دوره آموزشی - جستجوی «ادمین شبکه های اجتماعی»

نتایج جستجوی «ادمین شبکه های اجتماعی» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

مهارت‌های اکسل برای کسب‌وکار - مقدماتی

کاربرد مهارت های اکسل برای کسب‌وکارها چیست؟ ممکن است در ابتدا متوجه نشویم که اکسل چطور به تأسیس یک کسب‌وکار نوپا مربوط می‌شود. مهم‌ترین کاربرد اکسل در کسب‌وکار، محاسبه‌ی درآمدها و هزینه‌های شماست؛ اینکه نشان دهید درآمدی که از مشتری کسب می‌کنید، از هزینه‌ای که متحمل شده‌اید بیشتر است. این کار به نظر ساده می‌آید، اما پیچیدگی آن زمانی مشخص می‌شود که صورت‌حساب‌ها، جداول و فرمول‌های پیچیده به میان می‌آیند. این کارها را در اکسل به‌راحتی می‌توانید انجام دهید. نرم‌افزار صفحه گسترده اکسل یکی از فراگیرترین نرم‌افزارهایی است که در محیط‌های کاری در سراسر جهان استفاده می‌شود. یادگیری کار با این نرم‌افزار به معنای افزودن دارایی‌‌ای بسیار ارزشمند به سبد کسب‌وکار شماست. درزمانی که مشاغل دیجیتال بسیار سریع‌تر از مشاغل غیردیجیتالی رشد می‌کنند، مطمئن باشید که با افزودن مهارت‌های اکسل به مجموعه مهارت‌های شغلی‌تان، خود را جلوتر از بقیه قرار می‌دهید. به‌طورکلی اکسل در بخش‌های تأمین مالی و حسابداری، بازاریابی و مدیریت محصول، مدیریت منابع‌ انسانی و سایر بخش‌های هر کسب‌وکاری یکی از نرم‌افزارهای پرکاربرد است. هدف از آموزش این دوره چیست؟ در دوره مقدماتی مهارت‌های اکسل برای کسب‌وکار، نکات ضروری نرم‌افزار اکسل را یاد خواهید گرفت؛ می‌توانید به طور ماهرانه در محیط کاربری اکسل کار کنید، محاسبات اولیه را با فرمول‌ها و توابع انجام دهید، صفحات گسترده را به‌صورت حرفه‌ای قالب‌بندی کنید و توزیع داده‌ها را از طریق نمودارها نشان دهید. بهترین راه برای یادگیری اکسل استفاده از اکسل است! در این دوره، با استفاده از مهارت‌ها و تکنیک‌های اکسل که در طول مسیر یاد می‌گیرید، طیف وسیعی از مشکلات تجاری را حل خواهید کرد. برخی از کاربردهای اکسل به‌صورت خلاصه به شرح زیر است: پیش‌بینی درآمدهای جدید و نرخ رشد درآمد و مشتری ذکر رویدادها و تاریخ و ذخیره‌سازی اطلاعات کسب‌وکار لیست کردن و دسته‌بندی هزینه‌های یک محصول و به‌روزرسانی ماهانه (و یا هر بازه زمانی دلخواه) ایجاد انواع نمودارها و مصورسازی داده‌های کسب‌وکار کمک به مدیران سازمان و شرکت برای تصمیم‌گیری مناسب‌تر و مبتنی بر داده‌ها بررسی وضعیت فروش، انبار، موجودی، درآمد و ... امکان قیاس متغیرهای مورد نظر و فیلتر کردن و ایجاد ارتباط و محاسبه انواع آن‌ها

67,150 تومان

آموزش یادگیری ماشین با پایتون

دوره آموزش یادگیری ماشین با پایتون چیست؟ در این دوره آموزشی به یادگیری ماشین با استفاده از زبان برنامه‌­نویسی شناخته شده و کار­آمد پایتون پرداخته می­‌شود. دوره آموزش یادگیری ماشین با پایتون به این صورت برنامه‌ریزی شده است که از مقدمات شروع می‌­شود و به مباحث پیشرفته و جدید یادگیری ماشین با پایتون می­‌پردازد. دوره آموزش یادگیری ماشین جادی در دو بخش تدوین شده است؛ در بخش اول شما باهدف یادگیری ماشین و کاربرد آن در دنیای واقعی آشنا خواهید شد. در بخش دوم این دوره یک نمای کلی از مباحث یادگیری ماشین مانند یادگیری تحت نظارت و بدون نظارت، ارزیابی مدل­‌ها و الگوریتم­‌های ماشین لرنینگ به شرکت‌کنندگان ارائه خواهد شد. هدف از آموزش دوره یادگیری ماشین با پایتون چیست؟ هدف از برگزاری این دوره، آموزش ماشین لرنینگ به‌صورت مرحله‌به‌مرحله از مباحث مقدماتی تا مباحث جدید و پیشرفته است. شرکت در این دوره آموزشی به شما کمک خواهد کرد تا در محیط واقعی و کاربردی از زبان برنامه­‌نویسی پایتون استفاده کنید و مهارت خود را در زمینه برنامه­‌نویسی پایتون افزایش دهید. در کنار این موضوع، آموزش یادگیری ماشین را به‌عنوان هدف اصلی این دوره آموزشی دنبال خواهید کرد. در انتهای این دوره چه مهارت‌­هایی کسب خواهید کرد؟ با شرکت در این دوره علاوه بر آشنایی با کلیات یادگیری ماشین شما با مباحث دیگری از مانند مسائل زیر آشنا شوید: 1. یادگیری تحت نظارت و بدون نظارت 2. ارزیابی مدل­‌ها و الگوریتم‌­های یادگیری ماشین 3. رگرسیون 4. طبقه‌بندی 5. خوشه‌بندی 6. یادگیری کیت علمی 7. SciPy ویژگی متمایز این دوره نسبت به دوره‌­های مشابه چیست؟ مدرس این دوره جادی میرمیرانی است. در کنار مدرس حرفه‌­ای و مسلط این دوره ساختاری که برای آموزش این دوره در نظر گرفته شده است نسبت به دوره‌­های مشابه متمایز است. به این صورت که این دوره آموزشی در دو بخش تدوین شده است و در این دو بخش علاوه بر آموزش مقدمات به مباحث جدید و اساسی در آموزش یادگیری ماشین با پایتون پرداخته شده است. در کنار این موارد در تمام طول دوره شما می‌­توانید سوالات و ابهامات خود را با استاد دوره در میان بگذارید و پاسخ همه سوالات خود را به دست بیاورید. در پایان دوره یادگیری ماشین با پایتون و پس از انجام آزمون در صورت کسب نمره قبولی مدرک معتبر مکتب‌­خونه مربوط به گذراندن این دوره به شما داده می­‌شود و با استفاده از این مدرک شما می­‌توانید شرایط خود را در آزمون‌­های استخدامی و مصاحبه­‌های مربوط به استخدام بهبود ببخشید.

373,150 تومان

آموزش عکاسی دیجیتال مقدماتی

چرا دوره عکاسی دیجیتال مکتب‌خونه؟ اگر به عکس و عکاسی علاقه دارید، حتماً شرکت در دوره آموزش عکاسی دیجیتال مقدماتی می‌تواند برایتان جذاب و هیجان‌انگیز باشد. این دوره که با مباحث مختلف تئوری و عملی همراه است، همه آنچه را که باید دررابطه‌با هنر زیبای عکاسی دیجیتال بدانید را به شما آموزش می‌دهد. مثلاً شما درباره تاریخچه پیدایش هنر عکاسی و انواع دوربین‌های عکاسی آشنا می‌شوید، قطعات دوربین دیجیتال و نحوه عملکرد آن را می‌آموزید، با هارمونی رنگ‌ها و تأثیرشان، فیلترهای عکاسی، کادربندی، ضرورت رعایت اصول نورپردازی و بسیاری آموزش‌های تخصصی دیگر آشنا می‌شوید. اگر انواع ابزارها و تجهیزات عکاسی را بشناسید و از کاربرد آن‌ها مطلع باشید، می‌توانید به یک عکاس حرفه‌ای تبدیل شوید و روش‌های صحیح نورپردازی و انتخاب سوژه، اصلاح رنگ و نور تصویر، امور گرافیکی کاربردی در عکاسی و ... را در عکس‌های خود بکار ببرید. عکاسی یکی از انواع هنرهای موجود در جهان است که طرف‌داران بسیاری دارد و هر روز هم بر این تعداد افزوده می‌شود. شما به‌عنوان یک فرد مبتدی در زمینه عکاسی، می‌توانید همه چیز را از ابتدا شروع کنید و نیازی به داشتن مهارت‌های خیلی خاص و پیشرفته‌ای ندارید. در این دوره کاربردی که به لطف مؤسسه معتبر مکتب‌خونه فراهم شده است، شما به‌خوبی با سبک‌های عکاسی از جمله پرتره، تبلیغاتی، خبری، مستند، اجتماعی و… آشنا می‌شوید. مباحث زیبایی‌شناسی نظیر کمپوزیسیون، اصول کادربندی و ... را فرامی‌گیرید. همچنین تکنیک‌های عکاسی را خواهید شناخت و در کارگاه‌های عملی با اصول تکنیکی عکاسی که عبارتند از نورپردازی، رنگ‌بندی، فیلترگذاری، نورسنجی و ... به‌خوبی به تمرین عکاسی می‌پردازید. شرکت در دوره آموزش عکاسی دیجیتال مقدماتی همان‌طور که از نامش پیداست، به منزله اولین گام‌های شما به عرصه عکاسی است. اما شما می‌توانید این هنر را حتی تخصصی‌تر ادامه دهید و از فرصت‌های شغلی عالی و پردرآمد مربوط به آن همچون کار در آتلیه، تهیه عکس از پروژه‌های صنعتی (عکاسی صنعتی)، کار برای خبرگزاری‌ها و نشریات، راه‌اندازی آتلیه شخصی، تهیه عکس برای شرکت‌های تبلیغاتی (عکاسی تبلیغاتی)، تهیه عکس برای شرکت‌های مدلینگ (عکاسی مدلینگ) و تهیه عکس برای سازمان‌ها و نهادهای مختلف، برخوردار شوید. - برای تهیه این دوره از منابع زیر کمک گرفته شده است: نورسنجی در عکاسی اثر برایان پترسون دید خلاقانه در عکاسی اثر برایان پترسون ترکیب‌بندی در عکاسی اثر هارالد مانته رنگ در عکاسی اثر هارالد مانته ترکیب‌بندی در عکاسی اثر دیوید پرکل کتاب مفاهیم و مبانی عکاسی: نوردهی اثر دیوید پرکلبعد از گذارندن دوره آموزش عکاسی دیجیتال چه مهارت‌هایی را کسب خواهید کرد؟ در این دوره هرآنچه که برای گرفتن یک عکس خوب به آن نیاز دارید را خواهید آموخت. از شناخت نور و شناخت ساختمان دوربین تا سیستم‌های فوکوس و سنسور و ریزترین نکات فنی و هنری موردنیاز. همچنین در پایان این دوره قادر خواهید بود تجهیزات موردنیاز خود را انتخاب کنید. پس از پایان این دوره قادر خواهید بود عکس‌های عالی بگیرید. فرایندی که برای گرفتن یک عکس عالی طی می‌شود شامل پیداکردن سوژه، کادربندی و ترکیب‌بندی، تنظیمات صحیح نوردهی برای دوربین، تنظیمات تراز سفیدی و ... می‌باشند که همگی در طول این دوره در بالاترین سطح آموزش داده می‌شوند. همچنین پس از پایان این دوره قادر خواهید بود عکس‌های خوب را از عکس‌های نادرست تشخیص دهید که یکی از بهترین مهارت‌ها برای تقویت ذهن عکاسی است.مهارت‌های عکاسی دیجیتال در حالت کلی، آموزش عکاسی دیجیتال به ۲ مهارت اصلی تقسیم می‌شود: 1. مهارت کار با ابزار است که آن را با نام craft skills می‌شناسیم. 2. مهارت‌های هنری و خلاقانه که آن را با نام Artistry Skills می‌شناسیم.

713,150 تومان

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین

دوره آموزش «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ یکی از انواع روش‌های یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی این روش، تلاش بر این است که قابلیتی به ماشین (سیستم کامپیوتری) اضافه شود تا ماشین در تصمیم‌گیری‌ها روشی مشابه فرایند ذهن انسان را داشته باشد و به نوعی فعالیت‌های ذهن انسان را تقلید کند. در دوره «آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» شرکت‌کنندگان با موضوعات مختلفی از جمله مدل‌سازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگی‌های جذابی که در اختیار کاربران قرار می‌دهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفاده‌ترین کتابخانه در یادگیری عمیق شناخته می‌شود. شرکت‌کنندگان این دوره با همه مباحث مربوط به یادگیری عمیق، مدل‌سازی سطح پایین و کتابخانه تنسورفلو آشنا خواهند شد. به طور مشخص شرکت‌کنندگان در این دوره با مباحث زیر سروکار خواهند داشت: آشنایی با تعاریف کلی و مفاهیم مربوط به یادگیری عمیق و مدل‌سازی سطح پایین چگونگی طراحی دلخواه اِلمان‌های مختلف یک شبکه عصبی مانند loss، metric، activation function و حتی لایه‌ها و مدل‌ها چگونگی پیاده‌سازی training loop به صورت کامل و دلخواه آشنایی با تعاریف و عملیات‌های ممکن روی تنسورها آشنایی با امکانات پردازش داده تنسورفلو شرکت‌کنندگان این دوره پس از گذراندن این دوره علاوه بر آشنایی با مباحث و تعاریف کلی موارد زیر را نیز به طور کامل فرا خواهند گرفت: آشنایی با تنسورها و انجام محاسبات با آن‌ها پیاده‌سازی loss، activation function، initializer، regularizer، metric، لایه و مدل دلخواه آشنایی با GradientTape و طراحی حلقه آموزش دلخواه آشنایی با Data API تنسورفلو هدف از برگزاری دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ مدل‌سازی سفارشی و سطح پایین یکی از مهم‌ترین مهارت‌ها برای افرادی است که قصد دارند در زمینه یادگیری عمیق فعالیت داشته باشند. شما ممکن است بخواهید ایده‌های جدیدی را برای طراحی یک شبکه عصبی پیاده‌سازی کنید. یعنی شبکه‌ای طراحی کنید که تعدادی از اِلمان‌ها به‌صورت default در آن وجود نداشته باشد. به‌عنوان مثال می‌خواهید یک loss جدید تعریف کنید و یا عملکرد شبکه را با یک متریک جدید ارزیابی کنید؛ یا لایه‌ای بسازید که عملکرد جدیدی داشته باشد. پس از گذراندن این دوره با امکانات لازم در تنسورفلو برای این محاسبات آشنا می‌شوید و می‌توانید شبکه‌ای کاملا دلخواه با نیازها و ایده‌آل‌های خودتان ایجاد کنید. هدف اصلی این دوره آشنایی با همه مباحثی است که در این مسیر مورد نیاز شما خواهند بود و برای کار در این مسیر باید به آن‌ها تسلط پیدا کنید. دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» برای چه کسانی مناسب است؟ مباحث مطرح شده در این دوره برای همه افرادی که به موضوعاتی همچون یادگیری عمیق و هرآنچه به این موضوع مربوط می‌شود علاقه‌مند هستند، مفید و کاربردی خواهد بود. به طور خاص این دوره برای کسانی است که با تنسورفلو و کراس آشنایی دارند و قصد دارند با گذراندن یک دوره آموزشی علاوه بر مرور مجدد مباحث مربوط به این عناوین، گامی بزرگ در جهت ماهرتر شدن در مدل سازی شبکه‌های عصبی برای یادگیری عمیق بردارند.

203,150 تومان

آموزش +Security

تمام سیستم‌عامل‌های شبکه (NOS) باید امنیت کافی برای محافظت از شبکه در مقابل دسترسی‌های غیرمجاز را تأمین کنند. با اتصال بیشتر شبکه‌های کامپیوتری به اینترنت، هرکسی در هرجای دنیا می‌تواند به شبکه شما نفوذ کند. حتی به نظر می‌رسد در دنیای امروز، هک کردن به یکی از سرگرمی‌های افراد تبدیل شده است. ابتدایی‌ترین لایه امنیت از طریق حساب‌های کاربری انجام می‌شود که به کاربران حق دسترسی به منابع شبکه را می‌دهد. این لایه امنیتی منابعی را که کاربران به آن دسترسی دارند، کنترل می‌کند. در واقع، حساب‌های کاربری توسط رمزهای عبور ایمن می‌شوند؛ بنابراین سیاست رمز عبور مناسب را می‌توان سنگ بنای امنیت و شبکه دانست. امنیت شبکه فرایند انجام اقدامات پیشگیرانه فیزیکی و نرم‌افزاری برای محافظت از زیرساخت شبکه از دسترسی‌های غیرمجاز، سوء عملکرد، تغییر، تخریب یا افشای نامناسب است. در نهایت این فعالیت‌ها یک بستر امن برای کامپیوترها، کاربران و برنامه‌ها به‌منظور انجام مجاز عملکردهای حیاتی در یک محیط امن ایجاد می‌کنند. دوره آموزش +Security مکتب‌خونه دقیقاً به همین منظور تهیه دیده شده است. دانشجویان در این دوره اصطلاحات اولیه امنیت و روش‌های مختلف امن‌سازی سیستم عامل و شبکه به همراه انواع تهدیدات و نحوه عملکرد آنها را می‌آموزند. در دوره آموزش +Security با اصطلاحات اولیه در این زمینه آشنا می‌شوید و درک اولیه‌ای از مفاهیم آن کسب می‌کنید. در این دوره علاوه بر کسب مهارت‌های مدیریت ریسک و دسترسی، با انواع تهدیدات شبکه آشنا می‌شوید و می‌توانید به‌خوبی با آن‌ها مواجهه کرده و امنیت هاست (Host)، داده‌ها و اپلیکیشن‌های خود را تأمین کنید. مهارت‌های کسب‌شده در این دوره راه‌گشای شما دانشجویان برای انتخاب مسیر صحیح و دستیابی سریع‌تر به دانش تخصصی امنیت اطلاعات و شبکه خواهد بود. در این دوره کوییز، تمرینات و پروژه‌هایی برای شما در نظر گرفته شده است که می‌توانید با کمک آن‌ها میزان مهارت‌های کسب‌شده خود را بسنجید و آن‌ها را به چالش بکشید. اگر بتوانید نمره مورد نظر را از این پروژه‌ها و تمرینات بگیرید، گواهینامه‌ای برایتان صادر می‌شود که نشان‌دهنده میزان مهارت و تسلط شما بر موضوعات امنیت و شبکه است.

135,150 تومان

آموزش اسپیکینگ آیلتس - IELTS Speaking Booster

بخش اسپیکینگ آیلتس (IELTS Speaking) یکی از دغدغه‌های داوطلبان این آزمون بین‌المللی است. این بخش شامل یک مصاحبه‌ی حضوری است که بین ۱۱ الی ۱۴ دقیقه به طول می‌انجامد و ممتحن صدای متقاضی را ضبط می‌کند و در طول مصاحبه، زمان تحت کنترل دقیق ممتحن است. اسپیکینگ آیلتس شامل ۳ قسمت است: ۱- قسمت اول شامل Introduction و سپس حدود ۴ الی ۵ دقیقه پرسش در خصوص موضوعاتی که اصطلاحا Familiar هستند مانند: شغل، تحصیلات، سرگرمی ها، محل زندگی، علایق، آب و هوا و... ۲- قسمت دوم (Cue Card): در این قسمت یک Task Card توسط ممتحن به متقاضی داده می شود. روی این Card موضوعی نوشته شده که با تعدادی سوال تحت عنوان Follow-up Questions همراه است و متقاضی می‌بایست پس از ۱ دقیقه آماده‌سازی، پاسخ خود را در قالب یک Short Presentation که طول آن حداقل ۱ دقیقه و حداکثر ۲ دقیقه است به ممتحن ارائه کند. ۳- قسمت سوم تحت عنوان Discussion: در این قسمت که بین ۴ الی ۵ دقیقه زمان می برد، ممتحن سوالاتی را بر پایه‌ی موضوع بخش قبلی مطرح می‌کند و متقاضی می‌بایست پاسخ‌های جامع و متقاعدکننده‌ای برای هریک از این سوالات داشته باشد. کدام قسمت از همه مهم‌تر است؟ آیا زمان محاسبه‌ی نمره نهایی اسپیکینگ، هر یک از این ۳ قسمت بالا امتیازهای جداگانه و البته برابر با همدیگر دارند یا یک قسمت خاص از بقیه مهم‌تر است؟ قسمت‌های مختلف آزمون اسپیکینگ به صورت جداگانه نمره‌دهی نمی‌شوند بلکه عملکرد کلی شماست که مورد ارزیابی قرار می‌گیرد، اما می‌توان این چنین گفت: ۱- قسمت اول (Part 1) را می توان آسان‌ترین بخش این آزمون دانست، بنابراین اگر شما صرفا در این قسمت عملکرد عالی داشته باشید، تضمینی برای کسب نمره‌ی بالا وجود ندارد. ۲- قسمت Cue Card میدانی برای محک زدن دانش اسپیکینگی متقاضی است. این بخش می تواند تصویر کلی از نمره‌ی احتمالی متقاضی را در ذهن ممتحن شکل دهد. ۳- قسمت سوم (Discussion) جاییست که ممتحن تصمیم نهایی خود را درباره‌ی عملکرد متقاضی اتخاذ می‌کند.

1,325,150 تومان
دوشنبه 14 خرداد 1403، ساعت 03:53