این دوره دومین دوره از مجموعه ای است که با هدف آماده سازی شما برای نقشی که به عنوان برنامه نویس انجام می شود، می باشد. در این دوره شما با چهار مفهوم اصلی در برنامه نویسی آشنا می شوید: عملیات و تاریخ رشته های پیشرفته، کلاس های مدل سازی، توسعه کلاس ها و مجموعه ها. آزمایشگاه‌ها به دانش‌آموزان این امکان را می‌دهند که مطالب را در سخنرانی‌ها در برنامه‌های رایانه‌ای ساده که برای تقویت مجدد مطالب در درس طراحی شده‌اند، اعمال کنند.

توسط AMAZON WEB SERVICES (AWS) حمایت می شود. مهارت های مدیریت مهندسی نرم افزار در دنیای واقعی را بیاموزید تا در اولین (یا بعدی) نقش مدیریتی خود در سازمان های مهندسی نخبه موفق شوید و تحت تاثیر قرار دهید. NANCY WANG، مدیر مهندسی و مدیر کل خدمات حفاظت از داده AWS و بنیانگذار Advancing Women in Tech (AWIT)، مهارت های مهندسی پرورش یافته در AMAZON (شرکت رتبه دوم در Fortune 500) را با روش های تکمیلی با شما به اشتراک می گذارد. از GOOGLE و MICROSOFT. مهارت‌ها و مدل‌های ذهنی را که بهترین مدیران مهندسی جهان برای جذب و حفظ استعدادهای مهندسی در کلاس جهانی اعمال می‌کنند، توسعه دهید. پس از اتمام دوره، متوجه خواهید شد که سازمان های مهندسی نرم افزار در سطح جهانی چه انتظاراتی از مدیران خود دارند، از جمله: * چگونه می توان یک مدیر شد * چه مدیران و چه مشارکت کنندگان انفرادی درآمد بیشتری کسب می کنند * تفاوت بین اثربخشی مدیر و کیفیت مدیر چیست؟ * چگونه تیم خود را استخدام کنیم * چگونه یک تیم را با اهداف تیمی هدایت کنیم

این دوره برای افرادی در نظر گرفته شده است که به دنبال درک الگوهای معماری لازم برای استفاده از سیستم های نرم افزاری بزرگی هستند که از داده های بزرگ برای تولید استفاده می کنند. شما نمونه های اولیه داده های بزرگ را به نرم افزار تولید آزمایش شده با کیفیت بالا تبدیل خواهید کرد. پس از اندازه گیری ویژگی های عملکرد سیستم های توزیع شده، مناطق مشکل را شناسایی کرده و راه حل های مقیاس پذیر را برای بهبود عملکرد پیاده سازی خواهید کرد. پس از اتمام دوره، می‌دانید که چگونه ذخیره‌گاه‌های داده تولید را برای انجام تحت بار، طراحی آزمایش‌های بار برای اطمینان از برآورده شدن الزامات عملکرد برنامه‌ها، مقیاس کنید. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

توسط AMAZON WEB SERVICES (AWS) حمایت می شود. در دوره قبلی، اصول رهبری برای مهندسان نرم افزار، با نحوه استخدام تیم خود و تعیین اهداف آن آشنا شدید. اکنون، یاد بگیرید که چگونه هر یک از اعضای تیم را رهبری کنید، بهترین عملکرد شخصی آنها و عملکرد کلی تیم خود را روز به روز افزایش دهید. نانسی وانگ، مدیر مهندسی و مدیر کل خدمات حفاظت از داده های AWS و بنیانگذار Advancing Women in Tech (AWIT)، مهارت های مدیریت مهندسی پرورش یافته در AMAZON (شرکت رتبه دوم در Fortune 500) را با شما به اشتراک می گذارد. روش های GOOGLE و MICROSOFT. مهارت‌ها و مدل‌های ذهنی را که بهترین مدیران مهندسی جهان برای تبدیل استخدام‌های جدید خود به مهندسین در سطح جهانی اعمال می‌کنند، توسعه دهید. پس از اتمام دوره، متوجه خواهید شد که سازمان های مهندسی نرم افزار در سطح جهانی چه انتظاراتی از مدیران خود دارند، از جمله: * چرا روش‌های WATERFALL و AGILE را برای جلوگیری از مشکلات هر دو ترکیب می‌کنید * نحوه پیروی از قوانین کار و انتظارات فرهنگی در حالی که تیم های توزیع شده جغرافیایی را رهبری می کنید * چگونه با مربیگری، حسابرسی، و بازخورد خود، مهندسان با عملکرد بالا را توسعه دهید * چگونه بازیکنان ضعیف تیم خود را برگردانید * چگونه با مدیران دیگر و تیم‌هایشان همسو می‌شوید و برای دستیابی به اهداف متقابل عملکردی، افزایش می‌دهید و می‌گیرید.

این دوره سومین دوره از مجموعه ای است که با هدف آماده سازی شما برای نقشی که به عنوان برنامه نویس انجام می شود، می باشد. در این دوره شما با چهار مفهوم اصلی در برنامه نویسی آشنا می شوید: عملیات و تاریخ رشته های پیشرفته، کلاس های مدل سازی، توسعه کلاس ها و مجموعه ها. آزمایشگاه‌ها به دانش‌آموزان این امکان را می‌دهند که مطالب را در سخنرانی‌ها در برنامه‌های رایانه‌ای ساده که برای تقویت مجدد مطالب در درس طراحی شده‌اند، اعمال کنند. زبان آموزان باید یک ماشین محلی با هر یک از سیستم عامل های زیر داشته باشند. Windows 7 SP1 یا بالاتر، macOS 10.1.13 یا بالاتر، یا تقریباً هر نسخه لینوکس از چندین سال گذشته. زبان آموز یا باید نسخه رایگان انجمن ویژوال استودیو یا منبع باز نصب دات نت را دانلود کند.

این دوره شما را از طریق یک پروژه عملی مناسب برای نمونه کارها راهنمایی می کند. شما با API های شخص ثالث آشنا می شوید و نحوه دستکاری تصاویر با استفاده از کتابخانه تصویربرداری پایتون (بالش)، نحوه اعمال تشخیص نویسه نوری روی تصاویر برای تشخیص متن (tesseract و pytesseract) به شما نشان داده می شود. در پایان دوره شما با این کتابخانه های مختلف موجود برای پایتون 3 کار کرده اید تا یک پروژه در دنیای واقعی ایجاد کنید. این دوره برای زبان آموزانی مناسب است که چهار دوره اول تخصص برنامه نویسی پایتون 3 را گذرانده اند. زبان آموزانی که قبلاً مهارت های برنامه نویسی پایتون دارند اما می خواهند با یک پروژه عملی و واقعی تمرین کنند نیز می توانند از این دوره بهره مند شوند. این پنجمین و آخرین دوره در تخصص برنامه نویسی پایتون 3 است.

این دوره برای افرادی در نظر گرفته شده است که می خواهند یک سیستم نرم افزاری با کیفیت تولید بسازند که از داده های بزرگ استفاده کند. شما اصول مهندسی نرم افزار و معماری را برای ایجاد یک سیستم توزیع شده آماده برای تولید که داده های بزرگ را مدیریت می کند، اعمال خواهید کرد. شما یک سیستم فشرده و پراکنده داده، متشکل از برنامه‌های کاربردی بسیار منسجم و به هم پیوسته ایجاد خواهید کرد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

این دوره برای افرادی در نظر گرفته شده است که به دنبال درک اصول اولیه مهندسی نرم افزار هستند زیرا آنها با ساختن سیستم های نرم افزاری بزرگ که از داده های بزرگ استفاده می کنند، مرتبط هستند. شما با مفاهیم مهندسی نرم افزار لازم برای ساختن و مقیاس بندی سیستم های توزیع شده بزرگ، فشرده با داده آشنا خواهید شد. این دوره با بهترین شیوه‌های مهندسی نرم‌افزار و ریزسرویس‌های داده‌ای بسیار منسجم و کم‌پیوسته شروع می‌شود، این دوره شما را به تکامل یک سیستم توزیع‌شده در طول زمان می‌برد. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder

به دوره سوم راه حل های رایانش ابری ساختمان در تخصص مقیاس خوش آمدید! در این دوره یاد می گیرید که چگونه با استفاده از مفاهیم رایانش ابری معرفی شده در دو دوره اول این مجموعه، مهندسی داده را در پروژه های دنیای واقعی به کار ببرید. در پایان این دوره، شما قادر خواهید بود اپلیکیشن های مهندسی داده را توسعه دهید و از بهترین شیوه های توسعه نرم افزار برای ایجاد اپلیکیشن های مهندسی داده استفاده کنید. اینها شامل استقرار مستمر، ابزارهای کیفیت کد، ورود به سیستم، ابزار دقیق و نظارت است. در نهایت، از فناوری‌های بومی ابری برای مقابله با راه‌حل‌های پیچیده مهندسی داده استفاده خواهید کرد. 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، شما یک خط لوله مهندسی داده بدون سرور در یک پلتفرم ابری ایجاد خواهید کرد: خدمات وب آمازون (AWS)، Azure یا Google Cloud Platform (GCP).

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.

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.

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.