دوره‌ی آموزش مقدماتی اسکیس، بصورت صفر تا صد بوده و مباحث تدریس شده در آن شامل ترسیم و تمرین برای شناخت خط، سطح، حجم، عناصر شکل دهنده یک اسکیس کامل (مانند درخت، انسان و...)، ترسیم فنی در اسکیس (پلان، نما، برش)، راندو و... خواهد بود. در آموزش مقدماتی اسکیس لازم است با مفهوم پرسپکتیو به خوبی آشنا شوید. ازاین رو، در حین آموزش، تمرکز زیادی بر روی آموزش انواع پرسپکتیو و نحوه‌ی ترسیم آن از زوایای دید مختلف، انتخاب و تشخیص ویوها و نسبت‌ها و... شده‌است.
درس کاربرد ریاضیات در مهندسی شیمی مباحث: مشتق‌گیری و انتگرال‌گیری عددی، معادلات دیفرانسیل مرتبه اول و دوم، ماتریس‌ها و حل دستگاه‌ها، حل معادلات دیفرانسیل ODE و PDE، تبدیلات لاپلاس، مدل‌سازی مسائل انتقال جرم، حرارت، مومنتوم و... را شامل می‌شود. در این آموزش بر آن شدیم تا ابتدا به مرور کلی درس کاربرد ریاضیات در مهندسی شیمی، سپس حل تمرین و حل نمونه سوالات آزمون کارشناسی ارشد سال‌های اخیر در هر بخش بپردازیم. استفاده از این آموزش برای دانشجویان رشته مهندسی شیمی در مقطع کارشناسی و دانشجویان متقاضی شرکت در آزمون کارشناسی ارشد توصیه می‌گردد. همچنین این فرادرس برای مدل‌سازی پدیده‌های انتقال جرم و انتقال حرارت مناسب است.
دسترسی حداقل 2 هفته ای به لینک های مشاهده هر جلسه از کلاس حضور در گروه تلگرامی دوره و همفکری با دیگر شرکت کنندگان به مدت نامحدود
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.
در این دوره، به معرفی سهام ممتاز و بیان بیش از 20 ویژگی آن می‌پردازیم. ویژگی‌های مورد بحث مشخص می‌کند در شرایط مختلف از جمله موفقیت و یا ورشکستگی استارتاپ، خروج موسسان و یا سرمایه‌گذاران از استارتاپ، و بروز شرایط بحرانی چه اتفاقی برای سهامداران رخ می‌دهد. در طول دوره، مثال‌ها، نمونه‌کاوی‌ها، کوئیزها و پروژه‌های مختلف برای تسلط یافتن به ویژگی‌های سهام ممتاز و چگونگی طراحی بهینه آن آورده شده است.
هدف از یادگیری دوره آموزش جذب سرمایه‌گذار برای استارتاپ چیست؟ نیاز کسب‌وکارها به سرمایه در ابتدای راه برای خرید تجهیزات، استخدام نیروی کار و سایر هزینه‌های مادی کاملا منطقی است. چرا که بدون پول و سرمایه، آغاز یا ادامه فعالیت برای یک کسب‌وکار امکان‌پذیر نیست. تنها تعداد کمی از استارت‌آپ‌ها هستند که می‌توانند نیازشان را خودشان برطرف کنند. سایر کسب‌وکارها مجبورند سرمایه‌گذارانی را جذب کنند که هزینه‌هایشان را برعهده بگیرند. جذب این سرمایه‌گذاران یکی از سخت‌ترین مشکلات پیش روی صاحبان کسب‌وکار است. هدف از فراگیری دوره آموزش جذب سرمایه‌گذار برای استارتاپ‌ها این است که شما به عنوان یک بنیان‌گذار بتوانید سرمایه مورد نیاز خود را از طریق جذب سرمایه‌گذار تامین کنید. بنابراین اگر قصد راه‌اندازی یا توسعه کسب‌وکار خود را دارید، زمان را از دست ندهید و نسبت به تهیه این دوره آموزشی اقدام کنید.
بخش Verbal Reasoning آزمون GRE شامل ۲۰ سوال است که به ارزیابی توانایی شما در تحلیل اطلاعات و نحوه ارتباط بین اجزای جملات و متون در مدت زمان ۳۰ دقیقه می‌پردازد. سوالات این بخش در فرمت‌های مختلفی ظاهر می‌شوند که عبارتند از: 1- Reading Comprehension 2- Text Completion 3- Sentence Equivalence سوالات Reading Comprehension به سنجش مهارت‌های زیر در متقاضیان می‌پردازد: - درک معنی هر کلمه - درک معنی هر جمله - درک معنی هر پاراگراف - تشخیص نکات مهم از نکات غیرکلیدی - خلاصه کردن متن - نتیجه‌گیری و استنتاج از اطلاعات دریافت‌شده - استدلال مناسب جهت کامل کردن اطلاعات ناقص - درک ساختار متن - درک نظر نویسنده - درک حدس‌های نویسنده - درک و تشخیص نقاط ضعف و قوت متن هر سوال Reading Comprehension بر مبنای یک متن است که این متن ممکن است یک یا چند پاراگراف باشد. موضوع متون غالبا در حوزه علوم فیزیک، محیط زیست، اجتماعی، انسانی، هنر، و نیز مسائل روزانه است. همه سوالات بر مبنای داده‌های موجود در متن پاسخ داده می‌شوند و شما نیاز به دانش و اطلاعاتی فراتر از متن ندارید. قسمت Text Completion با حذف کردن کلمات کلیدی از یک متن کوتاه از متقاضیان می‌خواهد که از اطلاعات باقیمانده در متن به عنوان مبنای انتخاب واژه یا عبارت مناسب و منطقی برای پر کردن جای خالی استفاده کنند. در قسمت Sentence Equivalence، تمرکز اصلی روی مفهوم کل متن است و در آن از شما خواسته می‌شود که به ازای یک جای خالی دو گزینه انتخاب کنید به گونه‌ای که آن دو گزینه منجر به ایجاد یک جمله‌ی کامل و منسجم شوند. این دوره شامل تشریح بایدها و نبایدها، معرفی انواع سوالات و تکنیک‌های پاسخ‌دهی همراه با تحلیل نمونه سوالات آزمون‌های واقعی به‌علاوه‌ی معرفی لغات پرکاربرد این آزمون است.
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.
مدرک LPIC-1 اولین مدرک از مجموعه مدارک حرفه ای سطح بندی شده LPI لینوکس می باشد. این مدرک صلاحیت داوطلب در زمینه اداره کردن امور مرتبط با تعمیر و نگهداری از طریق خط فرمانی (command line)، نصب و پیکربندی یک کامپیوتر برخوردار از سیستم عامل لینوکس و نهایتا تنظیمات اولیه مرتبط با شبکه را تایید می کند.چنانچه با لینوکس و دوره های آموزش لینوکس از پیش آشنایی ندارید اما قصد شروع دوره های آموزش لینوکس را دارید، به شما توصیه توصیه می کنیم تا ابتدا راهنمای شروع دوره های آموزش Linux را مطالعه نمایید.
تسک ۱ رایتینگ آکادمیک آیلتس (IELTS Writing Task 1- Academic)، تسک تبدیل اطلاعات تصویری به اطلاعات نوشتاری است که در آن از شما انتظار می‌رود: ۱- در مدت زمان ۲۰ دقیقه، یک گزارش بر اساس تصویر داده شده بنویسید. ۲- گزارش نوشته شده حداقل دارای ۱۵۰ کلمه باشد. ۳- سیر کلی تصویر داده شده (Overview) و بیان مهمترین تغییرات روندها، اعداد و ارقام با توصیف مقایسه‌ای آن‌ها به اختصار بیان شود و دربرگیرنده‌ی نقطه‌نظر شخصی نویسنده نباشد. ۴- گزارش خواسته شده باید به نحوی نوشته شود که خواننده (ممتحن) بتواند بدون نگاه کردن به تصویر داده شده، کاملا متوجه نکات اصلی تصویر شده و بتواند آن را در ذهن خود ترسیم کند. گزارش شما بر اساس ۴ مولفه مورد ارزیابی و نمره‌دهی قرار می‌گیرد: 1- Task Achievement (TA) 2- Cohesion and Coherence (C.C) 3- Lexical Resource (LR) 4- Grammar (GRA) تجربیات متعدد و چندین ساله در این حوزه نشان می‌دهد که دغدغه و چالش اصلی متقاضیان عمدتا مربوط به تجزیه و تحلیل و مقایسه داده‌های تصویر است که در نهایت منجر به کسر نمره در مولفه‌ی TA می‌شود. همچنین ایجاد ارتباط و انسجام درونی بین اجزای گزارش (C.C) به شکلی که بتواند به روان بودن گزارش و درک بهتر آن توسط ممتحن کمک کند از دیگر مشکلات متقاضیان در این تسک به شمار می‌رود. این دوره تمرکز ویژه ای روی نقاط ضعف مطرح شده دارد و تلاش بر این است تا با آموزش تکنیک‌های تحلیل و مقایسه داده‌ها و نحوه‌ی نوشتن آن‌ها و البته در کنار آن آشناسازی متقاضیان با ساختارهای گرامری مرتبط و واژگان Less Common، آن‌ها را به سمت نمره‌ی بالای ۷ سوق دهد
