دوره آموزشی - جستجوی «تحلیلگر بازاریابی رسانه های اجتماعی»

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

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

آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender Systems)

کاربرد دوره آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender System) چیست؟ طی دهه‌های اخیر، با ظهور یوتیوب، آمازون، نتفلیکس و بسیاری از وب سرویس‌های دیگر، سیستم های پیشنهاد دهنده جایگاه ویژه‌ای در زندگی ما پیدا کرده‌اند. کاربرد این‌گونه سیستم‌ها در خدمات متنوعی از جمله تجارت الکترونیکی، تبلیغات آنلاین و حتی سفرهای آنلاین رومزه غیرقابل انکار است. وقتی یک محصولی را به صورت آنلاین خریداری می‌کنید، ممکن است مقالاتی به شما پیشنهاد داده شود؛ یا حتی وقتی در اینترنت در حال گشت‌وگذار هستید، مطالبی مناسب با شما و طبق ترجیحاتتان برایتان نمایش داده می‌شود. این قبیل موارد که هر روزه با آن‌ها مواجه هستید، با کمک Recommender System ها امکان‌پذیر است. با توجه به اهمیت سامانه‌های پیشنهاد دهنده در دنیای امروز، تصمیم گرفتیم دوره‌ای برای آموزش سیستم توصیه‌گر (Recommender Systems) طراحی کنیم. در این دوره بعد از معرفی این سیستم‌ها به روش ساخت آن‌ها با استفاده از تکنیک‌های مدرن هوش مصنوعی و یادگیری ماشین هم می‌پردازیم. طی این دوره با مقدمات و مفاهیم بازیابی اطلاعات (Information Retrieval) و سامانه‌های توصیه‌گر، لزوم طراحی و استفاده از آن‌ها در وب‌سایت‌ها و اپلیکیشن‌ها و تاثیر این سامانه‌ها بر افزایش نرخ تبدیل (Conversion Rate) در کسب‌وکارهای آنلاین آشنا خواهید شد. پس از آشنایی با این موارد، مدرن‌ترین روش‌ها و متدهای روز دنیا برای پیاده‌سازی سیستم‌های پیشنهاددهنده در پایتون را بررسی خواهیم کرد. دوره آموزش سیستم پیشنهاد دهنده تنها به این مباحث ختم نمی‌شود. مهم‌ترین بخش این دوره، تدریس گام به گام چگونگی پیاده‌سازی سیستم‌های پیشنهاد دهنده در پایتون است. طبق این برنامه آموزشی، شما یاد می‌گیرید که براساس علایق و سوابق جمع‌آوری شده از کاربران، با استفاده از هوش مصنوعی و شبکه‌های عصبی مصنوعی (Artificial Neural Networks) به کاربران خود فیلم پیشنهاد دهید. در این راستا از زبان برنامه‌نویسی Python و فریم‌ورک TensorFlow و Keras استفاده خواهیم کرد. در این دوره آموزشی خواهید توانست از مفاهیم پایه و معرفی سیستم تا استقرار روی سرورهای عملیاتی را قدم به قدم فرا بگیرید. بنابراین اگر قصد آموزش عملی و صفر تا صد پیاده سازی سیستم‌های پیشنهاد دهنده را دارید، دوره آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender Systems) مکتب‌خونه را به شما پیشنهاد می‌دهیم.

296,650 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
یک‌شنبه 27 خرداد 1403، ساعت 02:35