دوره آموزشی - جستجوی «پالت سازی عدالت»

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

آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده

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.

169,150 تومان

آموزش یادگیری تقویتی (Reinforcement Learning)

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.

415,650 تومان

آموزش داکر مقدماتی

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

373,150 تومان

آموزش نرم‌افزار متلب (Matlab) در مهندسی صنایع

امروزه قبل از آنکه برای هدفی بخواهیم برنامه‌ریزی داشته باشیم، باید آن را تصویرسازی کرده تا بتوان بهتر درباره‌ی فرآیندهای آن تصمیم‌گیری کرد و ایرادات احتمالی را به صفر رساند. در واقع کاری که در تخصص مهندسی صنایع است؛ کاربرد متلب در مهندسی صنایع به این جهت است تا در امور صنعتی یا اجرای پروژه و راه‌اندازی یک کسب‌وکار این تصویر سازی در قالب شبیه‌سازی مطرح می‌شود، به این صورت که مراحل و اهدافی که قصد پیاده‌سازی آن‌ها وجود دارد یا خدمت و کالایی عرضه می‌شود، با در نظر گرفتن تمام جوانب مورد نظر و پیش‌بینی رفتارهای احتمالی در مدل شبیه‌سازی شده می‌توان به بهبود هر چه بیشتر تصمیمات کمک کرد. متلب در مهندسی صنایع به بهینه‌سازی با استفاده از مدل کردن فرآیندها برای تصمیمات بهتر شناخته شده است، اگر بخواهیم این کار را به بهترین وجه انجام بدهیم بهتر از شبیه‌سازی مدل‌ها استفاده کرد؛ شبیه‌سازی باعث می‌شود نگاهی واقع‌بینانه را قبل از هر عمل اتخاذ کرده تا با چالش‌های پیش‌رو بهتر برخورد کرد و حدالامکان قبل از پیاده‌سازی واقعی سیستم می‌توان بسیاری از مشکلات را برطرف کرد و به بهینه‌سازی فرآیندها انجامید. در دوره آموزش متلب در مهندسی صنایع قصد داریم نحوه کار با ابزارهای سیستم و شناسایی هر کدام از آن‌ها را برای شبیه‌سازی سیستم را فرا گرفته و به تحلیل بخش‌های مختلف سیستم بپردازیم تا با شبیه‌سازی ایجاد شده بتوان طراحی بهینه‌ای را برای سیستم در نظر گرفت. در این دوره به شما استفاده از ابزارهای شبیه‌سازی آماری و تحلیل نمودارهای آن، استفاده از ابزارهایی برای بهینه‌سازی مانند الگوریتم ژنتیک و همچنین مدل کردن مسائل برنامه‌ریزی خطی در نرم‌افزار محاسباتی متلب آموزش داده خواهد شد. در فصل پایانی با استفاده از سیمولینک متلب و کتابخانه sim event در یک فضای گرافیک با رخدادها و مدیریت آن‌ها آشنا می‌شویم.

296,650 تومان
چهارشنبه 23 خرداد 1403، ساعت 20:34