دوره آموزشی - جستجوی «محاسبات سبد معیشت دستور»

نتایج جستجوی «محاسبات سبد معیشت دستور» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

آموزش FPGA پیشرفته

کاربرد FPGAها چیست؟ FPGA ها برای ایجاد یک سیستم با انعطاف پذیری و کارآیی بالا مورد نیاز می‌باشند. FPGA ها با ارائه یک معماری برنامه پذیر، قیمت پایین و زمان راه اندازی اندک و مهم تر از همه، ایجاد امکان پردازش موازی مشکلات متعدد مهندسین و طراحان مدارات دیجیتال را رفع نموده اند. از دیگر مزایای استفاده از FPGA ها در طراحی‌ها، می‌توان به سرعت بالای پردازش و فرکانس کاری بسیار بالای آن ها اشاره کرد. FPGA ها در حوزه‌های گسترده ای از جمله پردازش سیگنال، پردازش تصویر، سیستم‌های انتقال داده­‌های دیجیتال، سیستم‌های مخابراتی، سیستم‌های جنگ الکترونیک، سیستم‌های بی­سیم، سیستم‌های راداری و سیستم‌های مختلف کنترلی به کار برده می‌شوند. هدف از دوره آموزشی FPGA پیشرفته چیست؟ هدف از دوره آموزشی FPGA پیشرفته آشنایی با معماری داخلی FPGAها، نحوه برنامه‌­ریزی و استفاده از آن‌ها، بهینه­‌سازی برنامه­‌ها، شبیه‌سازی برنامه‌­ها، معرفی ابزارهای مورد استفاده جهت کار با تراشه­‌های FPGA و استفاده از تراشه‌­ها در پروژه­‌های جدی با نرخ بالا و حجم پردازش سنگین است. دوره آموزش FPGA پیشرفته مناسب چه کسانی است؟ این دوره ها برای کسانی که علاقمند به کار در حوزه­‌های مختلف مرتبط در ایران و یا خارج از کشور هستند، مناسب است. همچنین دانشجویانی که در زمینه­‌های تحقیقاتی مشغول هستند می­ توانند از مفاهیم گفته شده استفاده نمایند. بطور کل یکی از قدرتمندترین تراشه‌هایی که امروزه در کاربردهای مختلف الکترونیکی، مخابراتی و کنترل مورد استفاده شرکت های بزرگ دنیا و ایران است، تراشه­‌های FPGA است که با فراهم آوردن بسترهایی برای پردازش سیگنال، قابلیت‌های مورد استفاده در پردازنده‌­ها و... در بسیاری از کاربردها مورد استفاده قرار گرفته‌اند.

483,650 تومان

آموزش مدل سازی کیفیت سد و مخزن

در این دوره آموزش مدل سازی کیفیت سد و مخزن که در ۶ فصل تقدیم حضور شما شده است، سعی شده تا معرفی کلی از نحوه ساخت و برپایی مدل کیفی در ساده‌ترین شکل آن ارائه شود. در فصل اول به تشریح ویژگی‌ها، مزایا و معایب و نیز محیط نرم‌افزار مربوطه پرداخته شده است. در فصل دوم به اختصار در خصوص مبانی هیدرودینامیک محیط‌زیستی و پارامترهای کیفی مدل صحبت شده است. لازم به ذکر است در این قسمت صرفا مجموعه‌ای از معادلات کلی حاکم بر مدل کیفی معرفی شده و بررسی دقیق‌تر آن در غالب این دوره آموزشی نمی‌گنجد. در فصل سوم به بررسی نیازهای اطلاعاتی مدل و نحوه آماده‌سازی آن‌ها پرداخته شده است. ضمن اینکه از نرم‌افزار ARCMAP در جهت ساخت هندسه مدل نیز استفاده شده است. در فصل چهارم تنظیمات و ضرایب مورد نیاز در محیط نرم‌افزاری بررسی شده است. فصل پنجم نیز به بررسی نحوه اجرای مدل، خطایابی و خروجی‌های اولیه و فصل ششم به نحوه استفاده از ابزار پس‌پردازش در مشاهده نتایج کیفی اختصاص دارند. مدل‌های کیفی آب ابزارهای مهمی در مدیریت منابع آبی هستند که بوسیله این ابزار، انتقال مواد آلاینده و اندرکنش‌های آن در محیط آبی شبیه‌سازی و پیش‌بینی می‌شود. این موضوع می‌تواند به کمتر شدن هزینه‌های پایش و مواد جهت آزمایشات شیمیایی تا حد زیادی کمک کند. همچنین در برخی از موارد ممکن است آزمایشات برجا به دلیل موضوعات آلودگی محیط‌زیستی در منطقه و یا عوامل دیگر، انجام‌پذیر نباشد. در کنار این موارد، نتایج مدلسازی کیفی می‌تواند ابزار مناسبی در مطالعات ارزیابی اثرات محیط‌زیستی طرح‌های آبی باشد، چه در زمینه پیش‌بینی آثار و چه در زمینه تصمیمات مدیریت محیط‌زیستی. با توسعه تئوری مدل و تکنیک‌های کامپیوتری بروز شده، مدل‌های کیفی آب با الگوریتم‌های مختلف توسعه داده شده‌اند. تا کنون ده‌ها نوع از مدل کیفی برای انواع توپوگرافی‌ها، بدنه آبی و آلاینده‌های مختلف در مقیاس‌های زمانی و مکانی مختلف توسعه داده شده‌اند. نحوه بهره‌گیری از یک مدل کیفی به فرضیاتی بستگی دارد که در مدل تعریف می‌شود. بر مبنای آنچه در پایگاه داده‌های SpringerLink، Web of Science و Scopus ارائه شده، ۷ مدل شبیه‌سازی کیفی آب بصورت گسترده در سراسر جهان مورد استفاده قرار می‌گیرند شامل AQUATOX، CE-QUAL-W2، EFDC، QUALs، SWAT، SPARROW و WASP هستند. مدل CE-QUAL-W2 به عنوان یکی از مدل‌های اشاره شده، این دوره آموزش مدل سازی کیفیت سد و مخزن پیش رو است یک مدل دوبعدی میانگین‌گیری شده عرضی است که برای شبیه‌سازی انواع بدنه‌های آبی شامل مخازن دریاچه‌ها و سدها، رودخانه‌ها و خورها مورد استفاده قرار می‌گیرد. به دلیل رایگان بودن، متن‌باز بودن و نیز امکان مناسب برقراری ارتباط فنی را توسعه‌دهندگان این مدل، ابزار مناسبی برای شبیه‌سازی بدنه‌های آبی است. با این حال، به دلیل فرض میانگین‌گیری عرضی، کاربرد آن برای بدنه‌های آبی که دارای نسبت طولی به عرضی زیاد هستند، دارای دقت بالاتری است. برای استفاده مناسب از مدل‌های کیفی در پروژه‌های مختلف، نیاز است تا شخص کاربر اطلاعات مناسب و کافی از مبانی هیدرودینامیک محیط‌زیستی، بیولوژی و شیمی محیط‌های آبی، محاسبات عددی و آمار و احتمال مهندسی در اختیار داشته باشد.

271,150 تومان

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 نرم افزار اسپن پلاس

به عنوان یک مهندس شیمی یا مهندس فرایند، پس از آشنایی با تجهیزات پیشرفته فرایندی، نیاز به یک ابزار کامپیوتری که انجام محاسبات مربوط به این تجهیزات را برعهده بگیرد، احساس می‌شود. به عنوان مثال پس از مدل‌سازی یک برج تقطیر ساده با تعداد سینی‌های کم و 4 یا 5 جزء در خوراک ورودی ممکن است گاهی با صدها معادله از جمله موازنه‌های انتقال جرم و انرژی و سیالات مواجه شویم. پیاده‌سازی و حل این معادلات می‌تواند بسیار زمان‌بر و خسته‌کننده باشد. لذا باید برای حل این مشکل باید به دنبال راه حل بود؛ چرا که یک مهندس شیمی بدون توانایی مدل‌سازی و شبیه‌سازی فرایند عملا دچار مشکل خواهد شد و از گردونه رقابت‌ها در بازار کار و تحقیقات علمی عقب خواهد ماند. حتی در کارهای آزمایشگاهی هم گاهی به جایی می‌رسیم که به صرفه و منطقی است که ابتدا فرایند را هر چند کوچک، شبیه‌سازی کنیم و بعدا سراغ پیاده‌سازی و ساخت آن برویم. برای رفع این مشکل، تعداد کثیری بسته نرم‌افزاری از گذشته تا کنون در حال گسترش است و هر ساله نرم‌افزار‌های جدیدتر و کامل‌تری وارد بازار شده و مورد استفاده مهندسین شیمی قرار می‌گیرد. در میان تمامی این بسته‌های نرم‌افزاری یکی از پرکاربردترین، دقیق‌ترین و کامل‌ترین بسته‌ها، نرم افزار aspen plus یکی از نرم‌افزارهای ارائه شده توسط کمپانی ASPEN One است.

271,150 تومان

آموزش الگوریتم‌های بهینه ‌سازی در R

در این درس دانشجویان با مفاهیم بهینه‌سازی و نحوه اجرای آن در R آشنا می‌شوند. تمرکز این درس کاربرد روش‌های بهینه‌سازی در حوزه کسب‌وکار و مدیریت است. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بهینه‌سازی قابل پاسخ‌دادن هستند: · یک شرکت تحت محدودیت‌های مختلف تولید و بازار، چگونه ترکیب بهینه محصولات خود را تعیین ‌کند تا سود خود را افزایش دهد؟ · یک شرکت چگونه ساختار لجستیک خود را طراحی کند تا هزینه حمل‌ونقل خود را کمینه کند؟ · باتوجه ‌به الگوی تقاضا، چگونه نیروی انسانی را در شیفت‌های مختلف کاری تخصیص دهیم تا هزینه منابع انسانی کمینه شود؟ · سبدی از دارایی‌ها را چگونه تخصیص دهیم تا با کم‌ترین ریسک، بازدهی سبد دارایی‌ها بیشینه شود؟ مخاطب اصلی این درس کسانی هستند که می‌خواهند از روش‌های داده‌محور برای تصمیمات کسب‌وکار استفاده کنند. هدف از درس این نیست که دانشجویان بیش از اندازه درگیر روش‌های ریاضی و آماری شوند، بلکه هدف آموزش مفاهیم به زبان ساده به همراه نشان‌دادن کاربردها و روش‌های پیاده‌سازی الگوریتم‌های بهینه‌سازی در عمل است. این یک درس پیشرفته است و بنابراین انتظار می‌رود مخاطبان این درس با مفاهیم کار با داده آشنا باشند و بتوانند با زبان برنامه‌نویسی R به راحتی کار کنند. دانشجویان در پایان این دوره باید روی یک پروژه کاربردی کار کنند و آن را تحویل دهند. کارکردن روی این پروژه و بازخوردهایی که از استاد دوره می‌گیرند، به آنان کمک خواهد کرد تا مفاهیم آموخته شده در درس را بهتر بفهمند و برای حل مسائل کسب‌وکار با روش‌های داده‌محور آماده‌تر شوند. این پنجمین درس از مجموع دوره Business Analytics در مکتب‌خونه است که هدف آن کاربرد روش‌های داده‌محور در کسب‌وکار است.

381,650 تومان

آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته)

در دوره آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته) دانشجویان با کاربردهای برخی از الگوریتم‌های یادگیری ماشین (Machine Learning) در کسب‌وکار و نحوه به‌کارگیری این الگوریتم‌ها روی داده‌های واقعی آشنا می‌شوند. رگرسیون خطی، رگرسیون لجستیک، خوشه‌بندی سلسله مراتبی، خوشه بندی kmeans و الگوریتم Naive Bayes و الگوریتم Apriori روش‌هایی هستند که در این درس آموزش داده می‌شوند. مباحث به‌گونه‌ای انتخاب شدند که بیشترین کاربردها را در دنیای کسب‌وکار داشته باشند و دانشجویان پس از یادگیری بتوانند آن‌ها را برای حل مسائل دنیای واقعی بکار ببرند. الگوریتم‌هایی آموزش داده‌شده در این درس، عمدتاً برای پیش‌بینی و کشف الگوها بکار می‌روند. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بالا قابل پاسخ دادن هستند: • چگونه می‌توان رضایت مشتریان را از خدمات سازمان افزایش داد؟ • کدام‌یک از مشتریان سازمان سودآورتر از بقیه هستند؟ • چگونه تقلب را در حوزه‌های مختلف مانند ادعای خسارت در بیمه، پول‌شویی، هزینه‌های بیمارستانی و فرار مالیاتی شناسایی کنیم؟ • احتمال آن‌که فردی که متقاضی وام است، نتواند وام خود را پس دهد، چقدر است؟ • چگونه کاربران را بر اساس رفتار آن‌ها خوشه‌بندی کنیم و به هریک از آنان خدمات سفارشی‌شده ارائه دهیم؟ • چه بسته‌ای از محصولات را در کنار یکدیگر قرار دهیم تا فروش افزایش یابد؟

381,650 تومان

دوره یادگیری عمیق با تنسورفلو و کراس

دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه‌­های تنسورفلو و کراس می‌­پردازد. به طور مشخص­‌تر موضوعاتی که در این دوره دنبال می‌­شود شامل موارد زیر است: پیاده‌­سازی شبکه‌­های عصبی (یادگیری عمیق) در پایتون پیاده‌­سازی شبکه­‌های Multi-layer perceptron (MLP) و Convolutional بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization بررسی دقیق و عمیق تنسورفلو و کراس آشنایی با یادگیری عمیق، تنسورفلو و کراس در یک تعریف کلی، یادگیری عمیق یکی از شاخه­‌های یادگیری ماشین و هوش مصنوعی است که در آن سعی می­‌شود از روش کارکرد مغز برای یادگیری موضوعات استفاده شود. در یادگیری عمیق به کامپیوترها آموزش داده می‌­شود که برای حل مسائل از روش­‌هایی استفاده کنند که مغز انسان برای حل مسائل از آن روش‌­ها استفاده می‌­کند. به طور کلی یادگیری عمیق سعی می‌­کند به شبیه‌سازی مغز انسان بپردازد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است که کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌­ترین کاربردهای تنسورفلو در پیاده‌­سازی شبکه­‌های عصبی است. به همین دلیل است که این کتابخانه، پراستفاده‌­ترین کتابخانه در یادگیری عمیق است. کراس یک کتابخانه در تنسورفلو است که با هدف توسعه شبکه‌­های عصبی ایجاد شده است. هدف از برگزاری دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ امروزه اهمیت یادگیری عمیق در بسیاری از تکنولوژی‌­ها بر کسی پوشیده نیست؛ تا جایی که در دنیای امروز یادگیری عمیق به مغز محاسباتی در بسیاری از زمینه­‌های علم و تکنولوژی تبدیل شده است. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژی‌­های مختلف، تقریبا هیچ موردی را نمی‌­توان پیدا کرد که در آن ردپایی از یادگیری عمیق دیده نشود. به این ترتیب، اصلی­‌ترین هدف این دوره آموزش کاربردی یادگیری عمیق و شناخت ابعاد گوناگون آن است. در این دوره شما با این ابزار بسیار مهم به ­صورت عملیاتی آشنا می‌­شوید و جزئیات لازم برای پیاده‌­سازی بهینه این الگوریتم‌ها را در عمل می­‌آموزید. در ادامه راه می‌­توانید از این ابزار در هر زمینه‌­ای که با داده روبه‌­رو می‌شوید و به دنبال پیدا کردن الگوهای آن هستید، استفاده کنید. دوره آموزش یادگیری عمیق با تنسورفلو و کراس برای چه کسانی مناسب است؟ محتوای این دوره به نحوی انتخاب شده که مناسب افرادی باشد که دوره یادگیری ماشین را گذرانده‌اند و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارند و به دنبال ادامه مسیر یادگیری/شغلی در این زمینه هستند. با توجه به اینکه این دوره ترکیب آموزش مفاهیم تئوری و عملی در کنار یکدیگر است، دانشجویان این دوره می‌توانند مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی، پیش‌بینی‌های دنباله‌های عددی و ترافیک و غیره را حل کنند. بنابراین این دوره مناسب کسانی خواهند بود که علاقه‌مند به مباحث پیشرفته هوش مصنوعی و چالش‌های لبه‌ی تکنولوژی هستند. در انتهای دوره آموزش یادگیری عمیق با تنسورفلو و کراس مخاطب چه دستاوردی خواهد داشت؟ با توجه به محتوایی که در این دوره به شرکت‌­کنندگان آموزش داده می‌­شود، در انتهای دوره مخاطبان محترم با موارد زیر آشنایی خواهند داشت: پیاده­‌سازی شبکه‌­های MLP پیاده‌­سازی شبکه­‌های Sequential، Functional و Subclass بهینه­‌سازی پارامترهای شبکه­‌های عصبی شناخت ترکیب مناسب activation function و initialization شناخت بهینه‌­ساز­ها و برنامه‌­های زمانی متناسب شناخت راهکارهای مقابله با Overfitting شناخت ابزار لازم برای ارزیابی عدم قطعیت پیش‌بینی شبکه­‌های عصبی پیاده‌سازی Transfer learning و استفاده از شبکه­‌های قدرتمند آماده پیاده‌­سازی شبکه­‌های Convolutional

832,150 تومان

مهارت‌های اکسل برای کسب‌وکار - مقدماتی

کاربرد مهارت های اکسل برای کسب‌وکارها چیست؟ ممکن است در ابتدا متوجه نشویم که اکسل چطور به تأسیس یک کسب‌وکار نوپا مربوط می‌شود. مهم‌ترین کاربرد اکسل در کسب‌وکار، محاسبه‌ی درآمدها و هزینه‌های شماست؛ اینکه نشان دهید درآمدی که از مشتری کسب می‌کنید، از هزینه‌ای که متحمل شده‌اید بیشتر است. این کار به نظر ساده می‌آید، اما پیچیدگی آن زمانی مشخص می‌شود که صورت‌حساب‌ها، جداول و فرمول‌های پیچیده به میان می‌آیند. این کارها را در اکسل به‌راحتی می‌توانید انجام دهید. نرم‌افزار صفحه گسترده اکسل یکی از فراگیرترین نرم‌افزارهایی است که در محیط‌های کاری در سراسر جهان استفاده می‌شود. یادگیری کار با این نرم‌افزار به معنای افزودن دارایی‌‌ای بسیار ارزشمند به سبد کسب‌وکار شماست. درزمانی که مشاغل دیجیتال بسیار سریع‌تر از مشاغل غیردیجیتالی رشد می‌کنند، مطمئن باشید که با افزودن مهارت‌های اکسل به مجموعه مهارت‌های شغلی‌تان، خود را جلوتر از بقیه قرار می‌دهید. به‌طورکلی اکسل در بخش‌های تأمین مالی و حسابداری، بازاریابی و مدیریت محصول، مدیریت منابع‌ انسانی و سایر بخش‌های هر کسب‌وکاری یکی از نرم‌افزارهای پرکاربرد است. هدف از آموزش این دوره چیست؟ در دوره مقدماتی مهارت‌های اکسل برای کسب‌وکار، نکات ضروری نرم‌افزار اکسل را یاد خواهید گرفت؛ می‌توانید به طور ماهرانه در محیط کاربری اکسل کار کنید، محاسبات اولیه را با فرمول‌ها و توابع انجام دهید، صفحات گسترده را به‌صورت حرفه‌ای قالب‌بندی کنید و توزیع داده‌ها را از طریق نمودارها نشان دهید. بهترین راه برای یادگیری اکسل استفاده از اکسل است! در این دوره، با استفاده از مهارت‌ها و تکنیک‌های اکسل که در طول مسیر یاد می‌گیرید، طیف وسیعی از مشکلات تجاری را حل خواهید کرد. برخی از کاربردهای اکسل به‌صورت خلاصه به شرح زیر است: پیش‌بینی درآمدهای جدید و نرخ رشد درآمد و مشتری ذکر رویدادها و تاریخ و ذخیره‌سازی اطلاعات کسب‌وکار لیست کردن و دسته‌بندی هزینه‌های یک محصول و به‌روزرسانی ماهانه (و یا هر بازه زمانی دلخواه) ایجاد انواع نمودارها و مصورسازی داده‌های کسب‌وکار کمک به مدیران سازمان و شرکت برای تصمیم‌گیری مناسب‌تر و مبتنی بر داده‌ها بررسی وضعیت فروش، انبار، موجودی، درآمد و ... امکان قیاس متغیرهای مورد نظر و فیلتر کردن و ایجاد ارتباط و محاسبه انواع آن‌ها

67,150 تومان
یک‌شنبه 16 اردیبهشت 1403، ساعت 15:22