دوره آموزشی - جستجوی «ساخت شمع خانه»

نتایج جستجوی «ساخت شمع خانه» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

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

آموزش ساخت پروژه یادگیری ماشین موفق

کاربرد دوره آموزش ساخت پروژه یادگیری ماشین موفق چیست؟ یادگیری ماشین روشی برای تحلیل داده‌ها است که ساخت مدل‌های تحلیلی را خودکار می‌کند. ماشین لرنینگ شاخه‌ای از هوش مصنوعی محسوب می‌شود و مبتنی بر این ایده است که سیستم‌ها می‌توانند از داده‌ها بیاموزند، الگوها را شناسایی کنند و با حداقل دخالت انسان تصمیم بگیرند. آموزش ساخت پروژه یادگیری ماشین موفق، سومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. در این دوره یاد خواهید گرفت که چگونه یک پروژه را در این زمینه با موفقیت ایجاد کنید و به‌عنوان رهبر پروژه تصمیم‌گیری‌های لازم را انجام دهید. در پایان شما قادر خواهید بود خطاهای موجود در سیستم یادگیری ماشین را تشخیص دهید، استراتژی‌هایتان را برای کاهش خطاها اولویت‌بندی کنید و تنظیمات پیچیده ML مانند مجموعه‌های آموزش و آزمایش ناسازگار را درک کنید. یادگیری end-to-end، یادگیری انتقال و یادگیری چند وظیفه‌ای از دیگر کارهایی است که بعد از گذراندن این دوره قادر به انجام آن‌ها خواهید بود. هدف از یادگیری دوره آموزش ساخت پروژه یادگیری ماشین موفق چیست؟ هدف از دوره آموزش ساخت پروژه یادگیری ماشین این است که شما بتوانید توانایی‌ها، چالش‌ها و پیامدهای یادگیری عمیق را درک کنید. این دوره شما را برای مشارکت در توسعه فناوری پیشرفته هوش مصنوعی آماده می‌کند. علاوه بر این موارد، دوره حاضر مسیری برای شما فراهم می‌کند تا دانش و مهارت لازم را، برای استفاده از یادگیری ماشین در کار خود، ارتقا سطح فنی‌تان و برداشتن گام نهایی در دنیای هوش مصنوعی به دست آورید. دوره آموزش ساخت پروژه یادگیری ماشین موفق مناسب چه کسانی است؟ این دوره نحوه انجام پروژه یادگیری ماشین را به شما آموزش می‌دهد؛ بنابراین این دوره برای کسانی که دانش اولیه یادگیری ماشین دارند، بسیار مناسب است. دوره آموزش یادگیری ماشین با استفاده از تجربه اندریو انجی (Andrew Ng) در ساخت و حمل بسیاری از محصولات یادگیری عمیق تهیه دیده شده است. اگر شما دوست دارید یک رهبر فنی شوید و بتوانید یک تیم هوش مصنوعی را به‌خوبی هدایت کنید، این دوره قطعاً به شما در این راه کمک خواهد کرد. چراکه این دوره تجربه صنعت را به شما ارائه می‌دهد که تنها در صورت سال‌ها کار کردن در این حوزه به دست می‌آید. بعد از فراگیری دوره آموزش ساخت پروژه یادگیری ماشین موفق چه مهارت‌هایی کسب خواهید کرد؟ این دوره به شما می‌آموزد که چگونه پروژه‌های یادگیری ماشین را به بهترین نحو رهبری کرده و انجام دهید. در این راستا مهارت‌های زیر را فرامی‌گیرید: یادگیری عمیق Inductive Transfer یادگیری ماشین یادگیری چند وظیفه‌ای تصمیم‌گیری

50,150 تومان

آموزش نقاشی روی پارچه مقدماتی

در دوره‌ی آموزش نقاشی روی پارچه، شما را با مباحث مختلف رنگ‌شناسی و چرخه‌ی رنگ و ساخت طیف‌های مختلف آن و همچنین انواع لوازم موردنیاز برای نقاشی، ازجمله انواع رنگ‌های مناسب، قلم‌مو و پارچه‌های موردنیاز نقاشی، آشنا می‌کنیم. در ادامه، به توضیح روش‌های انتقال طرح بر روی پارچه نقاشی و تثبیت‌کردن آن پرداخته و نحوه‌ی شستشو و نگهداری مناسب این کارهای تزئینی را، نشان می‌دهیم. در دوره‌ی آموزش نقاشی روی پارچه، با انواع تکنیک‌های مورداستفاده در این سبک، مانند تکنیک خشک (ساخت‌وساز)، تکنیک‌های آبرنگی، تکنیک فلت (یکنواخت)، تکنیک خیس در خیس، آشنا شده و همچنین غلظت مناسب رنگ‌ها برای نقاشی را خواهید آموخت. از دیگر مباحث این دوره، می‌توان به معرفی انواع رنگ‌های اوپک و ترنسپرنت و انتخاب هریک متناسب با نوع نقاشی، شناخت پارچه‌های مختلف الیاف طبیعی و مصنوعی، روش‌های مناسب نقاشی روی پارچه‌های تیره و جین، ساخت طیف‌های مختلف رنگ‌های نارنجی، سبز سدری، رنگ پوست و موی بلوند با رنگ‌های متالیک، اکر، بنفش و مجموعه‌ای از خاکستری با تناژهای رنگی متفاوت، اشاره کرد. دوره‌ی آموزش نقاشی روی پارچه در مکتب‌خونه، علاوه بر مباحث گفته‌شده، به آموزش نحوه‌ی زیرسازی پارچه‌های حریر و تور و تست رنگ‌های اوپک و ترنسپرنت جهت پخش‌دادن رنگ‌ها، همچنین معرفی خصوصیات پارچه‌های مطلوب برای تکنیک‌های آبرنگی، اجرای تکنیک آبرنگی و ایجاد طیف رنگی بر روی پارچه، تکنیک ساخت مهر لینو، اکوپرینت و کار با شابلون، خواهد پرداخت.هنر نقاشی روی پارچه، هنری بسیار کاربردی اما در معرض فراموشی است. با ورود تکنولوژی به هنر و خلق تکنیک نقاشی دیجیتال، هنرهای دستی بسیاری از جمله نقاشی روی پارچه در خطر فراموشی قرار گرفته‌اند. نقاشی روی پارچه، خود تکنیکی از تکنیک‌های نقاشی محسوب می‌شود که در آن امکان تلفیق سبک‌ها و تکنیک‌ها مختلف نقاشی، برای هنرمند فراهم شده است. در این تکنیک، از پارچه به جای بوم استفاده‌شده و با قلم‌مو و رنگ روی آن نقاشی کشیده می‌شود. مهم‌ترین نکته در نقاشی روی پارچه، انتخاب جنسی مناسب برای پارچه‌ی مورداستفاده است. در این تکنیک، الیاف پارچه هستند که رنگ و طرح را جذب و در خود نگه می‌دارند. پس لازم است تا الیافی انتخاب شود که رنگ روی آن‌ها ثابت مانده و شسته نشود. همین عدم شسته شدن رنگ پارچه، باعث می‌شود تا این هنر، به‌دقت و تمرکز بالایی نیاز داشته باشد. نقاشی روی پارچه، پیش‌نیازی نداشته و می‌توان با یک آموزش گام‌به‌گام و کمی تلاش، به‌راحتی در این هنر مسلط شده و به مهارتی قابل‌قبول رسید.

449,650 تومان

آموزش رایتینگ آیلتس تسک دوم (IELTS Writing Task 2)

تسک دوم رایتینگ آیلتس (IELTS Writing Task 2) یکی از پرچالش‌ترین بخش‌ها برای داوطلبان آزمون آیلتس (IELTS) در سال‌های اخیر بوده‌است. اینکه چرا این موضوع تبدیل به یک دغدغه‌ی بزرگ برای داوطلبان شده ریشه در عدم رعایت استانداردهایی دارد که در Band Descriptors به آن‌ها اشاره شده، اما بعضا شخص متقاضی تصور و یا تعبیر درستی از آن‌ها ندارد و در نهایت باعث می‌شود اشراف کاملی به انتظارات مصحح Native نداشته باشد. تجربیات متعدد و چندین ساله در این حوزه نشان می‌دهد که از بین ۴ مولفه: 1- Task Response (TR) 2- Cohesion and Coherence (C.C) 3- Lexical Resource (LR) 4- Grammar (GRA) مولفه‌های شماره ۳،۴ به طور غریزی بیشتر مورد توجه متقاضی قرار می‌گیرند و شخص در تلاش است نمایشی بسیار چشمگیر از ساختارهای گرامری و واژگان Less Common ارائه دهد؛ این درحالیست که شخص با وجود علم به تعریف TR و C.C، درک کاملی از نحوه‌ی پیاده‌سازی آن‌ها در رایتینگ ندارد و نتیجه این خواهد شد که رایتینگ‌ها تبدیل به ویترینی از LR و GRA می‌شوند، درحالی‌که نمره‌ای که مصحح به متقاضی داده بیشتر از ۶ یا ۶.۵ نبوده‌است. لذا به جرات میتوان گفت ۲ نقطه ضعف اساسی شرکت‌کنندگان در آزمون آیلتس در بخش رایتینگ تسک ۲ عبارتند از: ۱- ضعف در نحوه‌ی ایده‌سازی و پردازش آن و چگونگی بسط و توسعه ایده‌ها به صورت منطقی بر اساس استانداردهای مصحح Native ۲- ضعف در ایجاد ارتباط و انسجام درونی، و نه مکانیکی، در سراسر متن ( C.C) با پوشش‌دهی این دو عامل TR و C.C شما می‌توانید رایتینگ خود را به استانداردهایی که مورد نظر مصحح است نزدیک کنید؛ این به معنی نادیده گرفتن نقش LR و GRA نیست، بلکه موید این مطلب است که این دو عامل زمانی می‌توانند به رایتینگ شما کمک کنند که شما توانسته باشید TR و C.C را به خوبی در متن اجرا کنید. این دوره تمرکز ویژه ای روی ۲ نقطه ضعف مطرح شده دارد و تلاش بر این است تا نوع تفکر متقاضیان محترم را با آنچه که در ذهن مصحح Native می‌گذرد منطبق سازد و آن‌ها را به سمت نمره‌ی بالای ۷ سوق دهد. اگرچه شایان ذکر است که پیش از همه‌ی این موارد، رمز موفقیت شخص در مطالعه‌ی بیشتر است. بدین معنی که قبل از اینکه نویسنده (Writer) خوبی باشیم می‌بایست ابتدا خواننده (Reader) خوبی باشیم و روزانه ۲ الی ۳ مقاله‌ی کوتاه را مطالعه و ایده‌های مناسب آن‌ها را ثبت کنیم، لغات و ساختارهای مفید آن‌ها را یاد بگیریم و سعی کنیم که از آن‌ها به صورت تمرین شده استفاده کنیم و موتور ایده‌پردازی خود را همواره روشن نگه داریم.

1,027,650 تومان

پردازش اطلاعات بازارهای مالی در پایتون

فعالیت در بازارهای مالی در عصر حاضر به یکی از پرطرف‌دارترین زمینه‌های کاری تبدیل شده است. افراد زیادی هر روز به بازارهای مختلفی مثل فارکس، بورس یا ارز دیجیتال می‌پیوندند. این افراد با هدف‌های بلندمدت یا کوتاه‌مدت، سعی در حفظ و افزایش ارزش سرمایه خود دارند. اما این کار بدون شک ساده نخواهد بود. چراکه در این بازارها افراد زیادی فعال بوده و درصد قابل‌توجهی از آن‌ها، توانایی بالایی برای تحلیل و پیش‌بینی روندهای بازار دارند. در شرایطی که افراد پرتعدادی بدون برخورداری از دانش یا هوش کافی به بازارهای مالی وارد می‌شوند، می‌توان با برداشتن قدم‌های درست و استفاده از ابزار مناسب، به موفقیتی مثال‌زدنی دست‌یافت. برای این کار تنها کافی است ابزار را درست بشناسیم. یکی از مهم‌ترین و کاربردی‌ترین ابزارهای موجود برای تحلیل بازار مالی، زبان برنامه‌نویسی پایتون است. این زبان یکی از معدود زبان‌های چندمنظوره بوده و یکی از بهترین زبان‌های موجود برای تحلیل داده‌های حجیم به‌حساب می‌آید. داده‌هایی مثل پست‌های شبکه اجتماعی (تحلیل فاندامنتال) یا حجم معاملات (تحلیل تکنیکال). با شرکت در این دوره شما می‌توانید تحلیل بازار را با کمک کتابخانه‌های پایتون برای خود ساده‌تر کنید. در دوره آموزش پردازش بازارهای مالی در پایتون، برنامه‌نویسی و تحلیل بازار مالی را به‌صورت هم‌زمان و پایه‌ای یاد خواهید گرفت. برای آشنایی دقیق‌تر با جزئیات این دوره با ما همراه باشید.. هدف از یادگیری دوره آموزش پردازش بازارهای مالی در پایتون چیست؟ هدف اصلی و نهایی این دوره، متصل کردن دنیای برنامه‌نویسی و اقتصاد به یکدیگر است. دانشجویان، برنامه‌نویسان و علاقه‌مندان به بازارهای مالی می‌توانند با شرکت در این دوره به طور پایه‌ای و از صفر (بدون پیش‌نیاز) تلفیقی از مباحث مالی و برنامه‌نویسی را یاد بگیرند. از دیگر اهداف یادگیری دوره آموزش پردازش بازارهای مالی با پایتون می‌توان به طراحی استراتژی بازارهای مالی، طراحی الگوریتم معاملاتی، یادگیری مقدمات پایتون، یادگیری داده‌کاوی و راهکارهای مصور کردن داده اشاره کرد. بعد از فراگیری دوره آموزش پردازش بازارهای مالی در پایتون چه مهارت‌هایی کسب خواهید کرد؟ در پایان این دوره می‌توانید با کمک وب اسکریپینگ، داده‌های مربوط به معاملات را وارد جریان تحلیل کرده و پردازش کنید. همچنین شیوه تدوین استراتژی برای بازارهای مالی را یاد خواهید گرفت. در پایان این دوره همچنین قادر خواهید بود برای دریافت داده‌ها از کانال‌های مربوط، اتوماسیون طراحی کنید. با گذراندن دوره آموزش پردازش بازارهای مالی در پایتون مکتب‌خونه می‌توانید هر دو نوع تحلیل (تکنیکال و فاندامنتال) را با استفاده از کتابخانه‌های پایتون و اکسل با بالاترین سرعت و دقت انجام دهید.

483,650 تومان

آموزش طراحی پژوهش علمی و تحلیل آماری با استفاده از نرم افزار SPSS و R

دوره آموزش طراحی پژوهش علمی و تحلیل آماری با استفاده از نرم افزار SPSS و R در این دوره با آموزش spss و آموزش نرم افزار R، تحلیل آماری، طراحی و تحقیق علمی با این نرم افزار ها آموزش داده می شود. هر فرد در فرآیند انجام پژوهش‌هایی مثل پایان نامه یا تحقیق‌های علمی با داده‌هایی سروکار دارد که برای نتیجه گیری و استفاده از آن‌ها در پژوهش خود نیاز به تحلیل آن‌ها دارد؛ برای تحلیل آماری داده ها و اطلاعات باید با چهار موضوع مهم آشنایی داشته باشید؛ اولین موضوع روش تحقیق است یعنی اینکه هر فرد که قصد انجام پژوهش را دارد باید بداند که چگونه یک پژِوهش را طرح ریزی کند یا به جمع آوری اطلاعات بپردازد. دومین بحث آشنایی با علم گسترده آمار است؛ آمار علم وعمل توسعه دانش است با استفاده از آمار می‌توان ویژگی‌ها و اطلاعات را اندازه‌گیری و پردازش کرد. اینکه شما با مفاهیم آماری چقدر آشنا باشید کمک کننده‌ی شما در فرآیند پروژه خواهد بود و قطعا نتیجه‌ی بهتری را بدست خواهید آورد. سومین عنوان استفاده از نرم افزاهای قوی در تحلیل داده‌ها و نتیجه‌گیری از اطلاعات در طرح‌های پژوهشی است که با استفاده از خروجی گرفتن از نرم افزاهای مربوطه می‌توان هدف‌های مورد نظر را اجرایی کرد به کمک تفسیر خروجی‌ها و گزارش نویسی فرایند تحقیق مورد نظر در نرم افزار به پایان می‌رسد. از جمله‌ نرم افزارهای پر کاربرد می‌توان به نرم افزارهای SPSS و R اشاره کرد. اما چیزی که امروزه شاهد آن هستیم وجود خلا آموزشی است که این ترتیب‌های گفته شده در آن‌ها رعایت نمی‌شود؛ به همین دلیل ما با ایجاد بستری مناسب برای آموزش، قدم به قدم طراحی پژوهش علمی و تحلیل آماری ارائه می‌دهیم تا فراگیر خروجی مناسب روز جامعه و نتیجه‌ی مدنظر خود را دریافت کند. نرم افزار SPSS نرم افزار SPSS که مخفف عبارت Statistical Pakage for the Social Science می باشد، یک نرم افزار جامع وکاربردی برای انجام تحلیل‌های آماری و داده کاوی است که در رشته های مختلف به خصوص علوم اجتماعی و رفتاری مورد استفاده گسترده قرار می‌گیرد. این نرم افزار با انجام قابلیت‌های مختلف آماری همچون محاسبات میانگین، واریانس، انحراف معیار و سایر عملیات‌ها مورد توجه کاربران است؛ کاربرد دیگر این نرم افزار را می توان تحلیل داده‌ها و داده کاوی می‌توان گفت که توسط نرم افزار SPSS Modeler انجام می شود که با استفاده از آن می‌توان به تجزیه و تحلیل داده‌های وارد شده واطلاعات پرسشنامه کرد همچنین مدل‌هایی را برای پیش بینی‌ها ایجاد کرد و به تحلیل آن‌ها پرداخت؛ این نرم افزار این امکان را به کاربر می‌دهد که بدون نیاز به دانشی از برنامه نویسی، الگوریتم های داده کاوی را در پژوهش‌های آماری خود به کار بگیرد. نرم افزار R نرم افزار R یک زبان برنامه نویسی شی گرا می باشد که برای محاسبات آماری طراحی شده است و باید گفت یکی از مهم‌ترین و برجسته ترین نرم افزار‌ها در حوزه علم داده که برای ورود به این حوزه باید با آن آشنا بود، نرم افزار R است؛ این نرم افزار در موضوعاتی همچون: ساخت مدل‌های پیش بینانه، توصیفی، استقرار مدل‌های مبتنی بر یادگیری ماشین و آمار کاربرد گسترده دارد؛ علاوه بر علم داده در یکی از فیلدهای جذاب که به تازگی مورد توجه قرار گرفته است به نام حوزه متن کاوی نیز نرم افزار R از جمله زبان‌های برنامه نویسی مورد نیاز است؛ از مزیت های این نرم افزار آماری می توان به موارد زیر اشاره کرد: 1. نرم افزار R دارای زبان رایگان و متن باز است که بر روی سیستم عامل‌های مختلفی اجرا می شود 2. دارای راهنمای داخلی است 3. قابلیت‌های گرافیکی قابل ملاحظه‌ای دارد 4. دارای زبان قوی است اما در عین حال یادگیری ساده‌ای دارد 5. توابع آماری پیش ساخته زیادی دارد 6. با استفاده از نرم افزار R می‌توان به سادگی توابع مورد نظر کاربر را ساخت

424,150 تومان

آموزش نرم‌افزار Expert Choice

آموزش نرم‌افزار Expert Choice دوره آموزش پیش رو نیز ضمن پرداختن به آموزش اکسپرت چویس، به بررسی فرآیند سلسله مراتبی در نرم افزار اکسپرت چویس پرداخته و پکیج کاملی از آموزش Expert Choice را ارائه می‌دهد. در نهایت تلاش دارد خروجی ایده‌آل مدنظر برای فراگیر را حاصل کند؛ برای این کار مدرس به پشتیبانی پس از دوره آموزش Expert Choice می‌پردازد. وجه تمایز این دوره با دیگر دوره‌های آموزش اکسپرت چویس در آموزش تصمیم‌گیری چند معیاره گروهی با استفاده سلسله مراتبی و پیاده سازی آن در نرم افزار Expert Choice است. یکی از اساسی‌ترین موضوعات مطرح در دنیای امروزی که همواره از دغدغه‌های اصلی مدیریت محسوب می‌شود، بحث تصمیم‌گیری است لزوم اتخاذ تصمیم درست و برگزیدن گزینه مناسب از میان گزینه‌های متعدد زمینه انتخاب بهترین تولید کننده، بهترین توزیع کننده و... در تشکیل یکپارچگی‌ها و موارد مشابه از جمله مسائل مهم مطرح برای تصمیم‌گیری‌های چند معیاره است؛ این تصمیمات جزئی از مسائل بزرگ و کلان را شامل می‌شوند و در بسیاری از این موارد در صورت نادرست بودن تصمیم، هزینه‌های زیادی را باید پرداخت. از این رو تصمیم‌گیری صحیح در تمام مسائل اهمیت به سزایی دارد. یکی از کارآمدترین تکنیک‌های تصمیم‌گیری چند معیاره استفاده از روش تحلیل سلسله مراتبی یا AHP(Analytical Hierarchy Process) است که در روش AHP مسئله اصلی به کمک یک ساختار سلسله مراتبی به مسائل کوچک‌تر شکسته می‌شود؛ در این ساختار معیارها سطح بندی می‌شود (هدف و معیارهای اصلی در سطوح بالاتر و معیارهای فرعی در سطح پایین‌تر قرار می‌گیرند)، گزینه‌ها نسبت به پایین‌ترین سطح معیارها و نیز معیارهای هر سطح نسبت به معیارهای یک سطح بالاتر وزن دهی می‌شوند. بطور کلی فرآیند تحلیل سلسله مراتبی شامل: ساخت سلسله مراتبی، مقایسه‌های زوجی، ترکیب وزن‌ها، تحلیل حساسیت و روش رتبه‌بندی می‌باشد. با توجه به پیچیدگی حل مسائل تصمیم‌گیری چند معیاره به خصوص در مسئله با داده‌ها و اطلاعات زیاد و با اهمیت، لزوم استفاده از یک نرم افزار برای حل مسائل احساس می‌شود یکی از نرم‌افزاها Expert Choice است چرا که کار با اکسل فرآیند حل را طولانی و طاقت فرسا می‌کند. برای یادگیری این نرم افزار باید از دوره‌های آموزشی استفاده کرد که مدرس دوره علاوه بر تسلط بر خود نرم افزار بر فرآیند سلسله مراتبی و در اصل مسائل تصمیم‌گیری تسلط کافی را داشته‌باشد چرا که تصمیم‌گیری در مسائل و پروژه‌های مختلف از حساسیت بالایی برخوردار است؛

152,150 تومان
جمعه 18 خرداد 1403، ساعت 23:17