Course catalog

Course duration

Course provider

Topic

Categories

Showing 1-14 of 14 items.

linkedin MATLAB 2018 Essential Training (Mitalearn-145262)

  • 3 hours 15 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Curt Frye
درباره این دوره:

یاد بگیرید که چگونه داده ها را با استفاده از یکی از قوی ترین بسته های نرم افزاری آماری موجود تجزیه و تحلیل کنید: MATLAB 2018. MATLAB یک ابزار بسیار مفید برای محاسبات پیچیده است زیرا امکان محاسبات و تجزیه و تحلیل با مرتبه بالا در ماتریس ها را فراهم می کند. در واقع، همه داده‌های خود را به‌عنوان بردار و ماتریس در نظر می‌گیرد، بنابراین دوره با یک آموزش جبر خطی پایه خارج از برنامه قبل از توصیف مهارت‌های تحلیلی ضروری که با استفاده از MATLAB انجام می‌شود، شروع می‌شود. Instructor Curt Frye ایجاد اسکریپت های متلب، پذیرش ورودی کاربر، گسترش MATLAB با توابع تعریف شده توسط کاربر، کنترل جریان با منطق شرطی و حلقه ها، مدیریت رشته های متنی و سایر ساختارهای داده مانند اعداد، انجام نمودارهای پیشرفته، و خلاصه کردن داده ها با استفاده از توابع تحلیل آماری را پوشش می دهد. در پایان دوره، دانشمندان داده مانند مهندسان و اقتصاددانان باید بتوانند به طور موثر از MATLAB برای تجزیه و تحلیل عددی، مدل سازی داده ها و تجسم داده ها استفاده کنند.

Related Skills

linkedin آموزش ضروری Matlab (Mitalearn-428329)

  • 2 hours 33 minutes
  • مناسب همه
  • Release date: 7 November 2023
  • Author: Curt Frye
درباره این دوره: 

 بیاموزید که چگونه داده ها را با استفاده از یکی از قدرتمندترین بسته های نرم افزاری آماری موجود ، تجزیه و تحلیل کنید. MATLAB ابزاری بسیار مفید برای محاسبات پیچیده است ، زیرا امکان محاسبات و تجزیه و تحلیل مرتبه بالا در ماتریس ها را فراهم می کند. در حقیقت ، تمام داده های خود را به عنوان بردار و ماتریس رفتار می کند ، بنابراین این دوره قبل از توصیف مهارت های تحلیلی اساسی که با استفاده از MATLAB انجام می شود ، با یک آموزش جبر خطی اساسی در خارج از برنامه شروع می شود. مربی Curt Frye در حال ایجاد اسکریپت های MATLAB ، پذیرش ورودی کاربر ، گسترش MATLAB با توابع تعریف شده توسط کاربر ، کنترل جریان با منطق و حلقه های مشروط ، مدیریت رشته های متنی و سایر ساختارهای داده مانند اعداد ، انجام نقشه های پیشرفته و خلاصه کردن داده ها با استفاده از توابع تجزیه و تحلیل آماری است. در پایان دوره ، دانشمندان داده مانند مهندسین و اقتصاددانان باید بتوانند به طور مؤثر از MATLAB برای تجزیه و تحلیل عددی ، مدل سازی داده ها و تجسم داده ها استفاده کنند.

coursera پردازش داده ها و مهندسی ویژگی ها با متلب (Mitalearn-331276)

  • 3 hours 48 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

در این دوره، مهارت‌های آموخته‌شده در تجزیه و تحلیل داده‌های اکتشافی با متلب را ایجاد می‌کنید تا پایه‌های مورد نیاز برای مدل‌سازی پیش‌بینی‌کننده را ایجاد کنید. این دوره سطح متوسط ​​برای هر کسی که نیاز به ترکیب داده ها از چندین منبع یا زمان دارد و علاقه مند به مدل سازی است مفید است. این مهارت ها برای کسانی که دانش حوزه و مقداری در معرض ابزارهای محاسباتی هستند، اما هیچ پیشینه برنامه نویسی ندارند، ارزشمند است. برای موفقیت در این دوره، باید پیشینه ای در زمینه آمار پایه (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید و تجزیه و تحلیل داده های اکتشافی را با متلب تکمیل کرده باشید. در طول دوره، شما داده ها را از مجموعه داده های مختلف ادغام خواهید کرد و سناریوهای رایج مانند داده های از دست رفته را مدیریت خواهید کرد. در آخرین ماژول دوره، تکنیک های ویژه ای را برای مدیریت داده های متنی، صوتی و تصویری که در علم داده و مدل سازی پیشرفته تر رایج است، بررسی خواهید کرد. در پایان این دوره، شما یاد خواهید گرفت که چگونه داده های خود را تجسم کنید، آنها را تمیز کنید و برای تجزیه و تحلیل مرتب کنید، و کیفیت های لازم برای پاسخ به سوالات خود را شناسایی کنید. شما می‌توانید توزیع داده‌های خود را تجسم کنید و از بازرسی بصری برای رسیدگی به مصنوعاتی که بر مدل‌سازی دقیق تأثیر می‌گذارند، استفاده کنید.

coursera پروژه علم داده: متلب برای دنیای واقعی (Mitalearn-333605)

  • 30 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

مانند بسیاری از موضوعات، تمرین در علم داده کامل می شود. در پروژه Capstone، مهارت‌های آموخته‌شده در دوره‌های علوم داده‌های عملی با تخصص MATLAB را برای کاوش، پردازش، تجزیه و تحلیل و مدل‌سازی داده‌ها به کار خواهید برد. شما مسیر خود را برای پاسخ به سوالات کلیدی با داده های ارائه شده انتخاب خواهید کرد. برای تکمیل پروژه، باید بر مهارت های تحت پوشش در سایر دوره های تخصصی تسلط داشته باشید. این پروژه توانایی شما را برای وارد کردن و کاوش داده های شما، آماده سازی داده ها برای تجزیه و تحلیل، آموزش یک مدل پیش بینی، ارزیابی و بهبود مدل شما، و ارتباط نتایج شما را آزمایش می کند.

coursera تجزیه و تحلیل داده های اکتشافی با متلب (Mitalearn-327196)

  • 2 hours 17 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Erin Byrne,Michael Reardon,Maria Gavilan-Alfonso
درباره این دوره:

در این دوره یاد خواهید گرفت که مانند یک دانشمند داده فکر کنید و از داده های خود سوال بپرسید. شما از ویژگی های تعاملی در متلب برای استخراج زیرمجموعه های داده و محاسبه آمار بر روی گروه های داده های مرتبط استفاده خواهید کرد. شما یاد خواهید گرفت که از MATLAB برای تولید خودکار کد استفاده کنید تا بتوانید در حین کاوش، سینتکس را یاد بگیرید. شما همچنین از اسناد تعاملی، به نام اسکریپت‌های زنده، برای ثبت مراحل تجزیه و تحلیل، ارتباط نتایج و ارائه کنترل‌های تعاملی که به دیگران اجازه می‌دهد با انتخاب گروه‌هایی از داده‌ها آزمایش کنند، استفاده خواهید کرد. این مهارت‌ها برای کسانی که دانش حوزه و تا حدودی در معرض ابزارهای محاسباتی هستند، ارزشمند است، اما هیچ پیش‌زمینه برنامه‌نویسی لازم نیست. برای موفقیت در این دوره، باید اطلاعاتی در مورد آمار اولیه (مانند هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید. در پایان این دوره، شما قادر خواهید بود داده ها را در MATLAB بارگذاری کنید، آن ها را برای تجزیه و تحلیل آماده کنید، آن ها را تجسم کنید، محاسبات اولیه را انجام دهید و نتایج خود را به دیگران منتقل کنید. در آخرین تکلیف خود، این مهارت ها را برای ارزیابی خسارات ناشی از یک رویداد شدید آب و هوایی ترکیب می کنید و یک توصیه صیقلی را بر اساس تجزیه و تحلیل داده ها ارسال می کنید. شما قادر خواهید بود مکان این رویدادها را روی یک نقشه جغرافیایی تجسم کنید و کنترل‌های کشویی ایجاد کنید که به شما امکان می‌دهد به سرعت نحوه تغییر یک پدیده را در طول زمان تجسم کنید.

coursera رباتیک: برنامه ریزی حرکت محاسباتی (Mitalearn-355399)

  • 1 hours 21 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: CJ Taylor
درباره این دوره:

سیستم‌های رباتیک معمولاً شامل سه جزء هستند: مکانیزمی که قادر به اعمال نیرو و گشتاور بر محیط است، سیستم ادراک برای تشخیص جهان و سیستم تصمیم‌گیری و کنترل که رفتار ربات را برای دستیابی به اهداف مورد نظر تعدیل می‌کند. در این دوره ما این مشکل را در نظر خواهیم گرفت که چگونه یک ربات تصمیم می گیرد برای رسیدن به اهداف خود چه کاری انجام دهد. این مشکل اغلب به عنوان برنامه ریزی حرکتی شناخته می شود و به روش های مختلفی برای مدل سازی موقعیت های مختلف فرموله شده است. شما برخی از رایج ترین رویکردها برای پرداختن به این مشکل از جمله روش های مبتنی بر نمودار، برنامه ریزان تصادفی و میدان های پتانسیل مصنوعی را خواهید آموخت. در طول دوره، جنبه هایی از مشکل را که برنامه ریزی را به چالش می کشد، مورد بحث قرار خواهیم داد.

coursera رباتیک: تحرک (Mitalearn-355518)

  • 4 hours 56 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Daniel E. Koditschek
درباره این دوره:

چگونه ربات ها می توانند از موتورها و حسگرهای خود برای حرکت در یک محیط بدون ساختار استفاده کنند؟ شما خواهید فهمید که چگونه بدن ربات ها و رفتارهایی را طراحی کنید که اندام ها و ضمائم عمومی تر را برای اعمال نیروهای فیزیکی که تحرک قابل اعتماد را در دنیای پیچیده و پویا به کار می گیرند، به کار می گیرند. ما رویکردی را برای ترکیب انتزاعات دینامیکی ساده ایجاد می کنیم که تا حدی تولید برنامه های حسی- حرکتی پیچیده را خودکار می کند. موضوعات خاصی که پوشش داده خواهد شد عبارتند از: تحرک در حیوانات و روبات ها، سینماتیک و دینامیک ماشین های پا، و طراحی رفتار دینامیکی از طریق مناظر انرژی.

coursera رباتیک: رباتیک هوایی (Mitalearn-355348)

  • 5 hours 23 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Vijay Kumar
درباره این دوره:

چگونه می توانیم وسایل نقلیه هوایی چابکی بسازیم که بتوانند به طور مستقل در محیط های به هم ریخته داخلی و خارجی کار کنند؟ شما با مکانیک پرواز و طراحی ربات های پرنده کوادروتور آشنا خواهید شد و قادر خواهید بود مدل های پویا، کنترل کننده ها را استخراج کنید و برنامه ریزان را برای عملیات در محیط های سه بعدی ترکیب کنید. شما در معرض چالش های استفاده از حسگرهای پر سر و صدا برای محلی سازی و مانور در محیط های پیچیده و سه بعدی خواهید بود. در نهایت، با دیدن نمونه‌هایی در دنیای واقعی از کاربردها و چالش‌های احتمالی صنعت هواپیماهای بدون سرنشین که به سرعت در حال رشد هستند، بینش‌هایی به دست خواهید آورد. پیش نیازهای ریاضی: انتظار می رود دانشجویانی که این درس را می گذرانند با جبر خطی، حساب تک متغیری و معادلات دیفرانسیل آشنایی داشته باشند. پیش نیازهای برنامه نویسی: مقداری تجربه برنامه نویسی با متلب یا اکتاو توصیه می شود (ما در این دوره از MATLAB استفاده خواهیم کرد.) متلب نیاز به استفاده از یک کامپیوتر 64 بیتی دارد.

coursera مبانی بینایی کامپیوتر (Mitalearn-311012)

  • 1 hours 56 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Radhakrishna Dasari,Junsong Yuan
درباره این دوره:

در پایان این دوره، فراگیران با یادگیری مفاهیم اصلی این رشته و آشنایی با قابلیت‌های بینایی انسان، متوجه خواهند شد که بینایی کامپیوتر چیست، و همچنین ماموریت آن یعنی وادار کردن رایانه‌ها به دیدن و تفسیر جهان مانند انسان‌ها را درک خواهند کرد. آنها برای شناسایی برخی از حوزه های کاربردی کلیدی بینایی کامپیوتر و درک فرآیند تصویربرداری دیجیتال مجهز هستند. این دوره عناصر مهمی را پوشش می دهد که بینایی کامپیوتر را قادر می سازد: پردازش سیگنال دیجیتال، علوم اعصاب و هوش مصنوعی. موضوعات شامل رنگ، نور و شکل گیری تصویر است. بینایی اولیه، متوسط ​​و سطح بالا؛ و ریاضیات برای بینایی کامپیوتر ضروری است. زبان آموزان قادر خواهند بود از تکنیک های ریاضی برای تکمیل وظایف بینایی کامپیوتر استفاده کنند. این دوره برای هر کسی که کنجکاو یا علاقه مند به کشف مفاهیم بینایی کامپیوتر است ایده آل است. همچنین برای کسانی که مایل به یک دوره تکمیلی در مفاهیم ریاضی بینایی کامپیوتر هستند مفید است. زبان آموزان باید مهارت ها و تجربه های اولیه برنامه نویسی (درک حلقه های for، عبارات if/else) را داشته باشند، به ویژه در MATLAB (Mathworks اصول اولیه را در اینجا ارائه می دهد: https://www.mathworks.com/learn/tutorials/matlab-onramp.html) . فراگیران همچنین باید با موارد زیر آشنا باشند: جبر خطی پایه (عملیات برداری ماتریس و نمادگذاری)، سیستم های مختصات سه بعدی و تبدیل ها، حساب پایه (مشتقات و ادغام) و احتمال اولیه (متغیرهای تصادفی). مواد شامل سخنرانی‌های آنلاین، ویدئوها، دموها، تمرین‌های عملی، کار پروژه، خواندن و بحث است. زبان آموزان تجربه نوشتن برنامه های بینایی کامپیوتری را از طریق آزمایشگاه های آنلاین با استفاده از MATLAB* و جعبه ابزارهای پشتیبانی به دست می آورند. * مجوز رایگان برای نصب متلب در طول دوره از سایت MathWorks در دسترس است.

coursera مبانی پردازش تصویر و ویدئو دیجیتال (Mitalearn-354328)

  • 24 hours 43 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Aggelos K. Katsaggelos
درباره این دوره:

در این کلاس با اصول اولیه و ابزارهای مورد استفاده برای پردازش تصاویر و ویدئوها و نحوه به کارگیری آنها در حل مسائل کاربردی با علایق تجاری و علمی آشنا می شوید. این روزها تصاویر و ویدیوهای دیجیتال در همه جا وجود دارند - در هزاران کاربرد علمی (به عنوان مثال، نجومی، زیست پزشکی)، مصرف کننده، صنعتی و هنری. علاوه بر این، آنها در طیف گسترده ای از طیف الکترومغناطیسی - از نور مرئی و مادون قرمز تا پرتوهای گاما و فراتر از آن قرار دارند. بنابراین، توانایی پردازش سیگنال‌های تصویری و ویدئویی برای دانشجویان مهندسی/علمی، توسعه‌دهندگان نرم‌افزار و دانشمندان در حال انجام مهارت فوق‌العاده مهمی است. پردازش تصویر دیجیتال و ویدئو همچنان به انقلاب فناوری چندرسانه ای که امروزه در حال تجربه آن هستیم، ادامه می دهد. برخی از نمونه‌های مهم پردازش تصویر و ویدئو عبارتند از: حذف خرابی‌هایی که تصاویر در حین جمع‌آوری متحمل می‌شوند (مثلاً از بین بردن تاری از تصویر ماشینی که به سرعت در حال حرکت است) و فشرده‌سازی و انتقال تصاویر و ویدیوها (اگر ویدیوها را آنلاین تماشا می‌کنید یا به اشتراک می‌گذارید). عکس ها از طریق یک وب سایت رسانه های اجتماعی، شما هر روز از آن استفاده می کنید!)، برای ذخیره سازی اقتصادی و انتقال کارآمد. این دوره آموزشی مبانی پردازش تصویر و ویدئو را پوشش می دهد. ما یک چارچوب ریاضی برای توصیف و تجزیه و تحلیل تصاویر و فیلم ها به عنوان سیگنال های دو و سه بعدی در حوزه های مکانی، مکانی-زمانی و فرکانس ارائه خواهیم کرد. در این کلاس نه تنها تئوری پشت وظایف پردازش اساسی از جمله بهبود تصویر/فیلم، بازیابی و فشرده سازی را یاد خواهید گرفت - بلکه یاد خواهید گرفت که چگونه این وظایف پردازشی کلیدی را در عمل با استفاده از تکنیک ها و ابزارهای پیشرفته انجام دهید. . ما طیف گسترده ای از چنین ابزارهایی را معرفی و استفاده خواهیم کرد - از جعبه ابزار بهینه سازی گرفته تا تکنیک های آماری. همچنین تاکید بر نقش ویژه ای که پراکندگی در پردازش تصویر و ویدئو مدرن ایفا می کند، داده خواهد شد. در همه موارد، از تصاویر و ویدیوهای نمونه مربوط به دامنه های برنامه خاص استفاده می شود.

coursera مدل سازی پیش بینی و یادگیری ماشین با متلب (Mitalearn-333554)

  • 3 hours 15 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Michael Reardon,Maria Gavilan-Alfonso,Erin Byrne
درباره این دوره:

در این دوره، شما بر مهارت های آموخته شده در تجزیه و تحلیل داده های اکتشافی با متلب و پردازش داده ها و مهندسی ویژگی با متلب برای افزایش توانایی خود در استفاده از قدرت متلب برای تجزیه و تحلیل داده های مرتبط با کاری که انجام می دهید، خواهید آموخت. این مهارت ها برای کسانی که دانش حوزه و مقداری در معرض ابزارهای محاسباتی هستند، اما هیچ پیشینه برنامه نویسی ندارند، ارزشمند است. برای موفقیت در این دوره باید پیشینه ای در زمینه آمار پایه (هیستوگرام، میانگین، انحراف معیار، برازش منحنی، درونیابی) داشته باشید و دروس 1 تا 2 این تخصص را گذرانده باشید. در پایان این دوره، شما از متلب برای شناسایی بهترین مدل یادگیری ماشینی برای به دست آوردن پاسخ از داده های خود استفاده خواهید کرد. شما داده‌های خود را آماده می‌کنید، یک مدل پیش‌بینی را آموزش می‌دهید، مدل خود را ارزیابی و بهبود می‌بخشید و می‌دانید که چگونه می‌توانید از مدل‌های خود بیشترین بهره را ببرید.

coursera مقدمه ای بر بینایی کامپیوتر (Mitalearn-352900)

  • 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در اولین دوره از گرایش مهندسی و علوم کامپیوتر ویژن، با بینایی کامپیوتر آشنا می شوید. متداول‌ترین الگوریتم‌ها را برای تشخیص، استخراج و تطبیق ویژگی‌ها می‌آموزید و از آنها استفاده می‌کنید تا تصاویر ماهواره‌ای را تراز کنید و تصاویر را با هم بچینید تا یک تصویر واحد از یک صحنه بزرگ‌تر ایجاد کنید. ویژگی‌ها در برنامه‌هایی مانند تخمین حرکت، ردیابی شی و یادگیری ماشین استفاده می‌شوند. شما از ویژگی هایی برای تخمین تحولات هندسی بین تصاویر و انجام ثبت تصویر استفاده خواهید کرد. هر زمان که نیاز به مقایسه تصاویر یک صحنه گرفته شده در زمان های مختلف یا ترکیب تصاویر بدست آمده از ابزارهای علمی مختلف داشته باشید، ثبت نام مهم است، همانطور که در تصاویر فراطیفی و پزشکی رایج است. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف بینایی رایانه‌تان را فراهم می‌کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این دوره، داشتن تجربه قبلی در پردازش تصویر کمک خواهد کرد. اگر با داده های تصویری تازه کار هستید، توصیه می شود ابتدا تخصص پردازش تصویر برای مهندسی و علوم را تکمیل کنید.

coursera مقدمه ای بر پردازش تصویر (Mitalearn-349891)

  • 54 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Amanda Wang,Matt Rich,Brandon Armstrong
درباره این دوره:

در این مقدمه برای پردازش تصویر، اولین قدم های خود را در دسترسی و تنظیم تصاویر دیجیتال برای تجزیه و تحلیل و پردازش بردارید. اندازه و جهت تصویر را بارگیری، ذخیره و تنظیم خواهید کرد و در عین حال نحوه تشخیص تصاویر دیجیتال را نیز درک خواهید کرد. سپس تقسیم بندی اولیه و تجزیه و تحلیل کمی را انجام خواهید داد. در نهایت، کنتراست تصاویر را افزایش می دهید تا اشیاء مورد علاقه را آسان تر شناسایی کنید. در پایان دوره، مهارت های تقسیم بندی خود را برای شناسایی مناطق مورد علاقه، مانند میزان آب سطحی از تصاویر ماهواره ای، به کار خواهید گرفت. این مقدمه برای پردازش تصویر پایه و اساس لازم را برای انجام کارهای پیشرفته تر در مورد این موضوع به شما می دهد. شما در طول این دوره از MATLAB استفاده خواهید کرد. متلب برای میلیون‌ها نفر از افرادی که در زمینه‌های مهندسی و علوم کار می‌کنند، گزینه‌ای است و قابلیت‌های مورد نیاز برای انجام وظایف پردازش تصویر را فراهم می‌کند. در طول دوره برای تکمیل کار، دسترسی رایگان به متلب در اختیار شما قرار خواهد گرفت. برای موفقیت در این دوره باید پیشینه ریاضی پایه و آشنایی با متلب داشته باشید. اگر می خواهید خود را با متلب آشنا کنید، متلب Onramp دو ساعته رایگان را ببینید. تجربه در زمینه پردازش تصویر الزامی نیست.

linkedin یادگیری Matlab (Mitalearn-426221)

  • 2 hours 2 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Majlinda Qarri
درباره این دوره:

MATLAB یکی از محبوب ترین زبان های برنامه نویسی امروز برای مهندسان و دانشمندان است و با دلیل خوبی - به تحلیلگران این امکان را می دهد تا با مقادیر زیادی از داده ها کارآمد باشند. در این دوره ، مربی Majlinda Qarri اصول اولیه نرم افزار MATLAB را با نکاتی در مورد چگونگی استفاده از آن برای حل مشکلات پیچیده ریاضی و ساخت ، شبیه سازی ، بهینه سازی و تجزیه و تحلیل مدل های مختلف فیزیکی پوشش می دهد. در طول راه ، نکاتی را در مورد انجام محاسبات ریاضی با آرایه ها و ماتریس ها ، اجرای برنامه ها و اسکریپت های ساده ، ایجاد و دستکاری توطئه ها و موارد دیگر دریافت کنید.

Related Skills

Suggestions