دوره آموزشی - جستجوی «کارگر ساده روز مزد»

نتایج جستجوی «کارگر ساده روز مزد» در دوره‌های آموزشی مرتبط با مقاطع تحصیلی و مهارت‌های شغلی مختلف، مانند دوره‌های برنامه‌نویسی، حسابداری، مدیریت و ...

تصحیح رایتینگ آیلتس (20 تایی)

شاید از خودتان بپرسید که تصحیح رایتینگ آیلتس چیست و چرا به عنوان زبان‌آموز به آن نیاز دارید؟ جواب آن ساده است. تصحیح رایتینگ این امکان را به شما می‌دهد تا توانایی خود را بسنجید و بتوانید نقاط ضعف خود را قبل از آزمون آیلتس بهبود ببخشید. رایتینگ یکی از چهار بخش آزمون آیلتس است که خود به دو بخش تسک 1 و تسک 2 تقسیم می‌شود. موضوع تسک 1 در آیلتس آکادمیک با تسک 1 در آیلتس جنرال متفاوت است. در تسک 1 آکادمیک شما باید اطلاعات تصویری، مانند نمودار، را به نوشتار تبدیل کنید و حداقل 150 کلمه در تفسیر تصویر ارائه شده بنویسید. در تسک 1 جنرال موضوعی ارائه می‌شود که باید درمورد آن نامه‌ای بنویسید که حداقل 150 کلمه داشته باشد. تسک 2 در آیلتس جنرال و آکادمیک یکسان بوده و باید درخصوص موضوعی که به شما داده شده است حداقل 250 کلمه بنویسید. بیشتر آزمون‌دهنده‌ها اشتباهاتشان را در آزمون تشخیص نمی‌دهند. لازم به ذکر است که ارزیابی نوشته خود، کار بسیار دشواری است. می‌توانید نکاتی در مورد نوشتن رایتینگ مطالعه کنید ولی بهتر است تصحیح آن را به شخص دیگری واگذار کنید. سعی کنید تمام تکنیک‌هایی که آموخته اید را به کار ببرید ولی در نهایت شخصی را پیدا کنید که در این کار تبحر داشته باشد و تصحیح نوشته را به او بسپاری پیدا کردن معلم و یا کسی که به این مهارت‌ها تسلط داشته باشد، آسان نیست. از طرفی هرچقدر هم به توانایی‌های دوستان یا آشنایانتان در زمینه‌ی زبان انگلیسی باور داشته باشید، نمی‌توانید تصحیح رایتینگ آیلتس را به آن‌ها بسپارید. به خاطر داشته باشید که ارزیابی رایتینگ آیلتس با نوشته‌های دیگر بسیار متفاوت است و هر کسی نمی‌تواند نمره‌ دقیق و یا بازخورد مناسبی ارائه دهد باور داریم که گرفتن بازخورد به صورت منظم در مورد رایتینگ و به طور کل هر نوشته‌ای اصلی‌ترین عامل موفقیت است. بیشتر آزمون‌دهنده‌ها فکر می‌کنند که با بیشتر نوشتن می‌توان نمره‌ی بالایی کسب کرد و روزانه وقت زیادی برای نوشتن اختصاص می‌دهند. نوشتن مقاله کار اشتباهی نیست و اتفاقا برای تمرین نوشتن بسیار مفید است. با این حال همیشه شخصی باید به تصحیح رایتینگ آیلتس شما بپردازد تا با گرفتن بازخورد مناسب، نوشته‌های بعدی خود را بهبود ببخشید.

551,650 تومان

آموزش یادگیری ماشین

چکیده آنچه که در دوره آموزش یادگیری ماشین (Machine Learning) خواهید آموخت اگر قصد دارید یک دوره یادگیری ماشین بگذرانید، کافی است کمی در اینترنت جستجو کنید. تعداد دوره‌ها اینقدر زیاد هستند که چندسالی لازم دارید تا از ابتدا تا مقطع قابل قبولی را طی کنید. شاید به ندرت دوره جامعی را پیدا کنید که این سه نکته را در اختیار شما بگذارد: 1. آموزش ریاضیات و تئوری الگوریتم‌ها در کنار پیاده‌سازی و کاربرد هر کدام از آن‌ها 2. توسعه و Deploy اپلیکشین‌های مبتنی بر Machine learning 3. امکان بهره‌گیری از روش‌های سریعتر یادگیری ماشین مانند Pycaret ما در این دوره، هم بر آموزش مفاهیم اصلی و نحوه کارکرد الگوریتم‌های یادگیری ماشین تاکید داریم هم بر نحوه استفاده از این الگوریتم‌ها در سطح کد به گونه‌ای که بتوانید در نهایت محصول خود را توسعه داده و به صورت اولیه، در بستر وب سرویس‌دهی کنید. دوره آموزش یادگیری ماشین (Machine Learning) مناسب چه کسانی است؟ • اگر جهت اجرای ایده خود نیاز به استفاده از الگوریتم های یادگیری ماشین دارید. • اگر بنیان‌گذار استارتاپ هستید و نیاز به استفاده از یادگیری ماشین در بهبود ایده استارتاپی خود دارید. • اگر قصد دارید تا محصول نهایی خود را Deploy نمایید. • اگر دانشجو یا محقق هستید و قصد دارید با تسلط بیشتر، چه از نظر تئوری و کدنویسی از یادگیری ماشین استفاده کنید. • اگر تمایل دارید تا در فرصت‌های شغلی با عنوان Machine learning Engineer یا Data Scientist در داخل یا خارج از ایران، امتیاز بیشتری را با توجه به تسلط در یادگیری ماشین اخد نمایید. بعد از فراگیری دوره آموزش یادگیری ماشین (Machine Learning)، چه مهارت‌هایی کسب خواهید کرد؟ بعد از گذراندن این دوره، قادر خواهید بود تا الگوریتم‌های یادگیری ماشین را بر روی داده‌های واقعی پیاده‌سازی و اجرا نمایید. یکی از نقاط قوت این دوره این است که در نهایت شما را به سمت تولید محصول مبتنی بر یادگیری ماشین راهنمایی می‌کند. • آشنایی کامل با ابزارهای یادگیری ماشین در پایتون • آشنایی کامل با کتابخانه (NumPy) • آشنایی کامل با کتابخانه (Pandas) • آموزش نحوه بصری‌سازی داده‌ها (Matplotlib & Seaborn) • پیاده‌سازی الگوریتم‌های یادگیری ماشین با استفاده از کتابخانه (Scikit-learn) • نحوه استفاده از Kaggle Kernel و Google Colab • نحوه Deploy نمودن مدل نهایی با استفاده از Streamlit • استفاده از روش‌های Automl و آموزش Pycaret ویژگی های متمایز دوره آموزش یادگیری ماشین (Machine Learning)، مکتب‌پلاس چیست؟ روش‌های آموزشی استفاده شده در دوره آموزش یادگیری ماشین (Machine Learning)، ویژگی‌های منحصر به فردی دارد که شما را نسبت به نتیجه‌ی نهایی حاصل از فراگیری دوره مطمئن خواهد کرد. این ویژگی‌ها به شرح ذیل است: • کدهای مربوط به الگوریتم‌های یادگیری ماشین، قدم به قدم با استفاده از کتابخانه‌های مربوطه توضیح داده می‌شود. • راه‌حل‌های استفاده از الگوریتم‌های یادگیری ماشین در مسایل تجاری بررسی شده و یک سیستم عملیاتی کامل جهت اجرا در وبسایت و اپلیکیشن شما ساخته می‌شود. • مراحل Deploy نمودن و توسعه محصول مبتنی بر یادگیری ماشین آموزش داده خواهد شد.

415,650 تومان

آموزش مجازی‌سازی VCP-DCV

دوره آموزش مجازی‌سازی VCP چیست؟ «مجازی‌سازی» یکی از روش‌های بهینه، مدرن و هوشمندانه در جهت مدیریت و اداره منابع شبکه و سرور است. این روش به این صورت برنامه‌ریزی شده است که طی آن منابع سخت‌افزاری به وسیله یک روش نرم‌افزاری به چند قسمت تقسیم می‌شود و هریک از این قسمت‌ها به صورت مجزا وکاملا مستقل مدیریت می‌شوند. در این روش فضاهای دیگری مثل رم، کارت گرافیک (پردازنده گرافیکی)، کارت شبکه و سایر اجزای نرم‌افزاری می‌توانند به صورت مشترک بین همه واحدها به کار گرفته شود. در دوره آموزش مجازی‌سازی VCP به تمامی ابعاد مربوط به این مبحث پرداخته می‌شود و طی چند مرحله اصول کامل و حرفه‌ای پیاده‌سازی سرورهای مجازی در سازمان‌ها و شرکت‌ها به همراه نکات کلیدی مربوط به نگهداری سرورها مورد بحث و آموزش قرار خواهد گرفت. به طور مشخص در این دوره: یاد می‌گیرید به تعداد مورد نیاز ESXi نصب کنید. یاد می‌گیرید vCenter را نصب و پیکربندی کنید. قابلیت‌های HA , DRS ,DPM , FT , SDRS ,SIOC را در کلاستر به طور کامل فرا می‌گیرید. مدیریت شبکه مجازی را با VSS و VDS به شکل کامل یاد می‌گیرید. کار با استوریج‌ها و ایجاد استوریج مجازی را یاد می‌گیرید. بک‌آپ گیری و ریکاوری کردن از vCenter را فرا می‌گیرید. روش آپ‌گرید کردن و ESXi و vCenter را یاد می‌گیرید. مدیریت منابع و ماشین‌های مجازی را یاد می‌گیرید. دوره آموزش VCP – DCV VMware نسخه ی 7.3 جدیدترین و به‌روزترین آموزش مجازی‌سازی آنلاین است که به شکلی متفاوت و با بهره‌گیری از مکانیزم آموزش «سناریو محور» بر اساس نیاز بازار و محیط کار آموزش داده شده است. این دوره با نام VMware vSphere ICM نیز شناخته می‌شود. هدف از برگزاری دوره آموزش مجازی‌سازی VCP چیست؟ مجازی‌سازی سرورها، به علت کاهش چشمگیر هزینه‌های متفرقه سازمان، از تامین تجهیزات تا مدیریت متمرکز منابع و سرویس‌ها امری بسیار محبوب در سازمان‌ها است. بسیاری از سازمان‌ها یا به این تکنولوژی رجوع کرده‌اند و یا در حال رجوع هستند. به همین دلیل با توجه به شتاب بسیار بسیار زیاد مهاجرت به بسترهای مجازی و کلاود افراد برای یادگیری این مباحث و استفاده از این موضوعات به منظور کار با زیر ساخت‌های مجازی به آموزش‌های این دوره نیازمند خواهند بود. به این ترتیب می‌توان گفت هدف اصلی این دوره آموزش مباحث مربوط به مجازی‌سازی و به‌روزرسانی اطلاعات شرکت‌کنندگان در این دوره در نظر گرفته شده است.

849,150 تومان

آموزش کشف تقلب و تحلیل آماری صورت‌های مالی

واژه تقلب، یک واژه‌ی همگانی است که همه افراد در کارهای زیادی از آن استفاده می‌کنند و این واژه را بارها به زبان می‌آورند. تقلب در واقع به معنای انجام کاری فریب‌کارانه و نادرست است که برای رسیدن به یک سود و منفعت، افراد آن را صورت می‌دهند. در هر کاری افراد به راحتی از تقلب کردن استفاده می‌کنند تا بتوانند کار خود را به خوبی پیش ببرند. تقلب عبارتی است که به معنای سو استفاده فرد از موقعیت و نفوذ خود برای به کارگیری غلط دارایی‌ها و منابع سازمانی می‌باشد. آیا تا به حال با کشف تقلب در صورت‌های مالی آشنا شده‌اید؟ برای کشف این راه و روش ابتدا باید بدانید که اصلا تقلب در صورت ‌های مالی به چه صورت است. تقلب در صورت مالی یعنی ارائه نادرست، حذف اقلام و افشا نکردن کافی اطلاعات که برای فریب استفاده کنندگان صورت‌های مالی به کار برده می‌شود که اغلب این کار برای سرمایه‌گذاران و اعتباردهنگان انجام می‌شود که اغلب با بیش‌نمایی دارایی‌ها، درآمدها و کم نمایی بدهی‌ها و هزینه‌ها همراه می‌باشد. در این روش افراد از شیوه‌های زیادی برای کشف تقلب در صورت‌های مالی استفاده کرده‌اند ولی لازم است بدانید که این روش‌ها زیان‌هایی را نیز به همراه دارد و همیشه هم استفاده کردن از راه تقلب به سود افراد نخواهد بود. این دوره شامل دو بخش مجزاست که برای دو گروه مخاطب متفاوت در نظر گرفته شده است. بخش اول این دوره برای افرادی طراحی شده که یا به عنوان بازرس یا به عنوان سرمایه گذار، در پی ارزیابی صورت‌های مالی یک شرکت هستند (و طبعا یک فرد خارجی محسوب می شوند). در این بخش به این دسته از افراد ابزارهایی ساده معرفی می شود تا به هدف خود دست یابند. بخش دوم این دوره برای بازرسان درون سازمانی و یا مدیرانی طراحی شده است که علاقه‌مند به بهبود سلامت آمار و ارقام شرکت خود هستند.

254,150 تومان

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
سه‌شنبه 22 خرداد 1403، ساعت 06:46