دوره آموزشی - جستجوی «کارگر ساده مرکز شهر»

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

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 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

آموزش قسمت درک واژگان GRE

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.

356,150 تومان

آموزش کاربردی نرم‌افزار SPSS

نرم‌افزار SPSS در اصل مخفف عبارت Statistical Package for the Social Science است. SPSS یک نرم‌افزار جامع و کاربردی است که برای انجام تحلیل‌های آماری و داده‌کاوی در رشته‌های مختلف به‌خصوص علوم اجتماعی و رفتاری مورد استفاده گسترده قرار می‌گیرد. با فراگیری آموزش SPSS می‌توانید به انجام قابلیت‌های مختلف آماری همچون محاسبات میانگین، واریانس، انحراف معیار و سایر عملیات‌ها بپردازید. از آنجایی که داده‌ها در دنیای امروز حرف اول را می‌زنند و تحلیل و استفاده درست از آن‌ها بقای سازمان را تضمین می‌کند، آموزش کاربردی SPSS بسیار فراگیر شده‌است. سؤال‌های اصلی در مورد داده‌ها این است که چگونه می‌توان این داده‌ها را جمع‌آوری کرد؟ پس از جمع‌آوری چگونه می‌توان این داده‌ها را تحلیل کرد؟ و در پایان از دل این تحلیل‌ها چگونه می‌توان به نتایج دقیقی برای تصمیم‌گیری رسید؟ تمامی این سؤالات مراحلی از یک علم مهم هستند که در پایان ما را به یک تصمیم دقیق و راهگشا در هر امری می‌رسانند. به‌عنوان‌مثال، اگر شرکتی می‌خواهد محصولاتش را در سطح بازار عرضه کند، بهتر است این محصولات با هم عرضه شوند یا به‌صورت جداگانه؟ عرضه محصولات در کدام فصل نتیجه بهتری دارد؟ بهتر است در چه مناطقی از سطح شهر عرضه شود؟ مشتریان عمده این محصولات کدام‌اند؟ احتمال خرید کدام محصول توسط هر مشتری بیشتر است؟ خرید محصولات به چه شرایط و عوامل دیگری بستگی دارد؟ محل فروش، قیمت، جنس یا حتی آفتابی و ابری بودن هوا تأثیری در فروش بیشتر دارد؟ جمع‌آوری و تحلیل داده‌ها و همچنین پاسخ به تمام این سؤالات با استفاده از نرم‌افزارهای متنوعی امکان‌پذیر است. R ،SPSS، پایتون و... از جمله این نرم‌افزارها هستند که به شما کمک می‌کنند بدون استفاده از ذهن نتایج دقیقی از تحلیل داده‌ها به دست آورید. با فراگیری آموزش نرم‌افزار SPSS شما می‌توانید به‌راحتی و با راندمان بالا داده‌ها را تحلیل کرده و کسب‌وکار خود را رونق دهید.

271,150 تومان

تصحیح رایتینگ تافل 2

دوره‌ی تصحیح رایتینگ تافل یکی از ابزارهای مهم در آماده شدن برای این آزمون است. در آزمون تافل، رایتینگ آخرین بخش آزمون است و در آن شما باید به دو سوال پاسخ بدهید. سوال اول ترکیبی از Reading و Listening است و عنوان آن Integrated Question است. سوال دوم فقط مهارت نگارش شما را می‌سنجد و Independent Question نام دارد. یکی از مهم‌ترین راه‌های تقویت رایتینگ، فارغ از آموختن مبانی و تکنیک‌های نگارش، دست به قلم شدن و نوشتن است. در این مسیر برای گرفتن بهترین نتیجه نیاز است نوشته‌های افراد مورد ارزیابی قرار بگیرند و با در نظر گرفتن اشکالات و نکات مهم، سعی کنند نوشته‌های بعدی خود را بهبود بدهند و در چرخه‌ی تکرار اشتباهات گرفتار نشوند. دوره‌ی تصحیح رایتینگ تافل مخصوص کاربرانی است که قصد شرکت در آزمون تافل را دارند و مایل‌اند مهارت‌های نگارشی خود را برای بخش رایتینگ این آزمون محک بزنند. در این دوره شما فرصت خواهید داشت تا در قالب ۶ تمرین Independent Task بتوانید essayهای متفاوتی را نوشته و مورد ارزیابی قرار دهید. این essayها به دقت تصحیح خواهند شد و نکاتی که می‌توانند به بهبود و ارتقا تسلط شما در بخش رایتینگ تافل کمک کنند، موشکافی می‌شوند. همچنین نمونه‌هایی از اشتباهات متدوال رایتینگ در این دوره گردآوری شده است که بررسی آن‌ها کمک شایانی به پیشگری از تکرار این اشتباهات در رایتینگ شما می‌کند و توصیه می‌کنیم به عنوان درس‌نامه و پیش از انجام تمرین‌ها، آن‌ها را مطالعه کنید.

211,650 تومان
جمعه 18 خرداد 1403، ساعت 09:50