Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-13 of 13 items.

linkedin Advanced Node.js: Scaling Applications (Mitalearn-135776)

  • 1 hours 14 minutes
  • پیشرفته
  • Update date: 21 June 2026
  • Author: Alex Banks
درباره این دوره:

در حالی که Node.js برای ایجاد برنامه های کوچک با کمترین سطح سطح عالی است، اما به گونه ای طراحی شده است که مقیاس پذیر باشد. در این دوره، تکنیک های برنامه نویسی پیچیده ای را بیاموزید که می تواند به شما در مقیاس بندی برنامه های Node.js کمک کند. مربی الکس بنکس روی مکعب مقیاس می رود و در مورد جهات مختلفی که می توان یک برنامه را در آن مقیاس کرد بحث می کند: در امتداد محور x، محور z و محور y. او همچنین به شبیه‌سازی نگاه می‌کند و در مورد چگونگی فورک کردن فرآیندهای Node.js و کار با خوشه‌ها با PM2 بحث می‌کند. به علاوه، نحوه تنظیم پارتیشن بندی افقی برای تقسیم داده ها بین پایگاه های داده و همچنین نحوه تجزیه برنامه ها به میکروسرویس ها را بیاموزید.

coursera AWS Cloud Technical Essentials (Mitalearn-316741)

  • 5 hours 2 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Morgan Willis,Seph Robinson
درباره این دوره:

آیا شما در یک نقش فنی هستید و می خواهید اصول AWS را یاد بگیرید؟ آیا آرزوی داشتن شغل یا حرفه ای به عنوان توسعه دهنده ابر، معمار یا در نقش عملیات دارید؟ اگر چنین است، AWS Cloud Technical Essentials یک راه ایده آل برای شروع است. این دوره برای کسانی طراحی شده است که در ابتدای سفر یادگیری ابری خود بودند - بدون نیاز به دانش قبلی در مورد محاسبات ابری یا محصولات و خدمات AWS! در طول دوره، دانش‌آموزان برنامه‌های کاربردی بسیار در دسترس، مقیاس‌پذیر و مقرون‌به‌صرفه را گام به گام خواهند ساخت. پس از اتمام دوره، می توانید تصمیم آگاهانه ای در مورد زمان و نحوه اعمال سرویس های اصلی AWS برای محاسبات، ذخیره سازی و پایگاه داده در موارد استفاده مختلف بگیرید. همچنین با بررسی مدل مسئولیت مشترک AWS و مقدمه ای بر AWS Identity and Access Management (IAM) با امنیت ابری آشنا خواهید شد. و، می دانید که چگونه می توان از خدمات AWS برای نظارت و بهینه سازی زیرساخت در ابر استفاده کرد. AWS Cloud Technical Essentials یک دوره آموزشی در سطح پایه است و شایستگی، اعتماد به نفس و اعتبار شما را با مهارت‌های عملی ابری که به شما کمک می‌کند نوآوری کنید و آینده حرفه‌ای خود را پیش ببرید، ایجاد می‌کند. در AWS Cloud Technical Essentials ثبت نام کنید و از امروز شروع به یادگیری اصول فنی AWS کنید! توجه: این دوره برای دانش آموزان با پیشینه فنی طراحی شده است. اگر تازه وارد فضای ابری هستید یا از یک پیشینه تجاری هستید، توصیه می کنیم قبل از ثبت نام در این دوره، AWS Cloud Practitioner Essentials (https://coursera.fastpass-panel.ir/learn/aws-cloud-practitioner-essentials) را تکمیل کنید.

linkedin Google Cloud Digital Leader Cert Prep: 6 Scaling with Google Cloud Operations (Mitalearn-393241)

  • 43 minutes
  • مناسب همه
  • Update date: 11 September 2024
  • Author: Google Cloud
درباره این دوره: 

 

سازمان‌ها در هر اندازه‌ای از قدرت و انعطاف‌پذیری ابر استفاده می‌کنند تا نحوه عملکرد خود را تغییر دهند. با این حال، مدیریت و مقیاس بندی منابع ابری به طور موثر می تواند یک کار پیچیده باشد. این دوره، بخشی از مجموعه دوره‌هایی است که برای آماده‌سازی شما برای آزمون گواهینامه Google Cloud Digital Leader طراحی شده است، مفاهیم اساسی عملیات مدرن، قابلیت اطمینان و انعطاف‌پذیری در فضای ابری را بررسی می‌کند و چگونه Google Cloud می‌تواند به حمایت از این تلاش‌ها کمک کند.

توجه: این دوره توسط Google ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.


coursera Google Cloud Fundamentals: Core Infrastructure (Mitalearn-316707)

  • 1 hours 49 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

Google Cloud Fundamentals: Core Infrastructure مفاهیم و اصطلاحات مهمی را برای کار با Google Cloud معرفی می کند. این دوره از طریق ویدیوها و آزمایشگاه‌های عملی، بسیاری از خدمات محاسباتی و ذخیره‌سازی Google Cloud را به همراه ابزارهای مدیریت منابع و سیاست‌های مهم ارائه و مقایسه می‌کند.

linkedin LinkedIn AI Academy AI-100: 3 Scaling AI در LinkedIn (Mitalearn-390844)

  • 1 hours 42 minutes
  • مناسب همه
  • Release date: 4 May 2023
  • Author: Birjodh Tiwana,Ankan Saha,Jenelle Bray,Ya Xu,Daniel Hewlett,Sakshi Jain,Suman Sundaresh
درباره این دوره: 

 

هوش مصنوعی یکی از مهم ترین اما کمتر شناخته شده ترین زمینه ها در جهان است. طرز فکر ما در مورد کسب و کار را تغییر می دهد، اما آنقدر سریع در حال تغییر است که دانستن اینکه از کجا شروع کنیم دشوار است. اگر به دنبال کسب اطلاعات بیشتر در مورد مقیاس‌گذاری هوش مصنوعی هستید، به تیم مهندسی هوش مصنوعی و یادگیری ماشین LinkedIn در این دوره آموزشی مبتدی بپیوندید، سومین و آخرین قسمت از مجموعه Linked AI Academy AI-100.< /p>

مبانی نحوه عملکرد هوش مصنوعی را کشف کنید تا بتوانید آن را مانند یک حرفه ای مقیاس کنید. موارد استفاده را با نمونه های خاصی از برنامه های کاربردی هوش مصنوعی لینکدین کاوش کنید. دریابید که چگونه LinkedIn هوش مصنوعی را برای تقریباً یک میلیارد کاربر محصول توسعه و مقیاس می کند. در طول مسیر، این مربیان درباره ویژگی‌های برنامه‌هایی مانند جستجو، توصیه‌ها، طبقه‌بندی‌کننده‌های هرزنامه، انتخاب‌کننده حساب جعلی، تشخیص ناهنجاری، سیستم‌ها و بهره‌وری، اعتماد و حریم خصوصی، استانداردسازی و موارد دیگر بحث می‌کنند.


coursera پیاده سازی و عملیات یادگیری ماشین در AWS (Mitalearn-329695)

  • 1 hours 43 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Whizlabs Instructor
درباره این دوره:

عملیات پیاده سازی یادگیری ماشین در AWS پنجمین دوره در تخصص تخصصی یادگیری ماشین گواهی شده AWS است. این دوره تمرکز عمده ای بر طراحی و پیاده سازی راه حل های یادگیری ماشین برای عملکرد، در دسترس بودن، مقیاس پذیری، انعطاف پذیری و تحمل خطا دارد. این دوره به دو ماژول تقسیم می شود و هر ماژول بیشتر توسط درس ها و سخنرانی های ویدیویی تقسیم می شود. این دوره آموزشی با سخنرانی‌های ویدیویی تقریباً 1:00 تا 1:30 ساعته که هم تئوری و هم دانش عملی را ارائه می‌کند، به فراگیران کمک می‌کند. همچنین آزمون های درجه بندی شده و بدون درجه بندی به منظور سنجش توانایی فراگیران به همراه هر ماژول ارائه می شود. ماژول 1: عملیات پیاده سازی یادگیری ماشین در AWS-Part 1 ماژول 2: عملیات پیاده سازی یادگیری ماشین در AWS-Part 2 حداقل دو سال تجربه عملی در معماری، ساخت یا اجرای بارهای کاری ML/یادگیری عمیق در AWS Cloud. در پایان این دوره، فراگیران قادر خواهند بود: -طراحی راه حل های یادگیری ماشین برای عملکرد، در دسترس بودن، مقیاس پذیری، انعطاف پذیری و تحمل خطا -اجرای خدمات و ویژگی های یادگیری ماشین مناسب برای یک مشکل خاص -راه حل های یادگیری ماشین را با آزمایشگاه توسعه دهید

coursera توسعه اپلیکیشن با استفاده از میکروسرویس ها و بدون سرور (Mitalearn-270229)

  • 2 hours 11 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Alex Parker
درباره این دوره:

به این دوره مقدماتی در مورد میکروسرویس ها و بدون سرور، فناوری های ضروری برای بارهای کاری بومی ابر و نوسازی برنامه خوش آمدید. میکروسرویس‌ها به جای ساختن برنامه‌های کاربردی بزرگ، معروف به یکپارچه‌ها، که همه عملکردها را انجام می‌دهند، برنامه‌های بزرگ‌تر را به قطعات کوچک‌تری تقسیم می‌کنند که به طور مستقل قابل نگهداری و مقیاس‌پذیر هستند و مزایای زیادی را ارائه می‌کنند. این معماری در حال حاضر در بزرگترین سازمان های نرم افزاری جهان مورد استفاده قرار می گیرد، زیرا مزایای هزینه، استقلال تیم و مزایای دیگر را فراهم می کند. به همین ترتیب، بدون سرور به عنوان یک گزینه محاسباتی محبوب در عصر ابر ظاهر شده است. به توسعه دهندگان و اپراتورها توانایی اجرای برنامه ها را بدون مدیریت زیرساخت های اساسی می دهد. در این دوره با استفاده از متدولوژی های مختلف میکروسرویس ایجاد می کنید. شما API های REST را با استفاده از Python و Flask ایجاد خواهید کرد. در مرحله بعد، اصول اولیه برنامه های بدون سرور و نحوه اجرای برنامه های خود را در موتور کد ابری IBM خواهید آموخت. این دوره شامل چندین آزمایشگاه عملی است که به شما امکان می دهد مطالبی را که در دوره یاد می گیرید تمرین و به کار ببرید. در پروژه نهایی، شما یک برنامه front-end متشکل از چندین میکروسرویس ایجاد می‌کنید و آنها را با استفاده از سرور بدون سرور بر روی Cloud مستقر خواهید کرد.

linkedin جف وینر در مورد ایجاد فرهنگ و برنامه ای برای مقیاس بندی (Mitalearn-110412)

  • 44 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Jeff Weiner
درباره این دوره:

برای توسعه یک تجارت چند میلیارد دلاری و تقویت فرهنگ شرکتی سالم به طور همزمان چه چیزی لازم است؟ به عنوان مدیر عامل سابق لینکدین، جف وینر، نظرات خود را از تجربیات خود به اشتراک می گذارد. جف شرح می دهد که پیوستن به لینکدین چگونه بود، مشاهدات اولیه خود، و اینکه چگونه صد روز اول خود را وقف شناخت واقعی مردم و محصول کرد. او بر ارزش گوش دادن تاکید می کند و اینکه چگونه این رویکرد آگاهانه به او کمک کرد تا چشم اندازی را برای کسب و کار شکل دهد و تعریف کند که شخصیت جمعی سازمان و آرمان های آن را در بر می گیرد. سپس، او هیجانی را بیان می کند که در سراسر شرکت احساس می شد زیرا این چشم انداز به سرعت بیش از یک رویا، اما بخشی از یک واقعیت عملیاتی شد. افکاری در مورد رهبری، مربیگری، استخدام، و حفظ استعدادهای برتر نیز بیان می شود.

linkedin چگونه تیم خود را برای مقیاس تنظیم کنیم (Mitalearn-422685)

  • 43 minutes
  • مناسب همه
  • Release date: 17 July 2024
  • Author: Madecraft,Tunji Adegbite
درباره این دوره: 

 در تدوین روشهای کارآمد برای مقیاس کاری خود به Tunji Adegbite بپیوندید. Tunji استراتژی های عملی را برای اطمینان از ایجاد تیم شما برای موفقیت مقیاس پذیر با نیازهای سازمان شما فراهم می کند. بیاموزید که چگونه یک دید روشن را تنظیم کنید ، تیم خود را توانمند کنید ، از چارچوب های مقیاس پذیر استفاده کنید و بر چالش های مشترک غلبه کنید. بعد از این دوره ، شما به عنوان مقیاس تجاری خود به ارتفاعات جدید ، آماده ساخت و توانمندسازی تیم های موفق خواهید بود.

coursera مقدمه ای بر Containers w/ Docker، Kubernetes و OpenShift (Mitalearn-270161)

  • 2 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Alex Parker,Upkar Lidder
درباره این دوره:

با مهارت در ابزارها و فن آوری های کانتینر، قدم بعدی را در حرفه مهندسی نرم افزار خود بردارید! بر اساس salary.com، متوسط ​​حقوق برای مشاغلی که نیاز به مهارت های کانتینری دارند در ایالات متحده 137000 دلار است که باعث می شود متخصصان و توسعه دهندگان Devops با این مهارت ها بسیار مورد تقاضا باشند. بیش از 70 درصد از شرکت های Fortune 100 برنامه های کاربردی کانتینری را اجرا می کنند. اما چرا؟ با استفاده از کانتینری‌سازی، سازمان‌ها می‌توانند برنامه‌ها را به‌سرعت و یکپارچه در میان پلتفرم‌های دسکتاپ، داخلی و ابری جابه‌جا کنند. در این دوره مبتدی در مورد کانتینرها، یاد بگیرید که چگونه با استفاده از ابزارها و فناوری های فعلی کانتینرسازی مانند Docker، رجیستری کانتینر، Kubernetes، Red Hat، OpenShift و Istio، اپلیکیشن های بومی ابری بسازید. همچنین یاد بگیرید که چگونه برنامه های خود را در هر ابر عمومی، خصوصی یا ترکیبی استقرار و مقیاس بندی کنید. با گذراندن این دوره با موارد زیر آشنا خواهید شد: - اشیاء Docker، دستورات Dockerfile، نامگذاری تصویر کانتینر، شبکه Docker، ذخیره سازی و افزونه ها - رابط خط فرمان Kubernetes (CLI) یا "kubectl" برای دستکاری اشیاء، مدیریت بارهای کاری در یک خوشه Kubernetes و اعمال دستورات اولیه kubectl - ReplicaSets، مقیاس خودکار، به‌روزرسانی‌های چرخشی، ConfigMaps، Secrets و اتصالات سرویس - شباهت ها و تفاوت های OpenShift و Kubernetes هر هفته، آنچه را که یاد می‌گیرید در آزمایشگاه‌های عملی و مبتنی بر مرورگر به کار خواهید برد. در پایان دوره، می‌توانید یک تصویر کانتینر بسازید، سپس کانتینر خود را مستقر کرده و مقیاس دهید. مهارت‌هایی که در این دوره آموزش داده می‌شوند برای هر کسی در زمینه‌های توسعه نرم‌افزار، توسعه back-end و full-stack، معماران ابر، مهندسین سیستم ابری، متخصصان توسعه، مهندسین قابلیت اطمینان سایت (SRE)، متخصصان شبکه ابری و بسیاری از نقش‌های دیگر ضروری است.

coursera مقدمه ای بر پایگاه های داده NoSQL (Mitalearn-317030)

  • 3 hours 39 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja,Ramesh Sannareddy,Steve Ryan
درباره این دوره:

با این دوره مقدماتی مبتدی، با پایگاه های داده NoSQL شروع کنید! این دوره دانش فنی و عملی از پایگاه‌های داده NoSQL و ارائه‌های پایگاه داده به‌عنوان سرویس (DaaS) ارائه می‌کند. با ظهور Big Data و متدولوژی های توسعه چابک، پایگاه های داده NoSQL ارتباط زیادی در چشم انداز پایگاه داده پیدا کرده اند. مزیت اصلی آنها توانایی رسیدگی به مسائل مقیاس پذیری و انعطاف پذیری است که برنامه های کاربردی مدرن مطرح می کنند. شما این دوره را با یادگیری تاریخچه و مبانی پایگاه های داده NoSQL (سند، کلید-مقدار، ستون و نمودار) آغاز خواهید کرد و ویژگی ها و مزایای کلیدی آنها را کشف خواهید کرد. شما با چهار دسته از پایگاه های داده NoSQL و تفاوت آنها آشنا خواهید شد. همچنین تفاوت‌های بین مدل‌های سازگاری ACID و BASE، مزایا و معایب سیستم‌های توزیع‌شده و زمان استفاده از RDBMS و NoSQL را بررسی خواهید کرد. همچنین در مورد پایگاه‌های داده برداری، یک کلاس در حال ظهور از پایگاه‌های داده که در هوش مصنوعی محبوب هستند، یاد خواهید گرفت. در مرحله بعد، معماری و ویژگی های چندین پیاده سازی پایگاه داده NoSQL، یعنی MongoDB، Cassandra و IBM Cloudant را بررسی خواهید کرد. شما در مورد وظایف مشترکی که هر یک از آنها انجام می دهند و ویژگی های کلیدی و تعیین کننده آنها یاد خواهید گرفت. سپس تجربه عملی با استفاده از آن پایگاه‌های داده NoSQL برای انجام وظایف مدیریت پایگاه داده استاندارد، مانند ایجاد و تکثیر پایگاه‌های داده، بارگیری و جستجوی داده‌ها، اصلاح مجوزهای پایگاه داده، فهرست‌سازی و تجمیع داده‌ها، و تقسیم (یا پارتیشن‌بندی) داده‌ها به دست خواهید آورد. در پایان این دوره، شما یک پروژه نهایی را تکمیل خواهید کرد که در آن تمام دانش خود را از محتوای دوره در یک سناریو خاص به کار خواهید برد و با چندین پایگاه داده NoSQL کار خواهید کرد. این دوره برای هر کسی که می خواهد مجموعه مهارت های مدیریت داده و فناوری اطلاعات خود را گسترش دهد مناسب است.

coursera مقدمه ای بر داده های بزرگ (Mitalearn-334421)

  • 4 hours 29 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Ilkay Altintas,Amarnath Gupta
درباره این دوره:

علاقه مند به افزایش دانش خود از چشم انداز کلان داده هستید؟ این دوره برای کسانی است که تازه به علم داده می پردازند و علاقه مند به درک دلیل به وجود آمدن عصر داده های بزرگ هستند. این برای کسانی است که می خواهند با اصطلاحات و مفاهیم اصلی پشت مشکلات، برنامه ها و سیستم های کلان داده آشنا شوند. این برای کسانی است که می خواهند به این فکر کنند که چگونه داده های بزرگ ممکن است در تجارت یا حرفه آنها مفید باشد. مقدمه‌ای بر یکی از رایج‌ترین چارچوب‌ها، Hadoop، ارائه می‌کند که تجزیه و تحلیل کلان داده‌ها را آسان‌تر و در دسترس‌تر کرده است -- افزایش پتانسیل داده‌ها برای تغییر جهان ما! در پایان این دوره، شما قادر خواهید بود: * چشم انداز کلان داده را شامل نمونه هایی از مشکلات داده های بزرگ در دنیای واقعی از جمله سه منبع کلیدی داده های بزرگ: افراد، سازمان ها و حسگرها توصیف کنید. * V از داده های بزرگ (حجم، سرعت، تنوع، صحت، ظرفیت و ارزش) و اینکه چرا هر کدام بر جمع آوری داده ها، نظارت، ذخیره سازی، تجزیه و تحلیل و گزارش تأثیر می گذارد را توضیح دهید. * با استفاده از یک فرآیند 5 مرحله ای برای ساختار تجزیه و تحلیل خود، ارزش داده های بزرگ را بدست آورید. * مشکلات کلان داده را شناسایی کنید و چه چیزهایی را نام ببرید و بتوانید مشکلات کلان داده را به عنوان سؤالات علم داده بازنویسی کنید. * توضیحی در مورد مولفه های معماری و مدل های برنامه نویسی مورد استفاده برای تجزیه و تحلیل داده های بزرگ مقیاس پذیر ارائه دهید. * ویژگی ها و ارزش اجزای پشته Hadoop از جمله سیستم مدیریت منابع و شغل YARN، سیستم فایل HDFS و مدل برنامه نویسی MapReduce را خلاصه کنید. * یک برنامه را با استفاده از Hadoop نصب و اجرا کنید! این دوره برای کسانی است که تازه وارد علم داده می شوند. هیچ تجربه برنامه نویسی قبلی مورد نیاز نیست، اگرچه توانایی نصب برنامه ها و استفاده از ماشین مجازی برای تکمیل تکالیف عملی ضروری است. الزامات سخت افزاری: (الف) پردازنده چهار هسته ای (پشتیبانی VT-x یا AMD-V توصیه می شود)، 64 بیتی؛ (ب) 8 گیگابایت رم؛ (C) 20 گیگابایت دیسک رایگان. نحوه پیدا کردن اطلاعات سخت افزاری خود: (ویندوز): با کلیک بر روی دکمه Start، روی Computer راست کلیک کرده و سپس روی Properties کلیک کنید. (Mac): با کلیک بر روی منوی اپل و کلیک کردن روی «درباره این مک»، نمای کلی را باز کنید. اکثر رایانه‌های با رم 8 گیگابایتی خریداری شده در 3 سال گذشته حداقل شرایط لازم را برآورده می‌کنند. شما به اتصال اینترنت پرسرعت نیاز دارید زیرا فایل‌هایی تا حجم 4 گیگابایت را دانلود خواهید کرد. نرم افزار مورد نیاز: این دوره متکی بر چندین ابزار نرم افزار منبع باز از جمله Apache Hadoop است. تمامی نرم افزارهای مورد نیاز را می توان به صورت رایگان دانلود و نصب کرد. الزامات نرم افزار عبارتند از: Windows 7+، Mac OS X 10.10+، Ubuntu 14.04+ یا CentOS 6+ VirtualBox 5+.

coursera مقیاس‌پذیری با عملیات Google Cloud (Mitalearn-317387)

  • 43 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

سازمان‌ها در هر اندازه‌ای از قدرت و انعطاف‌پذیری ابر برای تغییر نحوه عملکرد خود استقبال می‌کنند. مقیاس‌پذیری با Google Cloud Operations مفاهیم اساسی عملیات مدرن، قابلیت اطمینان و انعطاف‌پذیری در فضای ابری را بررسی می‌کند و چگونه Google Cloud می‌تواند به حمایت از این تلاش‌ها کمک کند. بخشی از مسیر یادگیری Cloud Digital Leader، این دوره با هدف کمک به افراد در رشد نقش خود و ساختن آینده کسب و کارشان است.

Suggestions