منابع ارتقای شغلیدوره آموزشیجستجوی "نمایش موقعیت کاربر روی"

نمایش موقعیت کاربر روی

استخدام آماده به کار[جدید] تبادل‌ نظر دوره‌آموزشی مقاله کتاب فایل و قالب نرم‌افزار اخبار استخدامی

دوره آموزشی - جستجوی «نمایش موقعیت کاربر روی»

نتایج جستجوی «نمایش موقعیت کاربر روی» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

ساخت ربات معامله‌گر با زبان MQL4 و MQL5

پلتفرم معاملاتی متا تریدر محبوب‌ترین پلتفرم معاملاتی دنیاست. علت محبوبیت بسیار زیاد این پلتفرم را می‌توان در امکانات فوق‌العاده و زیادی که به کاربران خود می‌دهد، جستجو کرد. امکان ساخت، تست و اجرای ربات‌های معاملاتی از جمله این امکانات است. اکسپرت ادوایزر (Expert Advisor) به آن دسته از برنامه‌های کامپیوتری می‌گویند که روی پلتفرم متا تریدر راه‌اندازی می‌شود و بازارهای مالی را رصد می‌کند. ربات معامله‌گر یا ربات تریدر در واقع همان نرم‌افزاری است که به مانند یک معامله‌گر تحت نظارت و برنامه‌های مشخص در بازارهای مالی حضور پیدا کرده و خرید و فروش انجام می‌دهد. این ربات‌ها می‌توانند برای حضور حرفه‌ای در بازارهای مالی از جمله فارکس، ارز دیجیتال، بورس اوراق بهادار و ... به معامله گران کمک کند.هدف از یادگیری آموزش ساخت ربات معامله‌گر با زبان MQL4 و MQL5 چیست؟ فعالیت در بازارهای مالی و سرمایه‌گذاری در آن امروزه به یک کار مفرح و درعین‌حال پرسود تبدیل شده است. کسانی که با این بازار آشنا هستند به‌خوبی می‌توانند سرمایه‌گذاری کرده و سودهای کلانی به دست آورند. بااین‌حال باز هم معامله‌گران در تمام شرایط نمی‌توانند یک ترید موفق داشته باشند یا هم‌زمان بازارهای متعدد را بررسی کنند؛ بنابراین در این شرایط وجود یک ربات معامله‌گر مانند اکسپرت ادوایزر (expert advisor) ضروری است. هدف از ساخت این ربات‌ها کمک به معامله‌گران برای پیداکردن سیگنال‌های خریدوفروش در بازارها (مشاور) و همچنین معامله به‌جای آن‌ها (تریدر) است.دوره آموزش ساخت ربات معامله‌گر با زبان MQL4 و MQL5 مناسب چه کسانی است؟ کسانی که به فعالیت در بازارهای مالی علاقه‌مندند. معامله‌گرانی که به استفاده از ربات معامله‌گر در معاملات خود علاقه دارند. کسانی که با اصول معامله‌گری در بورس و بازارهای مالی آشنایی دارند. کسانی که به‌صورت حرفه‌ای در بورس فعالیت دارند. بعد از فراگیری دوره آموزش ساخت ربات معامله‌گر با زبان MQL4 و MQL5 چه مهارت‌هایی کسب خواهید کرد؟ برنامه‌نویسی به زبان‌های MQL4 و MQL5 ساخت یک ربات معامله‌گر یا اکسپرت ادوایزر آشنایی با اندیکاتورها و دستورات آن نوشتن اندیکاتور آشنایی با توابع خریدوفروش و مدیریت پوزیشن در MQL5

1,444,150 تومان

دوره آموزشی

جاب ویژن

آموزش اکسل مقدماتی

دوره آموزش اکسل (Excel) مقدماتی : اکسل (Excel) یکی از برنامه‌های بسته نرم‌افزاری آفیس (Office) و از تولیدات مشهور شرکت مایکروسافت (Micro soft) است. یک برنامه‌ی صفحه گسترده بسیار قوی است که امکانات متنوع و بسیار جالب آن باعث شده در رشته‌های مختلف کاربردهای گسترده‌ای پیدا کند. ممکن است یک مهندس، پزشک، فروشنده و یا تولیدکننده باشید و بخواهید اطلاعات مربوط به تولید، فروش یا مراجعات بیماران را در جدول‌هایی مرتب کرده و بعد با تبدیل این جدول‌ها به نمودار، گزارش فنی دقیق و قابل فهم به مخاطبان خود ارائه دهید. یا ممکن است اطلاعات لازم را در برنامه‌ی اکسل وارد کرده و با ابزار و امکانات مختلفی که دارد آنها را تحلیل و پردازش کنید تا تصمیم‌گیری‌های آینده خود را بر اساس آن انجام دهید. به عبارتی اکسل برنامه‌ای است که همه می‌توانند از آن استفاده کنند و هر شخصی در هر حرفه و رشته‌ای که باشد می‌تواند در جهت بهبود عملکرد و کیفیت کار خود از آن بهره‌مند گردد. اکسل یک نرم‌افزار محاسباتی بسیار قدرتمند برای انجام کارهای روزمره است. به کمک اکسل می‌توانید برای خود برنامه‌ریزی کنید، محاسبات مالی و حسابداری خود را انجام دهید، جدول‌ها و نمودارهای حرفه‌ای رسم کنید و ... این نرم‌افزار به‌قدری قابل انعطاف است که از یک خانم خانه‌دار گرفته تا یک دانشجو و یا مدیرعامل یک شرکت تجاری بزرگ می‌توانند به کمک آن نیازهایشان را رفع کنند. شما می‌توانید با فراگیری برنامه آموزشی اکسل، به‌راحتی از مزایا و امکانات خوب و مفید آن استفاده نمایید و از کاربرد شگرف آن در کلیه امور روزانه خود بهره‌مند شوید.هدف از یادگیری دوره آموزش excel مقدماتی چیست؟ مهم‌ترین هدف این دوره، فراهم نمودن بستری مناسب جهت مهارت‌آموزی بیشتر مخاطبان و آشنایی آنها، در دو سطح عمومی (مقدماتی) و تخصصی و حرفه‌ای (پیشرفته) می‌باشد. اگر تاکنون با این برنامه کاربردی کار نکرده‌اید، نگران نباشید. در این دوره سعی شده است که با ارائه آموزش‌های گام‌به‌گام، شما را با محیط اکسل آشنا نموده تا در کمترین زمان ممکن به‌عنوان یک کاربر توانمند بتوانید به‌راحتی با این برنامه کار کنید و نتیجه لازم را دریافت نمایید. بعد از فراگیری دوره آموزش Excel مقدماتی چه مهارت‌هایی کسب خواهیدکرد؟ پس از گذراندن دوره مقدماتی اکسل خواهید یافت که اکسل دنیایی بزرگ و دریایی بی‌ساحل است بنابراین در جهت تکمیل مهارت‌های خود و فراگیری دوره پیشرفته آن می‌توانید به سطح بالاتری از اطلاعات و امکانات این برنامه برسید و از کاربرد شگرف آن بهره ببرید. مهارت‌هایی چون تهیه گزارش‌های مدیریتی، گزارش‌های اداری به‌صورت نمودار و گراف و جداولی که به‌راحتی سودآوری و یا نقصان مالی را در محاسبات نشان خواهد داد. ویژگی‌های متمایز دوره آموزش اکسل مقدماتی چیست؟ در این دوره (مقدماتی)، کلیه مباحث مهم و پایه‌ای مطابق با سرفصل‌های ارائه شده، به روشی سهل و آسان همراه با حل تمرین به هنرجویان ارائه می‌گردد. پس از گذراندن این دوره، هنرجو می‌تواند به‌راحتی به مرحله بالاتر (سطح پیشرفته) اکسل وارد شده و نسبت به فراگیری نکات و دستورالعمل‌های کاربردی آن اقدام نماید.

211,650 تومان

دوره آموزشی

جاب ویژن

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

دوره آموزشی

جاب ویژن

آموزش توسعه چابک نرم‌افزار با فریم‌ورک اسکرام

امروزه یکی از مسائل اصلی در صنعت توسعه نرم‌افزار، غیرقابل پیش‌بینی بودن و تغییرات مداوم در نیازمندی‌های کاربران است. این دوره، به شما کمک می‌کند تا با مفهومی به اسم اجایل یا چابکی در توسعه نرم‌افزار آشنا شوید که در واقع کمک می‌کند تا با موقعیت‌های ذکر شده چگونه روبرو شوید. در ادامه ما برخی از فریم‌ورک‌های معروف و پرکاربرد اجایل مانند اسکرام، کانبان و XP را نیز به‌طور کامل پوشش خواهیم داد، که در سطح عملیاتی بسیار مثمرثمر خواهند بود.

526,150 تومان

دوره آموزشی

جاب ویژن

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

دوره آموزشی

جاب ویژن

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

دوره آموزشی

جاب ویژن

آموزش Git

گیت (Git) یک سامانه‌ی کنترل نسخه‌ی توزیع ‌شده است که طراحی شده تا بتواند تغییرات سورس کد را در طول توسعه‌ی نرم‌افزار شناسایی کرده و ردیابی کند. هدف اصلی از ساخته شدن این سامانه این است که همکاری و کار تیمی در میان برنامه‌نویسانی که بر روی پروژه‌های مشترک کار می‌کنند تسهیل شود، اما می‌توان از آن برای ردیابی هر نوع تغییراتی در انواع فایل‌های مختلف استفاده کرد. سایر اهداف این سامانه عبارت‌اند از سرعت بالاتر، انسجام داده‌ها، و پشتیبانی روال‌های کاری توزیع شده و غیر خطی. این دوره آموزش Git به شما کمک خواهد کرد تا با مفهوم Git و ابزارهای مختلف آن آشنا شوید و در مدت زمان کوتاهی بتوانید از آن به طور موثر استفاده کنید. Git در سال ۲۰۰۵ توسط لینوس تروالدز و در پی توسعه‌ی کرنل لینوکس ساخته شد تا سایر توسعه‌دهنده‌های کرنل بتوانند با راحتی و سرعت بیشتری در توسعه‌ی آن مشارکت کنند. از سال ۲۰۰۵ به بعد افرادی کلیدی از جمله جونیو هامانو از نگهداری‌کننده‌های اصلی آن بوده‌اند. درست مانند سایر سامانه‌های کنترل نسخه‌ی توزیع شده، و بر خلاف بسیاری از سامانه‌های کلاینت-سروری، تمام مخزن‌های گیت روی تمام کامپیوترهایی که روی آن‌ها بارگذاری شده‌است، نسخه‌ی کاملی از تاریخچه به همراه توانایی ردیابی نسخه، فارغ از اتصال یا عدم اتصال به شبکه یا سرور مرکزی، وجود دارد. امروزه میلیون‌ها پروژه از Git استفاده می‌کنند. با استفاده از گیت می‌توان تغییراتی که در هر مرحله از پروژه اعمال شده را پیگیری کرد، قسمتی از پروژه را به صورت مستقل توسعه داد و یا حتی در صورت بروز مشکل در هر مرحله به نقطه‌ای پایدار و بدون مشکل بازگشت و از بروز اشتباهات احتمالی در هر مرحله از توسعه نرم افزار جلوگیری کرد. پس از گذراندن دوره آموزش Git شما قادر خواهید بود که روی پروژه‌ای مشترک با همکاران خود روی توسعه محصولات مختلف کار کنید، حتی روی پروژه‌های شخصی که به صورت مستمر نیاز به بازبینی و ویرایش دارند یا روند تغییرات نسخه‌های مختلف را در مراحل متفاوت توسعه نرم‌افزار بررسی، پیگیری و کنترل کنید و غیره.

339,150 تومان

دوره آموزشی

جاب ویژن

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 آموزشی

جاب ویژن

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

دوره آموزشی

جاب ویژن

آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender Systems)

کاربرد دوره آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender System) چیست؟ 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 سامانه‌های توصیه‌گر، 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 پیشنهاددهنده 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 (Artificial Neural Networks) 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.

جاب ویژن