دوره آموزشی - جستجوی «علوم اجتماعی،شهرسازی،GIS،معماری»

نتایج جستجوی «علوم اجتماعی،شهرسازی،GIS،معماری» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین

دوره آموزش «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ یکی از انواع روش‌های یادگیری ماشین (Machine Learning) و هوش مصنوعی، یادگیری عمیق (Deep learning) است. طی این روش، تلاش بر این است که قابلیتی به ماشین (سیستم کامپیوتری) اضافه شود تا ماشین در تصمیم‌گیری‌ها روشی مشابه فرایند ذهن انسان را داشته باشد و به نوعی فعالیت‌های ذهن انسان را تقلید کند. در دوره «آموزش یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» شرکت‌کنندگان با موضوعات مختلفی از جمله مدل‌سازی سطح پایین در تنسورفلو آشنا خواهند شد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است و به دلیل ویژگی‌های جذابی که در اختیار کاربران قرار می‌دهد، کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است؛ به همین دلیل این کتابخانه، به عنوان پراستفاده‌ترین کتابخانه در یادگیری عمیق شناخته می‌شود. شرکت‌کنندگان این دوره با همه مباحث مربوط به یادگیری عمیق، مدل‌سازی سطح پایین و کتابخانه تنسورفلو آشنا خواهند شد. به طور مشخص شرکت‌کنندگان در این دوره با مباحث زیر سروکار خواهند داشت: آشنایی با تعاریف کلی و مفاهیم مربوط به یادگیری عمیق و مدل‌سازی سطح پایین چگونگی طراحی دلخواه اِلمان‌های مختلف یک شبکه عصبی مانند loss، metric، activation function و حتی لایه‌ها و مدل‌ها چگونگی پیاده‌سازی training loop به صورت کامل و دلخواه آشنایی با تعاریف و عملیات‌های ممکن روی تنسورها آشنایی با امکانات پردازش داده تنسورفلو شرکت‌کنندگان این دوره پس از گذراندن این دوره علاوه بر آشنایی با مباحث و تعاریف کلی موارد زیر را نیز به طور کامل فرا خواهند گرفت: آشنایی با تنسورها و انجام محاسبات با آن‌ها پیاده‌سازی loss، activation function، initializer، regularizer، metric، لایه و مدل دلخواه آشنایی با GradientTape و طراحی حلقه آموزش دلخواه آشنایی با Data API تنسورفلو هدف از برگزاری دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» چیست؟ مدل‌سازی سفارشی و سطح پایین یکی از مهم‌ترین مهارت‌ها برای افرادی است که قصد دارند در زمینه یادگیری عمیق فعالیت داشته باشند. شما ممکن است بخواهید ایده‌های جدیدی را برای طراحی یک شبکه عصبی پیاده‌سازی کنید. یعنی شبکه‌ای طراحی کنید که تعدادی از اِلمان‌ها به‌صورت default در آن وجود نداشته باشد. به‌عنوان مثال می‌خواهید یک loss جدید تعریف کنید و یا عملکرد شبکه را با یک متریک جدید ارزیابی کنید؛ یا لایه‌ای بسازید که عملکرد جدیدی داشته باشد. پس از گذراندن این دوره با امکانات لازم در تنسورفلو برای این محاسبات آشنا می‌شوید و می‌توانید شبکه‌ای کاملا دلخواه با نیازها و ایده‌آل‌های خودتان ایجاد کنید. هدف اصلی این دوره آشنایی با همه مباحثی است که در این مسیر مورد نیاز شما خواهند بود و برای کار در این مسیر باید به آن‌ها تسلط پیدا کنید. دوره «یادگیری عمیق پیشرفته: مدل‌سازی سطح پایین» برای چه کسانی مناسب است؟ مباحث مطرح شده در این دوره برای همه افرادی که به موضوعاتی همچون یادگیری عمیق و هرآنچه به این موضوع مربوط می‌شود علاقه‌مند هستند، مفید و کاربردی خواهد بود. به طور خاص این دوره برای کسانی است که با تنسورفلو و کراس آشنایی دارند و قصد دارند با گذراندن یک دوره آموزشی علاوه بر مرور مجدد مباحث مربوط به این عناوین، گامی بزرگ در جهت ماهرتر شدن در مدل سازی شبکه‌های عصبی برای یادگیری عمیق بردارند.

203,150 تومان

آموزش مهارت‌های ضروری پژوهش

کاربرد دوره مهارت‌های ضروری پژوهش چیست؟ چه مطالبی را خواهید آموخت؟ در یک نگاه کلی، دوره مهارت‌های ضروری پژوهش در شش بخش ارائه شده است. آغاز پژوهش با مجموعه‌ای از دغدغه‌هاست. اولین گامِ پژوهش تبدیل این دغدغه‌ها به مسئله پژوهشی است. در بخش آغازین دوره به این مسئله می‌پردازیم. بعد از آن طبیعتاً لازم است منابع پژوهشی را جدی‌تر جستجو کنیم. در این بخش اغلب با انبوهی از منابع مواجه می‌شویم و همواره زمان محدودی داریم. در نتیجه، لازم است با بهترین‌ منابع پژوهشی، یعنی مرتبط‌ترین و معتبرترین‌ها، کار را پیش ببریم. افزون بر این موارد، لازم است با برخی تله‌های پژوهشی که در آن‌ها گرفتار می‌شویم و زمان را از دست می‌دهیم آشنا شویم. به این مسائل در بخش منابع پژوهش و مدیریت زمان می‌پردازیم. زمانی که منابع پژوهشی بیشتر می‌شوند یا درگیر چند پژوهش مختلف می‌شویم بدون سازمان‌دهی منابع برخی منابع را فراموش می‌کنیم، بین منابعی که قبلاً یافته‌ بودیم نمی‌توانیم به خوبی جستجو کنیم، فراموش می‌کنیم در انبوه منابعی که با زحمت بدست آورده‌ایم به چه موضوعاتی پرداخته شده بود و بسیاری مسائل دیگر که به سازماندهی منابع مربوط می‌شود. یکی از ابزارهای بسیار اثربخش در سازماندهی منابع پژوهشی نرم افزارهای مدیریت منابع هستند. این نرم افزارها از جمع‌آوری منابع گرفته تا سازماندهی، به اشتراک‌گذاری و استناددهی منابع کمک‌های بزرگی به ما می‌کنند. در بخش مدیریت منابع پژوهشی برخی از مهمترین نرم افزارها در این حیطه را معرفی می‌کنیم و شما را با برخی از مهمترین امکانات آن‌ها آشنا می‌کنیم. بعد از انتخاب بهترین منابع لازم است با خواندن دقیق منابع برگزیده را مطالعه کنیم. در این بخش الگویی را معرفی می‌کنیم که کمک می‌کند معناهای مهم نهفته در متن را استخراج کنیم و به صورت آگاهانه درونی‌سازی کنیم. بعلاوه، توضیح می‌دهیم که در متون علمی چگونه می‌توانیم با صرف زمان کمتری ایده‌های اصلی و شواهد و قرائنی را که آن‌ها را پشتیبانی می‌کنند بیابیم. به این مسائل در بخش خواندن دقیق می‌پردازیم. اگر بدون یادداشت‌برداری منابع را مطالعه کنیم دست‌کم دچار چند آفت مهم می‌شویم، اول اینکه نمی‌توانیم از چارچوب منابع موجود به خوبی فاصله بگیریم، دوم اینکه بسیاری از نکات حیاتی را در پژوهش‌ از دست می‌دهیم و سوم اینکه احتمال بُروز سرقت ادبی ناخواسته زیاد می‌شود. نکات پیرامون یادداشت‌برداری اصولی را در بخش بعدی می‌آموزیم. یکی از مهارت‌هایی که از آغاز تا انجام یک پژوهش برای هر پژوهشگری ضروری است، مهارت‌های تفکر انتقادی است. به عنوان نمونه، یکی از ارکان هر پژوهشی پردازش اطلاعات است بدون قدرت تحلیل این پردازش امکان‌پذیر نیست. قدرت تحلیل افراد پیوند وثیقی با تفکر انتقادی دارد. در بخش تفکر انتقادی نحوه مواجهه سنجیده با پژوهش‌ها را می‌آموزیم.هدف از دوره مهارت‌های ضروری پژوهش چیست؟ مهارت‌های ضروری در پژوهش، کلیدی‌ترین مهارت‌هایی هستند که برای موفقیت در انجام هر پژوهشی فارغ از موضوع به آن‌ها نیازمندیم. هدف از این دوره، آموزش این مهارت‌هاست. دوره مهارت‌های ضروری پژوهش مناسب چه کسانی است؟ تمام پژوهشگران در هر حوزه‌ای از دانش مخاطب این دوره هستند.

551,650 تومان

هنر حل مسئله با داده

دوره هنر حل مسئله با داده مناسب چه کسانی است؟ جمع‌آوری داده و تجزیه و تحلیل آن‌ها به سازمان کمک می‌کند تا درآمد و جایگاه خود را در بین رقبا ارتقا دهد. بنابراین اگر با مفاهیم اولیه تحلیل داده و یادگیری ماشین آشنا هستید و قصد ورود به بازار کار در این حوزه را دارید، دوره هنر حل مسئله با داده مکتب‌پلاس برای شما تهیه شده است. همچنین اگر تمایل دارید با مفاهیم علوم داده به صورت حرفه‌ای آشنا شوید و آن‌ها را در حل مسئله‌های واقعی به‌کار بگیرید، این دوره کمک شایانی به شما خواهد کرد. بعد از فراگیری دوره آموزش هنر حل مسئله با داده چه مهارت‌هایی کسب خواهید کرد؟ به طور کامل با مفهوم volatility آشنایی خواهید داشت و چگونگی استفاده از آن را فرا خواهید گرفت. می‌توانید نوع مدل‌سازی و حل مسئله را بررسی کنید. توانایی جمع‌آوری داده‌ها، تجزیه تحلیل و آماده‌سازی آن‌ها را خواهید داشت. می‌توانید مسئله را مدل‌سازی کنید. با استفاده از مدل ساخته شده می‌توانید مسئله را حل کنید. می‌توانید تکنیک مناسب را با توجه به نوع مسئله انتخاب کنید. می‌توانید نتایج تحلیل‌های خود را به زیبایی و به درستی به مخاطبان منتقل کنید. پیش‌نیاز فراگیری دوره آموزش هنر حل مسئله با داده چیست؟ برای داشتن هنر حل مسئله با داده اول از هر چیز، باید بتوانید مشکلی که کسب‌وکار شما با آن روبه‌رو است را به خوبی درک کنید. آشنایی با چگونگی جمع‌‌آوری داده هم مهم است. چرا که با تحلیل داده‌های مناسب می‌توانید اطلاعات موردنیازتان را کسب کنید. از طرفی هنر حل مسئله نیاز به آشنایی با اصول یادگیری ماشین دارد. در واقع، شما باید بتوانید الگوریتم‌ها را به خوبی درک و آن‌ها را پیاده‌سازی کنید. سفر از یک مشکل واقعی در کسب‌وکار به یک مسئله در حوزه علوم داده کار چندان آسانی نیست. بنابراین باید به طور دقیق بدانید که در هر مرحله از فرایند حل مسئله، می‌خواهید چه کاری انجام دهید.

449,650 تومان

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

آموزش C# مقدماتی

هدف دوره‌ی آموزش #C (سی‌ شارپ) یادگیری اصول و مقدمات برنامه‌نویسی و تولید نرم‌افزار با استفاده از زبان برنامه‌نویسی سی‌شارپ (#C) و چارچوب دات‌نت (net.) است. مخاطبان دوره آموزش #C افرادی هستند که به دنبال کسب درآمد از ایجاد و توسعه‌ی نرم‌افزار با استفاده از یادگیری یک زبان برنامه‌نویسی ساده، قدرتمند و محبوب و همه‌کاره به‌عنوان شغل اصلی یا جانبی هستند و یا دانشجویانی که جهت انجام پروژه‌های درسی خود نیاز به یادگیری یک زبان برنامه‌نویسی ساده دارند. همچنین دوره‌ی آموزش #C به افرادی که به دنبال افزایش قدرت حل مسئله و خلاقیت ذهن خود با استفاده از به چالش کشیدن آن در حل مسائل با استفاده از برنامه‌نویسی هستند کمک می‌کند و به‌طورکلی تمام افرادی که علاقه‌مند به برنامه‌نویسی و ایجاد و توسعه‌ی انواع سیستم‌های نرم‌افزاری با استفاده از یک زبان مدرن هستند می‌توانند از دوره‌ی آموزش سی‌ شارپ بهره ببرند. چرا دوره آموزش #C؟ سادگی یادگیری #C و استفاده از آن امکان ایجاد و توسعه‌ی انواع و اقسام نرم‌افزارها به دلیل همه‌کاره بودن زبان برنامه‌نویسی #C و ارتباط با چارچوب دات‌نت از جمله موارد زیر: وب‌سایت‌ها و نرم‌افزارهای تحت وب با استفاده از تکنولوژی‌های NET و ASP.NET Core اپلیکیشن‌های اندروید و iOS با استفاده از تکنولوژی Xamarin نرم‌افزارهای قابل‌اجرا بر روی ویندوز با استفاده از تکنولوژی‌های Windows Forms ،WPF و UWP نرم‌افزارهای بازی با استفاده از تکنولوژی Unity وب‌سرویس با استفاده از تکنولوژی Web API کتابخانه‌ها، کامپوننت‌ها و برنامه‌های کنسولی برنامه‌های بلاکچین سرویس‌های داده‌ای و مدیریتی اپلیکیشن‌های ابری برنامه‌های مبتنی بر الگوریتم‌های یادگیری ماشین برنامه‌های دارای کاربرد در اینترنت اشیاء و مواردی دیگر ابزارهای قوی، به‌روز و گسترده موجود در اختیار برنامه‌نویسان این زبان در تمامی مراحل برنامه‌نویسی و تولید نرم‌افزار جامعه‌ی پشتیبانی بزرگ و گسترده در کنار تعداد زیاد فروم‌های پرسش و پاسخ شیءگرایی، سرعت، مدرن و چند پلتفرمی بودن این زبان درحال‌توسعه بودن به دلیل پشتیبانی کامل توسط مایکروسافت روند آموزش #C مفاهیم و اصول تئوری با استفاده از اسلاید، انیمیشن و توضیحات استاد آموزش داده می‌شود و درک عمیق و نحوه‌ی به‌کارگیری و استفاده از آن مفاهیم و اصول با استفاده از مثال‌های عملی آموزش داده می‌شود. در آموزش #C در قدم نخست اجزای این زبان معرفی می‌شوند و در قدم بعد مفهوم بسیار مهم شی‌گرایی معرفی و به‌صورت عملی پیاده‌سازی می‌شود. در ادامه مجموعه‌های مورد استفاده در زبان سی‌شارپ معرفی می‌شوند. همچنین در آموزش #C چند ساختار داده و الگوریتم پیاده‌سازی می‌شوند.

313,650 تومان
جمعه 28 اردیبهشت 1403، ساعت 05:04