دوره آموزشی - جستجوی «دورکاری رشته حقوق»

نتایج جستجوی «دورکاری رشته حقوق» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

آموزش گرامر پیشرفته زبان انگلیسی

کاربرد دوره آموزش گرامر پیشرفته زبان انگلیسی چیست؟ دوره آموزش گرامر پیشرفته زبان انگلیسی به آموزش گرامر در سطوح پیشرفته پرداخته و زبان‌آموزان را در ساخت جملات پیچیده یاری می‌رساند. دوره گرامر پیشرفته زبان انگلیسی برای کسب توانایی برقراری ارتباط بین جملات پیچیده و طولانی از طریق ربط‌‍ دهنده‌های مناسب، ضروری است. اهمیت فراگیری این دوره در صحبت کردن و نوشتن به صورتی واضح‌تر مشهود است؛ مهارت‌هایی که تحت عنوان اسپیکینگ و رایتینگ در آزمون‌های بین‌المللی زبان انگلیسی نظیر آیلتس و تافل مورد سنجش قرار گرفته و داوطلبین به‌منظور کسب نمره بالاتر به آن‌ها نیاز خواهند داشت. هدف از دوره آموزش گرامر پیشرفته زبان انگلیسی چیست؟ آشنایی جامع با مهم‌ترین و پر‌کاربرد‌ترین مباحث گرامری مورد نیاز در سطوح پیشرفته به‌همراه فراگیری شیوه استفاده از آن‌ها در جملات، هدف اصلی این دوره به حساب می‌آید. استفاده از ساختار‌های گرامری پیشرفته، بخش جدایی‌نا‌پذیر زبان علم است بنابراین آشنایی با زبان علم و کاربرد آن، یکی دیگر از اهداف این دوره است. دوره آموزش گرامر پیشرفته زبان انگلیسی مناسب چه کسانی است؟ این دوره مناسب زبان‌آموزانی است که در سطوحی بالاتر از متوسط و یا در سطح پیشرفته قرار دارند که سطوحی معادل +B1+, B2, C1, C1 است. در این دوره به مباحث پیشرفته پرداخته شده و از تکرار مباحث مقدماتی و متوسط به منظور ارج نهادن به وقت عزیزانی که دوره‌های قبلی را گذرانده‌اند، خودداری شده است.

373,150 تومان

آموزش یادگیری ماشین

چکیده آنچه که در دوره آموزش یادگیری ماشین (Machine Learning) خواهید آموخت اگر قصد دارید یک دوره یادگیری ماشین بگذرانید، کافی است کمی در اینترنت جستجو کنید. تعداد دوره‌ها اینقدر زیاد هستند که چندسالی لازم دارید تا از ابتدا تا مقطع قابل قبولی را طی کنید. شاید به ندرت دوره جامعی را پیدا کنید که این سه نکته را در اختیار شما بگذارد: 1. آموزش ریاضیات و تئوری الگوریتم‌ها در کنار پیاده‌سازی و کاربرد هر کدام از آن‌ها 2. توسعه و Deploy اپلیکشین‌های مبتنی بر Machine learning 3. امکان بهره‌گیری از روش‌های سریعتر یادگیری ماشین مانند Pycaret ما در این دوره، هم بر آموزش مفاهیم اصلی و نحوه کارکرد الگوریتم‌های یادگیری ماشین تاکید داریم هم بر نحوه استفاده از این الگوریتم‌ها در سطح کد به گونه‌ای که بتوانید در نهایت محصول خود را توسعه داده و به صورت اولیه، در بستر وب سرویس‌دهی کنید. دوره آموزش یادگیری ماشین (Machine Learning) مناسب چه کسانی است؟ • اگر جهت اجرای ایده خود نیاز به استفاده از الگوریتم های یادگیری ماشین دارید. • اگر بنیان‌گذار استارتاپ هستید و نیاز به استفاده از یادگیری ماشین در بهبود ایده استارتاپی خود دارید. • اگر قصد دارید تا محصول نهایی خود را Deploy نمایید. • اگر دانشجو یا محقق هستید و قصد دارید با تسلط بیشتر، چه از نظر تئوری و کدنویسی از یادگیری ماشین استفاده کنید. • اگر تمایل دارید تا در فرصت‌های شغلی با عنوان Machine learning Engineer یا Data Scientist در داخل یا خارج از ایران، امتیاز بیشتری را با توجه به تسلط در یادگیری ماشین اخد نمایید. بعد از فراگیری دوره آموزش یادگیری ماشین (Machine Learning)، چه مهارت‌هایی کسب خواهید کرد؟ بعد از گذراندن این دوره، قادر خواهید بود تا الگوریتم‌های یادگیری ماشین را بر روی داده‌های واقعی پیاده‌سازی و اجرا نمایید. یکی از نقاط قوت این دوره این است که در نهایت شما را به سمت تولید محصول مبتنی بر یادگیری ماشین راهنمایی می‌کند. • آشنایی کامل با ابزارهای یادگیری ماشین در پایتون • آشنایی کامل با کتابخانه (NumPy) • آشنایی کامل با کتابخانه (Pandas) • آموزش نحوه بصری‌سازی داده‌ها (Matplotlib & Seaborn) • پیاده‌سازی الگوریتم‌های یادگیری ماشین با استفاده از کتابخانه (Scikit-learn) • نحوه استفاده از Kaggle Kernel و Google Colab • نحوه Deploy نمودن مدل نهایی با استفاده از Streamlit • استفاده از روش‌های Automl و آموزش Pycaret ویژگی های متمایز دوره آموزش یادگیری ماشین (Machine Learning)، مکتب‌پلاس چیست؟ روش‌های آموزشی استفاده شده در دوره آموزش یادگیری ماشین (Machine Learning)، ویژگی‌های منحصر به فردی دارد که شما را نسبت به نتیجه‌ی نهایی حاصل از فراگیری دوره مطمئن خواهد کرد. این ویژگی‌ها به شرح ذیل است: • کدهای مربوط به الگوریتم‌های یادگیری ماشین، قدم به قدم با استفاده از کتابخانه‌های مربوطه توضیح داده می‌شود. • راه‌حل‌های استفاده از الگوریتم‌های یادگیری ماشین در مسایل تجاری بررسی شده و یک سیستم عملیاتی کامل جهت اجرا در وبسایت و اپلیکیشن شما ساخته می‌شود. • مراحل Deploy نمودن و توسعه محصول مبتنی بر یادگیری ماشین آموزش داده خواهد شد.

415,650 تومان

آموزش نرم افزار iSpring Suite (تولید محتوای الکترونیکی)

کاربرد دوره آموزش نرم‌افزار iSpring Suite چیست؟ رشد اینترنت و فراگیر شدن موبایل‌ها،‌ تبلت‌ها و سایر دستگاه‌های ارتباطی الکترونیک تقریبا تمام صنایع را دگرگون کرده و زندگی انسان را با تغییرات چشمگیری مواجه کرده‌است. آموزش هم یکی از مواردی است که دستخوش تغییرات قرار گرفته و از کلاس‌های حضوری به دوره‌های مجازی تغییر پیدا کرده‌است. یادگیری الکترونیکی امروزه جای خود را به‌خوبی در سطوح مختلف آموزش رسمی از مقطع ابتدایی تا آموزش عالی باز کرده‌است. بنابراین امروزه نیاز به آموزش ispring suite که یک نرم‌افزار تولید محتوای الکترونیکی است، بسیار احساس می‌شود. یکی از پیش‌نیازهای اصلی و شاید مهم‌ترین پیش‌نیاز یادگیری الکترونیکی، تولید محتوای جذاب و استاندارد است. در حقیقت اگر محتوای مناسبی نداشته باشیم، بقیه اقدامات ما ثمری نخواهد داشت.در حال حاضر ابزارهای زیادی برای تألیف محتوای الکترونیکی وجود دارد که بسته نرم‌افزار iSpring Suite یکی از بهترین، آسان‌ترین و کامل‌ترین آن‌ها است. برخی از مهم‌ترین ویژگی‌های این نرم‌افزار عبارت است از: جامع و چندمنظوره بودن یادگیری آسان و مبتنی بر پاورپوینت واکنش‌گرا بودن در دیوایس‌های مختلف خروجی‌های متنوع پشتیبانی از نسخه‌های مختلف ویندوز و آفیس نیاز به امکانات سخت‌افزاری پایین‌تر

237,150 تومان

آموزش آمار کاربردی برای تحلیل داده کسب و کار

یکی از این مهارت ها آشنایی و بکارگیری روش های آماری هست. آمار از این جهت حوزه جذابی است که می تواند درباره رفتارهای انسان ها در کسب و کار و البته سایر حوزه های دیگر پیش بینی‌هایی بکند که شاید افراد عادی فکر نمی کنند بشود این پیش بینی ها را کرد. در این درس تلاش شده است که شما با قسمت های کاربردی و جذاب آمار آشنا شوید. به جای این که درگیر فرمول های پیچیده ریاضی شوید، یاد می گیرید چطور مثل یک تحلیل گر داده فکر کنید، چطور با داده های واقعی کار کنید و استنتاج های آماری کنید و در نهایت به تصمیم گیری در کسب و کار کمک کنید. در این درس یاد می گیرید که با زبان برنامه نویسی R کار کنید و تحلیل های آماری انجام بدهید. در قالب ارائه، کوئیزها و پروژه مثال های مختلفی از حوزه های منابع انسانی، مالی، بازاریابی و فروش و سایر حوزه های کسب و کار را مشاهده خواهید کرد و گام به گام یاد خواهید گرفت که چطور روش های آماری را برای حل مسائل دنیای واقعی بکار ببرید. آمار کاربردی برای تحلیل داده دومین درس از دوره آنلاین Business Analytics در مکتب خونه است. پیش نیاز این درس٫ دوره تحلیل داده با زبان برنامه نویسی R است که اولین درس از دوره آنلاین Business Analytics در مکتب خونه است.

369,000 تومان

آموزش کشف تقلب و تحلیل آماری صورت‌های مالی

واژه تقلب، یک واژه‌ی همگانی است که همه افراد در کارهای زیادی از آن استفاده می‌کنند و این واژه را بارها به زبان می‌آورند. تقلب در واقع به معنای انجام کاری فریب‌کارانه و نادرست است که برای رسیدن به یک سود و منفعت، افراد آن را صورت می‌دهند. در هر کاری افراد به راحتی از تقلب کردن استفاده می‌کنند تا بتوانند کار خود را به خوبی پیش ببرند. تقلب عبارتی است که به معنای سو استفاده فرد از موقعیت و نفوذ خود برای به کارگیری غلط دارایی‌ها و منابع سازمانی می‌باشد. آیا تا به حال با کشف تقلب در صورت‌های مالی آشنا شده‌اید؟ برای کشف این راه و روش ابتدا باید بدانید که اصلا تقلب در صورت ‌های مالی به چه صورت است. تقلب در صورت مالی یعنی ارائه نادرست، حذف اقلام و افشا نکردن کافی اطلاعات که برای فریب استفاده کنندگان صورت‌های مالی به کار برده می‌شود که اغلب این کار برای سرمایه‌گذاران و اعتباردهنگان انجام می‌شود که اغلب با بیش‌نمایی دارایی‌ها، درآمدها و کم نمایی بدهی‌ها و هزینه‌ها همراه می‌باشد. در این روش افراد از شیوه‌های زیادی برای کشف تقلب در صورت‌های مالی استفاده کرده‌اند ولی لازم است بدانید که این روش‌ها زیان‌هایی را نیز به همراه دارد و همیشه هم استفاده کردن از راه تقلب به سود افراد نخواهد بود. این دوره شامل دو بخش مجزاست که برای دو گروه مخاطب متفاوت در نظر گرفته شده است. بخش اول این دوره برای افرادی طراحی شده که یا به عنوان بازرس یا به عنوان سرمایه گذار، در پی ارزیابی صورت‌های مالی یک شرکت هستند (و طبعا یک فرد خارجی محسوب می شوند). در این بخش به این دسته از افراد ابزارهایی ساده معرفی می شود تا به هدف خود دست یابند. بخش دوم این دوره برای بازرسان درون سازمانی و یا مدیرانی طراحی شده است که علاقه‌مند به بهبود سلامت آمار و ارقام شرکت خود هستند.

254,150 تومان
یک‌شنبه 20 خرداد 1403، ساعت 06:11