دوره آموزشی - جستجوی «صنعت برق»

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

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

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

آموزش یادگیری تقویتی (Reinforcement Learning)

دوره آموزش یادگیری تقویتی چیست؟ زمینه‌هایی مثل علم داده، هوش مصنوعی و یادگیری ماشین در حال حاضر محبوبیت زیادی را به خود اختصاص داده‌اند. چراکه با استفاده از این علوم می‌توان سیستم‌های هوشمند و یادگیرنده طراحی کرد و کارها را با سرعت و دقت بیشتری انجام داد. یادگیری تقویتی یا Reinforcement Learning برای ارتباط دادن یادگیری ماشین و شبکه‌های عمیق با دنیای صنعت کاربرد دارد. با یادگیری تقویتی می‌توان یک ماشین را برای انجام یک بازی به نحوی آموزش داد که در برابر انسان به پیروزی برسد. یادگیری تقویتی ارتباط بین هوش مصنوعی با صنعت را برقرار می‌کند. کاربرد اصلی یادگیری تقویتی در برنامه‌ریزی ربات‌ها و ماشین‌هایی است که به تولید کارخانه‌ها یا مدیریت انبار کمک می‌کنند. این ربات‌ها با یادگیری تقویتی تمام سناریوهای احتمالی زمان کار را فراگرفته و در زمان اتفاق افتادن هرکدام از حالات، واکنشی متناسب با آن از خود نشان می‌دهند. سیستم‌های خودآموز در دنیای امروز نقش بسیار ویژه‌ای دارند و شرکت‌هایی مثل آمازون یا اپل بر اساس این سیستم‌ها کار می‌کنند. هدف از یادگیری دوره آموزش یادگیری تقویتی چیست؟ هدف نهایی از دوره آموزش یادگیری تقویتی، راه‌اندازی سیستم‌های خودآموز است. سیستم‌هایی که بتوانند با درس گرفتن از تجربیات خود، به‌روز شده و واکنش‌های بهتری به شرایط نشان دهند. در واقع در این دوره ما به فراگیری مفهوم یادگیری تقویتی می‌پردازیم که در پی آن توانایی نوشتن برنامه‌ای را داریم که با کمک آن، کامپیوتر به‌جای تکرار یک مسیر ثابت، علاوه بر انجام کار، از هر بار انجام شدن کار درس می‌گیرد و دفعات بعدی آن را با خطاهای کمتری انجام خواهد داد. همان‌طور که گفتیم با یادگیری تقویتی می‌توان برنامه‌ای نوشت که کامپیوتر با استفاده از آن در برابر انسان پیروز شود. دوره آموزش یادگیری تقویتی مناسب چه کسانی است؟ علاقه‌مندان به هوش مصنوعی و فعالین در این حوزه کسانی که به حوزه علم داده علاقه‌مند هستند شاغلین و علاقه‌مندان حوزه gameplay و رباتیک دانشجویان و پژوهشگران که در زمینه علم داده فعالیت می‌کنند بعد از یادگیری دوره آموزش یادگیری تقویتی چه مهارت‌هایی کسب خواهید کرد؟ در پایان این دوره قادر خواهید بود سیستم خودآموز دلخواهتان را بسازید. علاوه بر این با توجه به اینکه در این دوره با اصطلاحات و مفاهیم اساسی این حوزه آشنا می‌شوید. پس از پایان دوره امکان مطالعه و پژوهش سطح بالا در این زمینه را هم خواهید داشت. دو موردی که گفته شد را می‌توان به‌عنوان اصلی‌ترین مزایای این دوره بیان کرد. اما علاوه بر این مورد، در پایان دوره آموزش یادگیری تقویتی به مهارت‌های زیر هم مسلط خواهید بود: آشنایی با انواع مدل‌های یادگیری تقویتی آشنایی با کتابخانه gym آشنایی با مدل‌های deep Q-learning آشنایی با مدل‌های Policy Based پیاده‌سازی روش‌های مختلف مدل کردن یادگیری تقویتی ویژگی‌های متمایز دوره آموزش یادگیری تقویتی چیست؟ شیوه آموزش این دوره ترکیبی از آموزش تئوریک و آموزش عملی است. به این صورت که ابتدا مباحث تئوری بررسی شده و سپس با پروژه‌ها و مثال‌های عملی، این یادگیری تثبیت می‌شود. علاوه بر این‌ها سعی شده است در این دوره تا حد ممکن مباحث ریاضی مربوط به یادگیری تقویتی بیان شود تا شرکت‌کننده در ادامه بتواند این مبحث را به‌صورت آکادمیک یا پژوهشی دنبال کند.

415,650 تومان
پنج‌شنبه 3 خرداد 1403، ساعت 16:59