دوره آموزش لینوکس دانش پایه ای و اولیه برای شروع مدیریت و استفاده از سیستم عامل لینوکس را فراهم می کند.به دانشجویان توضیح داده می شود که چرا باید لینوکس یاد بگیرند و اینکه موسسه حرفه ای لینوکس LPI به عنوان یکی از مراجع آموزش لینوکس ، چه هدفی از گذراندن مدرک LINUX ESSENTIALS داشته است. هدف دوره لینوکس مقدماتی تنها آشنایی دانشجویان با دستورات پایه ای لینوکس نیست بلکه سعی میشود تا دانشجویان با تاریخچه و فلسفه ایجاد لینوکس نیز آشنا شوند.
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.
در دوره آموزش تحلیل داده با زبان برنامه نویسی R (پیشرفته) دانشجویان با کاربردهای برخی از الگوریتم‌های یادگیری ماشین (Machine Learning) در کسب‌وکار و نحوه بهکارگیری این الگوریتم‌ها روی داده‌های واقعی آشنا می‌شوند. رگرسیون خطی، رگرسیون لجستیک، خوشه‌بندی سلسله مراتبی، خوشه بندی kmeans و الگوریتم Naive Bayes و الگوریتم Apriori روش‌هایی هستند که در این درس آموزش داده می‌شوند. مباحث به‌گونه‌ای انتخاب شدند که بیشترین کاربردها را در دنیای کسب‌وکار داشته باشند و دانشجویان پس از یادگیری بتوانند آن‌ها را برای حل مسائل دنیای واقعی بکار ببرند. الگوریتم‌هایی آموزش داده‌شده در این درس، عمدتاً برای پیش‌بینی و کشف الگوها بکار می‌روند. پرسش‌هایی اساسی در کسب‌وکار نظیر موارد زیر با الگوریتم‌های بالا قابل پاسخ دادن هستند: • چگونه میتوان رضایت مشتریان را از خدمات سازمان افزایش داد؟ • کدام‌یک از مشتریان سازمان سودآورتر از بقیه هستند؟ • چگونه تقلب را در حوزه‌های مختلف مانند ادعای خسارت در بیمه، پول‌شویی، هزینه‌های بیمارستانی و فرار مالیاتی شناسایی کنیم؟ • احتمال آن‌که فردی که متقاضی وام است، نتواند وام خود را پس دهد، چقدر است؟ • چگونه کاربران را بر اساس رفتار آن‌ها خوشه‌بندی کنیم و به هریک از آنان خدمات سفارشی‌شده ارائه دهیم؟ • چه بسته‌ای از محصولات را در کنار یکدیگر قرار دهیم تا فروش افزایش یابد؟
فن بیان و سخنوری چیست؟ مهارتی است که نحوه بیان کلمات و توانایی گفتگوی ما را به سطحی می‌رساند که می‌توانیم بیشترین تأثیر را بر مخاطبانمان داشته باشیم؛ میزان نفوذ کلام ما بر دیگران، جایگاه فردی و اجتماعی ما را در نظر آنان بالا می‌برد به‌طوری که فردی قابل اعتماد و جذاب به نظر رسیده و نیازی نیست تا حرفمان را دو‌بار تکرار کنیم! هدف از یادگیری فن بیان و سخنوری چیست؟ برقراری ارتباطات قوی در زندگی و حتی محیط کار، هدف اصلی یادگیری این مهارت است زیرا برای ایجاد چنین رابطه‌هایی، می‌بایست سخنوری قوی داشت تا افراد بتوانند احساس خوبی از گرفتن ارتباط با ما پیدا کنند. دوره رایگان فن بیان مناسب چه کسانی است؟ تمامی افراد به این مهارت نیاز دارند زیرا در کشور ما چنین مهارت کاربردی و ضروری در مدرسه آموزش داده نمی‌شود. بعد از فراگیری مطالب دوره رایگان فن بیان چه مهارت‌هایی کسب خواهید کرد؟ به دست آوردن فن بیان مناسب علی‌رغم نداشتن صدای خوب به دست آوردن مهارت یک سخنران پی بردن به مشکلات گفتاری خود نظیر (اِاااا) گفتن و یا کاربرد تکه کلام‌های تکراری شرطی سازی ذهن برای تولید گفتار بی‌نقص کاربرد تکنیک‌های تقویت عضلات فک تقویت عضلات زبان پیدا‌شدن جایگاه مناسب برای زبان در دهان موقع صحبت کردن افزایش حجم قفسه سینه توانایی انتقال بخش مهم از یک جمله به مخاطب عادی‌سازی استرس و کنترل آن کاربرد لحن مناسب حفظ سرعت صحبت مناسب ویژگی‌های متمایز دوره رایگان فن بیان چیست؟ ایجاد انگیزه یادگیری حتی برای افراد درون‌گرا همراهی استاد مربوطه در تمامی مسیر ارائه‌ی درس ارائه‌ی تمرینات متنوع و کاربردی دسترسی به هدایای ویژه از سوی استاد در نهایت در این وبینار با بهکارگیری ابزاری ساده در انجام تمرین‌ها، میتوان مهارت‌هایی را در خود ارتقا بخشید که تا قبل از یادگیری آن، به اهمیت وجود آن‌ها پی نبرده بودیم. ابزاری ساده همچون کش پول و یا خودکار باعث میشود تا نسبت به عملکرد خودمان آگاهی بیشتری پیدا کنیم و ذهن خودمان را شرطی سازیم! روند آموزش در دوره رایگان فن بیان به چه صورت است؟ مطالب این وبینار به صورت کاملا کلاسه‌بندی شده ارائه می‌گردد بنابراین در هر لحظه از وبینار می‌توانیم به‌راحتی پی‌ببریم که در کجای مسیر قرار داریم و چه مطالبی از آن باقی مانده‌است. نحوه آموزش به صورت تعاملی بوده به‌طوری که در آن سعی شده تا هرچه بیشتر به سوالات افرادی که در آموزش حضور دارند پرداخته‌شود. با بهکارگیری اسلایدها در حین آموزش، میتوان به خوبی به مطلبی که در حال آموزش است پی برد. با استفاده از تمرین‌های متنوع و کاربردی، میتوان در امر فراگیری مشارکت جست و خود را در جلسه وبینار، حاضر تجسم نمود. مدرس از چهار گام برای آموزش این مهارت استفاده می‌کند که در طی آن در ابتدا به تعریف هر گام می‌پردازد سپس به علت یادگیری آن اشاره می‌کند و در نهایت با بیان تمارین و یا مثال‌هایی برای آن تلاش می‌کند تا به نحو احسن مطالب به فراگیران انتقال یابد. در انتهای هر گام به مرور مطالب پرداخته میشود تا مانع از تداخل مطالب بعدی با قبلی و فراموشی مطالب اولیه باشد همچنین خستگی و کسالت از بین رفته و با بیان طنزها و مطالبی هیجان‌زا سعی در حضور فعال افراد در وبینار میشود.
دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ دوره آموزش یادگیری عمیق با تنسورفلو و کراس به آموزش کاربردی یادگیری عمیق و تمام مباحث مربوط به کتابخانه‌های تنسورفلو و کراس می‌پردازد. به طور مشخص‌تر موضوعاتی که در این دوره دنبال میشود شامل موارد زیر است: پیاده‌سازی شبکه‌های عصبی (یادگیری عمیق) در پایتون پیاده‌سازی شبکه‌های Multi-layer perceptron (MLP) و Convolutional بحث و بررسی در رابطه با موضوعات گوناگون یادگیری عمیق مانند: Transfer learning، Overfitting و Regularization بررسی دقیق و عمیق تنسورفلو و کراس آشنایی با یادگیری عمیق، تنسورفلو و کراس در یک تعریف کلی، یادگیری عمیق یکی از شاخه‌های یادگیری ماشین و هوش مصنوعی است که در آن سعی میشود از روش کارکرد مغز برای یادگیری موضوعات استفاده شود. در یادگیری عمیق به کامپیوترها آموزش داده میشود که برای حل مسائل از روش‌هایی استفاده کنند که مغز انسان برای حل مسائل از آن روش‌ها استفاده می‌کند. به طور کلی یادگیری عمیق سعی می‌کند به شبیه‌سازی مغز انسان بپردازد. «تنسورفلو» (TensorFlow)، یک کتابخانه رایگان و اوپن سورس است که کاربردهای زیادی در یادگیری ماشین دارد. یکی از اصلی‌ترین کاربردهای تنسورفلو در پیاده‌سازی شبکه‌های عصبی است. به همین دلیل است که این کتابخانه، پراستفاده‌ترین کتابخانه در یادگیری عمیق است. کراس یک کتابخانه در تنسورفلو است که با هدف توسعه شبکه‌های عصبی ایجاد شده است. هدف از برگزاری دوره آموزش یادگیری عمیق با تنسورفلو و کراس چیست؟ امروزه اهمیت یادگیری عمیق در بسیاری از تکنولوژی‌ها بر کسی پوشیده نیست؛ تا جایی که در دنیای امروز یادگیری عمیق به مغز محاسباتی در بسیاری از زمینه‌های علم و تکنولوژی تبدیل شده است. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژی‌های مختلف، تقریبا هیچ موردی را نمی‌توان پیدا کرد که در آن ردپایی از یادگیری عمیق دیده نشود. به این ترتیب، اصلی‌ترین هدف این دوره آموزش کاربردی یادگیری عمیق و شناخت ابعاد گوناگون آن است. در این دوره شما با این ابزار بسیار مهم به صورت عملیاتی آشنا می‌شوید و جزئیات لازم برای پیاده‌سازی بهینه این الگوریتم‌ها را در عمل می‌آموزید. در ادامه راه می‌توانید از این ابزار در هر زمینه‌ای که با داده روبه‌رو می‌شوید و به دنبال پیدا کردن الگوهای آن هستید، استفاده کنید. دوره آموزش یادگیری عمیق با تنسورفلو و کراس برای چه کسانی مناسب است؟ محتوای این دوره به نحوی انتخاب شده که مناسب افرادی باشد که دوره یادگیری ماشین را گذرانده‌اند و با مفاهیم ابتدایی هوش مصنوعی آشنایی دارند و به دنبال ادامه مسیر یادگیری/شغلی در این زمینه هستند. با توجه به اینکه این دوره ترکیب آموزش مفاهیم تئوری و عملی در کنار یکدیگر است، دانشجویان این دوره می‌توانند مسائل دنیای واقعی مثل پردازش تصویر، پردازش زبان طبیعی، پیش‌بینی‌های دنباله‌های عددی و ترافیک و غیره را حل کنند. بنابراین این دوره مناسب کسانی خواهند بود که علاقه‌مند به مباحث پیشرفته هوش مصنوعی و چالش‌های لبه‌ی تکنولوژی هستند. در انتهای دوره آموزش یادگیری عمیق با تنسورفلو و کراس مخاطب چه دستاوردی خواهد داشت؟ با توجه به محتوایی که در این دوره به شرکت‌کنندگان آموزش داده میشود، در انتهای دوره مخاطبان محترم با موارد زیر آشنایی خواهند داشت: پیاده‌سازی شبکه‌های MLP پیاده‌سازی شبکه‌های Sequential، Functional و Subclass بهینه‌سازی پارامترهای شبکه‌های عصبی شناخت ترکیب مناسب activation function و initialization شناخت بهینه‌سازها و برنامه‌های زمانی متناسب شناخت راهکارهای مقابله با Overfitting شناخت ابزار لازم برای ارزیابی عدم قطعیت پیش‌بینی شبکه‌های عصبی پیاده‌سازی Transfer learning و استفاده از شبکه‌های قدرتمند آماده پیاده‌سازی شبکه‌های Convolutional
برنامه ETABS در طراحی قاب های فولادی و بتنی تمام ضوابط لرزه ای طراحی ساختمان ها را در نظر می گیرد. در این برنامه می توان قاب های بتنی را بر اساس ضوابط شکل پذیری عادی و متوسط و ویژه طراحی کرد. همچنین در ساختمان های فولادی می توان ضوابط ویژه قاب های خمشی عادی و ویژه و سیستم های مهاربندی همگرا و واگرا را در طراحی لحاظ کرد. علاوه بر قابلیت های تحلیل و طراحی فوق العاده ای که دارد، برنامه ETABS ارتباط دو طرفه کاملی با نرم افزارهای دیگر دارا می باشد.
در این دوره شرکت کنندگان ضمن آشنایی با مبانی مدیریت و تحلیل انواع ریسک های مالی و بانکی مطابق با سر فصل دوره FRM و دستورالعمل های کمیته بین المللی بازل، نحوه مدیریت ریسک در بازار سرمایه ایران با استفاده از ابزارهای موجود را می آموزند. در این دوره اندازه گیری ریسک انواع سبد های دارایی شامل سهام، اوراق درآمد ثابت و مشتقات با سنجه های مختلف ریسک و نحوه تحلیل و تفسیر آن در اتخاد استراتژی های معاملاتی مناسب برای کاهش ریسک آموزش داده می شود. ** دسترسی حداقل 2 هفته ای به لینک مشاهده هر جلسه از دوره ** اضافه شدن به گروه تلگرامی دوره با حضور استاد مربوطه این دوره از 11 شهریور تا 15 مهر روزهای سه شنبه ساعت 16:30 تا 20:30 برگزار خواهد شد.
کاربرد دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ شبکه عصبی عمیق یک شبکه عصبی با سطح مشخصی از پیچیدگی و بیش از دولایه است. این نوع شبکه‌ها از مدل‌سازی سطح بالای ریاضی برای پردازش داده‌ها به روش‌های پیچیده استفاده می‌کنند. به‌طورکلی شبکه عصبی یک فناوری است که برای شبیه‌سازی فعالیت مغز انسان ساخته شده‌است؛ شناخت الگو و عبور ورودی از طریق لایه‌های اتصالات عصبی شبیه‌سازی شده مختلف از مهم‌ترین این فعالیت‌هاست. بسیاری از کارشناسان شبکه‌های عصبی عمیق را شبکه‌هایی تعریف می‌کنند که یک‌لایه ورودی، یک‌لایه خروجی و حداقل یک‌لایه پنهان در بین آن‌ها دارند. هر لایه نوع خاصی از مرتب‌سازی و ترتیب را در فرایندها انجام می‌دهند. یکی از کاربردهای کلیدی شبکه عصبی عمیق سروکار داشتن با داده‌های بدون برچسب یا ساختار نیافته است. عبارت یادگیری عمیق هم برای توصیف این شبکه‌های عصبی عمیق به کار می‌رود؛ چراکه یادگیری عمیق شکل خاصی از یادگیری ماشین را نشان می‌دهد که در آن فناوری‌ها با استفاده از جنبه‌های هوش مصنوعی به دنبال طبقه‌بندی و تنظیم اطلاعات فراتر از پروتکل‌های ساده ورودی و خروجی هستند. هدف از یادگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چیست؟ آموزش بهبود شبکه عصبی عمیق، دومین دوره از مجموعه تخصص یادگیری عمیق اندرو می‌باشد. هدف از این دوره این است که بتوانید فرایندهایی که منجر به کارایی می‌شوند و به طور سیستماتیک نتایج خوبی به بار می‌آورند، را درک کنید. در پایان این دوره شما خواهید توانست بهترین روش‌ها را برای آموزش و توسعه مجموعه‌های آزمون و تجزیه و تحلیل بایاس واریانس استفاده کرده و آن‌ها را برای ایجاد برنامه‌های یادگیری عمیق به کار ببرید. دوره آموزش بهبود شبکه‌های عصبی عمیق مناسب چه کسانی است؟ کسانی که با هوش مصنوعی آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند. برنامه‌نویسانی که به کار کردن در حوزه بهبود شبکه عصبی عمیق علاقه‌مندند. دانشجویان علوم مهندسی، پزشکی و پایه بعد از فراگیری دوره آموزش بهبود شبکه‌های عصبی عمیق چه مهارت‌هایی کسب خواهید کرد؟ با گذراندن این دوره مهارت‌های شما در زمینه بهبود شبکه‌های عصبی عمیق ارتقا پیدا خواهد کرد و می‌توانید از تکنیک‌های استاندارد شبکه عصبی عمیق استفاده کنید. این تکنیک‌ها عبارت‌اند از: تنسورفلو (Tensorflow) یادگیری عمیق بهینه‌سازی ریاضی تنظیم هایپر پارامترها مقداردهی اولیه نرمال‌سازی بسته‌ها پیاده‌سازی و بهکارگیری انواع الگوریتم‌های بهینه‌سازی
دوره آموزش تحلیل بنیادی ارزهای دیجیتال مکتب‌خونه پروژه محور بوده و شما در قالب پروژه‌های عملی می‌توانید به خوبی با این مباحث آشنا شوید. مکتب‌خونه برای شما تالار گفتگویی فراهم کرده‌است که بتوانید مسائل خود را در آن مطرح کرده و به پاسخ مناسب خود برسید. همچنین آزمون در پایان جلسات برای شما در نظر گرفته شده‌است. با کمک این آزمون می‌توانید آموخته‌های خود را مورد سنجش قرار دهید. اگر مجموع نمراتتان از 70 بیشتر شده باشد، گواهینامه مکتب‌خونه به شما عزیزان تعلق می‌گیرد که می‌تواند روند استخدام را برایتان تسهیل کند. این دوره نه تنها از شما یک معامله‌گر و تریدر حرفه‌ای می‌سازد، بلکه یک موقعیت شغلی بسیار خوب را هم برایتان فراهم می‌کند. موسسه علمی پژوهشی اپکس در نظر دارد تا از دانشجویان و دانش‌پژوهان این دوره در جهت تکمیل کادر خود بهره ببرد. تنها کافی است این آموزش را تهیه کرده و از پروژه پایانی آن حداقل نمره 70 را کسب کرده باشید. در این صورت برای استخدام در این موسسه به یک مصاحبه کاری دعوت می‌شوید. موقعیت‌های کاری مجموعه اپکس به شرح زیر است: تحلیل‌گر بازار ارزهای دیجیتال مدرس دوره‌های مالی تحت نظارت اپکس مشاور سرمایه‌گذاری و آموزشی پروژهش‌گر بخش تحقیق و توسعه
تسک دوم رایتینگ آیلتس (IELTS Writing Task 2) یکی از پرچالش‌ترین بخش‌ها برای داوطلبان آزمون آیلتس (IELTS) در سال‌های اخیر بوده‌است. اینکه چرا این موضوع تبدیل به یک دغدغه‌ی بزرگ برای داوطلبان شده ریشه در عدم رعایت استانداردهایی دارد که در Band Descriptors به آن‌ها اشاره شده، اما بعضا شخص متقاضی تصور و یا تعبیر درستی از آن‌ها ندارد و در نهایت باعث میشود اشراف کاملی به انتظارات مصحح Native نداشته باشد. تجربیات متعدد و چندین ساله در این حوزه نشان می‌دهد که از بین ۴ مولفه: 1- Task Response (TR) 2- Cohesion and Coherence (C.C) 3- Lexical Resource (LR) 4- Grammar (GRA) مولفه‌های شماره ۳،۴ به طور غریزی بیشتر مورد توجه متقاضی قرار می‌گیرند و شخص در تلاش است نمایشی بسیار چشمگیر از ساختارهای گرامری و واژگان Less Common ارائه دهد؛ این درحالیست که شخص با وجود علم به تعریف TR و C.C، درک کاملی از نحوه‌ی پیاده‌سازی آن‌ها در رایتینگ ندارد و نتیجه این خواهد شد که رایتینگ‌ها تبدیل به ویترینی از LR و GRA می‌شوند، درحالی‌که نمره‌ای که مصحح به متقاضی داده بیشتر از ۶ یا ۶.۵ نبوده‌است. لذا به جرات میتوان گفت ۲ نقطه ضعف اساسی شرکت‌کنندگان در آزمون آیلتس در بخش رایتینگ تسک ۲ عبارتند از: ۱- ضعف در نحوه‌ی ایده‌سازی و پردازش آن و چگونگی بسط و توسعه ایده‌ها به صورت منطقی بر اساس استانداردهای مصحح Native ۲- ضعف در ایجاد ارتباط و انسجام درونی، و نه مکانیکی، در سراسر متن ( C.C) با پوشش‌دهی این دو عامل TR و C.C شما می‌توانید رایتینگ خود را به استانداردهایی که مورد نظر مصحح است نزدیک کنید؛ این به معنی نادیده گرفتن نقش LR و GRA نیست، بلکه موید این مطلب است که این دو عامل زمانی می‌توانند به رایتینگ شما کمک کنند که شما توانسته باشید TR و C.C را به خوبی در متن اجرا کنید. این دوره تمرکز ویژه ای روی ۲ نقطه ضعف مطرح شده دارد و تلاش بر این است تا نوع تفکر متقاضیان محترم را با آنچه که در ذهن مصحح Native می‌گذرد منطبق سازد و آن‌ها را به سمت نمره‌ی بالای ۷ سوق دهد. اگرچه شایان ذکر است که پیش از همه‌ی این موارد، رمز موفقیت شخص در مطالعه‌ی بیشتر است. بدین معنی که قبل از اینکه نویسنده (Writer) خوبی باشیم می‌بایست ابتدا خواننده (Reader) خوبی باشیم و روزانه ۲ الی ۳ مقاله‌ی کوتاه را مطالعه و ایده‌های مناسب آن‌ها را ثبت کنیم، لغات و ساختارهای مفید آن‌ها را یاد بگیریم و سعی کنیم که از آن‌ها به صورت تمرین شده استفاده کنیم و موتور ایده‌پردازی خود را همواره روشن نگه داریم.