حداکثر خروجی، کاهش هزینه ها و افزایش رضایت مشتری، قدرت بهینه سازی جریان در عملیات را تجربه کنید. کاوش عمیق قانون لیتل شما را برای تصمیم‌گیری آگاهانه در مورد برنامه‌ریزی ظرفیت و بهبود فرآیند، بهینه‌سازی سطوح موجودی، کاهش زمان تحویل، و افزایش هماهنگی زنجیره تامین مجهز می‌کند. علاوه بر این، شما یاد خواهید گرفت که به طور موثر تنوع را مدیریت کنید، و زمینه را برای استانداردهای کیفیت ثابت و استثنایی فراهم کنید. تجزیه و تحلیل آماری، روش‌های حل مسئله و استفاده از اطلاعات در زمان واقعی به شما این امکان را می‌دهد که با مشکلات مقابله کنید، دلایل ریشه‌ای پیدا کنید و بهبود مستمر را تقویت کنید. در طول دوره، تمرکز بر روی پیشرفت‌ها و دستیابی به برتری باقی می‌ماند. تجزیه و تحلیل، بهبود، و تصور مجدد چگونه کار انجام می شود، مجهز به ابزارها و چارچوب های لازم برای بهبود فرآیندهای کاری در صنایع مختلف. برای تجزیه و تحلیل، بهبود، و تصور مجدد نحوه انجام کار و به دست آوردن ابزار و دانش لازم برای ایجاد بهبودهای معنادار در عملیات سازمان خود، به این دوره بپیوندید.

coursera یک گردش کار یادگیری ماشین را دنبال کنید (Mitalearn-331497)

  • 2 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Renée Cummings
درباره این دوره:

یادگیری ماشینی فقط یک کار یا حتی یک گروه کوچک از وظایف نیست. این یک فرآیند کامل است، فرآیندی که تمرین‌کنندگان باید از ابتدا تا انتها آن را دنبال کنند. این فرآیند - که گردش کار نیز نامیده می شود - است که سازمان را قادر می سازد مفیدترین نتایج را از فناوری های یادگیری ماشین خود به دست آورد. مهم نیست محصول یا خدمات نهایی به چه شکلی باشد، استفاده از گردش کار کلید موفقیت راه حل هوش مصنوعی کسب و کار است. این دوره دوم در گواهینامه حرفه‌ای متخصص هوش مصنوعی (CAIP) هر مرحله از روند کار یادگیری ماشین را بررسی می‌کند، از فرمول‌بندی مشکل تا ارائه مدل و استقرار. گردش کار کلی در دوره قبلی معرفی شد، اما اکنون شما به بررسی عمیق‌تر هر یک از وظایف مهمی که گردش کار را تشکیل می‌دهند، می‌پردازید، از جمله دو مورد از عملی‌ترین کارها: تجزیه و تحلیل داده‌ها و آموزش مدل. همچنین با نحوه خودکارسازی وظایف یادگیری ماشینی آشنا خواهید شد و اطمینان حاصل می‌کنید که گردش کار می‌تواند در صورت لزوم تکرار شود، مانند بسیاری از فرآیندهای تجاری مهم. در نهایت، این دوره یک چارچوب عملی ارائه می‌کند که بر اساس آن مدل‌های یادگیری ماشینی بیشتری را در دوره‌های باقی‌مانده می‌سازید.

Suggestions