دوره آموزشی - جستجوی «نماینده علمی»

نتایج جستجوی «نماینده علمی» 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 حسابداری با سپیدار برای شرکت‌های تولیدی

هر کسب‌ و کاری فارغ از زمینه، اندازه و مقیاسی که در آن فعالیت می‌کند، برای مدیریت صحیح در مورد هزینه‌ها و درآمدها و منابع مورد استفاده در آن نیازمند یک حسابدار یا فردی است که در زمینه‌ی حسابداری، آموزش لازم را دیده باشد. بطور کلی حسابداری زیر بنای اصلی انجام هر فعالیت اقتصادی است. در این دوره، ابتدا مفاهیم اولیه حسابداری صنعتی شامل شامل تعریف هزینه ها و بها و گردش حساب ها در حسابداری صنعتی مرور و بررسی می شود، سپس فرایند های کاری شرکت های تولیدی مورد بررسی قرار گرفته و همچنین سیستم های حقوق و دستمزد و سفارش کار سپیدار همکاران سیستم بصورت کامل آموزش داده می‌شود. تفاوت اصلی این دوره با سایر دوره های آموزش نرم افزار این است که در این دوره علاوه بر مفاهیم حسابداری صنعتی مورد نیاز بازار کار و قسمت سفارش کار و تولید نرم افزار سپیدار همکاران سیستم بصورت کاملا کاربردی آموزش داده می شود.

339,150 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 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

خلق و مدیریت برند

آیا تاکنون به تفاوت میزان رغبت از خرید خود از محصولی با برند مورد علاقه خود و برندی دیگر توجه کرده‌اید؟ برند، هویت محصول و یا خدمات شما و کسب‌وکارها را به‌صورت کاملاً تیزبینانه به مشتریانتان بازگو می‌کند. خلق برند مانند ایجاد یک طرح جدید در ذهن افرادی است که شما را می‌شناسند و این بار شما را با محصولاتتان می‌شناسند، برای همین، خلق برند و مدیریت برند بسیار مهم است؛ اما چگونه یک برند خوب خلق کنیم که نشان‌دهنده‌ی ارزش برند محصول ما باشد؟ این سؤال مهمی است، بنابراین برای پاسخ به این سؤال، روش‌های خلق برند و مدیریت برند را باید بشناسیم و پس از شناخت درست این روش‌ها، آنان را به کار بریم. لازم نیست که از کیفیت محصول و یا ویژگی‌های آن برای مشتریان خود بازگو کنید، برند سازی و خلق برند این امکان را فراهم می‌کند تا برند شما پیش از شما هویت محصول شما را در میان رقبای خود در بازار بیان کند. مدیریت برند نیز کمک می‌کند تا جایگاه محصول و برند شما به خطر نیفتد. برند سازی و خلق برند به معنای ایجاد تمایز و اعلان منحصربه‌فرد بودن محصول و یا خدمت شما است که برای مشتریان، کارکنان و مدیران سازمان اهمیت زیادی دارد. اهمیت خلق برند برای مشتریان، متمایز شدن است و برای کارکنان، کار کردن در جایی که برند معتبرتری است و برای مدیران سازمان مهم است خلق برند چون آن‌ها را برای رسیدن به هدفشان از کسب‌وکار کمک می‌کند، پس خلق برند قدرتمند و مدیریت برند سبب می‌شود هزینه‌های سازمانی نیز به‌واسطه جلوگیری از سرمایه‌گذاری‌های نامناسب و بی‌هدف به‌طور کاملاً محسوسی کاهش پیدا کنند. هزینه‌ی خلق برند اشتباه گزاف است پس باید اصولی تهیه شود.

143,650 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 یادگیری ماشین با پایتون

دوره آموزش یادگیری ماشین با پایتون چیست؟ در این دوره آموزشی به یادگیری ماشین با استفاده از زبان برنامه‌­نویسی شناخته شده و کار­آمد پایتون پرداخته می­‌شود. دوره آموزش یادگیری ماشین با پایتون به این صورت برنامه‌ریزی شده است که از مقدمات شروع می‌­شود و به مباحث پیشرفته و جدید یادگیری ماشین با پایتون می­‌پردازد. دوره آموزش یادگیری ماشین جادی در دو بخش تدوین شده است؛ در بخش اول شما باهدف یادگیری ماشین و کاربرد آن در دنیای واقعی آشنا خواهید شد. در بخش دوم این دوره یک نمای کلی از مباحث یادگیری ماشین مانند یادگیری تحت نظارت و بدون نظارت، ارزیابی مدل­‌ها و الگوریتم­‌های ماشین لرنینگ به شرکت‌کنندگان ارائه خواهد شد. هدف از آموزش دوره یادگیری ماشین با پایتون چیست؟ هدف از برگزاری این دوره، آموزش ماشین لرنینگ به‌صورت مرحله‌به‌مرحله از مباحث مقدماتی تا مباحث جدید و پیشرفته است. شرکت در این دوره آموزشی به شما کمک خواهد کرد تا در محیط واقعی و کاربردی از زبان برنامه­‌نویسی پایتون استفاده کنید و مهارت خود را در زمینه برنامه­‌نویسی پایتون افزایش دهید. در کنار این موضوع، آموزش یادگیری ماشین را به‌عنوان هدف اصلی این دوره آموزشی دنبال خواهید کرد. در انتهای این دوره چه مهارت‌­هایی کسب خواهید کرد؟ با شرکت در این دوره علاوه بر آشنایی با کلیات یادگیری ماشین شما با مباحث دیگری از مانند مسائل زیر آشنا شوید: 1. یادگیری تحت نظارت و بدون نظارت 2. ارزیابی مدل­‌ها و الگوریتم‌­های یادگیری ماشین 3. رگرسیون 4. طبقه‌بندی 5. خوشه‌بندی 6. یادگیری کیت علمی 7. SciPy ویژگی متمایز این دوره نسبت به دوره‌­های مشابه چیست؟ مدرس این دوره جادی میرمیرانی است. در کنار مدرس حرفه‌­ای و مسلط این دوره ساختاری که برای آموزش این دوره در نظر گرفته شده است نسبت به دوره‌­های مشابه متمایز است. به این صورت که این دوره آموزشی در دو بخش تدوین شده است و در این دو بخش علاوه بر آموزش مقدمات به مباحث جدید و اساسی در آموزش یادگیری ماشین با پایتون پرداخته شده است. در کنار این موارد در تمام طول دوره شما می‌­توانید سوالات و ابهامات خود را با استاد دوره در میان بگذارید و پاسخ همه سوالات خود را به دست بیاورید. در پایان دوره یادگیری ماشین با پایتون و پس از انجام آزمون در صورت کسب نمره قبولی مدرک معتبر مکتب‌­خونه مربوط به گذراندن این دوره به شما داده می­‌شود و با استفاده از این مدرک شما می­‌توانید شرایط خود را در آزمون‌­های استخدامی و مصاحبه­‌های مربوط به استخدام بهبود ببخشید.

373,150 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
یک‌شنبه 23 اردیبهشت 1403، ساعت 17:41