این درس برای کسانی مناسب است که آشنایی چندانی با مباحث تحلیل داده ندارند و در شروع راه هستند. هدف از برگزاری دوره این است تا دانشجویان با مباحث مقدماتی کار با زبان R آشنا شوند و برخی از مهارت‌های لازم برای تبدیل شدن به تحلیل‌گر را پیدا کنند. این دوره کاملاً کاربردی طراحی شده است و تاکید آن است که دانشجو با مثال‌های متنوعی مواجه شود و از این طریق زبان R را یاد بگیرد.
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.
این دوره به‌گونه‌ای طراحی شده‌است که برای برنامه‌نویسانی که به‌تازگی وارد حوزه موبایل شده‌اند بسیار مفید باشد. افرادی که در حوزه موبایل فعالیت داشته‌اند و قصد یادگیری برنامه‌نویسی با زبان جدید فلاتر را دارند نیز می‌توانند از این دوره استفاده کنند و برای آنان نیز جذاب خواهد بود. در این دوره ابتدا با مفاهیم جدید و کاربردی در زبان دارت آشنا می‌شویم. مفاهیمی از قبیل: تعریف متغیرها و توابع در دارت Mapها در دارت و جنریک‌ها یادگیری مفاهیم اولیه در زبان دارت برای ادامه برنامه‌نویسی با فلاتر بسیار حیاتی است و با فراگیری این مفاهیم در خصوص پیاده‌سازی مفاهیم کاربردی و پروژه‌های عملی با این زبان مشکلی نخواهید داشت. برای شروع کار با فلاتر ابتدا محیط برنامه‌نویسی مختص آن را از قبیل نصب و راه‌اندازی محیط و SDK شروع می‌کنیم. در ادامه شروع به طراحی یک پروژه فروشگاهی ساده می‌کنیم و اصولی طراحی اپلیکیشن با فلاتر را به‌صورت کاربردی و عملی برای تفهیم بیشتر فرامی‌گیریم. در مرحله بعد کار با ویجت‌ها را پی‌می‌گیریم و با ویجت‌های مهم و کاربردی آشنا می‌شویم. در ادامه با مبحث ساختار درخت طراحی اپلیکیشن‌های فلاتر آشنا خواهیم شد، به‌صورتی که می‌توانید درخت نرم‌افزار را با داشتن طرح گرافیست یا وایرفریم استخراج کنید. در مرحله بعد، با انیمیشن‌ها در فلاتر به‌صورت خیلی ساده آشنا می‌شوید و کار با سرورهای RESTFull را فرامی‌گیرید. به دلیل کاربردی بودن برنامه‌نویسی ناهمگون در فلاتر، این بخش را مورد بررسی قرار می‌دهیم و در نهایت مبحث Nullها و Exceptionها را فرامی‌گیریم و یک ساختار پیشنهادی برای مدیریت کلاس‌ها و فایل‌ها در فلاتر پیشنهاد می‌دهیم.
یکی از این مهارت ها آشنایی و بکارگیری روش های آماری هست. آمار از این جهت حوزه جذابی است که می تواند درباره رفتارهای انسان ها در کسب و کار و البته سایر حوزه های دیگر پیش بینی‌هایی بکند که شاید افراد عادی فکر نمی کنند بشود این پیش بینی ها را کرد. در این درس تلاش شده است که شما با قسمت های کاربردی و جذاب آمار آشنا شوید. به جای این که درگیر فرمول های پیچیده ریاضی شوید، یاد می گیرید چطور مثل یک تحلیل گر داده فکر کنید، چطور با داده های واقعی کار کنید و استنتاج های آماری کنید و در نهایت به تصمیم گیری در کسب و کار کمک کنید. در این درس یاد می گیرید که با زبان برنامه نویسی R کار کنید و تحلیل های آماری انجام بدهید. در قالب ارائه، کوئیزها و پروژه مثال های مختلفی از حوزه های منابع انسانی، مالی، بازاریابی و فروش و سایر حوزه های کسب و کار را مشاهده خواهید کرد و گام به گام یاد خواهید گرفت که چطور روش های آماری را برای حل مسائل دنیای واقعی بکار ببرید. آمار کاربردی برای تحلیل داده دومین درس از دوره آنلاین Business Analytics در مکتب خونه است. پیش نیاز این درس٫ دوره تحلیل داده با زبان برنامه نویسی R است که اولین درس از دوره آنلاین Business Analytics در مکتب خونه است.
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.
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.
دوره آموزشی لیسنینگ آیلتس چیست؟ دوره آموزش لیسنینگ آیلتس به منظور افزایش آمادگی داوطلبان آزمون آیلتس طراحی شده است. در این دوره سعی شده تا علاوه بر آشنایی با انواع سوالات در بخش لیسنینگ آیلتس به صورت تخصصی ترفندها و نکات پاسخگویی به هرکدام از سبکهای مختلف سوالات را به دقت آموزش دهیم تا شما بتوانید به راحتی به هرکدام از انواع سوالات لیسنینگ پاسخ دهید. مزایا و اهداف دوره آموزش لیسنینگ آیلتس چیست؟ بهترین مزیت این دوره آموزشی توضیح جامع انواع سوالات بخش لیسنینگ آیلتس و برطرف کردن نقاط ضعف در درک درست سوالات و نحوه مواجهه با آنهاست. بعد از پایان این دوره انتظار می‌رود در خصوص پاسخگویی به مدل‌های سوالات آزمون آیلتس به تسلط کامل رسیده و آن را به نقطه قوتی در آزمون آیلتس تبدیل کنید. بعد از طی این روند، مخاطبان دوره آماده تمرکز روی نمونه سوالات Cambridge می‌شوند. دوره آموزشی لیسنینگ آیلتس مناسب چه کسانی است؟ به افرادی که به دنبال بستههای جامع درخصوص آمادگی برای لیسنینگ آیلتس هستند، توصیه می‌شود حتما در این دوره ثبت نام کنند و به صورت اصولی مهارت لیسنینگ خود را ارتقا دهند. مهارت‌های کسب شده بعد از گذراندن دوره آموزشی کدام است؟ 1. پیدا کردن دقیق کلمات مهم و کاربردی در هر بخش 2. توجه به Spelling در فرآیند لیسنینگ 3. افزایش اعتماد به نفس در هنگام پاسخگوبی به سوالات 4. تجزیه و تحلیل نقات قوط و ضعف بعد از هر آزمون منابع تدریس این دوره آموزشی کدام است؟ یکی از موارد مهم که باید در هنگام گذراندن یک دوره درسی به آن توجه داشت، بررسی منابع تدریسی توسط مدرس هر درس است. یکی از نکات برجسته دوره آموزش لیسنینگ آیلتس منابع متنوع و بسیار بهروزی است که در آن استفاده شده است. این منابع شامل موارد زیر می‌شوند. 1. Mindset for IELTS 2. Cambridge IELTS پیشنیازها و مکملهای این دوره کدام است؟ هرچند که دوره آموزش لیسنینگ آیلتس یکی از جامعترین دوره‌های آموزش لیسنینگ آزمون آیلتس بوده ولی به منظور بازدهی بهتر و کاملتر شدن آموزش توصیه می‌شود در کنار کتب مربوطه برخی دیگر از کتابهای مرجع را مطالعه کنند. کتب پیشنهادی عبارتند از: 1. Tactics for Listening 2. Barron's Essential Words for the IELTS شیوه دوره آموزشی لیسنینگ آیلتس چگونه است؟ بیان ساده مدرس دوره آموزشی و تمرین محور بودن آن از بارزترین ویژگی‌های این مجموعه است. همچنین سعی شده در ابتدا فرد سوالات هر بخش را ابتدا با گذاشتن وقت حل کرده و در انتها مدرس با بیان اشکالات و رفع آن‌ها داوطلب را با نکات و ترفندهای هر قسمت آشنا کند.
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
این دوره مناسب چه کسانی است؟ Docker ابزاری بسیار مناسبی برای کلیه برنامه‌نویسان و توسعه‌دهندگان است چرا که این امکان را می‌دهد که یک برنامه توسعه‌یافته را جدای از پلتفرم، در هر محیطی اجرا کنند. کانتینر این امکان را به برنامه‌نویسان می‌دهد تا یک برنامه را با تمام ماژول‌ها و وابستگی‌ها ایزوله سازی کرده و در سیستم‌عامل‌های مختلف بدون هیچ مشکلی اجرا کند. به‌عنوان یک مثال بارز یک توسعه‌دهنده PHP را در نظر بگیرید. او احتمالاً باید یک وب سرور را بر روی سیستم خود نصب کند همچنین نیاز به یک پایگاه داده MySQL دارد و اگر پروژه گسترش پیدا کند ممکن است نیاز به نصب چند ماژول اضافی برای PHP و تنظیمات مختلف داشته باشید. توسعه دهندگان نرم‌افزار، ادمین‌های سرورها، مهندسان IT متخصصان و اپراتورهای شبکه‌های سلولی موبایل هرکسی که نیاز به ایجاد، اجرا و مدیریت نرم‌افزار بر روی سرورها را دارد. مهارت‌هایی که بعد از فراگیری دوره آموزش داکر مقدماتی خواهید داشت؟ آشنایی با ویژگی‌های داکر آشنایی با مفاهیم میکروسرویس‌ها و مباحث containerization استفاده از docker و میکروسرویس‌ها برای پیاده‌سازی نرم‌افزار استفاده از Dockerfile (داکر فایل) و docker-compose برای ایجاد نرم‌افزارها در محیط UAT پیاده‌سازی سناریوهای docker swarm و High Availability اجرای نرم‌افزارهای مستقل از سیستم‌عامل بر روی محیط‌های production