دوره آموزشی - جستجوی «دیجی رفاهی»

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 تسک ۱‌ رایتینگ جنرال آیلتس (IELTS Writing Task 1 - General)

آیلتس (IELTS) که مخفف عبارت International English Language Testing System است، به معنی سامانه جهانی ارزیابی زبان انگلیسی، یکی از ارزشمندترین آزمون‌های ارزیابی سطح دانش زبان انگلیسی است. این آزمون در سراسر جهان برگزار می‌شود. آیلتس در اصل آزمونی بریتانیایی است و از این حیث معادل آزمون تافل، که آزمونی آمریکایی است، قرار دارد. داوطلبان آزمون آیلتس علاوه بر تفاوت‌های ساختاری آزمون آیلتس و تافل، باید هنگام انتخاب کشور مقصد مهاجرت خود، آزمون مناسب را از بین این دو انتخاب کنند. یکی از مهم‌ترین بخش‌های آزمون آیلتس، قسمت رایتینگ است که خود دو بخش Task 1 و Task 2 را در بر می‌گیرد. تسک ۱‌ رایتینگ جنرال آیلتس (IELTS Writing Task 1-General) تسک نامه‌نویسی است که بر اساس ۴ مولفه مورد ارزیابی و نمره‌دهی قرار می‌گیرد: 1- Task Achievement (TA) 2- Coherence and Cohesion (C.C) 3-Lexical Resource (LR) 4- Grammar (GRA) در این تسک از شما انتظار می‌رود: ۱- در مدت زمان ۲۰ دقیقه، یک نامه براساس موضوع داده شده بنویسید. این موضوعات همگی جنبه ی عمومی دارند و دانش تخصصی ملاک قرار نمی‌گیرد. مواردی نظیر: ‌سفر، اقامت، امور روزانه، خرید، مسائل رفاهی، تفریحی، بهداشتی، تحصیلی و ... در زمره‌ی رایج ترین موضوعات هستند. ۲- نامه نوشته شده حداقل دارای ۱۵۰ کلمه باشد. ۳- رسمی یا غیررسمی بودن لحن نامه (Tone) متناسب با موضوع داده شده رعایت شود. ۴- هدف (Purpose) نامه شفاف باشد. ۵- تمام موارد خواسته شده در سوال (اصطلاحأ تمام bullet-pointهای سوال) به یک میزان پوشش داده شود. ۶- نامه نوشته شده دارای سازماندهی بوده و ایده‌ها از نظم منطقی لازم برخوردار باشند. ۷- لغات متناسب با موضوع داده شده به کار گرفته شود. ۸- ساختارهای گرامری Complex به صورت صحیح و روان استفاده شوند. اگر بخواهیم جزئی‌تر نگاه کنیم، هدف از این تسک در آزمون آیلتس این است که آیا شما قادر به برقراری ارتباط مناسب و موثر از طریق نوشتن یک نامه یا ایمیل هستید یا خیر. برای این منظور، شما باید در مورد سه فاکتور تصمیم گیری درست داشته باشید: ۱- مخاطب نامه ۲- سبک یا لحن نامه ۳- محتوای نامه مخاطب نامه در سوال تعیین می‌شود که بر این اساس می‌تواند یک دوست، یک غریبه یا یک مخاطب رسمی نظیر مدیر یک شرکت یا سازمان، استاد دانشگاه و... باشد. سبک یا لحن نامه بر اساس مخاطب تعیین می‌شود و می‌تواند رسمی، نیمه رسمی، یا غیررسمی باشد. محتوای نامه که می‌تواند حاوی ایده‌هایی نظیر شکایت، کسب یا ارائه اطلاعات، درخواست، عذرخواهی، تشکر، یا دعوت باشد. بر اساس دستورالعمل سوال، می‌بایست تصمیم بگیرید که متن نامه به مخاطب را با چه لحن و محتوایی بنویسید. در این دوره با تمرکز ویژه روی انتظارات ممتحن تلاش بر این است تا با ارائه نکات ذیل، متقاضیان محترم (مشروط بر تمرین مستمر روی محتوا) به سمت نمره‌ی بالای ۷ سوق داده شوند : - تشریح بایدها و نبایدها ی نامه نویسی - معرفی انواع نامه و تفاوت‌های آنها - تشریح نمونه های موفق برای هر نوع سوال - آشنایی با ساختارهای گرامری مرتبط و واژگان Less Common

1,087,150 تومان

آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده

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 سامانه های توصیه گر، 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 پیشنهاد دهنده 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 (Deep learning) 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. دوره آموزش سیستم پیشنهاد دهنده مناسب چه کسانی است؟ مدیران کسب‌وکاری که قصد توسعه کسب‌وکار خود را دارند. مهندسان و برنامه‌نویس‌هایی که به طراحی، پیاده‌سازی و استقرار این سیستم‌ها علاقه دارند. دانشجویان و محققانی که قصد تحقیق و پژوهش در این حوزه مدرن را دارند. بعد از فراگیری دوره آموزش سیستم پیشنهاد دهنده چه مهارت‌هایی کسب خواهید کرد؟ بعد از گذراندن این دوره به راحتی می‌توانید با استفاده از هوش مصنوعی و یادگیری ماشین، سیستم های پیشنهاد دهنده امروزی را برای استفاده در صنعت یا کار‌های پژوهشی، پیاده‌سازی و ارزیابی کنید. اگر مدیر یک کسب‌وکار آنلاین هستید، از اهمیت سیستم‌های پیشنهاد دهنده آگاه خواهید شد و مهارت‌های کار با این سیستم‌ها را فرا خواهید گرفت. اگر مهندس و برنامه‌نویس سیستم‌های نرم‌افزاری هستید، بعد از این دوره به راحتی خواهید توانست یک سامانه توصیه‌گر را طراحی، پیاده‌سازی و مستقر کنید. اگر دانشجو یا محقق هستید، به راحتی می‌توانید به پیاده‌سازی و ارزیابی مقاله یا پایان‌نامه خود در زمینه سیستم‌های پیشنهاد دهنده بپردازید.

169,150 تومان