دوره آموزشی - جستجوی «بسته بندی انواع ست»

نتایج جستجوی «بسته بندی انواع ست» 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

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 +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 Git

گیت (Git) یک سامانه‌ی کنترل نسخه‌ی توزیع ‌شده است که طراحی شده تا بتواند تغییرات سورس کد را در طول توسعه‌ی نرم‌افزار شناسایی کرده و ردیابی کند. هدف اصلی از ساخته شدن این سامانه این است که همکاری و کار تیمی در میان برنامه‌نویسانی که بر روی پروژه‌های مشترک کار می‌کنند تسهیل شود، اما می‌توان از آن برای ردیابی هر نوع تغییراتی در انواع فایل‌های مختلف استفاده کرد. سایر اهداف این سامانه عبارت‌اند از سرعت بالاتر، انسجام داده‌ها، و پشتیبانی روال‌های کاری توزیع شده و غیر خطی. این دوره آموزش Git به شما کمک خواهد کرد تا با مفهوم Git و ابزارهای مختلف آن آشنا شوید و در مدت زمان کوتاهی بتوانید از آن به طور موثر استفاده کنید. Git در سال ۲۰۰۵ توسط لینوس تروالدز و در پی توسعه‌ی کرنل لینوکس ساخته شد تا سایر توسعه‌دهنده‌های کرنل بتوانند با راحتی و سرعت بیشتری در توسعه‌ی آن مشارکت کنند. از سال ۲۰۰۵ به بعد افرادی کلیدی از جمله جونیو هامانو از نگهداری‌کننده‌های اصلی آن بوده‌اند. درست مانند سایر سامانه‌های کنترل نسخه‌ی توزیع شده، و بر خلاف بسیاری از سامانه‌های کلاینت-سروری، تمام مخزن‌های گیت روی تمام کامپیوترهایی که روی آن‌ها بارگذاری شده‌است، نسخه‌ی کاملی از تاریخچه به همراه توانایی ردیابی نسخه، فارغ از اتصال یا عدم اتصال به شبکه یا سرور مرکزی، وجود دارد. امروزه میلیون‌ها پروژه از Git استفاده می‌کنند. با استفاده از گیت می‌توان تغییراتی که در هر مرحله از پروژه اعمال شده را پیگیری کرد، قسمتی از پروژه را به صورت مستقل توسعه داد و یا حتی در صورت بروز مشکل در هر مرحله به نقطه‌ای پایدار و بدون مشکل بازگشت و از بروز اشتباهات احتمالی در هر مرحله از توسعه نرم افزار جلوگیری کرد. پس از گذراندن دوره آموزش Git شما قادر خواهید بود که روی پروژه‌ای مشترک با همکاران خود روی توسعه محصولات مختلف کار کنید، حتی روی پروژه‌های شخصی که به صورت مستمر نیاز به بازبینی و ویرایش دارند یا روند تغییرات نسخه‌های مختلف را در مراحل متفاوت توسعه نرم‌افزار بررسی، پیگیری و کنترل کنید و غیره.

339,150 تومان

آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته)

در دوره آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته) دانشجویان با کاربردهای برخی از الگوریتم‌های یادگیری ماشین (Machine Learning) در کسب‌وکار و نحوه به‌کارگیری این الگوریتم‌ها روی داده‌های واقعی آشنا می‌شوند. رگرسیون خطی، رگرسیون لجستیک، خوشه‌بندی سلسله مراتبی، خوشه بندی kmeans و الگوریتم Naive Bayes و الگوریتم Apriori روش‌هایی هستند که در این درس آموزش داده می‌شوند. مباحث به‌گونه‌ای انتخاب شدند که بیشترین کاربردها را در دنیای کسب‌وکار داشته باشند و دانشجویان پس از یادگیری بتوانند آن‌ها را برای حل مسائل دنیای واقعی بکار ببرند. الگوریتم‌هایی آموزش داده‌شده در این درس، عمدتاً برای پیش‌بینی و کشف الگوها بکار می‌روند. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بالا قابل پاسخ دادن هستند: • چگونه می‌توان رضایت مشتریان را از خدمات سازمان افزایش داد؟ • کدام‌یک از مشتریان سازمان سودآورتر از بقیه هستند؟ • چگونه تقلب را در حوزه‌های مختلف مانند ادعای خسارت در بیمه، پول‌شویی، هزینه‌های بیمارستانی و فرار مالیاتی شناسایی کنیم؟ • احتمال آن‌که فردی که متقاضی وام است، نتواند وام خود را پس دهد، چقدر است؟ • چگونه کاربران را بر اساس رفتار آن‌ها خوشه‌بندی کنیم و به هریک از آنان خدمات سفارشی‌شده ارائه دهیم؟ • چه بسته‌ای از محصولات را در کنار یکدیگر قرار دهیم تا فروش افزایش یابد؟

381,650 تومان
یک‌شنبه 27 خرداد 1403، ساعت 22:04