این دوره شما را برای حرفه ای با استفاده از AR در بازاریابی آماده می کند. شما یاد خواهید گرفت که چگونه AR برای اهداف بازاریابی و همچنین فرآیندها، دستورالعمل ها و بهترین شیوه ها برای ایجاد جلوه های AR استفاده می شود. در حالی که این دوره بر ایجاد جلوه های واقعیت افزوده با استفاده از Meta Spark تمرکز دارد، مهارت هایی که شما ایجاد خواهید کرد برای بسیاری از ابزارهای مشابه دیگر نیز کاربرد دارد. در پایان این دوره، شما قادر خواهید بود: - قابلیت ها و محدودیت های متا اسپارک را فهرست کنید. - محیط کار خود را نصب، راه اندازی و پیکربندی کنید. - عناصر مختلف رابط های Meta Spark Studio و Meta Spark Hub را توضیح دهید. - بهینه سازی و آزمایش اثرات Meta Spark. - بهترین روش ها برای طراحی، توسعه و آزمایش در Meta Spark را شناسایی کنید. - با استفاده از Meta Spark Hub محتوا را به اینستاگرام منتقل کنید. - بهترین شیوه های Agile و Scrum برای توسعه Meta Spark را شناسایی کنید. - از اسکریپت Meta Spark برای ایجاد پوسترهای سفر استفاده کنید. برای موفقیت در این دوره، تجربه برنامه نویسی شی گرا و توسعه اولیه وب مورد نیاز است. جاوا اسکریپت یک امتیاز مثبت است اما لازم نیست. توصیه می‌کنیم دوره‌های قبلی را در برنامه تکمیل کنید تا بتوانید دانش و مهارت‌های آن دوره‌ها را در اینجا تقویت کنید.

این دوره بر روی استراتژی های فنی، موبایلی و اجتماعی برای افزایش ترافیک سایت تمرکز دارد. نحوه ایجاد سئو برای مخاطبان بین المللی از طریق بومی سازی محتوا، هم ترازی تیم جهانی و بهینه سازی برای موتورهای جستجوی محلی را بیاموزید. تکنیک‌هایی را برای بهینه‌سازی وب‌سایت‌های سازگار با موبایل، کشف برنامه‌های تلفن همراه، و استفاده از رسانه‌های اجتماعی برای هدایت ترافیک SEO ارگانیک کشف کنید. همچنین یاد خواهید گرفت که چگونه معیارهای کلیدی سئو را شناسایی کرده و موفقیت را به مشتریان و سهامداران خود جمع آوری، تفسیر، اعتبارسنجی و گزارش دهید.

این دوره بیشتر شما را با ابزار توسعه Unity AR از جمله API بنیاد AR آشنا می کند. با استفاده از AR Foundation برای توسعه یک بازی AR برای دنیای سرگرمی آشنا خواهید شد. در پایان این دوره، شما قادر خواهید بود: - محیط AR را برای Unity تنظیم کنید. - بنیاد AR و کارهایی که انجام می دهد را توضیح دهید. - بهترین شیوه های بهینه سازی را شناسایی کنید. - پیاده سازی تشخیص نشانگر. - معماری بازی را تعریف کنید. - ادغام اشیاء سه بعدی برای جاسازی در بازی. - اسکریپت هایی را در سی شارپ بنویسید تا مکانیزم هایی ایجاد کنید که دینامیک بازی را کنترل می کند. برای موفقیت در این دوره، تجربه برنامه نویسی شی گرا و توسعه اولیه وب مورد نیاز است. (جاوا اسکریپت یک امتیاز مثبت است اما الزامی نیست.) توصیه می کنیم دوره های قبلی را در گواهینامه حرفه ای توسعه دهنده Meta AR تکمیل کنید تا بتوانید دانش و مهارت های آن دوره ها را در اینجا بسازید.

به دوره 3 تخصص بازاریابی الکترونیکی: تاکتیک های بهینه سازی بازاریابی موبایلی و تجزیه و تحلیل خوش آمدید. دوره نهایی ما با مقدمه ای بر بازاریابی تلفن همراه آغاز خواهد شد. ماژول های باقی مانده دانش مورد نیاز برای افزایش فروش، افزایش تعامل و تفسیر تجزیه و تحلیل وب سایت را در اختیار شما قرار می دهند. این دوره با یک فعالیت بررسی شده به اوج خود می رسد، که در آن شما این فرصت را خواهید داشت که تمام مهارت هایی را که در دوره های قبلی این مجموعه آموخته اید، به کار ببرید. شما بسیار تشویق می شوید که از این تجربه دوره برای شروع ساختن یک برنامه بازاریابی دیجیتال برای تجارت فعلی یا آینده خود استفاده کنید. فعالیت‌های این دوره همگی برای راهنمایی شما در بخش‌های مختلف یک طرح بازاریابی دیجیتال طراحی شده‌اند. اهداف آموزشی ما در این دوره عبارتند از: - عناصر استراتژی بازاریابی موبایلی را شناسایی کنید و ملاحظات مختلف مرتبط با انتخاب پلتفرم موبایل را بررسی کنید - روش های مختلف را برای بهبود تجربه تلفن همراه کاوش کنید - تجزیه و تحلیل و بهینه سازی تلاش های بازاریابی برای بهبود نتایج کسب و کار - یک برنامه بازاریابی دیجیتال طراحی کنید تا اهداف و مقاصد شما را برآورده کند

در دوره دوم تخصص یادگیری عمیق، جعبه سیاه یادگیری عمیق را برای درک فرآیندهایی که عملکرد را هدایت می کنند و به طور سیستماتیک نتایج خوبی ایجاد می کنند را باز خواهید کرد. در پایان، بهترین شیوه‌ها را برای آموزش و توسعه مجموعه‌های تست و تجزیه و تحلیل سوگیری/واریانس برای ساخت برنامه‌های یادگیری عمیق یاد خواهید گرفت. قادر به استفاده از تکنیک های شبکه عصبی استاندارد مانند مقداردهی اولیه، تنظیم L2 و حذف، تنظیم هایپرپارامتر، نرمال سازی دسته ای و بررسی گرادیان باشد. انواع الگوریتم‌های بهینه‌سازی مانند نزول گرادیان دسته‌ای کوچک، Momentum، RMSprop و Adam را پیاده‌سازی و اعمال کنید و همگرایی آنها را بررسی کنید. و یک شبکه عصبی را در TensorFlow پیاده سازی کنید. تخصص یادگیری عمیق برنامه اساسی ما است که به شما کمک می کند قابلیت ها، چالش ها و پیامدهای یادگیری عمیق را درک کنید و شما را برای مشارکت در توسعه فناوری پیشرفته هوش مصنوعی آماده کند. این مسیری را برای شما فراهم می کند تا دانش و مهارت هایی را به دست آورید تا از یادگیری ماشینی در کار خود استفاده کنید، حرفه فنی خود را ارتقا دهید و گامی قطعی در دنیای هوش مصنوعی بردارید.

در این دنیای داده‌محور، شرکت‌ها اغلب علاقه‌مندند که بدانند با توجه به داده‌ها، «بهترین» اقدام چیست. به عنوان مثال، تولیدکنندگان باید تصمیم بگیرند که با توجه به تقاضای تخمینی و در دسترس بودن مواد خام، چند واحد از یک محصول را تولید کنند؟ آیا آنها باید تمام محصولات را در داخل بسازند یا برخی از آنها را از شخص ثالث بخرند تا تقاضا را برآورده کنند؟ تجزیه و تحلیل تجویزی شاخه ای از تجزیه و تحلیل است که می تواند به این سوالات پاسخ دهد. برای تجویز تصمیمات مبتنی بر داده استفاده می شود. مهمترین روش در جعبه ابزار تجزیه و تحلیل تجویزی، بهینه سازی است. این دوره دانشجویان را با اصول اولیه بهینه سازی خطی برای تصمیم گیری آشنا می کند. با استفاده از مثال‌های عملی، این دوره نحوه تبدیل یک سناریو مسئله به یک مدل ریاضی را آموزش می‌دهد که بتوان آن را حل کرد تا بهترین نتیجه کسب و کار را به دست آورد. ما یاد می گیریم که متغیرهای تصمیم، تابع هدف و محدودیت های یک مسئله را شناسایی کنیم و از آنها برای فرمول بندی و حل یک مسئله بهینه سازی با استفاده از حل کننده اکسل و صفحه گسترده استفاده کنیم.

تحقیقات عملیات (OR) زمینه ای است که در آن افراد از روش های ریاضی و مهندسی برای مطالعه مسائل بهینه سازی در کسب و کار و مدیریت، اقتصاد، علوم کامپیوتر، مهندسی عمران، مهندسی صنایع و غیره استفاده می کنند. این دوره به معرفی چارچوب ها و ایده هایی در مورد انواع مسائل بهینه سازی می پردازد. در دنیای تجارت به طور خاص، ما بر چگونگی فرموله کردن مسائل واقعی کسب و کار در مدل های ریاضی که می توانند توسط رایانه حل شوند تمرکز می کنیم.

تحقیقات عملیاتی (OR) زمینه ای است که در آن افراد از روش های ریاضی و مهندسی برای مطالعه مسائل بهینه سازی در کسب و کار و مدیریت، اقتصاد، علوم کامپیوتر، مهندسی عمران، مهندسی برق و غیره استفاده می کنند. مجموعه دوره ها از سه بخش تشکیل شده است که ما بر روی تکنیک های بهینه سازی قطعی تمرکز می کنیم که بخش عمده ای از رشته OR است. به عنوان قسمت دوم این مجموعه، چند الگوریتم کارآمد برای حل برنامه های خطی، برنامه های عدد صحیح و برنامه های غیرخطی را مطالعه می کنیم. همچنین پیاده سازی کامپیوتری پایه حل برنامه های مختلف، برنامه های عدد صحیح و برنامه های غیرخطی را معرفی می کنیم و در نتیجه نمونه ای از کاربرد الگوریتم مورد بحث قرار می گیرد.

تحقیقات عملیاتی (OR) زمینه ای است که در آن افراد از روش های ریاضی و مهندسی برای مطالعه مسائل بهینه سازی در کسب و کار و مدیریت، اقتصاد، علوم کامپیوتر، مهندسی عمران، مهندسی برق و غیره استفاده می کنند. مجموعه دوره ها از سه بخش تشکیل شده است که ما بر روی تکنیک های بهینه سازی قطعی تمرکز می کنیم که بخش عمده ای از رشته OR است. به عنوان بخش سوم این مجموعه، ویژگی‌های ریاضی برنامه‌های خطی، برنامه‌های عدد صحیح و برنامه‌های غیرخطی را مطالعه می‌کنیم. ما همچنین کاربردهای این ویژگی های نظری را معرفی می کنیم: چگونه آنها به ما کمک می کنند تا راه های بهتری برای حل برنامه های ریاضی ایجاد کنیم.

به تازگی برای سال 2024 به روز شده است! Mathematics for Machine Learning and Data Science یک برنامه آنلاین پایه است که توسط DeepLearning.AI ایجاد شده و توسط Luis Serrano تدریس می شود. در یادگیری ماشینی، شما مفاهیم ریاضی را از طریق برنامه نویسی به کار می برید. و بنابراین، در این تخصص، مفاهیم ریاضی را که با استفاده از برنامه نویسی پایتون یاد می گیرید، در تمرینات آزمایشگاهی عملی به کار خواهید برد. به عنوان یک زبان آموز در این برنامه، برای موفقیت به مهارت های برنامه نویسی پایتون اولیه تا متوسط ​​نیاز دارید. پس از اتمام این دوره، فراگیران قادر خواهند بود: • بهینه سازی تحلیلی انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از ویژگی های مشتقات و گرادیان ها • بهینه سازی تقریباً انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند با استفاده از روش های تکراری مرتبه اول (نزول گرادیان) و مرتبه دوم (روش نیوتن). • تفکیک بصری تمایز انواع مختلف توابع که معمولاً در یادگیری ماشین استفاده می شوند • اجرای گرادیان نزول در شبکه های عصبی با توابع مختلف فعال سازی و هزینه بسیاری از مهندسان یادگیری ماشین و دانشمندان داده در زمینه ریاضیات به کمک نیاز دارند، و حتی تمرین‌کنندگان با تجربه نیز می‌توانند از کمبود مهارت‌های ریاضی عقب‌مانده شوند. این تخصص از آموزش نوآورانه در ریاضیات استفاده می‌کند تا به شما کمک کند تا سریع و شهودی یاد بگیرید، با دوره‌هایی که از تجسم‌های ساده برای پیگیری استفاده می‌کنند تا به شما کمک کنند تا ببینید که چگونه ریاضیات پشت یادگیری ماشین واقعاً کار می‌کند.  ما به شما توصیه می کنیم سطح ریاضی دبیرستان (توابع، جبر پایه) و آشنایی با برنامه نویسی (ساختارهای داده، حلقه ها، توابع، دستورات شرطی، اشکال زدایی) داشته باشید. تکالیف و آزمایشگاه‌ها در پایتون نوشته شده‌اند، اما این دوره تمام کتابخانه‌های یادگیری ماشینی را که استفاده می‌کنید معرفی می‌کند.

تحلیلگران کسب و کار باید بتوانند راه حل بهینه را برای مشکلات تجویز کنند. اما دوره‌های تجزیه و تحلیل اغلب بر آموزش دانش‌آموزان در تجزیه و تحلیل داده‌ها و تجسم تمرکز می‌کنند، نه این که به آنها کمک کند چگونه داده‌های موجود را جمع‌آوری کنند و آن را با مدل ریاضی مناسب برای فرمول‌بندی راه‌حل جفت کنند. این دوره برای اتصال داده ها و مدل ها به سناریوهای تصمیم گیری در دنیای واقعی در تولید، زنجیره تامین، امور مالی، مدیریت منابع انسانی و غیره طراحی شده است. به طور خاص، ما درک می کنیم که چگونه بهینه سازی خطی - یک روش تجزیه و تحلیل تجویزی - می تواند برای تصمیم گیری استفاده شود. مشکلات و ارائه راه حل های بهینه مبتنی بر داده ها. در طول این دوره ما روی مشکلات کاربردی در صنایع مختلف کار خواهیم کرد، مانند: (الف) تصمیمات مالی: چگونه یک مدیر سرمایه گذاری باید یک سبد بهینه ایجاد کند که بازده خالص را به حداکثر برساند و در عین حال ریسک زیادی را در سرمایه گذاری های مختلف انجام ندهد؟ (ب) تصمیمات تولید: با توجه به تقاضای پیش بینی شده، عرضه مواد خام و هزینه های حمل و نقل، حجم بهینه محصولات برای تولید در مکان های مختلف کارخانه چقدر خواهد بود؟ (ج) تصمیمات منابع انسانی: چه تعداد کارگر باید در یک افق برنامه ریزی استخدام یا اخراج شوند تا در حین رفع نیازهای عملیاتی یک شرکت، هزینه ها به حداقل برسد؟ (ج) تولید: با توجه به در دسترس بودن مواد خام و تقاضای مشتری، ترکیب محصولی که باید حداکثر سود را تولید کند، چه خواهد بود؟ ما یاد خواهیم گرفت که چگونه این مسائل را به عنوان مدل های ریاضی فرموله کرده و با استفاده از صفحه گسترده اکسل حل کنیم.

آوردن یک مدل یادگیری ماشینی به دنیای واقعی بسیار بیشتر از مدل سازی است. این تخصص به شما می آموزد که چگونه در سناریوهای مختلف استقرار پیمایش کنید و از داده ها به طور مؤثرتری برای آموزش مدل خود استفاده کنید. این دوره دوم به شما می آموزد که چگونه مدل های یادگیری ماشین خود را در برنامه های تلفن همراه اجرا کنید. شما یاد خواهید گرفت که چگونه مدل‌هایی را برای دستگاه‌های کم‌مصرف با باتری آماده کنید، سپس مدل‌ها را در هر دو پلتفرم اندروید و iOS اجرا کنید. در نهایت، نحوه استقرار در سیستم‌های جاسازی شده با استفاده از TensorFlow در Raspberry Pi و میکروکنترلرها را بررسی خواهید کرد. این تخصص مبتنی بر تخصص TensorFlow در عمل ما است. اگر تازه وارد TensorFlow هستید، توصیه می کنیم ابتدا TensorFlow in Practice Specialization را انتخاب کنید. برای ایجاد درک عمیق تر و اساسی از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

با دوره ما، "مدیریت زنجیره تامین برای تجارت الکترونیک"، خود را در قلمرو پویای زنجیره های تامین تجارت الکترونیک غرق کنید. این سفر همه جانبه که برای کارآفرینان نوظهور، صاحبان کسب و کارهای کوچک و تغییر دهندگان شغل طراحی شده است، یادگیرندگان را با بینش های جامع تجهیز می کند. از مؤلفه‌های اصلی زنجیره تأمین گرفته تا ادغام استراتژیک فناوری و پایداری، شرکت‌کنندگان دانش عملی برای هدایت چالش‌ها و بهینه‌سازی عملیات در حوزه تجارت الکترونیک به دست خواهند آورد. هیچ تخصص قبلی لازم نیست. کنجکاوی ذاتی در مورد پیچیدگی های تجارت الکترونیک تمام چیزی است که برای شروع این تجربه روشنگر نیاز دارید. این دوره طیف متنوعی از فراگیران مشتاق به درک دنیای زنجیره های تامین تجارت الکترونیک را در خود جای می دهد. کارآفرینانی که به دنبال منبع یابی کارآمد محصول هستند، صاحبان مشاغل کوچک با هدف رشد و کسانی که علاقه مند به انتقال به بخش تجارت الکترونیک هستند، ارزش بسیار زیادی خواهند یافت. بدون پیش نیاز خاصی، این دوره از افرادی استقبال می کند که علاقه مند به درک نیروهای محرک پشت عملیات تجارت الکترونیک هستند.