دوره آموزشی - جستجوی «مسئول آزمایشگاه»

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

آموزش هک قانونمند (CEH)

دوره‌ی آموزش هکر اخلاق‌مدار به اختصار CEH (The Certified Ethical Hacker) جامع‌ترین دوره‌ی هک اخلاقی است که به متخصصان امنیت برای فهم بهتر هک اخلاقی کمک می‌کند. دوره‌ی آموزش هک اخلاقی به شما کمک می‌کند تا به طور سیستماتیک به بازرسی زیرساخت شبکه‌ی سازمان‌ها (با رضایت مسئولین آن سازمان) برای یافتن آسیب‌های امنیتی در زیرساخت شبکه و سیستم بپردازید تا از حمله هکرهای مخرب یا به اصطلاح کلاه سیاه در امان بمانند. اهداف دوره‌ی آموزش CEH عبارتند از: • آموزش‌ حداقل معیارهای اخلاقی به متخصصان امنیت اطلاعات برای هک اخلاقی • آموزش مهارت‌های حرفه‌ای برای هک اخلاقی هکر اخلاق‌مدار (CEH) به چه کسانی گفته می‌شود؟ هکر اخلاق‌مدار یا هکر کلاه سفید، فردی است که در زمینه‌های مختلف مانند علوم کامپیوتر، شبکه‌های کامپیوتری، سیستم‌عامل‌های کامپیوتری و تکنیک‌های مهندسی اجتماعی دانش زیادی دارد و از این دانش‌ها برای شناسایی نقاط ضعف و آسیب پذیر زیرساخت‌های شبکه و سیستم استفاده می‌کند و به سازمان‌ها در برابر حملات مخرب کمک می‌کند. قابل ذکر است هکر کلاه سفید از توانایی‌هایش برای مقاصد شخصی و آسیب رساندن به افراد و سازمان‌ها استفاده نمی‌کند. برای مقابله با هکر‌های مخرب یا کلاه سیاه، باید مانند یک هکر فکر کنید و مهارت‌های آن‌ها را بلد باشید ولی اخلاق‌مدار باشید. از همین رو در دوره‌ی آموزش هکر اخلاق‌مدار، آشنایی لازم با ابزارها و مهارت‌های لازم برای هک را به دست خواهید آورد، تا بتوانید مانند یک هکر فکر و عمل کنید. این ابزار‌ها و مهارت‌ها عبارتند از: محیطی برای تمرین آزموده‌ها جمع‌آوری اطلاعات آشنایی با شبکه‌های کامپیوتری و مفاهیم آن آشنایی با انواع سیستم‌عامل‌های کامپیوتری انواع روش‌ها برای حمله‌ی هک وظیفه‌ی هکر اخلاق‌مدار چیست؟ هکر‌های اخلاقی (CEH) توسط سازمان‌های مختلف استخدام می‌شوند تا راه‌های نفوذ زیرساخت‌های شبکه و سیستم را شناسایی و گزارش کنند و سازمان را در رفع این اشکال‌ها یاری ‌کنند تا در برابر حمله‌ی کلاه سیاه‌ها آسیب پذیر نباشد. کاربردهای هک اخلاقی برای سازمان‌ها: تست آسیب پذیری: هکرهای اخلاقی با مهارت‌ها و ابزارهای خود سعی می کنند تا اقدامات امنیتی فناوری اطلاعات سازمان‌ها را در برابر حمله‌های هکرهای کلاه سیاه آزمایش کنند تا مشخص شود کدام یک از اقدامات کارساز نبوده و باید اصلاح شوند. آشنا کردن سازمان‌ها با روش‌های مختلفی که توسط هکر انجام می‌شود: اگر سازمان‌ها با انواع روش‌ها و حمله‌های هکرها آشنا باشند، راحت‌تر می‌توانند از حملات مختلف جلوگیری کنند. آماده کردن سازمان‌ها در برابر حملات کلاه سیاه‌ها: حملات هکرها می‌تواند زیرساخت‌های شبکه و سیستم‌های فناوری اطلاعت را از کار بیاندازد. از این رو هکرهای کلاه سفید با سازمان‌ها همکاری می‌کنند تا در برابر این حملات آمادگی داشته باشند.

696,150 تومان

آموزش مدلسازی جریان توربولانس با نرم افزار Fluent

در دوره مدل سازی جریان توربولانس با نرم افزار Fluent به شما در ابتدا مقدمه‌ای از جریان توربولانس و ضرورت مدل‌سازی گفته می‌شود و در فصل دوم نیز با معادلات RANS و نحوه‌ی محاسبه‌ی ترم رینولدز استرس با کمک مدل سازی آن با ویسکوزیتی توربولانسی آشنا می‌شوید. سپس در فصل سوم با انواع مدل‌های توربولانسی آشنا می‌شوید که همان طور که گفته شد این مدل‌ها مسئول محاسبه‌ی ویسکوزتی توربولانسی هستند. با توجه به اینکه هر یک از این مدل‌ها برای شرایط خاصی توسعه پیدا کرده‌اند و هیچ یک از این مدل‌ها نمی‌توانند در تمامی شرایط، تخمین درستی از مشخصات جریان توربولانسی به ما بدهند، داشتن اطلاعات اولیه راجع به تمامی این مدل‌ها لازم به نظر می‌رسد. همچنین جریان‌های توربولانسی در نزدیکی دیواره رفتار یکسانی دارند که از این رفتار در مدل‌های توربولانسی تحت عنوان wall function استفاده می‌شود که در فصل 4 به این موارد پرداخته می‌شود. در نهایت در جلسه آخر با مدل‌سازی جریان توربولانس در یک دفیوزر، موضوعات جلسات گذشته مرور می‌شود و نکات باقیمانده مربوط به شبیه‌ی جریان توربولانس از جمله شرایط مرزی در Fluent ذکر می‌شود.

152,150 تومان

آموزش تحلیل بدافزار مقدماتی

عصر دیجیتال باعث شده است تا اطلاعات و اسناد از اتاق‌های بزرگ بایگانی و قفسه‌ها، به سرورهای کامپیوتری و فضاهای ابری منتقل شوند. این اتفاق همانطور که باعث ساده‌تر شدن و روان‌تر شدن روندهای کاری می‌شود، تهدیداتی را نیز به‌همراه دارد. در دنیای امروز اطلاعات (داده‌ها) خصوصا برای کسب‌وکارهای دیجیتال از مهم‌ترین دارایی‌ها به‌حساب می‌آیند. تا زمانی که این دارایی‌ها بر بستر اینترنت قرار دارند، تهدید نفوذ و دستکاری آن‌ها توسط هکرها وجود خواهد داشت. یکی از راه‌های نفوذ این افراد به سیستم‌های مختلف بدافزارها هستند. در دوره تحلیل بدافزار مقدماتی ، تحلیل ایستای اولیه و رفتاری بدافزار در محیط ایزوله آزمایشگاهی مورد بررسی قرار می‌گیرد. در این دوره با ابتدا مفهوم بدافزار آشنا می‌شوید و در ادامه انواع و مراحل مختلف تحلیل آن به شما آموزش داده‌خواهد شد. این مطلب از طریق بررسی ساختار فایل برای تشخیص ناهنجاری برای شما تثبیت می‌شود. به‌طورخلاصه در این دوره یاد می‌گیرید که چطور می‌توان در یک محیط ایزوله آزمایشگاهی، بدافزار را از لحاظ رفتاری تحلیل کرد. در فصل آخر این دوره هم با محیط‌های تحلیل اتوماتیک (سندباکس) آشنا شده و نحوه راه‌اندازی و استفاده از آن را می‌آموزید. این دوره پیش‌نیاز دوره پیشرفته تحلیل بدافزار است که در آن به تحلیل کد و مهندسی معکوس بدافزار، پرداخته می‌­شود.

415,650 تومان

آموزش سیستم عامل ربات ROS و GAZEBO

ROS چیست؟ ROS مخفف عبارت Robatic Operating System به معنای سیستم عامل رباتیک است. فریم‌ورک راس یک چارچوب انعطاف‌پذیر برای نوشتن نرم‌افزار ربات است. این ابزار مجموعه‌ای از کتابخانه‌ها و پکیج‌های متعدد را شامل می‌شود که هدف آن ساده کردن رفتار پیچیده ربات در گستره وسیعی از بسترهای رباتیکی است. ایجاد یک نرم‌افزار کاملا مقاوم و هدفمند برای ربات کار بسیار دشواری است. بعضی از مشکلات برای انسان‌ها بی‌اهمیت به نظر می‌رسند، درحالی‌که آن‌ها از دیدگاه ربات این‌گونه نیستند. ممکن است این مشکلات با اتفاقات غیرمنتظره که اغلب با سختی و پیچیدگی همراه است، به وجود بیاید. هیچ فرد، آزمایشگاه یا موسسه‌ای به تنهایی نمی‌تواند از پس این مشکلات برآید. نرم افزار ROS از همان ابتدا بدین منظور ساخته شده است تا توسعه نرم‌افزار رباتیک مشترک را تشویق کند. به عنوان مثال، یک آزمایشگاه ممکن است متخصص در نقشه‌برداری از محیط‌های داخلی باشد و می‌تواند برای تولید نقشه کمک کند. گروه دیگری ممکن است متخصصانی برای استفاده از نقشه‌ها در جهت پیمایش (navigate) داشته باشند و گروه دیگری در حوزه بینایی ماشین فعالیت کنند. ROS به شکل خاصی برای همه گروه‌ها ساخته شده است تا همه بتوانند در کنار هم کار کرده و بدون مشکل از نتیجه کار یکدیگر استفاده کنند. دوره آموزش نرم افزار ROS ابتدا شما را به طور کامل با شیبه‌ساز گزبو و چگونگی نصب و راه‌اندازی آن آشنا می‌کند. شبیه‌سازی موبایل‌ربات ساده، در این فضا و سایر ربات‌ها به زبان xml در فرمت sdf و همچنین نحوه استفاده از مش‌ها بخشی از کاربردهای این دوره آموزشی است. با کمک این دوره می‌توانید مثال‌های متنوعی از سنسورها و ربات‌های مختلف را بررسی کنید. همچنین در پایان طراحی و شبیه‌سازی با چند نمونه مثال عالی از ربات‌های مختلف مانند velodyne و یک بازوی و گریپر آشنا می‌شوید.

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 رایگان بهبود شبکه‌های عصبی عمیق

کاربرد دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ شبکه عصبی عمیق یک شبکه عصبی با سطح مشخصی از پیچیدگی و بیش از دولایه است. این نوع شبکه‌ها از مدل‌سازی سطح بالای ریاضی برای پردازش داده‌ها به روش‌های پیچیده استفاده می‌کنند. به‌طورکلی شبکه عصبی یک فناوری است که برای شبیه‌سازی فعالیت مغز انسان ساخته شده‌است؛ شناخت الگو و عبور ورودی از طریق لایه‌های اتصالات عصبی شبیه‌سازی شده مختلف از مهم‌ترین این فعالیت‌هاست. بسیاری از کارشناسان شبکه‌های عصبی عمیق را شبکه‌هایی تعریف می‌کنند که یک‌لایه ورودی، یک‌لایه خروجی و حداقل یک‌لایه پنهان در بین آن‌ها دارند. هر لایه نوع خاصی از مرتب‌سازی و ترتیب را در فرایندها انجام می‌دهند. یکی از کاربردهای کلیدی شبکه عصبی عمیق سروکار داشتن با داده‌های بدون برچسب یا ساختار نیافته است. عبارت یادگیری عمیق هم برای توصیف این شبکه‌های عصبی عمیق به کار می‌رود؛ چراکه یادگیری عمیق شکل خاصی از یادگیری ماشین را نشان می‌دهد که در آن فناوری‌ها با استفاده از جنبه‌های هوش مصنوعی به دنبال طبقه‌بندی و تنظیم اطلاعات فراتر از پروتکل‌های ساده ورودی و خروجی هستند. هدف از یادگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ آموزش بهبود شبکه عصبی عمیق، دومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. هدف از این دوره این است که بتوانید فرایندهایی که منجر به کارایی می‌شوند و به طور سیستماتیک نتایج خوبی به بار می‌آورند، را درک کنید. در پایان این دوره شما خواهید توانست بهترین روش‌ها را برای آموزش و توسعه مجموعه‌های آزمون و تجزیه و تحلیل بایاس واریانس استفاده کرده و آن‌ها را برای ایجاد برنامه‌های یادگیری عمیق به کار ببرید. دوره آموزش بهبود شبکه‌های عصبی عمیق مناسب چه کسانی است؟ کسانی که با هوش مصنوعی آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند. برنامه‌نویسانی که به کار کردن در حوزه بهبود شبکه عصبی عمیق علاقه‌مندند. دانشجویان علوم مهندسی، پزشکی و پایه بعد از فراگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چه مهارت‌هایی کسب خواهید کرد؟ با گذراندن این دوره مهارت‌های شما در زمینه بهبود شبکه‌های عصبی عمیق ارتقا پیدا خواهد کرد و می‌توانید از تکنیک‌های استاندارد شبکه عصبی عمیق استفاده کنید. این تکنیک‌ها عبارت‌اند از: تنسورفلو (Tensorflow) یادگیری عمیق بهینه‌سازی ریاضی تنظیم هایپر پارامترها مقداردهی اولیه نرمال‌سازی بسته‌ها پیاده‌سازی و به‌کارگیری انواع الگوریتم‌های بهینه‌سازی

118,150 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

برنامه ریزی و مدیریت پروژه با آموزش Microsoft Project

MicroSoft Project یکی از محبوب ترین و پرکاربردترین نرم افزارهای برنامه ریزی و مدیریت پروژه است که با بیش از بیست میلیون کاربر در سراسر دنیا، به برنامه ای کاربردی برای مدیران و اعضای تیم پروژه تبدیل شده است. سهولت کار با MS Project ، سازگاری با محیط ویندوز و سایر سیستمهای عامل، شباهت محیط و جعبه ابزارها با سایر نرم افزارهای مایکروسافت آفیس، داشتن تمامی ابزارها و ماژول های مورد نیاز کنترل پروژه و از همه مهمتر داشتن محیط user friendly، این نرم افزار را از سایر نرم افزار های مشابه متمایز کرده است. کاربرد اصلی نرم افزار Microsoft Project در برنامه ریزی و مدیریت زمان، تهیه برنامه های زمانبندی، مدیریت هزینه ها و منابع پروژه، پیگیری پیشرفت و تهیه انواع گزارشات کنترلی، تحلیلی و … می باشد. مخاطبین دوره آموزش MicroSoft Project پس از طی مراحل آموزش به مهارت های زیر دست پیدا خواهند کرد. آشنایی با مبانی پروژه، اطلاعات و اصطلاحات کاربردی تسلط به نرم افزار توانایی برنامه ریزی و مدیریت زمان، هزینه و منابع پروژه توانایی تهیه انواع خروجی ها و گزارشات علی دهباشی در این دوره آموزش MSP از مفاهیم مقدماتی آغاز کرده و در نهایت به طور کامل نحوه کاربری نرم افزار Microsoft Project را آموزش می دهد. این دوره شامل فیلم آموزش MSP ، آموزش از طریق جزوه ( PDF ) و تمرین های کاربردی بر اساس نمونه های واقعی کار شده با MSP 2013 می باشد.

125,100 تومان
دوشنبه 10 اردیبهشت 1403، ساعت 13:07