تجربه کارمند یک مفهوم جدید در منابع انسانی است. فراتر از مزایای سنتی، جبران خسارت و عملکرد است. اکنون منابع انسانی باید به طور فعال با تمام جنبه‌های سازمان - با ترکیب فرهنگ، ابزار و محیط شرکت - کار کند تا مکانی عالی برای کار ایجاد کند. این دوره به رهبران و مدیران منابع انسانی کمک می کند تا بفهمند تجربه کارمند چیست، چرا مهم است و چگونه می توانید برنامه ای طراحی کنید که شرکت شما را متمایز کند و به شما کمک کند در جنگ برای استعداد پیروز شوید. بیاموزید که چگونه کارمندان را درگیر نگه دارید و از آنها در طول چرخه زندگی کارمندان حمایت کنید - از اولین تماس تا خارج شدن از هواپیما. پت وادورز، مشاور مدیریت منابع انسانی و استعداد، همچنین نشان می‌دهد که کجا می‌توان داده‌هایی را که برای اندازه‌گیری پیشرفت و تکامل فرآیند خود نیاز دارید، پیدا کرد. تجربه مهم است؛ از این نکات برای ایجاد یک محل کار سازنده تر و مثبت استفاده کنید که به شما کمک می کند برای استعدادهای بزرگ رقابت کنید و آن ها را حفظ کنید.

مشاهده خبرنامه لینکدین جف آیا مشتریان شما احساس ارزشمندی می کنند؟ وقتی انجام می دهند، مدام برمی گردند. وقتی این کار را نمی کنند، کسب و کار شما آسیب می بیند. در این دوره، جف توستر، نویسنده و مشاور خدمات مشتری، سه مجموعه مهارت مهم مورد نیاز برای ارائه خدمات عالی به مشتریان و افزایش وفاداری مشتری را به شما آموزش می‌دهد. بیاموزید که چگونه روابط برنده ایجاد کنید، کمک مناسب را در زمان های مناسب ارائه دهید، و به طور موثر با مشتریان عصبانی برخورد کنید. او همچنین راه‌هایی را به اشتراک می‌گذارد تا بفهمد مشتریان شما واقعاً در مورد خدمات شما چه فکر می‌کنند و از بازخورد آنها برای بهبود استفاده کنید.

در حالی که غول‌های صنعت مانند گوگل و دیزنی می‌توانند مانند نیروهایی منحصر به فرد در بازار به نظر برسند، موفقیت آنها تا حدی به دلیل توانایی آنها در همکاری با شرکت‌های دیگر و تقویت شراکت‌های کلیدی است. چه در یک شرکت چند ملیتی رهبر باشید و چه در یک سازمان کوچک، مشارکت های استراتژیک می تواند به کسب و کار شما کمک کند تا به بازارهای جدید وارد شود و محصولات نوآورانه تری توسعه دهد. در این دوره، Ben Gomes-Casseres، متخصص استراتژی مشارکت، چگونگی موفقیت در مشارکت های استراتژیک را توضیح می دهد و نکات و ابزارهای عملی را به اشتراک می گذارد که می تواند به مدیران مبتدی و با تجربه کمک کند تا ارزش ایجاد کنند و همکاری را مدیریت کنند. بن نحوه ارزیابی قابلیت های شرکای بالقوه برای یافتن بهترین تناسب استراتژیک را پوشش می دهد. او همچنین نحوه تنظیم شروط شراکت، حل تعارضات و موارد دیگر را طی می کند.

هوش مصنوعی (AI) نحوه تعامل بازاریابان با مشتریان خود را تغییر می دهد. اما چگونه می توانید به عنوان یک بازاریاب از این فناوری بهره ببرید بدون اینکه یک شرکت چند میلیارد دلاری باشید؟ در این دوره پر عمل از مربی جیم استرن، بیاموزید که هوش مصنوعی چگونه بازاریابی را تغییر می دهد و چگونه می توانید از ابزارهای جدید و نوآورانه بهره ببرید. کشف کنید که هوش مصنوعی چگونه کار می کند و چگونه می توان از آن استفاده کرد. بیاموزید که چگونه هوش مصنوعی با یادگیری ماشینی متفاوت است و یادگیری ماشینی در کجا می تواند کمک کند. به‌علاوه، نکات مربوط به استفاده از فناوری‌ها در هوش مصنوعی را دریافت کنید و یاد بگیرید که چگونه می‌توانید از این ماشین‌ها به بهترین شکل ممکن استفاده کنید.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

Angular و .NET ممکن است یک جفت بعید به نظر برسند، اما با استفاده از بهترین ویژگی های هر فریم ورک، می توانید برنامه ها و API های هوشمند و شیک بسازید. با اضافه شدن Microsoft Azure، شما یک گزینه میزبانی قوی و آسان برای پروژه های خود دارید. در این دوره، Robby Millsap نحوه توسعه سرویس‌های امن دات نت را با Angular و Azure نشان می‌دهد. در قسمت اول، او یک برنامه Angular در بالای دات نت می سازد. در مرحله دوم، او یک API با استفاده از NET Core می سازد. در طول مسیر، او نشان می دهد که چگونه برنامه های خود را با Auth0 ایمن کنید و آنها را با استفاده از یک گردش کار یکپارچه سازی مداوم با Visual Studio Team Services و GitHub مستقر کنید. به علاوه، یاد بگیرید که چگونه برنامه های خود را از جلو به عقب آزمایش کنید و به کتابخانه هایی دسترسی داشته باشید که کار شما را بسیار آسان تر می کند.\r\n\r\n

یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. آن‌ها می‌توانند میلیون‌ها صدا، ویدیو و تصویر را طبقه‌بندی کنند، به سؤالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی اتومبیل‌های ما را برانند. شبکه های عصبی همچنین پایه و اساس هوش مصنوعی مولد هستند.

این دوره به معرفی تکنیک ها و اصول اساسی شبکه های عصبی، مدل های رایج و کاربردهای آنها می پردازد. مربی Gwendolyn Stripling شما را از طریق معماری های مختلف شبکه عصبی، اجزای آنها، موارد استفاده مناسب و بهترین شیوه ها برای بهبود عملکرد مدل شبکه عصبی راهنمایی می کند. به علاوه، با استفاده از Keras Sequential API، یک کتابخانه منبع باز که طراحی و آموزش شبکه های عصبی را ابهام می کند، تجربه عملی در ساخت و آموزش یک شبکه عصبی به دست آورید. اگر به دنبال دستیابی به درک کاملی از نحوه ساخت، آموزش، بهبود و استفاده از شبکه های عصبی هستید، در این دوره آموزشی به Gwendolyn بپیوندید.

خدمات وب آمازون (AWS) خدمات و ابزارهای زیادی را ارائه می دهد که به دانشمندان داده کمک می کند تا از یادگیری ماشینی برای ایجاد راه حل های بهتر و هوشمندتر استفاده کنند. در این دوره آموزشی، با الگوها، خدمات، فرآیندها و بهترین شیوه ها برای طراحی و پیاده سازی یادگیری ماشینی با استفاده از AWS آشنا شوید. مربی Lynn Langit نگاهی به مفاهیم کلی یادگیری ماشین، از جمله انواع الگوریتم های کلیدی یادگیری ماشین می اندازد. او همچنین انواع سرویس‌های موجود را بررسی می‌کند، مانند AWS Machine Learning، Lex، Polly، و Rekognition که می‌توانید از آنها برای پیش‌بینی برچسب‌های تصویر و ویدیو استفاده کنید. به‌علاوه، او نحوه کار با پلتفرم‌هایی مانند AWS SageMaker را که شامل نوت‌بوک‌های میزبان Jupyter می‌شود، طی می‌کند.

یادگیری ماشینی هیجان انگیزترین شاخه هوش مصنوعی است. این به سیستم‌ها اجازه می‌دهد تا با شناسایی الگوها و تصمیم‌گیری بدون دخالت انسان، از داده‌ها بیاموزند. در این دوره، با تمرین عملی اولین مدل یادگیری ماشینی خود، چرخه زندگی یادگیری ماشینی را هدایت خواهید کرد. به مربی کشا ویلیامز بپیوندید تا روش‌های یادگیری ماشینی را مورد بررسی قرار دهد: تحت نظارت، بدون نظارت و تقویت. تمرکز روی منبع یابی و تهیه داده ها و انتخاب بهترین الگوریتم یادگیری برای پروژه شما وجود دارد. پس از آموزش یک مدل، ارزیابی عملکرد مدل را با استفاده از معیارهای استاندارد یاد بگیرید. در نهایت، کشا به شما نشان می‌دهد که چگونه فرآیند را با ایجاد خط لوله یادگیری ماشین ساده کنید. اگر به دنبال درک چرخه زندگی یادگیری ماشین و مراحل مورد نیاز برای ساخت سیستم هستید، این دوره را بررسی کنید.

قیمت گذاری یکی از چالش برانگیزترین جنبه های بازاریابی است، به ویژه زمانی که بازاریابی برای سازمان ها در مقابل مصرف کنندگان روزمره انجام می شود. در دنیای تجارت به کسب و کار (B2B)، خریداران ارزش بیشتری را طلب می کنند و انتظار دارند که بتوانند در مورد قیمت مذاکره کنند. استراتژی قیمت گذاری شما باید بر این اساس تنظیم شود. در این دوره با متخصص بازاریابی درو بوید، نحوه تنظیم و برقراری ارتباط قیمت برای محصولات و خدمات B2B را بیاموزید.\r\n\r\n او همچنین نشان می دهد که چگونه ارزش را تعریف کنید، ذینفعان را شناسایی کنید و قیمت گذاری را به استراتژی بازاریابی کلی خود پیوند دهید. به علاوه، یاد بگیرید که از ابزارهایی مانند نردبان ارزش و سطوح قیمت گذاری برای به دست آوردن اهرم در مذاکرات قیمت استفاده کنید.

مدیران محصول باید مبانی فناوری را بدانند. آنها باید واژگان لازم را برای صحبت با مهندسان، طراحان UX و مدیران اجرایی داشته باشند و پیام‌ها را بین این سهامداران بسیار متفاوت ترجمه کنند. یک مدیر محصول باید بداند اینترنت چگونه کار می‌کند، فرانت‌اند چگونه با بک‌اند فرق می‌کند، زبان‌های برنامه‌نویسی اصلی چیست و چرا توسعه‌دهندگان وب و موبایل تا این حد مورد تقاضا هستند. این دوره مروری بر اصول اولیه، از جمله اصطلاحات و روندهایی که بر کار و همکاری شما با تیم شما تأثیر می گذارد، ارائه می دهد.\r\n\r\n او تفاوت های بین توسعه دسکتاپ، وب و موبایل را مورد بحث قرار می دهد و نقش سیستم های کنترل نسخه در استقرار و انتشار را بررسی می کند.

GraphQL - یک زبان پرس و جو برای API ها که در ابتدا توسط فیس بوک ساخته شد - به توسعه دهندگان کمک می کند API های قابل پرس و جو بسازند که برنامه های مبتنی بر داده را هدایت می کند. در این دوره، Glenn Block نحوه استفاده از چارچوب GraphQL.NET برای ساختن یک نقطه پایانی کاملاً کاربردی GraphQL را نشان می دهد. گلن شما را در کل فرآیند راهنمایی می کند و نحوه ایجاد یک پروژه GraphQL جدید، فعال کردن پرس و جو، پیکربندی طرحواره، اجازه به روز رسانی از طریق جهش، ایجاد اشتراک و موارد دیگر را توضیح می دهد. پس از تکمیل این دوره، درک بهتری از نحوه استفاده از مهارت‌های دات‌نت موجود و چارچوب GraphQL.NET برای ساخت برنامه‌های کارآمد و مدرن خواهید داشت.

دستگاه های تلفن همراه، اینترنت اشیا (IoT) و سایر سیستم های موجود در لبه شرکت، حجم وسیعی از داده های غیرمتمرکز را تولید می کنند. به جای ادغام و همگام سازی آن داده ها برای انجام تجزیه و تحلیل، چرا تجزیه و تحلیل را در لبه تولید نکنید و دسترسی و استفاده از بینش های مبتنی بر داده را به طور چشمگیری افزایش دهید؟ همه فروشندگان بزرگ فناوری، از جمله سیسکو، اوراکل، و IBM، تحلیل لبه را پذیرفته اند. این یک موضوع مهم و نوظهور برای همه کسانی است که در توسعه کسب و کار، عملیات یا تجزیه و تحلیل درگیر هستند. این دوره مفاهیم مربوط به تجزیه و تحلیل لبه را معرفی می کند و توضیح می دهد که چگونه تجزیه و تحلیل لبه در کنار داده های بزرگ، انبار داده سنتی و سایر محیط های تحلیلی قرار می گیرد. مربی آلن سایمون نمونه معماری و فناوری‌های اصلی مانند ویدئوهای دیجیتال هوشمند و داده‌های تولید شده توسط حسگر را نشان می‌دهد. او همچنین راه‌حل‌های خاص اینتل، سیسکو و سایر فروشندگان را بررسی می‌کند و نشان می‌دهد که چگونه تجزیه و تحلیل لبه را می‌توان در چهار مورد مختلف استفاده کرد: خرده‌فروشی، تولید، امنیت فناوری اطلاعات و مدیریت سیستم‌ها، و اکتشاف انرژی.

بلاک چین به عنوان کد اساسی که باعث عملکرد بیت کوین و سایر ارزهای دیجیتال می شود، نیازی به معرفی ندارد. این یک توانمندساز قدرتمند و نوآورانه است که نحوه ذخیره و به‌روزرسانی تراکنش‌ها را در شبکه بازتعریف می‌کند. به استاد جاناتان ریشنتال اجازه دهید شما را در یک غواصی عمیق تر ببرد که اهمیت و ارتباط مداوم بلاک چین را بررسی می کند.

درباره نحوه عملکرد فناوری پایه بلاک چین، از جمله مفاهیم رمزنگاری، استخراج، کلیدهای عمومی و خصوصی، و هوشمند بیاموزید. قراردادها با بررسی نحوه تولید بیت کوین، نحوه تراکنش و شرایط لازم برای شرکت به عنوان صرافی، معامله گر یا ماینر، دریابید که چگونه بلاک چین محبوب ترین ارز دیجیتال، بیت کوین را فعال می کند. جاناتان همچنین بلاک چین را در زمینه ای بزرگ تر و جهانی تر قرار می دهد و پیاده سازی های منحصر به فرد فناوری بلاک چین را در امور مالی غیرمتمرکز، توکن های غیرقابل تعویض، پرداخت های فرامرزی، مدیریت هویت و ثبت عنوان بررسی می کند.

آیا می دانید مشتریان شما چگونه تجربه کامل خود را از شرکت شما، از اولین برخورد تا تجربه خرید و پس از آن، درک می کنند؟ ارائه یک تجربه عالی برای مشتری نیاز به تفکر، درایت و تمایل به نگاه کردن به هر تعامل از دیدگاه مشتری دارد. در این دوره، Jeannie Walters کارشناس تجربه مشتری شما را در ایجاد یک تجربه مثبت مشتری راهنمایی می کند. Jeannie توضیح می‌دهد که چگونه می‌توان تجربه نهایی یا سفر مشتری خود را درک کرد و مراحل ساخت یک استراتژی مؤثر تجربه مشتری را طی می‌کند. Jeannie مراحلی را ارائه می دهد که می توانید برای ایجاد و حفظ یک فرهنگ مشتری محور بردارید - از ایجاد بیانیه ماموریت تجربه مشتری گرفته تا خرید اجرایی و استفاده هدفمند از ابزارهایی مانند Net Promoter Score (NPS) برای اندازه گیری بازخورد مشتری. او با توصیه هایی در مورد درک انتظارات مشتری و لحظات کلیدی که می توانید در سفر مشتری بهینه سازی کنید، نتیجه گیری می کند.

در دنیایی که تقریباً همه از داده‌ها برای اطلاع از روش‌های کسب‌وکار خود استفاده می‌کنند، اجماع در حال ظهور این است که باید بر اعتبارسنجی داده‌ها تأکید بیشتری شود. تأیید صحت نتایج حاصل از داده ها؛ و خطر نادرست بودن نتایج خود را به حداقل برسانید. اگرچه اکثر محققان می دانند متاآنالیز چیست، اما تعداد کمی از آنها می دانند که چگونه اندازه اثر را از معیارهای رایج مانند نسبت ریسک محاسبه کنند، یا اینکه چگونه تمایز بین اثرات ثابت و تصادفی می تواند متاآنالیزور را به بیراهه بکشاند. این دوره در سطح پیشرفته برای دست اندرکاران و محققان علوم داده و آمار، تفاوت های میانگین خام - به ویژه برای گروه های آزمایشی و مقایسه - و نحوه تبدیل معیارهای نتیجه مفید مانند ریسک نسبی و نسبت شانس را به معیارهای متناسب اندازه اثر پوشش می دهد. بعلاوه، در مورد نحوه ایجاد فواصل اطمینان برای معیارهای نتیجه باینری بیاموزید.

اینترنت اشیا (IoT) شامل میلیاردها «چیز هوشمند» است که به اینترنت متصل هستند. در این دوره، زهرا خلیل، مدرس مهندسی و مدرس به شما کمک می کند تا پایه و اساس این موضوع به سرعت در حال تغییر و تاثیرگذار را درک کنید. زهرا تعاریف اولیه را به شما می دهد، سپس معماری و اجزای اینترنت اشیا را توضیح می دهد. او درباره اکوسیستم اینترنت اشیا و نحوه تغذیه فناوری، بازارها و استانداردها به اکوسیستم بحث می کند. سپس زهرا عمیقاً به استانداردها، از جمله قالب نام استانداردها، چالش های استانداردسازی و موارد دیگر می پردازد. این موضوع او را به بحث در مورد چالش‌های اینترنت اشیا، از جمله امنیت، حریم خصوصی، پیچیدگی و مسائل حقوقی می‌آورد. زهرا به اکوسیستم اینترنت اشیا در اتوماسیون صنعتی می پردازد و بر چگونگی استفاده از استانداردهای رایج اینترنت اشیا در یک نمونه کارخانه هوشمند تمرکز می کند. به‌علاوه، او با استفاده از سنگاپور و سانفرانسیسکو به عنوان نمونه‌هایی از شهرهایی که از ابتکارات و فناوری شهر هوشمند استفاده می‌کنند، کشف می‌کند که IoT به کجا می‌رود.

نحوه استفاده از Scala - زبان محبوبی که طراحی شی گرا را با برنامه نویسی کاربردی ترکیب می کند - در کار علم داده خود کشف کنید. در این دوره آموزشی، با ویژگی‌های Scala که برای دانشمندان داده مفید است آشنا شوید، از جمله توابع سفارشی، پردازش موازی، و برنامه‌نویسی Spark with Scala. دن سالیوان دوره را با مقدمه ای برای برنامه نویسان غیر اسکالا آغاز می کند. در مرحله بعد، او نحوه استفاده از SQL از Scala را شرح می دهد - یک مفهوم به خصوص مفید برای دانشمندان داده، زیرا آنها اغلب باید داده ها را از پایگاه های داده رابطه ای استخراج کنند. سپس ساختارهای پردازش موازی را در اسکالا پوشش می‌دهد، تکنیک‌هایی را به اشتراک می‌گذارد که برای مجموعه‌های داده‌ای با اندازه متوسط \u200b\u200bمفید هستند که می‌توانند روی یک سرور واحد با چندین هسته تجزیه و تحلیل شوند.\r\n\r\n او ابتدا نحوه کار با مجموعه داده‌های توزیع‌شده انعطاف‌پذیر (RDDs) - یک ساختار داده‌ای بنیادی Spark - را توضیح می‌دهد و سپس نحوه استفاده از Scala با Spark DataFrames را توضیح می‌دهد، کلاس جدیدی از ساختار داده که به‌ویژه برای پردازش تحلیلی طراحی شده است. او دوره را با ارائه خلاصه ای از مزایای استفاده از Scala برای علم داده به پایان می رساند.

علم داده حوزه‌ای است که به سرعت در حال گسترش است و امکانات فراوانی را برای مشاهده جهان اطراف ما از طریق لنز دقیق‌تری ارائه می‌دهد. اما برای بسیاری از کسانی که قوه تخیل آنها توسط داده های بزرگ برانگیخته می شود - اما قبلاً شروع به دنبال کردن حرفه ای در زمینه دیگری کرده اند - رویای تبدیل شدن به یک دانشمند داده می تواند دور از ذهن باشد. لیلیان پیرسون، P.E. - یک متخصص برجسته در زمینه داده های بزرگ و علم داده - قصد دارد این تصور را ثابت کند که اشتباه است. در این دوره، او مشاهدات و نکاتی را به اشتراک می‌گذارد که به شما کمک می‌کند بدون توجه به نقطه شروعتان، در این زمینه هیجان‌انگیز شروع به کار کنید.\r\n\r\n در اینجا، او داستان خود را به اشتراک می‌گذارد و درباره نحوه آموزش کدنویسی در پایتون و R و کار با متدولوژی‌های علم داده بحث می‌کند. در نتیجه تجربیات خود، لیلیان مشتاق کمک به علاقه‌مندان به علم داده است - اما کسانی که ممکن است مدرک چهار ساله در این رشته نداشته باشند - برای شروع در این زمینه. او راه‌های عملی برای کسب مهارت‌ها و تجربیات مورد نیاز برای تبدیل شدن به یک دانشمند داده و بهترین شیوه‌ها برای یافتن شغل را به اشتراک می‌گذارد. لیلیان همچنین با چالش‌هایی که در نیروی کار فناوری به سرعت در حال تحول رخ می‌دهد دست و پنجه نرم می‌کند. به علاوه، او در مورد خود صنعت بحث می کند، تغییرات اخیر در زمینه و زمینه های مورد نیاز را پوشش می دهد و برخی از تصورات غلط رایج را پاک می کند.

مهندسی داده ها پایه و اساس ساخت و ساز برنامه های کاربردی علوم داده در دنیای جدید داده های بزرگ است. مهندسی داده ها برای ساخت خطوط لوله و شبکه های داده برای پخش ، پردازش و ذخیره داده ها نیاز به ترکیب چندین فناوری داده بزرگ دارد. این دوره بر ساختن راه حل های تمام عیار که Apache Spark را با سایر ابزارهای داده بزرگ برای ایجاد خطوط لوله داده نهایی به پایان می رساند ، متمرکز شده است. مربی Kumaran Ponnambalam با تعریف مهندسی داده ها ، کارکردهای آن و مفاهیم آن آغاز می شود. در مرحله بعد ، Kumaran به این نتیجه می رسد که قابلیت های جرقه ای مانند پردازش موازی ، برنامه های اجرای ، گزینه های مدیریت دولت و یادگیری ماشین با عصاره ، تبدیل ، بار (ETL) چگونه است. او شما را به موارد و فرآیندهای استفاده از پردازش دسته ای و همچنین خطوط لوله پردازش در زمان واقعی معرفی می کند. پس از طی کردن چندین روش مفید ، کوماران با یک پروژه تمرینی پایان به پایان نتیجه می گیرد.

کلان داده ها دنیای تجارت را متحول می کنند. با این حال، بسیاری از مردم نمی‌دانند کلان داده و هوش تجاری چیست، یا نمی‌دانند چگونه این تکنیک‌ها را در مشاغل روزمره خود به کار ببرند. این دوره به این شکاف دانش می پردازد و روش های عملی را به افراد تجاری ارائه می دهد تا با استفاده از داده های بزرگ، پیش بینی های تجاری سریع و مرتبط ایجاد کنند.\r\n\r\n تنها چیزی که نیاز دارید مایکروسافت اکسل است. مایکل از فرمول ها، توابع و محاسبات داخلی برای انجام تحلیل رگرسیون، محاسبه فواصل اطمینان و تست استرس نتایج شما استفاده می کند. شما از دوره دور می شوید و می توانید فوراً شروع به ایجاد پیش بینی برای نیازهای تجاری خود کنید.