دوره آموزشی - جستجوی «اصلاح بهینه‌سازی موتور»

نتایج جستجوی «اصلاح بهینه‌سازی موتور» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

آموزش کارآفرینی

از دیر باز تا کنون، منافع اقتصادی و کسب درآمد، مورد توجه بشر بوده، اما امروزه به دلیل شتاب گرفتن روند تغییر و تحولات محیطی، افزایش میزان رقابت و محدود شدن هر چه بیشتر منابع در دسترس، شکل سنتی کسب‌و‌کارها پاسخگوی نیاز جوامع برای ایجاد مزیت‌های رقابتی قدرتمند اقتصادی نیست. توجه به کارآفرینی و این‌که کارآفرینان چگونه با فعالیت‌هایشان بر اقتصاد یک کشور اثر می‌گذارند، از جمله موضوعات مهمی است که در جهت دستیابی به رشد و توسعه پایدار، ذهن افراد و جوامع را به خود مشغول کرده است. صحبت از کارآفرینی و استارتآپ و راه‌اندازی کسب‌وکار به ویژه در نسل جوان زیاد به گوش می‌رسد. شرکت‌های بزرگ و سرمایه‌گذارای سنتی نیز تلاش می‌کنند از این غافله عقب نمانند. واقعیت این است که موتور رشد اقتصاد ارزش‌محور و مولد، کارآفرینی، خلاقیت و نوآوری است. با نگاهی به اطرافمان بسیاری از استارت‌آپ‌ها را می‌بینیم که کسب‌وکارهای سنتی را متحول کرده‌اند.از این روی افرادی زیادی را می‌بینیم که علاقه‌مند به راه‌اندازی کسب‌وکار خود و کارآفرینی هستند.اما باید توجه داشته باشیم کم نیستند افرادی که به هر دلیل این قصد را دارند اما دانش و تجربه‌ی کافی در این باره را ندارند؛ این افراد اغلب عاشق ایده‌شان می‌شوند و بدون توجه کافی به بازار تصور می‌کنند که محصولاتی که می‌خواهند تولید کنند، بی‌نقص است... دیری نمی‌گذرد که واقعیت و بازار، سیلی محکمی به آن‌ها می‌زند. در دنیا و ایران آمارهای متعددی وجود دارد که بیان می‌کند تعداد زیادی از استارت‌آپ‌ها کمتر از ۶ ماه دوام می‌آورند و کمتر از ۲۰درصد آن‌ها سال پنجم خود را می‌ببینند. ویژگی‌های دوره این دوره ویژگی‌های منحصر به فردی دارد که آن‌را از سایر دوره‌های آموزش کارآفرینی متمایز می‌سازد. ⦁ معرفی و آموزش نقشه‌ی راه کارآفرینی و راه‌اندازی کسب‌وکار جدید با نگاهی کل‌نگر (Holistic) و جامع (Comprehensive) ⦁ طرح پرسش‌های کلیدی و معرفی مهارت‌ها و تکنیک‌هایی که یک کارآفرین برای موفقیت در مسیر باید یاد بگیرد. ⦁ تمرکز بر واقع‌گرایی در مسیر کارآفرینی و پرهیز از امیدواری بی‌اساس یا خوش‌بینی زیاد ⦁ تمرکز بر معرفی گام‌های عملیاتی و کاربردی به جای تأکید بر مباحث تئوریک ⦁ ایجاد یک چهارچوب منسجم در ذهن مخاطب و اصلاح مدل ذهنی مخاطب بر اساس رویکرد علمی و کاربردی با تمرکز بر زیرساخت‌های ذهنی مورد نیاز برای کارآفرینی ⦁ آموزش به صورت تعاملی و ارائه‌ی بازخورد به مخاطبان دوره و حصول اطمینان از یادگیری

534,650 تومان

آموزش هک قانونمند (CEH)

دوره‌ی آموزش هکر اخلاق‌مدار به اختصار CEH (The Certified Ethical Hacker) جامع‌ترین دوره‌ی هک اخلاقی است که به متخصصان امنیت برای فهم بهتر هک اخلاقی کمک می‌کند. دوره‌ی آموزش هک اخلاقی به شما کمک می‌کند تا به طور سیستماتیک به بازرسی زیرساخت شبکه‌ی سازمان‌ها (با رضایت مسئولین آن سازمان) برای یافتن آسیب‌های امنیتی در زیرساخت شبکه و سیستم بپردازید تا از حمله هکرهای مخرب یا به اصطلاح کلاه سیاه در امان بمانند. اهداف دوره‌ی آموزش CEH عبارتند از: • آموزش‌ حداقل معیارهای اخلاقی به متخصصان امنیت اطلاعات برای هک اخلاقی • آموزش مهارت‌های حرفه‌ای برای هک اخلاقی هکر اخلاق‌مدار (CEH) به چه کسانی گفته می‌شود؟ هکر اخلاق‌مدار یا هکر کلاه سفید، فردی است که در زمینه‌های مختلف مانند علوم کامپیوتر، شبکه‌های کامپیوتری، سیستم‌عامل‌های کامپیوتری و تکنیک‌های مهندسی اجتماعی دانش زیادی دارد و از این دانش‌ها برای شناسایی نقاط ضعف و آسیب پذیر زیرساخت‌های شبکه و سیستم استفاده می‌کند و به سازمان‌ها در برابر حملات مخرب کمک می‌کند. قابل ذکر است هکر کلاه سفید از توانایی‌هایش برای مقاصد شخصی و آسیب رساندن به افراد و سازمان‌ها استفاده نمی‌کند. برای مقابله با هکر‌های مخرب یا کلاه سیاه، باید مانند یک هکر فکر کنید و مهارت‌های آن‌ها را بلد باشید ولی اخلاق‌مدار باشید. از همین رو در دوره‌ی آموزش هکر اخلاق‌مدار، آشنایی لازم با ابزارها و مهارت‌های لازم برای هک را به دست خواهید آورد، تا بتوانید مانند یک هکر فکر و عمل کنید. این ابزار‌ها و مهارت‌ها عبارتند از: محیطی برای تمرین آزموده‌ها جمع‌آوری اطلاعات آشنایی با شبکه‌های کامپیوتری و مفاهیم آن آشنایی با انواع سیستم‌عامل‌های کامپیوتری انواع روش‌ها برای حمله‌ی هک وظیفه‌ی هکر اخلاق‌مدار چیست؟ هکر‌های اخلاقی (CEH) توسط سازمان‌های مختلف استخدام می‌شوند تا راه‌های نفوذ زیرساخت‌های شبکه و سیستم را شناسایی و گزارش کنند و سازمان را در رفع این اشکال‌ها یاری ‌کنند تا در برابر حمله‌ی کلاه سیاه‌ها آسیب پذیر نباشد. کاربردهای هک اخلاقی برای سازمان‌ها: تست آسیب پذیری: هکرهای اخلاقی با مهارت‌ها و ابزارهای خود سعی می کنند تا اقدامات امنیتی فناوری اطلاعات سازمان‌ها را در برابر حمله‌های هکرهای کلاه سیاه آزمایش کنند تا مشخص شود کدام یک از اقدامات کارساز نبوده و باید اصلاح شوند. آشنا کردن سازمان‌ها با روش‌های مختلفی که توسط هکر انجام می‌شود: اگر سازمان‌ها با انواع روش‌ها و حمله‌های هکرها آشنا باشند، راحت‌تر می‌توانند از حملات مختلف جلوگیری کنند. آماده کردن سازمان‌ها در برابر حملات کلاه سیاه‌ها: حملات هکرها می‌تواند زیرساخت‌های شبکه و سیستم‌های فناوری اطلاعت را از کار بیاندازد. از این رو هکرهای کلاه سفید با سازمان‌ها همکاری می‌کنند تا در برابر این حملات آمادگی داشته باشند.

696,150 تومان

آموزش درک مقدماتی شبکه

کاربرد دوره آموزش رایگان درک شبکه چیست؟ شبکه‌ها مجموعه‌ای از کامپیوتر‌ها، سخت‌افزارها و نرم‌افزارها هستند که می‌توانند به شکل معناداری اطلاعات و داده‌ها را با یکدیگر به اشتراک بگذارند. شبکه‌های کامپیوتری تنها مختص مهندسان کامپیوتر نیست. این رشته می‌تواند شاخه‌ای از مهندسی برق، مهندسی الکترونیک، ارتباطات راه دور، علوم رایانه و حتی فناوری اطلاعات باشد. حوزه استفاده از شبکه‌های کامپیوتری بسیار گسترده است. تمام مکان‌های تجاری و غیرتجاری نیاز به شبکه دارند. تقریبا می‌توان گفت هیچ مکانی وجود ندارد که شبکه‌ها به آن راه نیافته باشد. موسسات، سازمان‌ها، شرکت‌ها، کارگاه‌ها، مراکز درمانی و آموزشی و همچنین فروشگاه‌ها از این فناوری بهره می‌برند. در این دوره به یادگیری عمیق شبکه نمی‌پردازیم. تنها در طی 14 جلسه سعی می‌کنیم مسیر درک شبکه را برای شما هموار کنیم تا بتوانید گام‌های بعدی را خودتان بردارید. در واقع دوره درک شبکه جادی به توضیح دقیق دستورها، اسامی و سایر اطلاعات نمی‌پردازد. بلکه این دوره قصد دارد مفاهیم کاربردی شبکه‌های کامپیوتری را طوری به شما ارائه دهد که بتوانید به صورت عملی کار با این فناوری مهم را یاد بگیرید. شبکه یک مفهوم بسیار گسترده است. برای اینکه بتوانید آن را به خوبی یاد بگیرید، بهتر است از یک مدل لایه‌بندی شده استفاده کنید. مدل osi پردازش کامل شبکه را به چند وظیفه کوچک‌تر تقسیم می‌کند. سپس برای هر لایه وظایف خاص خودش را تعریف می‌کند. بدین ترتیب با یادگیری گام به گام لایه‌های شبکه می‌توانید به درک شبکه برسید. در مدل osi هر لایه یک وظیفه منحصربه‌فرد دارد و تنها به لایه قبل و بعد خودش سرویس می‌دهد. در این دوره تا حد امکان به لایه‌های مهمی می‌پردازیم که مورد کاربرد هر برنامه‌نویسی می‌تواند باشد. لایه اول لایه فیزیکال است. این لایه همانطور که از اسمش پیداست با مشخصات فیزیکی محیط انتقال سروکار دارد. روتر، کابل، کامپیوتر و هر وسیله فیزیکی دیگری می‌تواند در این لایه قرار بگیرد. لایه دوم دیتا لینک نام دارد. این لایه به انتقال اطلاعات و داده‌ها می‌پردازد. این لایه همچنین وظیفه تشخیص و اصلاح خطا را هم به عهده دارد. سوئیچ‌ها، پل‌ها، ایستگاه‌های اتصال بی‌سیم و همچنین اصطلاحاتی مانند ppp و Ethernet در این لایه قرار می‌گیرند. لایه سوم از مدل osi لایه نتورک یا شبکه است. پروتکل معروف IP در این لایه قرار دارد که وظیفه مسیریابی را برعهده دارد. لایه چهارم که لایه انتقال یا transport نام دارد که این اتصال منطقی بین دو پایانه در شبکه ایجاد می‌کند. در مورد این لایه‌ها و کارهایی که می‌توان در هرکدام انجام داد، به طور مفصل‌تر در دوره آموزش رایگان درک شبکه مقدماتی می‌پردازیم. لایه‌های بعدی شامل session (نشست)، presentation (نمایش)و application (کابردی) می‌شود. این لایه‌ها مختص برنامه‌نویسان شبکه بوده و از حوزه این دوره خارج است. سوئیچینگ در شبکه‌های کامپیوتری از دیگر مباحث مهم در این حوزه است که انتظار می‌رود هر مهندس کامپیوتر و برنامه‌نویسی با آن آشنایی داشته باشد. سوئیچینگ باارزش‌ترین دارایی یک شبکه کامپیوتری است. سوئیچینگ همان فرایند انتقال پکت‌ها از یک پورت به پورت دیگر به عنوان مقصد نهایی است. به وضعیتی که داده‌ها به یک پورت وارد می‌شوند، ingress و هنگامی که آن‌ها از پورت خارج می‌شوند، egress می‌گویند. یک سیستم ارتباطی ممکن است شامل چندین سوئیچ و گره باشد. در سطح گسترده‌تر سوئیچینگ را به دو دسته عمده تقسیم می‌کنند؛ سوئیچینگ بدون اتصال و سوئیچینگ اتصال محور. دوره درک شبکه جادی به شما کمک می‌کند تا بتوانید راه‌اندازی لب و سوئیچینگ را فرابگیرید. هدف از یادگیری دوره آموزش رایگان درک شبکه چیست؟ آشنایی مقدماتی با شبکه بعد از فراگیری دوره آموزش رایگان درک شبکه چه مهارت‌هایی کسب خواهید کرد؟ راه‌اندازی لب و سوییچینگ نحوه گرفتن اتوماتیک IP و DHCP روتینگ و مسیریابی آشنایی و نحوه کار با DNSها آشنایی با ابزارهای ترابل شوتینگ و حل مشکلات مربوط به اینترنت و شبکه آشنایی با nat آشنایی با پروتکل‌های TCP و UDP و کار با آن‌ها

67,150 تومان

آموزش FPGA پیشرفته

کاربرد FPGAها چیست؟ FPGA ها برای ایجاد یک سیستم با انعطاف پذیری و کارآیی بالا مورد نیاز می‌باشند. FPGA ها با ارائه یک معماری برنامه پذیر، قیمت پایین و زمان راه اندازی اندک و مهم تر از همه، ایجاد امکان پردازش موازی مشکلات متعدد مهندسین و طراحان مدارات دیجیتال را رفع نموده اند. از دیگر مزایای استفاده از FPGA ها در طراحی‌ها، می‌توان به سرعت بالای پردازش و فرکانس کاری بسیار بالای آن ها اشاره کرد. FPGA ها در حوزه‌های گسترده ای از جمله پردازش سیگنال، پردازش تصویر، سیستم‌های انتقال داده­‌های دیجیتال، سیستم‌های مخابراتی، سیستم‌های جنگ الکترونیک، سیستم‌های بی­سیم، سیستم‌های راداری و سیستم‌های مختلف کنترلی به کار برده می‌شوند. هدف از دوره آموزشی FPGA پیشرفته چیست؟ هدف از دوره آموزشی FPGA پیشرفته آشنایی با معماری داخلی FPGAها، نحوه برنامه‌­ریزی و استفاده از آن‌ها، بهینه­‌سازی برنامه­‌ها، شبیه‌سازی برنامه‌­ها، معرفی ابزارهای مورد استفاده جهت کار با تراشه­‌های FPGA و استفاده از تراشه‌­ها در پروژه­‌های جدی با نرخ بالا و حجم پردازش سنگین است. دوره آموزش FPGA پیشرفته مناسب چه کسانی است؟ این دوره ها برای کسانی که علاقمند به کار در حوزه­‌های مختلف مرتبط در ایران و یا خارج از کشور هستند، مناسب است. همچنین دانشجویانی که در زمینه­‌های تحقیقاتی مشغول هستند می­ توانند از مفاهیم گفته شده استفاده نمایند. بطور کل یکی از قدرتمندترین تراشه‌هایی که امروزه در کاربردهای مختلف الکترونیکی، مخابراتی و کنترل مورد استفاده شرکت های بزرگ دنیا و ایران است، تراشه­‌های FPGA است که با فراهم آوردن بسترهایی برای پردازش سیگنال، قابلیت‌های مورد استفاده در پردازنده‌­ها و... در بسیاری از کاربردها مورد استفاده قرار گرفته‌اند.

483,650 تومان

آموزش اسکرام کاربردی با استفاده از ابزار جیرا

دوره «آموزش اسکرام کاربردی با استفاده از ابزار جیرا» چیست؟ اسکرام به عنوان یکی از بهترین چهارچوب­‌های موجود برای مدیریت تیم‌­های تولید و توسعه نرم‌­افزار شناخته می­‌شود. عمده­‌ترین دلایل استفاده از اسکرام مربوط به قابلیت­‌هایی است که در اختیار استفاده کنندگان می­‌گذارد؛ دلایلی همچون ایجاد انعطاف‌پذیری در عملکرد تیم تولید نرم‌­افزار، ایجاد سرعت عملکرد مناسب، ایجاد نظم در عملکرد اعضا و مدیریت چهارچوب تیم. به طور مشخص اسکرام در پروژه‌­هایی مورد استفاده است که نرم‌­افزار تولید شده نیاز به ایجاد آپدیت­‌های متعدد و همگام‌سازی مداوم با زمان دارد. چیزی شبیه به اپلیکیشن­‌های موبایل که با توجه به تغییرات شرایط محیطی نیاز به آپدیت­‌های منظم و مفید خواهند داشت. در چنین شرایطی استفاده از اسکرام ضروری و بسیار کاربردی خواهد بود. از سوی دیگر و به طور کلی جیرا ابزاری است که در پروژه‌­های تولید نرم‌­افزار به شناسایی باگ‌­ها و نواقص موجود می­‌پردازد. در دوره آموزش اسکرام کاربردی با استفاده از ابزار جیرا به آموزش مفاهیم اسکرام به صورت عملیاتی با ابزار جیرا پرداخته می­‌شود. در این دوره مفاهیم اصلی مربوط به فضای اجایل(چابک) و اسکرام به صورت حقیقی و به کمک مثال‌­های متعدد بیان می‌شوند و تاکید دوره بر شبیه­‌سازی تیم اسکرامی با استفاده از ابزار جیرا بوده است. هدف از برگزاری دوره «آموزش اسکرام کاربردی با استفاده از ابزار جیرا» چیست؟ هدف از برگزاری این دوره آشنایی با فضای کار تیمی اجایل(چابک) و شناخت ابزار جیرا است. به صورتی که اگر فرد بدون هیچ تجربه­‌ای از این فضا وارد تیمی با چنین مدل کاری شود به راحتی می­‌تواند فضا را درک کرده و عملکردی مفید و کاربردی در فرایند کاری تیم نرم‌­افزاری ارائه کند. دوره «آموزش اسکرام کاربردی با استفاده از ابزار جیرا» برای چه کسانی مناسب است؟ در این دوره سعی شده است تا مباحث به صورت کامل و جامع به مخاطب ارائه شود تا به این صورت شرکت­‌کنندگان دوره بتواند بیشترین بهره را از آموزش ارائه شده داشته باشند. به طور مشخص این دوره برای گروه­‌های زیر کاربردی و مفید خواهد بود: اسکرام مستر­ها دولوپرها تیم­‌های استارتاپی کوچک افراد علاقه­‌مند به مباحث فرایند تولید و توسعه نرم‌­افزار افرادی که می­‌خواهند فریم­ورک اسکرام را با استفاده از ابزار جیرا پیاده کنند جیرا ادمین­‌ها

415,650 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 نرم افزار اسپن پلاس

به عنوان یک مهندس شیمی یا مهندس فرایند، پس از آشنایی با تجهیزات پیشرفته فرایندی، نیاز به یک ابزار کامپیوتری که انجام محاسبات مربوط به این تجهیزات را برعهده بگیرد، احساس می‌شود. به عنوان مثال پس از مدل‌سازی یک برج تقطیر ساده با تعداد سینی‌های کم و 4 یا 5 جزء در خوراک ورودی ممکن است گاهی با صدها معادله از جمله موازنه‌های انتقال جرم و انرژی و سیالات مواجه شویم. پیاده‌سازی و حل این معادلات می‌تواند بسیار زمان‌بر و خسته‌کننده باشد. لذا باید برای حل این مشکل باید به دنبال راه حل بود؛ چرا که یک مهندس شیمی بدون توانایی مدل‌سازی و شبیه‌سازی فرایند عملا دچار مشکل خواهد شد و از گردونه رقابت‌ها در بازار کار و تحقیقات علمی عقب خواهد ماند. حتی در کارهای آزمایشگاهی هم گاهی به جایی می‌رسیم که به صرفه و منطقی است که ابتدا فرایند را هر چند کوچک، شبیه‌سازی کنیم و بعدا سراغ پیاده‌سازی و ساخت آن برویم. برای رفع این مشکل، تعداد کثیری بسته نرم‌افزاری از گذشته تا کنون در حال گسترش است و هر ساله نرم‌افزار‌های جدیدتر و کامل‌تری وارد بازار شده و مورد استفاده مهندسین شیمی قرار می‌گیرد. در میان تمامی این بسته‌های نرم‌افزاری یکی از پرکاربردترین، دقیق‌ترین و کامل‌ترین بسته‌ها، نرم افزار aspen plus یکی از نرم‌افزارهای ارائه شده توسط کمپانی ASPEN One است.

271,150 تومان

آموزش الگوریتم‌های بهینه ‌سازی در R

در این درس دانشجویان با مفاهیم بهینه‌سازی و نحوه اجرای آن در R آشنا می‌شوند. تمرکز این درس کاربرد روش‌های بهینه‌سازی در حوزه کسب‌وکار و مدیریت است. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بهینه‌سازی قابل پاسخ‌دادن هستند: · یک شرکت تحت محدودیت‌های مختلف تولید و بازار، چگونه ترکیب بهینه محصولات خود را تعیین ‌کند تا سود خود را افزایش دهد؟ · یک شرکت چگونه ساختار لجستیک خود را طراحی کند تا هزینه حمل‌ونقل خود را کمینه کند؟ · باتوجه ‌به الگوی تقاضا، چگونه نیروی انسانی را در شیفت‌های مختلف کاری تخصیص دهیم تا هزینه منابع انسانی کمینه شود؟ · سبدی از دارایی‌ها را چگونه تخصیص دهیم تا با کم‌ترین ریسک، بازدهی سبد دارایی‌ها بیشینه شود؟ مخاطب اصلی این درس کسانی هستند که می‌خواهند از روش‌های داده‌محور برای تصمیمات کسب‌وکار استفاده کنند. هدف از درس این نیست که دانشجویان بیش از اندازه درگیر روش‌های ریاضی و آماری شوند، بلکه هدف آموزش مفاهیم به زبان ساده به همراه نشان‌دادن کاربردها و روش‌های پیاده‌سازی الگوریتم‌های بهینه‌سازی در عمل است. این یک درس پیشرفته است و بنابراین انتظار می‌رود مخاطبان این درس با مفاهیم کار با داده آشنا باشند و بتوانند با زبان برنامه‌نویسی R به راحتی کار کنند. دانشجویان در پایان این دوره باید روی یک پروژه کاربردی کار کنند و آن را تحویل دهند. کارکردن روی این پروژه و بازخوردهایی که از استاد دوره می‌گیرند، به آنان کمک خواهد کرد تا مفاهیم آموخته شده در درس را بهتر بفهمند و برای حل مسائل کسب‌وکار با روش‌های داده‌محور آماده‌تر شوند. این پنجمین درس از مجموع دوره Business Analytics در مکتب‌خونه است که هدف آن کاربرد روش‌های داده‌محور در کسب‌وکار است.

381,650 تومان

دوره یادگیری عمیق با تنسورفلو و کراس

دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه‌­های تنسورفلو و کراس می‌­پردازد. به طور مشخص­‌تر موضوعاتی که در این دوره دنبال می‌­شود شامل موارد زیر است: پیاده‌­سازی شبکه‌­های عصبی (یادگیری عمیق) در پایتون پیاده‌­سازی شبکه­‌های Multi-layer perceptron (MLP) و Convolutional بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization بررسی دقیق و عمیق تنسورفلو و کراس آشنایی با یادگیری عمیق، تنسورفلو و کراس در یک تعریف کلی، یادگیری عمیق یکی از شاخه­‌های یادگیری ماشین و هوش مصنوعی است که در آن سعی می­‌شود از روش کارکرد مغز برای یادگیری موضوعات استفاده شود. در یادگیری عمیق به کامپیوترها آموزش داده می‌­شود که برای حل مسائل از روش­‌هایی استفاده کنند که مغز انسان برای حل مسائل از آن روش‌­ها استفاده می‌­کند. به طور کلی یادگیری عمیق سعی می‌­کند به شبیه‌سازی مغز انسان بپردازد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است که کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌­ترین کاربردهای تنسورفلو در پیاده‌­سازی شبکه­‌های عصبی است. به همین دلیل است که این کتابخانه، پراستفاده‌­ترین کتابخانه در یادگیری عمیق است. کراس یک کتابخانه در تنسورفلو است که با هدف توسعه شبکه‌­های عصبی ایجاد شده است. هدف از برگزاری دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ امروزه اهمیت یادگیری عمیق در بسیاری از تکنولوژی‌­ها بر کسی پوشیده نیست؛ تا جایی که در دنیای امروز یادگیری عمیق به مغز محاسباتی در بسیاری از زمینه­‌های علم و تکنولوژی تبدیل شده است. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژی‌­های مختلف، تقریبا هیچ موردی را نمی‌­توان پیدا کرد که در آن ردپایی از یادگیری عمیق دیده نشود. به این ترتیب، اصلی­‌ترین هدف این دوره آموزش کاربردی یادگیری عمیق و شناخت ابعاد گوناگون آن است. در این دوره شما با این ابزار بسیار مهم به ­صورت عملیاتی آشنا می‌­شوید و جزئیات لازم برای پیاده‌­سازی بهینه این الگوریتم‌ها را در عمل می­‌آموزید. در ادامه راه می‌­توانید از این ابزار در هر زمینه‌­ای که با داده روبه‌­رو می‌شوید و به دنبال پیدا کردن الگوهای آن هستید، استفاده کنید. دوره آموزش یادگیری عمیق با تنسورفلو و کراس برای چه کسانی مناسب است؟ محتوای این دوره به نحوی انتخاب شده که مناسب افرادی باشد که دوره یادگیری ماشین را گذرانده‌اند و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارند و به دنبال ادامه مسیر یادگیری/شغلی در این زمینه هستند. با توجه به اینکه این دوره ترکیب آموزش مفاهیم تئوری و عملی در کنار یکدیگر است، دانشجویان این دوره می‌توانند مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی، پیش‌بینی‌های دنباله‌های عددی و ترافیک و غیره را حل کنند. بنابراین این دوره مناسب کسانی خواهند بود که علاقه‌مند به مباحث پیشرفته هوش مصنوعی و چالش‌های لبه‌ی تکنولوژی هستند. در انتهای دوره آموزش یادگیری عمیق با تنسورفلو و کراس مخاطب چه دستاوردی خواهد داشت؟ با توجه به محتوایی که در این دوره به شرکت‌­کنندگان آموزش داده می‌­شود، در انتهای دوره مخاطبان محترم با موارد زیر آشنایی خواهند داشت: پیاده­‌سازی شبکه‌­های MLP پیاده‌­سازی شبکه­‌های Sequential، Functional و Subclass بهینه­‌سازی پارامترهای شبکه­‌های عصبی شناخت ترکیب مناسب activation function و initialization شناخت بهینه‌­ساز­ها و برنامه‌­های زمانی متناسب شناخت راهکارهای مقابله با Overfitting شناخت ابزار لازم برای ارزیابی عدم قطعیت پیش‌بینی شبکه­‌های عصبی پیاده‌سازی Transfer learning و استفاده از شبکه­‌های قدرتمند آماده پیاده‌­سازی شبکه­‌های Convolutional

832,150 تومان
چهارشنبه 9 خرداد 1403، ساعت 10:11