دوره آموزشی - جستجوی «بازاریابی کارتخوان دولتی رایگان»

نتایج جستجوی «بازاریابی کارتخوان دولتی رایگان» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

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

خلق و مدیریت برند

آیا تاکنون به تفاوت میزان رغبت از خرید خود از محصولی با برند مورد علاقه خود و برندی دیگر توجه کرده‌اید؟ برند، هویت محصول و یا خدمات شما و کسب‌وکارها را به‌صورت کاملاً تیزبینانه به مشتریانتان بازگو می‌کند. خلق برند مانند ایجاد یک طرح جدید در ذهن افرادی است که شما را می‌شناسند و این بار شما را با محصولاتتان می‌شناسند، برای همین، خلق برند و مدیریت برند بسیار مهم است؛ اما چگونه یک برند خوب خلق کنیم که نشان‌دهنده‌ی ارزش برند محصول ما باشد؟ این سؤال مهمی است، بنابراین برای پاسخ به این سؤال، روش‌های خلق برند و مدیریت برند را باید بشناسیم و پس از شناخت درست این روش‌ها، آنان را به کار بریم. لازم نیست که از کیفیت محصول و یا ویژگی‌های آن برای مشتریان خود بازگو کنید، برند سازی و خلق برند این امکان را فراهم می‌کند تا برند شما پیش از شما هویت محصول شما را در میان رقبای خود در بازار بیان کند. مدیریت برند نیز کمک می‌کند تا جایگاه محصول و برند شما به خطر نیفتد. برند سازی و خلق برند به معنای ایجاد تمایز و اعلان منحصربه‌فرد بودن محصول و یا خدمت شما است که برای مشتریان، کارکنان و مدیران سازمان اهمیت زیادی دارد. اهمیت خلق برند برای مشتریان، متمایز شدن است و برای کارکنان، کار کردن در جایی که برند معتبرتری است و برای مدیران سازمان مهم است خلق برند چون آن‌ها را برای رسیدن به هدفشان از کسب‌وکار کمک می‌کند، پس خلق برند قدرتمند و مدیریت برند سبب می‌شود هزینه‌های سازمانی نیز به‌واسطه جلوگیری از سرمایه‌گذاری‌های نامناسب و بی‌هدف به‌طور کاملاً محسوسی کاهش پیدا کنند. هزینه‌ی خلق برند اشتباه گزاف است پس باید اصولی تهیه شود.

143,650 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

دوره فن بیان

فن بیان و سخنوری چیست؟ مهارتی است که نحوه بیان کلمات و توانایی گفتگوی ما را به سطحی می‌رساند که می‌توانیم بیشترین تأثیر را بر مخاطبانمان داشته باشیم؛ میزان نفوذ کلام ما بر دیگران، جایگاه فردی و اجتماعی ما را در نظر آنان بالا می‌برد به‌طوری که فردی قابل اعتماد و جذاب به نظر رسیده و نیازی نیست تا حرفمان را دو‌بار تکرار کنیم! هدف از یادگیری فن بیان و سخنوری چیست؟ برقراری ارتباطات قوی در زندگی و حتی محیط کار، هدف اصلی یادگیری این مهارت است زیرا برای ایجاد چنین رابطه‌هایی، می‌بایست سخنوری قوی داشت تا افراد بتوانند احساس خوبی از گرفتن ارتباط با ما پیدا کنند. دوره رایگان فن بیان مناسب چه کسانی است؟ تمامی افراد به این مهارت نیاز دارند زیرا در کشور ما چنین مهارت کاربردی و ضروری در مدرسه آموزش داده نمی‌شود. بعد از فراگیری مطالب دوره رایگان فن بیان چه مهارت‌هایی کسب خواهید کرد؟ به دست آوردن فن بیان مناسب علی‌رغم نداشتن صدای خوب به دست آوردن مهارت یک سخنران پی بردن به مشکلات گفتاری خود نظیر (اِاااا) گفتن و یا کاربرد تکه کلام‌های تکراری شرطی سازی ذهن برای تولید گفتار بی‌نقص کاربرد تکنیک‌های تقویت عضلات فک تقویت عضلات زبان پیدا‌شدن جایگاه مناسب برای زبان در دهان موقع صحبت کردن افزایش حجم قفسه سینه توانایی انتقال بخش مهم از یک جمله به مخاطب عادی‌سازی استرس و کنترل آن کاربرد لحن مناسب حفظ سرعت صحبت مناسب ویژگی‌های متمایز دوره رایگان فن بیان چیست؟ ایجاد انگیزه یادگیری حتی برای افراد درون‌گرا همراهی استاد مربوطه در تمامی مسیر ارائه‌ی درس ارائه‌ی تمرینات متنوع و کاربردی دسترسی به هدایای ویژه از سوی استاد در نهایت در این وبینار با به‌کار‌گیری ابزاری ساده در انجام تمرین‌ها، می‌توان مهارت‌هایی را در خود ارتقا بخشید که تا قبل از یادگیری آن، به اهمیت وجود آن‌ها پی نبرده بودیم. ابزاری ساده همچون کش پول و یا خودکار باعث می‌شود تا نسبت به عملکرد خودمان آگاهی بیشتری پیدا کنیم و ذهن خودمان را شرطی سازیم! روند آموزش در دوره رایگان فن بیان به چه صورت است؟ مطالب این وبینار به صورت کاملا کلاسه‌بندی شده ارائه می‌گردد بنابراین در هر لحظه از وبینار می‌توانیم به‌راحتی پی‌ببریم که در کجای مسیر قرار داریم و چه مطالبی از آن باقی مانده‌است. نحوه آموزش به صورت تعاملی بوده به‌طوری که در آن سعی شده تا هرچه بیشتر به سوالات افرادی که در آموزش حضور دارند پرداخته‌شود. با به‌کارگیری اسلایدها در حین آموزش، می‌توان به خوبی به مطلبی که در حال آموزش است پی برد. با استفاده از تمرین‌های متنوع و کاربردی، می‌توان در امر فراگیری مشارکت جست و خود را در جلسه وبینار، حاضر تجسم نمود. مدرس از چهار گام برای آموزش این مهارت استفاده می‌کند که در طی آن در ابتدا به تعریف هر گام می‌پردازد سپس به علت یادگیری آن اشاره می‌کند و در نهایت با بیان تمارین و یا مثال‌هایی برای آن تلاش می‌کند تا به نحو احسن مطالب به فراگیران انتقال یابد. در انتهای هر گام به مرور مطالب پرداخته می‌شود تا مانع از تداخل مطالب بعدی با قبلی و فراموشی مطالب اولیه باشد همچنین خستگی و کسالت از بین رفته و با بیان طنزها و مطالبی هیجان‌زا سعی در حضور فعال افراد در وبینار می‌شود.

92,650 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

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 رایگان بهبود شبکه‌های عصبی عمیق

کاربرد دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ شبکه عصبی عمیق یک شبکه عصبی با سطح مشخصی از پیچیدگی و بیش از دولایه است. این نوع شبکه‌ها از مدل‌سازی سطح بالای ریاضی برای پردازش داده‌ها به روش‌های پیچیده استفاده می‌کنند. به‌طورکلی شبکه عصبی یک فناوری است که برای شبیه‌سازی فعالیت مغز انسان ساخته شده‌است؛ شناخت الگو و عبور ورودی از طریق لایه‌های اتصالات عصبی شبیه‌سازی شده مختلف از مهم‌ترین این فعالیت‌هاست. بسیاری از کارشناسان شبکه‌های عصبی عمیق را شبکه‌هایی تعریف می‌کنند که یک‌لایه ورودی، یک‌لایه خروجی و حداقل یک‌لایه پنهان در بین آن‌ها دارند. هر لایه نوع خاصی از مرتب‌سازی و ترتیب را در فرایندها انجام می‌دهند. یکی از کاربردهای کلیدی شبکه عصبی عمیق سروکار داشتن با داده‌های بدون برچسب یا ساختار نیافته است. عبارت یادگیری عمیق هم برای توصیف این شبکه‌های عصبی عمیق به کار می‌رود؛ چراکه یادگیری عمیق شکل خاصی از یادگیری ماشین را نشان می‌دهد که در آن فناوری‌ها با استفاده از جنبه‌های هوش مصنوعی به دنبال طبقه‌بندی و تنظیم اطلاعات فراتر از پروتکل‌های ساده ورودی و خروجی هستند. هدف از یادگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ آموزش بهبود شبکه عصبی عمیق، دومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. هدف از این دوره این است که بتوانید فرایندهایی که منجر به کارایی می‌شوند و به طور سیستماتیک نتایج خوبی به بار می‌آورند، را درک کنید. در پایان این دوره شما خواهید توانست بهترین روش‌ها را برای آموزش و توسعه مجموعه‌های آزمون و تجزیه و تحلیل بایاس واریانس استفاده کرده و آن‌ها را برای ایجاد برنامه‌های یادگیری عمیق به کار ببرید. دوره آموزش بهبود شبکه‌های عصبی عمیق مناسب چه کسانی است؟ کسانی که با هوش مصنوعی آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند. برنامه‌نویسانی که به کار کردن در حوزه بهبود شبکه عصبی عمیق علاقه‌مندند. دانشجویان علوم مهندسی، پزشکی و پایه بعد از فراگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چه مهارت‌هایی کسب خواهید کرد؟ با گذراندن این دوره مهارت‌های شما در زمینه بهبود شبکه‌های عصبی عمیق ارتقا پیدا خواهد کرد و می‌توانید از تکنیک‌های استاندارد شبکه عصبی عمیق استفاده کنید. این تکنیک‌ها عبارت‌اند از: تنسورفلو (Tensorflow) یادگیری عمیق بهینه‌سازی ریاضی تنظیم هایپر پارامترها مقداردهی اولیه نرمال‌سازی بسته‌ها پیاده‌سازی و به‌کارگیری انواع الگوریتم‌های بهینه‌سازی

118,150 تومان

آموزش مدل‌های توالی و پردازش زبان طبیعی

ویدیوهای زبان اصلی دوره به صورت رایگان هستند اما برای دسترسی به زیرنویس فارسی ویدیوها می توانید محتوای دوره را خریداری کنید. کاربرد دوره آموزش مدل ‌های توالی (sequence model) و پردازش زبان طبیعی مدل‌های توالی در کاربردهایی که به تجزیه‌وتحلیل داده‌های ورودی به‌عنوان یک جریان هم‌بسته مداوم احتیاج دارد، نقشی اساسی ایفا می‌کند. این مقادیر می‌توانند داده‌های سری زمانی باشند که تقاضای یک محصول را در یک بازه زمانی خاص پیش‌بینی می‌کنند. کاربرد دیگر مدل‌های توالی می‌تواند در پیش‌بینی متن باشد. سیستم بر اساس توالی آخرین عبارت و مجموعه‌ای از شرایط و قوانین از قبل بارگذاری شده، قادر است کلمه بعدی را پیش‌بینی کند. یکی از انواع شبکه‌ها که در تشخیص گفتار، پردازش زبان طبیعی (NLP) و پردازش داده‌های متوالی استفاده می‌شود، شبکه عصبی بازگشتی یا RNN نام دارد. با فراگیری آموزش مدل‌های توالی به‌عنوان بخشی از RNN کسب‌وکارها می‌توانند عملیات خود را تقویت کنند و تصمیم‌گیری‌هایشان را بهبود بخشند. در این دوره از آموزش مدل‌های توالی و آموزش پردازش زبان شما با مدل‌های NLP و اپلیکیشن‌های جذابشان مانند تشخیص گفتار، ترکیب موسیقی، چت‌بات‌ها، ترجمه ماشینی، درک زبان طبیعی و تکامل الگوریتم‌های توالی آشنا خواهید شد. هدف از یادگیری دوره آموزش مدل‌ های توالی و پردازش زبان طبیعی چیست؟ آموزش sequence model، دومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. هدف از این دوره، این است که شما بتوانید با شبکه‌های عصبی بازگشتی (RNN) و انواع رایج‌تر آن مانند GRU و LSTM کار کنید. با استفاده از این مدل‌ها می‌توانید پردازش زبان طبیعی و Word Embedding را یاد بگیرید. دوره آموزش مدل‌‌های توالی و پردازش زبان طبیعی مناسب چه کسانی است؟ دانشجویان و فارغ‌التحصیلان مهندسی کامپیوتر و هوش مصنوعی کسانی که به ساخت اپلیکیشن‌های کاربردی با استفاده از یادگیری عمیق علاقه‌مندند. مهندسانی که نمی‌خواهند از دنیای تکنولوژی عقب بمانند. بعد از فراگیری دوره آموزش مدل‌‌های تربیتی (sequence model) و پردازش زبان طبیعی چه مهارت‌هایی کسب خواهید کرد؟ پس از فراگیری آموزش مدل‌های ترتیبی شاهد ارتقاء مهارت‌های زیر در خود خواهید بود: پردازش زبان طبیعی (NLP) حافظه طولانی کوتاه‌مدت (LSTM) واحد بازگشتی گیتی (GRU) شبکه عصبی بازگشتی (RNN) مدل‌های توجه

160,650 تومان

برنامه ریزی و مدیریت پروژه با آموزش Microsoft Project

MicroSoft Project یکی از محبوب ترین و پرکاربردترین نرم افزارهای برنامه ریزی و مدیریت پروژه است که با بیش از بیست میلیون کاربر در سراسر دنیا، به برنامه ای کاربردی برای مدیران و اعضای تیم پروژه تبدیل شده است. سهولت کار با MS Project ، سازگاری با محیط ویندوز و سایر سیستمهای عامل، شباهت محیط و جعبه ابزارها با سایر نرم افزارهای مایکروسافت آفیس، داشتن تمامی ابزارها و ماژول های مورد نیاز کنترل پروژه و از همه مهمتر داشتن محیط user friendly، این نرم افزار را از سایر نرم افزار های مشابه متمایز کرده است. کاربرد اصلی نرم افزار Microsoft Project در برنامه ریزی و مدیریت زمان، تهیه برنامه های زمانبندی، مدیریت هزینه ها و منابع پروژه، پیگیری پیشرفت و تهیه انواع گزارشات کنترلی، تحلیلی و … می باشد. مخاطبین دوره آموزش MicroSoft Project پس از طی مراحل آموزش به مهارت های زیر دست پیدا خواهند کرد. آشنایی با مبانی پروژه، اطلاعات و اصطلاحات کاربردی تسلط به نرم افزار توانایی برنامه ریزی و مدیریت زمان، هزینه و منابع پروژه توانایی تهیه انواع خروجی ها و گزارشات علی دهباشی در این دوره آموزش MSP از مفاهیم مقدماتی آغاز کرده و در نهایت به طور کامل نحوه کاربری نرم افزار Microsoft Project را آموزش می دهد. این دوره شامل فیلم آموزش MSP ، آموزش از طریق جزوه ( PDF ) و تمرین های کاربردی بر اساس نمونه های واقعی کار شده با MSP 2013 می باشد.

125,100 تومان
چهارشنبه 26 اردیبهشت 1403، ساعت 20:56