CSS (Cascading Style Sheets) یک زبان شیوه‌نامه است که برای توصیف ارائه یک سند نوشته شده به زبان نشانه‌گذاری مانند HTML استفاده می‌شود. CSS برای تعریف استایل و ظاهر برای صفحات وب، ازجمله طراحی، طرح‌بندی و تغییرات نمایش برای دستگاه‌ها و اندازه‌های مختلف صفحه مورد استفاده قرار می‌گیرد. دوره آموزش دوره آموزش رایگان CSS با هدف آموزش این زبان شیوه‌نامه تهیه و تدوین‌شده است که در ادامه آن را معرفی خواهیم کرد. دوره آموزش CSS CSS ابزاری برای توسعه‌دهندگان وب است که با استفاده از آن می‌توانند ظاهر وب‌سایت خود را بهبود بخشیده و از المان‌های گرافیکی در آن استفاده کنند. به همین دلیل یادگیری این ابزار برای همه مهندسان نرم‌افزار و همه افرادی که تمایل به کار در حوزه طراحی وب دارند؛ ضروری است. دوره آموزش CSS رایگان CSS ابزاری برای توسعه‌دهندگان وب است که با استفاده از آن می‌توانند ظاهر وب‌سایت خود را بهبود بخشیده و از المان‌های گرافیکی در آن استفاده کنند. به همین دلیل یادگیری این ابزار برای همه مهندسان نرم‌افزار و همه افرادی که تمایل به کار در حوزه طراحی وب دارند؛ ضروری است. این دوره آموزش رایگان CSS با هدف آموزش این ابزار تهیه شده و هم اکنون در دسترس کاربران قرار دارد. هدف از یادگیری دوره آموزش رایگان CSS چیست؟ هدف از یادگیری دوره رایگان آموزش CSS آشناکردن افراد با پتانسیل‌های این ابزار و توانا ساختن آن‌ها برای فعالیت در حوزه توسعه وب‌سایت‌های مختلف و طراحی‌های ظاهر آن‌ها است. برای رسیدن به این هدف، شرکت‌کنندگان در ابتدا با ماهیت CSS و ابزارهای آن آشنا شده و پس از آن در قالب پروژه‌های عملی، با قابلیت‌های این ابزار کار می‌کنند. دوره آموزش CSS رایگان مناسب چه کسانی است؟ دوره آموزش رایگان CSS مناسب افرادی است که با HTML آشنا بوده و می‌خواهند پس از ساخت اسکلت صفحه وب‌سایت، ظاهر آن را نیز زیبا کرده و المان‌های رنگی و تزیینی را به آن اضافه کنند. به همین دلیل دوره آموزش CSS مناسب همه مهندسان نرم‌افزار، توسعه‌دهندگان وب و کسانی است که می‌خواهند پیشرفت خود را در حوزه آموزش طراحی سایت کلید بزنند. بعد از فراگیری دوره آموزش رایگان CSS چه مهارت‌هایی کسب خواهید کرد؟ پس از پایان دوره آموزش CSS با انواع روش‌های استایل دهی آشنا شده و سلکتورها را خواهید شناخت. همچنین خواهید آموخت که چگونه می‌توانید به تکست‌ها استایل داده و فونت اضافه کنید. در کنار این‌ها با استایل‌های پیش‌فرض مرورگر آشنا شده و خواهید آموخت که چگونه طراحی صفحه وب خود را برای کاربر جذاب‌تر کنید. سرفصل‌های دوره آموزش رایگان CSS  دوره آموزش رایگان CSS در 26 قسمت ارائه شده که دیدن آن‌ها حدود 3 ساعت زمان می‌برد. در قسمت‌های اول تا هفتم این دوره شما با مفهوم CSS آشنا شده و روش‌های استفاده از آن را خواهید آموخت. همچنین یاد می‌گیرید که چگونه به متن استایل داده و فونت اضافه کنید. همچنین انواع روش‌های استایل دهی برای شما توضیح داده شده و استایل‌های پیش‌فرض مرورگر بررسی می‌شوند. همچنین یاد می‌گیرید که چگونه یک کد را در CSS تبدیل به کامنت کنید. پس از آن و با شروع جلسه هشتم، شما با مفاهیمی مانند رنگ، outline، border، باکس مدل، text align و display آشنا خواهید شد. همچنین آیکون‌ها را شناخته و کار با تصاویر را در CSS یاد خواهید گرفت. به‌علاوه خواهید آموخت که چگونه می‌توان به تگ a، لیست، فرم و جدول استایل داده و با سودو کلاس‌ها و سودو المنت‌ها آشنا خواهید شد.

آموزش هوش مصنوعی، فیلم های کلاس استاد رحیم دهخوارقانی در دانشگاه بناب، 14 جلسه

مدیریت داده‌ها یکی از مهمترین مراحل توسعه سیستمهای نرم‌افزاری و بخصوص سیستمهای اطلاعاتی است. مراحل مدیریت داده‌ها، فارغ از هر نوع سیستم اطلاعاتی دارای دو بخش عمده می‌باشد. بخش اول مربوط تکنیکهای ذخیره و بازیابی داده‌ها است. در این بخش تکنیکها و معماریهای سیستمهای مدیریت پایگاه داده (DBMS) مورد بحث قرار می‌گیرد. بخش دوم، مراحل تحلیل و طراحی نوع داده‌های سیستم اطلاعاتی و مدلسازی ارتباط بین آنها است (Data Modeling)، به طوری که نیازمندیهای سیستم را پوشش دهد. در مجموع به کلیه مفاهیم بخش اول و دوم، پایگاه داده‌ها اطلاق می‌شود. تمرکز این دوره آموزشی بیشتر روی بخش دوم می‌باشد. در این دوره، بعد از مقدمات اولیه پایگاه داده‌ها، الگوهای مدلسازی داده با جزئیات کامل مورد بررسی قرار گرفته است. سپس دستورات SQL به عنوان استاندارد ارتباطی بین سیستمهای نرم‌افزاری و DBMS ها با مثالهای عملی تدریس شده است. در ادامه تکنیکهای جدید پایگاه داده‌ها مانند ORM ها و مفاهیم Big Data و NoSQL Data Model ها مورد بررسی قرار گرفته است.

آموزش رایگان داده‌کاوی پیش رو در یکی از کلاس‌های دانشگاه شریف ضبط شده است. داده‌کاوی یکی از مهم‌ترین و جذاب‌ترین درس‌های رشته مهندسی کامپیوتر در گرایش نرم‌افزار محسوب می‌شود. داده‌کاوی در واقع فرایندی است که شرکت‌ها برای تبدیل داده‌های خام به اطلاعات مفید انجام می‌دهند. متخصصان داده‌کاوی با جستجو میان داده‌ها، الگوهای خاصی پیدا کرده و از آن‌ها برای کسب اطلاعات بیشتر در مورد مشتریان، استراتژی‌های بازاریابی مؤثر، فروش بیشتر و ... استفاده می‌کنند. داده‌کاوی به جمع‌آوری مؤثر داده‌ها، نگهداری از آن‌ها و پردازش کامپیوتری بستگی دارد. از آنجایی که در سال‌های اخیر حجم داده‌ها به شکل چشمگیری افزایش یافته است، اهمیت آموزش رایگان داده‌کاوی هم روزبه‌روز بیشتر می‌شود. یکی از مهم‌ترین کاربردهای داده‌کاوی در بازاریابی است. با کمک این علم می‌توانید مشتریان سودآور و مشتریان وفادار و قدیمی‌تان خود را بشناسید، سبد محصول خود را بهینه کنید، طول عمر مشتری را بسنجید، عملکرد یک برنامه بازاریابی را بررسی کرده و با کشف الگو و روند خرید مشتریان، فروش خود را پیش‌بینی کنید. در دوره آموزش رایگان داده‌کاوی علاوه بر یادگیری این علم تا حدودی با دیتا ساینس یا علوم داده هم آشنا می‌شوید.   هدف از یادگیری دوره آموزش رایگان داده‌کاوی چیست؟ امروزه داده‌ها بیشتر از هر چیز دنیا را گرفته‌اند. با استفاده از داده‌ها می‌توان به اطلاعات بسیار خوبی دست یافت و آن‌ها را در صنایع گوناگون به کار برد. هدف از یادگیری آموزش رایگان داده‌کاوی این است که دانشجویان کارشناسی ارشد و دکترا و سایر علاقه‌مندان به این زمینه کار با داده‌های بزرگ و تحلیل آن‌ها را یاد بگیرند و الگوهای میان داده‌ها را کشف کنند. کار با داده‌ها پایه و اساس یادگیری ماشین محسوب می‌شود؛ بنابراین اگر می‌خواهید در زمینه یادگیری ماشین، یادگیری عمیق و همچنین علوم داده‌ها فعالیت داشته باشید، باید به داده‌کاوی مسلط باشید.   دوره آموزش رایگان داده‌کاوی مناسب چه کسانی است؟ دانشجویان کارشناسی ارشد و دکترای مهندسی کامپیوتر  کسانی که به کار با داده‌ها و مدیریت کلان داده‌ها علاقه‌مندند. کسانی که برای کسب‌وکار خود نیاز به تحلیل داده دارند. کسانی که قصد ورود به بازار data science و data engineer را دارند. کسانی که می‌خواهند آموزش یادگیری ماشین را آغاز کنند.   بعد از فراگیری دوره آموزش رایگان داده‌کاوی چه مهارت‌هایی کسب خواهید کرد؟ آشنایی با مفاهیم پیش‌پردازش داده‌ها و انبار داده کاوش در مجموعه داده‌های بزرگ و الگویابی کار با الگوریتم‌های جریان داده، انواع الگوریتم‌های خوشه‌بندی داده و کاهش ابعاد آشنایی با مفهوم و الگوریتم‌های یادگیری ماشین در کلان داده‌ها آشنایی با سیستم‌های توصیه‌گر   سرفصل‌های دوره آموزش رایگان داده‌کاوی چیست؟ دوره آموزش رایگان داده‌کاوی ابتدا به توضیح مفاهیم پیش‌پردازش داده‌ها و معرفی انبار داده می‌پردازد. سپس مباحث مرتبط با داده‌کاوی را به شما آموزش می‌دهد.

«یادگیری عمیق» به عنوان یکی از روش‌­های «یادگیری ماشین» شناخته می­‌شود. در یادگیری عمیق سعی می‌کنیم تا فعالیت ماشین‌­ها - سیستم­‌های کامپیوتری - را براساس شبیه‌­سازی سیستم عصبی انسان برنامه‌­ریزی کنیم. به این جهت می‌­توانیم یادگیری عمیق را مدلی بدانیم که بر اساس سیستم عصبی انسان شبیه‌سازی شده است. استفاده از یادگیری عمیق این قابلیت را در سیستم به وجود می‌­آورد که ماشین - سیستم کامپیوتری - بتواند در هر موقعیت تصمیماتی مشابه تصیمات مغز انسان ارائه کند. یادگیری عمیق در بسیاری از فعالیت­‌های روزمره ما می­‌تواند کاربردی و موثر باشد، اما برای داشتن مثال می­‌توانیم به مواردی همچون بات‌­های چت، ترجمه، تشخیص چهره و ... اشاره کرد.   در دوره آموزش رایگان یادگیری عمیق کاربردی چه مباحثی را یاد می‌گیرید؟ در دوره آموزش رایگان یادگیری عمیق کاربردی با موارد گسترده‌­ای آشنا خواهید شد. از آشنایی با مفاهیم اولیه گرفته تا جدیدترین و پیچیده‌­ترین مسائل مربوط به این چهارچوب در این دوره گنجانده شده است. به طور مشخص مباحث این دوره به صورت زیر تعریف شده است: معرفی دوره و پیش‌­نیازها (پایتون، آشنایی مقدماتی با مفاهیم یادگیری ماشین) معرفی یادگیری عمیق (یادگیری عمیق چیست و مثال­‌هایی کاربردی از یادگیری عمیق) آشنایی با سخت­‌افزارهای قابل استفاده و نحوه اتصال آن‌ها به نرم‌افزار آشنایی با نرم‌­افزارها و محیط برنامه­‌نویسی Google Colab  آشنایی با مفاهیمی همچون گرادیان، تابع هزینه، تابع فعال­‌سازی، توابع بهینه­‌ساز، forward propagation، back propagation و اجزای اصلی معماری­‌های شبکه عمیق معرفی کتابخانه Tensorflow و Keras در پایتون شبکه کانولوشنی و کاربردهای آن (پیاده‌سازی مفهومی کانولوشن در پایتون، معرفی Conv2D در Tensorflow) معرفی پایگاه دادگان معروف برای پروژه‌های مختلف آشنایی با مفاهیم طبقه‌­بندی، تشخیص اشیا و بازشناسایی و بخش‌­بندی تصویر بررسی معماری شبکه‌های Googlenet و VGGNet بررسی معماری شبکه‌های Resnet بررسی معماری شبکه‌های RNN و LSTM آموزش Pytorch معرفی معماری شبکه R-CNN، Fast R-CNN ، Faster R-CNN معرفی معماری مجموعه شبکه‌های YOLOv1- YOLOv5 معرفی معماری شبکه GAN ، انواع آن و کاربردها بررسی مشکلات در پروژه‌­های عملی یادگیری عمیق بررسی تکنیک­‌های استخراج بهترین نتایج در حل مسائل   دوره آموزش رایگان یادگیری عمیق کاربردی برای چه کسانی مناسب است؟ مطالب این دوره به شما در راه آموزش یادگیری عمیق کمک فراوانی خواهد کرد و برای همه افرادی که به نحوی علاقه­‌مند به یادگیری ماشین هستند مناسب خواهد بود.   ** دوره در حال تکمیل است

امروزه «تشخیص الگو» (pattern recognition) در حوزه‌های متعددی از فناوری که با داده‌های بزرگ سروکار دارند، استفاده می‌شود. اگرچه اجزای اساسی سیستم‌های تشخیص الگو یکسان است، اما روش‌های مختلفی برای تحقق و استفاده از آن‌ها وجود دارد. دوره آموزش شناسایی آماری الگو برای این هدف تهیه و تدوین شده است. آموزش شناسایی آماری الگو الگوها همه‌جا هستند و به همه جنبه‌های زندگی روزمره ما تعلق دارند. از طرح و رنگ لباس‌های ما گرفته تا استفاده از دستیارهای صوتی هوشمند، همه‌چیز شامل نوعی الگو است. در دوره شناسایی آماری الگو ما قرار است با جنبه‌های مختلفی از حوزه تشخیص الگو آشنا شویم. قبل از اینکه به معرفی دوره شناسایی آماری الگو بپردازیم ابتدا لازم است کمی در رابطه با تشخیص الگو، نحوه کار آن، رویکردهای آن، مزایا و دیگر جنبه‌های آن به گفتگو بپردازیم. تشخیص الگو چیست؟ تشخیص الگو به‌عنوان فرآیند شناسایی روندها در الگوی داده‌شده تعریف می‌شود. یک الگو را می‌توان به‌عنوان هر چیزی که از یک روند پیروی می‌کند و نوعی نظم را نشان می‌دهد تعریف کرد. تشخیص الگوها را می‌توان به‌صورت فیزیکی، ریاضی یا با استفاده از الگوریتم‌ها انجام داد. هنگامی‌که ما در مورد تشخیص الگو در یادگیری ماشین صحبت می‌کنیم، نشان‌دهنده استفاده از الگوریتم‌های قدرتمند برای شناسایی نظم در داده‌های یک مجموعه دیتا است. تشخیص الگو به‌طور گسترده در حوزه‌های فنی عصر جدید مانند بینایی کامپیوتر، تشخیص گفتار، تشخیص چهره و غیره استفاده می‌شود. دوره آموزش شناسایی آماری الگو به‌صورت مفصل به این مبحث پرداخته است و کاربر را به دانش نسبتاً خوبی از این زمینه یادگیری ماشین (machine learning) و هوش مصنوعی می‌رساند. تشخیص الگو چگونه کار می‌کند؟ شناسایی الگو یک فرآیند پیچیده برای تجزیه‌وتحلیل داده‌های ورودی، استخراج الگوها، مقایسه آن‌ها با استانداردهای خاص و استفاده از نتایج برای هدایت اقدامات آینده سیستم است. بنابراین، یک شناساگر الگو باید دارای مجموعه‌ای متنوع از توابع باشد. تشخیص خودکار الگوهای آشنا یک امر اساسی است. با این‌ حال، در بسیاری از موارد، برای عملکرد صحیح، سیستم باید بتواند اشیاء نا آشنا را تشخیص دهد و آن‌ها را طبقه‌بندی کند و همچنین اشیاء را حتی زمانی که داده‌های مربوط به آن‌ها ناکافی به نظر می‌رسد، شناسایی کند. روند کار تشخیص الگو در دوره شناسایی آماری الگو به‌صورت مفصل و به‌صورت عملی توضیح داده‌ شده است. رویکردهای تشخیص الگو سه رویکرد اساسی وجود دارد که الگوریتم‌های تشخیص الگو از آن‌ها استفاده می‌کنند: آماری: این رویکرد مبتنی بر تئوری تصمیم‌گیری آمار و احتمال است. شناساگر الگو ویژگی‌های کمی را از داده‌ها به همراه نمونه‌های متعدد استخراج می‌کند و آن ویژگی‌ها را با هم مقایسه می‌کند. با این‌ حال، به چگونگی ارتباط آن ویژگی‌ها با یکدیگر اشاره نمی‌کند. دوره شناسایی آماری الگو مختص این رویکرد است. ساختاری (نحوی): این رویکرد به نحوه عملکرد ادراک انسان نزدیک‌تر است. ویژگی‌های مورفولوژیکی را از یک نمونه داده استخراج می‌کند و نحوه اتصال و مرتبط بودن آن‌ها را بررسی می‌کند. عصبی: در این رویکرد از شبکه‌های عصبی مصنوعی استفاده می‌شود. در مقایسه با موارد ذکرشده در بالا، انعطاف‌پذیری بیشتری در یادگیری ایجاد می‌کند و به هوش طبیعی نزدیک است. اجزای اساسی سیستم‌های تشخیص الگو هر الگوریتم تشخیص الگوی مبتنی بر یادگیری ماشین شامل مراحل زیر است. داده‌های ورودی: حجم زیادی از داده‌ها از طریق سنسورهای مختلف وارد سیستم می‌شود. پیش‌پردازش یا تقسیم‌بندی: در این مرحله، سیستم داده‌های ورودی را گروه‌بندی می‌کند تا مجموعه‌ها را برای تجزیه‌وتحلیل آینده آماده کند. انتخاب یا استخراج ویژگی (feature): سیستم ویژگی‌های متمایز مجموعه داده‌های آماده‌شده را جستجو و تعین می‌کند. طبقه‌بندی: بر اساس ویژگی‌های شناسایی‌شده در مرحله قبل، به داده‌ها یک کلاس (خوشه) اختصاص داده می‌شود، یا مقادیر پیش‌بینی‌شده محاسبه می‌شوند (در مورد الگوریتم‌های رگرسیون). پس پردازش: با توجه به نتیجه شناسایی، سیستم اقدامات بعدی را انجام می‌دهد. در دوره شناسایی آماری الگو اجزای اساسی این سیستم‌ها و نحوه کار آن‌ها تشریح گردیده است. نمونه‌های تشخیص الگو نمونه‌هایی از تشخیص الگو را می‌توان به‌راحتی در زندگی روزمره و حتی در طبیعت یافت. در اینجا چند نمونه معمولی وجود دارد: NLP (پردازش زبان طبیعی): دستیارهای مجازی، رابط‌های تبدیل گفتار به متن و غیره اسکنرهای OCR (تشخیص کاراکتر نوری): برنامه‌های اسکنر موبایل. نرم‌افزار تشخیص پزشکی نرم‌افزار پیش‌بینی هواشناسی NIDS (سیستم‌های تشخیص نفوذ شبکه): سیستم‌های امنیتی که الگوهای فعالیت‌های مشکوک را تشخیص می‌دهند. نمونه‌های بسیار بیشتری از تشخیص الگو در دنیای وقعی و زندگی روزمره وجود دارد که در دوره شناسایی آماری الگو به بیشتر آن‌ها اشاره‌شده است. انواع الگوریتم‌های تشخیص الگو در یادگیری ماشینی هر سیستم تشخیص الگو از یک الگوریتم پیروی می‌کند. این الگوریتم‌ها به شرح زیر هستند:  الگوریتم‌های نظارت‌شده تشخیص الگو با رویکرد نظارت‌شده طبقه‌بندی نامیده می‌شود. این الگوریتم‌ها از یک روش دومرحله‌ای برای شناسایی الگوها استفاده می‌کنند. مرحله اول توسعه و ساخت مدل و مرحله دوم شامل پیش‌بینی اشیاء جدید یا نادیده است. ویژگی‌های کلیدی مربوط به این مفهوم به صورت مراحل زیر خواهد بود: 1. داده‌های داده‌شده را به دو مجموعه - آموزش و مجموعه تست تقسیم خواهند شد. 2. مدل با استفاده از یک الگوریتم یادگیری ماشینی مناسب مانند SVM (ماشین‌های بردار پشتیبانی)، درخت‌های تصمیم، جنگل تصادفی و غیره آموزش داده خواهند شد. 3. آموزش فرآیندی است که از طریق آن مدل الگوهای موجود در داده‌های داده‌شده را برای پیش‌بینی‌های مناسب می‌آموزد یا تشخیص می‌دهد. 4. مجموعه تست حاوی مقادیر پیش‌بینی‌شده است. 5. برای اعتبارسنجی پیش‌بینی‌های انجام‌شده توسط مجموعه آموزشی استفاده می‌شود. 6. این مدل بر روی مجموعه آموزشی آموزش داده می‌شود و در مجموعه تست، تست می‌شود. 7. عملکرد مدل بر اساس پیش‌بینی‌های درست انجام‌شده ارزیابی می‌شود. مدل آموزش‌دیده و آزمایش‌شده توسعه‌یافته برای تشخیص الگوها با استفاده از الگوریتم‌های یادگیری ماشین، طبقه‌بندی کننده نامیده می‌شود. الگوریتم‌های بدون نظارت برخلاف الگوریتم‌های نظارت‌شده برای الگوی استفاده از مجموعه‌های آموزشی و آزمایشی، این الگوریتم‌ها از یک گروه به روشی متفاوت استفاده می‌کنند. آن‌ها الگوهای موجود در داده‌ها را مشاهده می‌کنند و آن‌ها را بر اساس شباهت در ویژگی‌های آن‌ها مانند بعد گروه‌بندی می‌کنند تا پیش‌بینی کنند. برای مثال فرض کنید ما یک سبد از انواع میوه‌ها مانند سیب، پرتقال، گلابی و گیلاس داریم. ما فرض می‌کنیم که نام میوه‌ها را نمی‌دانیم و داده‌های ما بدون برچسب هستند. حال فرض کنید با شرایطی مواجه می‌شویم که شخصی می‌آید و به ما می‌گوید میوه جدیدی که به سبد اضافه‌شده را شناسایی کنید. در چنین حالتی از مفهومی به نام خوشه‌بندی استفاده می‌کنیم. 1. خوشه‌بندی ترکیبی از اقلام یا گروه‌هایی است که ویژگی‌های یکسانی دارند. 2. هیچ دانش قبلی برای شناسایی یک مورد جدید از این اقلام در دسترس نیست. 3. آن‌ها از الگوریتم‌های یادگیری ماشینی مانند خوشه‌بندی سلسله مراتبی و k-means استفاده می‌کنند. 4. بر اساس ویژگی‌ها یا ویژگی‌های شی جدید، به یک گروه اختصاص داده می‌شود تا یک پیش‌بینی انجام دهد. ابزارهای مورد استفاده برای تشخیص الگو در یادگیری ماشینی در زیر نمونه‌هایی از ابزارهای تشخیص الگو در دنیای واقعی آورده شده است: Amazon Lex – این یک نرم‌افزار یا به عبارتی یک سرویس منبع باز است که توسط آمازون برای ساخت عوامل مکالمه هوشمند مانند ربات‌های گفتگو با استفاده از تشخیص متن و گفتار ارائه می‌شود. Google Cloud AutoML – این فناوری برای ساخت مدل‌های یادگیری ماشینی با کیفیت بالا با حداقل نیاز استفاده می‌شود. از شبکه‌های عصبی (شبکه‌های عصبی بازگشتی RNN) و یادگیری تقویتی به‌عنوان پایه‌ای برای ساخت مدل استفاده می‌کند. R-Studio – از زبان برنامه‌نویسی R برای توسعه کد استفاده می‌کند. این یک محیط توسعه یکپارچه برای توسعه و آزمایش مدل‌های تشخیص الگو است. IBM Watson Studio – IBM Watson Studio یک ابزار منبع باز بوده که توسط IBM برای تجزیه‌وتحلیل داده‌ها و یادگیری ماشین ارائه‌شده است. برای ساخت و استقرار مدل‌های یادگیری ماشین روی دسکتاپ استفاده می‌شود. Microsoft Azure Machine Learning Studio – ارائه‌شده توسط مایکروسافت، این ابزار از قابلیت کشیدن و رها کردن برای ساخت و استقرار مدل‌های یادگیری ماشین استفاده می‌کند. این یک محیط مبتنی بر GUI (رابط کاربری گرافیکی) برای ساخت و استفاده از مدل ارائه می‌دهد. دامنه تشخیص الگو در یادگیری ماشینی تشخیص الگو در زمینه‌های مختلفی در علوم کامپیوتر و سایر علوم استفاده می‌شود که مهم‌ترین آن‌ها شامل موارد زیر است: داده‌کاوی: به استخراج اطلاعات مفید از مقادیر زیادی داده از منابع ناهمگن اشاره دارد. داده‌های معنی‌دار به‌دست‌آمده از تکنیک‌های داده‌کاوی برای پیش‌بینی و تجزیه‌وتحلیل داده‌ها استفاده می‌شود. سیستم‌های توصیه گر: اکثر وب‌سایت‌های فروشگاهی از سیستم‌های توصیه گر استفاده می‌کنند. این سیستم‌ها داده‌های مربوط به خرید هر مشتری را جمع‌آوری می‌کنند و با استفاده از الگوریتم‌های یادگیری ماشین، با شناسایی روندهای الگوی خرید مشتری، پیشنهاد‌هایی را ارائه می‌کنند. پردازش تصویر: فرآیند پردازش تصویر اساساً دو نوع است، پردازش تصویر دیجیتال و پردازش تصویر آنالوگ. پردازش تصویر دیجیتال از الگوریتم‌های یادگیری ماشینی هوشمند برای افزایش کیفیت تصویر به‌دست‌آمده از منابع دور مانند ماهواره‌ها استفاده می‌کند. بیوانفورماتیک: رشته‌ای از علم است که از ابزارها و نرم‌افزارهای محاسباتی برای پیش‌بینی‌های مربوط به داده‌های بیولوژیکی استفاده می‌کند. به‌عنوان‌مثال، فرض کنید شخصی پروتئین جدیدی را در آزمایشگاه کشف کرده است اما توالی پروتئین مشخص نیست. با استفاده از ابزارهای بیوانفورماتیک، پروتئین ناشناخته با تعداد زیادی از پروتئین‌های ذخیره‌شده در پایگاه داده مقایسه می‌شود تا یک توالی بر اساس الگوهای مشابه پیش‌بینی شود. تجزیه‌وتحلیل: تشخیص الگو برای شناسایی روندهای داده‌های مهم استفاده می‌شود. از این روندها می‌توان برای پیش‌بینی‌های آینده استفاده کرد. تجزیه‌وتحلیل تقریباً در هر حوزه‌ای چه فنی و چه غیر فنی موردنیاز است. به‌عنوان‌مثال، توییت‌هایی که یک فرد در توییتر ایجاد می‌کند، با شناسایی الگوهای پست‌ها با استفاده از پردازش زبان طبیعی، به تحلیل احساسات کمک می‌کند. امروزه بازشناسی الگو با نرم‌افزارها و زبانه‌ای برنامه‌نویسی زیادی مانند پایتون، متلب و گیره امکان‌پذیر است و به لطف کتابخانه‌های زیادی که در  داخل بسته‌های پایتون و متلب قرار دارد پیاده سازی الگوریتم‌های تشخیص الگو بسیار آسان است. مزایای تشخیص الگو استفاده از تکنیک‌های تشخیص الگو، فواید زیادی دارد. این حوزه نه‌تنها به تجزیه‌وتحلیل روندها کمک می‌کند، بلکه به پیاده سازی سیستم‌های پیش‌بینی‌ در صنایع مختلف نیز کمک می‌کند. به شناسایی اجسام در فواصل و زوایای مختلف کمک می‌کند. در صنعت مالی برای انجام پیش‌بینی‌های ارزشمند در مورد فروش استفاده می‌شود. راه‌حل‌های کارآمد برای مشکلات بلادرنگ است. در زمینه‌های پزشکی برای تجزیه‌وتحلیل پزشکی قانونی و توالی یابی DNA مفید است. تشخیص الگو حتی کوچک‌ترین داده‌های پنهان یا غیرقابل ردیابی را شناسایی و پیش‌بینی می‌کند. تشخیص الگو در طبقه‌بندی داده‌های مبهم بسیار کمک می‌کند. با استفاده از تکنیک‌های یادگیری، پیش‌بینی‌های مناسبی را انجام می‌دهد. تشخیص الگو نه‌تنها به پیش‌بینی داده‌های مبهم کمک می‌کند، بلکه به ارائه پیشنهادهای مفید نیز کمک می‌کند. کاربردهای تشخیص الگو تشخیص الگو در دنیای امرزی ما کاربردهای بسیار فراوانی دارد که ازجمله مهم‌ترین آن‌ها می‌توان به موارد زیر اشاره کرد: تجزیه‌وتحلیل روند: تشخیص الگو به شناسایی روند در داده‌های داده‌شده کمک می‌کند که می‌توان روی آن تجزیه‌وتحلیل مناسب انجام داد. به‌عنوان‌مثال، با نگاهی به روندهای اخیر در فروش انجام‌شده توسط یک شرکت یا سازمان خاص، می‌توان فروش آینده را پیش‌بینی کرد. در کل برای بهینه سازی تصمیم گیری، شناسایی الگو یک ابزار بسیار پر قدرت است. تجارت الکترونیک: موتورهای جستجوی تصویری کالای موردنظر را بر اساس مشخصات آن تشخیص داده و نتایج مناسبی را ارائه می‌دهند. اکثر وب‌سایت‌های فروشگاهی از سیستم‌های توصیه‌کننده استفاده می‌کنند. این سیستم‌ها داده‌های مربوط به خرید هر مشتری را جمع‌آوری می‌کنند و پیشنهاد می‌دهند. همه این وظایف با تجزیه‌وتحلیل روندهای قبلی برای پیش‌بینی‌های موفق انجام می‌شود. بینایی کامپیوتر: کاربر در بینایی کامپیوتر با دادن یک تصویر یا ویدئو به‌عنوان ورودی با سیستم تعامل دارد. دستگاه آن را با هزاران یا شاید میلیون‌ها تصویر ذخیره‌شده در پایگاه داده خود مقایسه می‌کند تا الگوهای مشابهی را بیابد. ترسیم ویژگی‌های اساسی با استفاده از الگوریتمی انجام می‌شود که عمدتاً برای گروه‌بندی اشیاء و الگوهای مشابه به نظر می‌رسد. این به‌عنوان بینایی کامپیوتر نامیده می‌شود. به‌عنوان‌مثال، تشخیص سرطان یک نوع بینایی کامپیوتر به‌حساب می‌آید. دستگاه‌های بیومتریک: این دستگاه‌ها با استفاده از فناوری‌های تشخیص چهره و تشخیص اثرانگشت، احراز هویت و امنیت را ایمن می‌کنند. در بک‌اند این دستگاه‌ها، پایه‌ای که استفاده از فناوری‌هایی مانند تشخیص چهره و اثرانگشت را امکان‌پذیر می‌کند، الگوریتم‌های یادگیری ماشین هستند. دوره آموزش شناسایی آماری الگو یادگیری ماشینی یکی از حوزه‌های بسیار پرطرفدار در قرن بیست و یکم است. به دلیل کاربردها و مزایای آن، این حوزه تقاضای زیادی دارد. با قابلیت‌های شگفت‌انگیز خود همه صنایع را متحول کرده است. یادگیری ماشین زمینه‌ها و حوزه‌های مختلفی دارد که برخی از آن‌ها شامل تشخیص الگو، داده‌کاوی، تجزیه‌وتحلیل و غیره است. امروزه تقریباً در هر صنعتی، چه فنی و چه غیر فنی، از تشخیص الگو در یادگیری ماشین استفاده می‌شود. به تحلیل و تجسم گرایش‌های مختلف کمک کرده است. این امر نه‌تنها کارایی و سهولت تحلیل و پیش‌بینی را افزایش داده است، بلکه فرصت‌های شغلی در این زمینه را نیز افزایش داده است. شرکت‌های درجه یک مانند مایکروسافت، گوگل، آمازون به دنبال افراد ماهر در هنر تشخیص الگو و تجزیه‌وتحلیل داده‌ها برای پیش‌بینی‌های مفید هستند؛ بنابراین، می‌توان نتیجه گرفت که تشخیص الگو یکی از پیشرفته‌ترین زمینه‌ها در یادگیری ماشین است. اگر قصد دارید وارد دنیای یادگیری ماشین شوید و با رویکرد شناسایی الگو این راه را بپیمایید، هم اکنون با ثبت نام در دوره آموزش شناسایی الگو قدم اول را محکم در این راه بردارید. دوره آموزش شناسایی آماری الگو یکی از پیشرفته‌ترین دوره‌های آموزشی در این زمینه در زبان فارسی است. این درس در دانشگاه صنعتی شریف گرد آوری شده و شامل 28 ساعت محتوای آموزشی تخصصی در زمینه تشخیص الگو و تطبیق الگو با رویکرد آماری است. این دوره آموزش شناسایی آماری الگو در 28 جلسه به‌صورت کامل و جامع جنبه‌های مختلف تشخیص الگو را موردبحث و گفتگو قرار می‌دهد. این دوره هم‌اکنون به‌صورت رایگان در اختیار کاربران قرار دارد و کاربران می‌توانند با استفاده از آن دانش خود را در این زمینه کاملاً بهبود ببخشند.

پایتون یک زبان عمومی و همه‌منظوره است که از آن می‌توانید در زمینه‌های مختلفی استفاده کنید. با آموزش پایتون می‌توانید به بسیاری از حوزه‌های تخصصی وارد شوید و در آن به فعالیت بپردازید. از جمله کاربردهای پایتون می‌توان به موارد زیر اشاره کرد: طراحی سایت و ورود به دنیای اینترنت طراحی و توسعه اپلیکیشن‌های موبایلی استفاده از کتابخانه‌های پایتون در یادگیری ماشین هک و تست نفوذ داده‌کاوی و کلان داده‌ها ایجاد رابط کاربر گرافیکی طراحی بازی‌های کامپیوتری باتوجه‌به کاربرد گسترده پایتون در برنامه‌نویسی، شما می‌توانید پروژه‌های متنوع خود را با کمک این زبان انجام دهید. در این دوره به آموزش دو پروژه کاربردی از پایتون می‌پردازیم. با گذراندن این دوره شما می‌توانید رباتی بسازید که قیمت لحظه‌ای بیت‌کوین را بگیرد و برایتان بخواند. همچنین می‌توانید داده‌های آب‌وهوا را از اینترنت بگیرید، آن‌ها را پردازش کرده و سپس برای موارد استفاده بیشتر در پایگاه‌داده SQLite ذخیره کنید.   هدف از یادگیری دوره آموزش پروژه‌های کاربردی پایتون چیست؟ هدف از دوره آموزش پروژه‌های کاربردی پایتون این است که شما با چگونگی انجام صحیح یک پروژه در پایتون آشنا شوید. این آموزش به شما یاد می‌دهد که چگونه می‌توانید با کوچک کردن مسئله اصلی به زیر قسمت‌های متعدد، انجام یک پروژه را برای خودتان تا حدودی راحت‌تر کنید. تقسیم یک مسئله به زیر مسئله همیشه یک راه‌حل خوب برای ساده‌تر کردن کارها بوده است. این روش نه‌تنها انجام پروژه را راحت‌تر می‌کند، بلکه دسترسی و ویرایش سریع‌تر به هر بخش را برایتان فراهم می‌آورد. در نهایت می‌توانید قطعه کدهای نوشته‌شده را کنار هم قرار داده تا بدین ترتیب یک پروژه کامل به دست آورید.   سرفصل‌های دوره آموزش پروژه‌های کاربردی پایتون چیست؟ دوره آموزش پروژه‌های کاربردی پایتون در دو جلسه مجزا به بررسی و انجام دو پروژه می‌پردازد. در پروژه اول یک ربات طراحی می‌کنید که بتواند قیمت بیت‌کوین را در لحظه تغییر از اینترنت بخواند و آن را به شما یادآوری کند. این پروژه طی پنج مرحله انجام می‌شود. در مرحله اول قیمت بیت‌کوین را گرفته و آن را مقایسه می‌کند. در مرحله دوم با کمک یک حلقه تکرار، قیمت‌های جدید را بررسی می‌کند. در مرحله سوم قیمت لحظه‌ای بیت‌کوین را گرفته و آن را به دلار تبدیل می‌کند. در بخش‌های چهارم و پنجم ربات درباره قیمت به شما هشدار داده و آن را برایتان می‌خواند. در پروژه دوم شما یاد می‌گیرید که چگونه برنامه‌ای بسازید تا وضعیت آب‌وهوا را از OpenWeather بگیرد و داده‌ها را در دیتابیس SQLite ذخیره کند؛ بنابراین شما ابتدا داده‌ها را می‌گیرید، روی آن‌ها پردازش انجام می‌دهید و پس از ساخت پایگاه‌داده و ایجاد جدول، داده‌ها را درون آن ذخیره می‌کنید.

اگر به فکر ساختن یک وب‌سایت هستید، مطمئناً واژه‌های HTML و CSS را شنیده‌اید. این دو ابزار ضروری برخی از پایه‌های هر صفحه وب را تشکیل می‌دهند. بااین‌حال، اگرچه آن‌ها اغلب همراه با یکدیگر استفاده می‌شوند، اما هر کدام از این دو مورد در زمینه برنامه‌نویسی وب اهداف متفاوتی دارند. تفاوت‌های کلیدی در پیاده‌سازی، سهولت استفاده، ویژگی‌های مختلف و نحوه ساختار آن‌ها نهفته است. اما در نهایت  HTML و CSS کلیدهای باز کردن نحوه عملکرد وب جهانی هستند. برای یادگیری رایگان html css در کمترین زمان ممکن کافی است دوره آموزش رایگان html و css مکتب‌خونه را ببینید تا به‌خوبی با تمام بخش‌های گوناگون html و css آشنا شوید. این دوره یکی از بهترین دوره‌های آموزشی است که در مدت‌ زمانی کم شما را با اصول کلی HTML و CSS آشنا می‌کند. پیش از آنکه به معرفی دوره پروژه محور و رایگان html و css بپردازیم، ابتدا اجازه دهید شما را با مفهوم html و css آشنا کنیم و اهمیت آنها را در فرایند طراحی سایت بیان کنیم. HTML چیست؟ HTML مخفف HyperText Markup Language است و زبان نشانه‌گذاری متن نام دارد. HyperText در واقع یک متن در متن است و زبان نشانه‌گذاری زبانی است که توسط کامپیوترها قابل‌ درک است. HTML اساساً برای توصیف صفحات وب طراحی‌ شده است و متنی را که استفاده می‌کنید تعاملی‌تر می‌کند. به عبارتی ساده، اچ تی ام ال یکی از پایه‌ای‌ترین المان های طراحی سایت است و یادگیری آن از اهمیت بسیار بالایی برخوردار است. این زبان ابتدا در سال 1989 به‌عنوان زبان انتشارات وب اختراع شد و به زبان ساده، اولین بلوک سازنده در ایجاد یک صفحه وب است. هنگامی‌که برای اولین بار با دنیای HTML آشنا شدید، احتمالاً با مجموعه‌ای از اصطلاحات و عبارات روبرو خواهید شد که تا حدودی گیج‌کننده نیز هستند. سه مورد اصلی عبارت‌اند از عناصر، برچسب‌ها و ویژگی‌ها. HTML5 آخرین نسخه HTML است و دانش در این زمینه روند رو به رشدی در بازار کار دارد. این ورژن به‌طورکلی، عملکردی مشابه HTML استاندارد دارد، اما بسیار پویاتر است و از کدهای بسیار کمتری برای ساختن نتیجه‌ای خارق‌العاده استفاده می‌کند. در دوره آموزش رایگان html و css شما به‌خوبی با HTML آشنا خواهید شد. HTML پایه و اساس طراحی وب‌سایت است و برای دوره‌های آموزش طراحی سایت شما به این مهارت مهم نیازمند خواهید بود. HTML برای چه مواردی استفاده می‌شود؟ در اصل، HTML برای ایجاد محتوای اصلی یک صفحه وب و ساختار دادن به آن استفاده می‌شود. شما با نوشتن کلمات شروع می‌کنید، سپس برچسب‌ها یا عناصر را روی این کلمات اعمال می‌کنید. سپس مرورگر وب این کلمات را می‌خواند و سپس می‌تواند عنوان یک صفحه، هر پاراگراف و محل شروع و پایان صفحه را بفهمد؛ بنابراین صفحه وب شما را با محتوا پر می‌کند. HTML توسط هر مرورگری پشتیبانی می‌شود و تقریباً در تمام صفحات وب موجود ایجاد می‌شود. اگر بتوانیم یک صفحه وب را با بدن انسان مقایسه کنیم، HTML همانند استخوان‌های بدن است. CSS چیست؟ CSS مخفف Cascade Styling Sheets است. به‌طور خلاصه، این یک زبان سبُک برای استایل‌دهی به صفحات وب است. در واقع نوعی زبان است که می‌توانید از آن برای توصیف و ارائه یک‌زبان نشانه‌گذاری استفاده کنید. یا به زبان ساده، برای توصیف و زیبایی بخشیدن به حرکات HTML به کار می‌رود. این زبان به‌طور مؤثر تعیین می‌کند که چگونه بلوک‌های صفحه، همان‌طور که توسط HTML گذاشته‌شده است، تزئین شده و به کاربر ارائه می‌شود. CSS برای اولین بار در حدود سال 1996 ایجاد شد تا مفهوم HTML را دگرگون کند و صفحات وب را زیبا جلوه دهد. دانستن CSS یکی از مهم‌ترین مهارت‌های یک طراح سایت است. دوره آموزش رایگان html و css کاملاً پروژه محور بوده و به شما نحوه استفاده از CSS را در طراحی یک صفحه می‌آموزد. CSS برای چه مواردی استفاده می‌شود؟ اگر HTML استخوان‌های بدن است، پس CSS پوستی است که آن را می‌پوشاند. برای رنگ پس‌زمینه، استایل ‌بندی، چیدمان، حاشیه‌ها، سایه‌زنی استفاده می‌شود. CSS شما را قادر می‌سازد با تغییر طراحی و نمایش عناصر HTML، بین ارائه و محتوا تمایز قائل شوید. CSS برای موارد زیادی در صفحه مانند: margin و padding رنگ پس‌زمینه عرض و ارتفاع عناصر و... استفاده می‌شود. درحالی‌که CSS اغلب در ارتباط با HTML استفاده می‌شود، درواقع مستقل از آن است و می‌تواند با هر زبان نشانه‌گذاری مبتنی بر XML استفاده شود.

پردازش زبان طبیعی یا  natural language processing یکی از زیرشاخه‌های آموزش هوش مصنوعی (AI) است. این فناوری پرکاربرد برای اهداف زیادی در پروژه‌های مختلف تجاری استفاده می‌شود. فناوری نام برده بر روی گفتار ارائه‌شده توسط کاربر کار می‌کند و آن را برای درک صحیح، تجزیه و پردازش می‌کند. هدف از دوره آموزش پردازش زبان طبیعی NLP آشنایی و تسلط دانشجو بر جنبه‌های مختلف NLP است. قبل از اینکه به معرفی دوره NLP بپردازیم ابتدا می‌خواهیم کمی در رابطه با NLP و جنبه‌های مختلف آن باهم به گفتگو بپردازیم. NLP چیست؟ NLP درواقع یک رویکرد بسیار جدید و مؤثر است که تقاضای بسیار بالایی در بازار امروز دارد. بازنمایی دانش و استدلال منطقی، تأکید برنامه‌های هوش مصنوعی در NLP است. در دهه گذشته، تغییر قابل‌توجهی در تحقیقات NLP منجر به استفاده گسترده از رویکردهای آماری مانند آموزش یادگیری ماشین و داده‌کاوی در مقیاس گسترده شده است. نیاز به اتوماسیون به دلیل حجم کاری که این روزها باید انجام شود هرگز پایان نمی‌یابد. NLP یک جنبه بسیار مطلوب در صحبت از برنامه‌های خودکار است. همچنین کاربردهای NLP باعث شده است تا یکی از پرطرفدارترین روش‌های پیاده‌سازی یادگیری ماشین باشد. پردازش زبان طبیعی (NLP) رشته‌ای است که علوم کامپیوتر، زبان‌شناسی و یادگیری ماشین را برای مطالعه نحوه ارتباط کامپیوترها و انسان‌ها به زبان طبیعی ترکیب می‌کند. هدف NLP این است که کامپیوترها بتوانند زبان انسانی را تفسیر و تولید کنند. این ویژگی نه‌تنها کارایی کار انجام‌شده توسط انسان را بهبود می‌بخشد، بلکه به تعامل انسان با دستگاه نیز کمک می‌کند. در واقع NLP شکاف تعامل بین انسان و دستگاه‌های الکترونیکی را پر می‌کند. در دوره آموزش پردازش زبان طبیعی ما قرار است که با تکنیک‌ها و متدهای مهم در آن آشنا شویم و بتوانیم پس از پایان دوره به‌خوبی و به‌صورت عملی تا حدود زیادی NLP را درک کنیم. اجزای مختلف پردازش زبان طبیعی یا NLP زبان طبیعی  nlp به سه بخش مختلف تقسیم می‌شود: تشخیص گفتار — ترجمه زبان گفتاری به متن. درک زبان طبیعی (NLU)  — توانایی کامپیوتر برای درک آنچه می‌گوییم. تولید زبان طبیعی  (NLG) — تولید زبان طبیعی توسط کامپیوتر. NLU و NLG جنبه‌های کلیدی هستند که عملکرد دستگاه‌های NLP را نشان می‌دهند. این 2 جنبه بسیار متفاوت از یکدیگر هستند و با استفاده از روش‌های مختلف به دست می‌آیند که در دوره آموزش پردازش زبان طبیعی نیز به آن‌ها اشاره‌شده است. تشخیص گفتار در NLP ابتدا کامپیوتر باید زبان طبیعی را بگیرد و آن را به زبان مصنوعی تبدیل کند. این همان کاری است که تشخیص گفتار یا گفتار به متن انجام می‌دهد و اولین مرحله NLU به‌حساب می‌آید. مدل‌های پنهان مارکوف (HMM) امروزه در اکثر سیستم‌های تشخیص صدا استفاده می‌شوند. این‌ها مدل‌های آماری هستند که از محاسبات ریاضی برای تعیین آنچه گفته‌اید استفاده می‌کنند تا گفتار شمارا به متن تبدیل کنند. HMM- ها این کار را با گوش دادن به صحبت شما انجام می‌دهند، آن را به واحدهای کوچک تقسیم می‌کنند (معمولاً 10 تا 20 میلی‌ثانیه) و آن را با گفتار از پیش ضبط‌شده مقایسه می‌کنند تا بفهمند کدام واج را در هر واحد بیان کرده‌اید. واج کوچک‌ترین واحد گفتار است. سپس برنامه توالی واج‌ها را بررسی می‌کند و از تجزیه‌وتحلیل آماری برای تعیین محتمل‌ترین کلمات و جملاتی که شما صحبت می‌کردید استفاده می‌کند. درک زبان طبیعی (NLU) مرحله بعدی و سخت‌ترین مرحله NLP، قسمت درک آن است که درک زبان طبیعی (NLU) نام دارد و اساس و روش آن در دوره آموزش پردازش زبان طبیعی به‌خوبی بیان‌شده است. ابتدا کامپیوتر باید معنای هر کلمه را درک کند. کامپیوتر سعی می‌کند بفهمد که این کلمه اسم است یا فعل. به این تگ بخشی از گفتار (POS) می‌گویند. همچنین واژگان و مجموعه‌ای از قوانین گرامری نیز در سیستم‌های NLP تعبیه‌شده است. سخت‌ترین بخش NLP، درک آن است. ماشین باید بتواند آنچه را که شما گفتید در پایان فرآیند درک کند. هنگام در نظر گرفتن مشکلاتی مانند کلماتی که چندین معانی دارند (چندمعنایی) یا کلمات مختلف دارای معانی مشابه (مترادف) چالش‌های متعددی برای انجام این کار وجود دارد، اما توسعه‌دهندگان قوانین را در سیستم‌های NLU خود کدگذاری می‌کنند و آن‌ها را آموزش می‌دهند تا یاد بگیرند که قوانین را به‌درستی اعمال کنند. تولید زبان طبیعی (NLG) انجام NLG بسیار ساده‌تر از دو روش قبل است. NLG زبان مصنوعی کامپیوتر را به متن تبدیل می‌کند و همچنین می‌تواند آن متن را با استفاده از فناوری تبدیل متن به گفتار به گفتار شنیدنی تبدیل کند. ابتدا سیستم NLP مشخص می‌کند که چه داده‌هایی باید به متن تبدیل شوند. اگر از کامپیوتر سؤالی در مورد آب‌وهوا پرسیده باشید، به‌احتمال‌زیاد کامپیوتر برای یافتن پاسخ شما یک جستجوی آنلاین انجام داده است و آن را به صورت گفتار برای شما بازگو میکند. سپس، ساختار نحوه بیان آن را سازمان‌دهی می‌کند. این شبیه به NLU است. سیستم NLG می‌تواند جملات کامل را با استفاده از یک فرهنگ لغت و مجموعه‌ای از قوانین دستور زبان بسازد. درنهایت، تبدیل متن به گفتار کار را به دست می‌گیرد. موتور تبدیل متن به گفتار از یک مدل عروضی برای ارزیابی متن و شناسایی کلمات توقف و عوامل دیگر استفاده می‌کند. سپس موتور تمام واج‌های ضبط‌شده را با استفاده از پایگاه داده گفتار در یک‌رشته منسجم گفتار ترکیب می‌کند. در دوره آموزش پردازش زبان طبیعی موارد گفته‌شده به‌خوبی و به‌صورت کاربردی توضیح داده‌شده است. فن‌آوری‌های مرتبط با پردازش زبان طبیعی فن‌آوری‌های زیادی با NLP هم‌اکنون سروکار دارند که از مهم‌ترین آن‌ها می‌توان به موارد زیر اشاره کرد: ترجمه ماشینی: NLP برای ترجمه زبان از یک‌زبان به زبان دیگر از طریق کامپیوتر استفاده می‌شود. Chatterbots NLP: ان ال پی برای ربات‌های چت که با ربات‌های چت دیگر ارتباط برقرار می‌کنند استفاده می‌شود یا برای ارتباط انسان‌ها با ربات‌ها از طریق روش‌های شنیداری یا متنی از آن استفاده خواهد شد. نرم‌افزار هوش مصنوعی: NLP در نرم‌افزار پاسخ‌گویی به سؤال برای بازنمایی دانش، استدلال تحلیلی و همچنین بازیابی اطلاعات استفاده می‌شود. کاربردهای پردازش زبان طبیعی (NLP): NLP در حوزه پردازش زبان کاربرهای بسیار فراوانی دارد که از مهم‌ترین آن‌ها می‌توان به موارد زیر اشاره کرد: فیلترهای هرزنامه یکی از بدترین تجربه‌ها در مورد ایمیل، ایمیل‌های هرزنامه است. Gmail از پردازش زبان طبیعی (NLP) برای تشخیص اینکه کدام ایمیل‌ها معتبر و کدام هرزنامه هستند، استفاده می‌کند. این فیلترهای هرزنامه به متن تمام ایمیل‌هایی که دریافت می‌کنید نگاه می‌کنند و سعی می‌کنند معنی آن را بفهمند که آیا هرزنامه است یا نه. معاملات الگوریتمی معاملات الگوریتمی برای پیش‌بینی شرایط بازار سهام استفاده می‌شود. با استفاده از NLP، این فناوری عناوین اخبار مربوط به شرکت‌ها و سهام را بررسی می‌کند و تلاش می‌کند تا معنای آن‌ها را درک کند تا مشخص کند آیا باید سهام خاصی را بخرید، بفروشید یا نگهداری کنید. پاسخ به سؤالات NLP را می‌توان با استفاده از جستجوی گوگل در عمل مشاهده کرد. یکی از کاربردهای اصلی NLP این است که موتورهای جستجو معنای آنچه را که می‌پرسیم بفهمند و درازای پاسخ به ما، زبان طبیعی تولید کنند. خلاصه سازی متون و اطلاعات یکی از بهترین کاربردهای ان ال پی خلاصه‌سازی متون است. در اینترنت، اطلاعات زیادی وجود دارد و بسیاری از آن‌ها به‌صورت داده های متنی و مقالات طولانی هستند. NLP برای رمزگشایی معنای داده‌ها استفاده می‌شود و سپس خلاصه‌های کوتاه‌تری از داده‌ها ارائه می‌دهد تا انسان بتواند آن را سریع‌تر درک کند. در این رابطه سعی می‌شود که با حذف کلمات توقف و دیگر تکنیک‌ها به خلاصه‌سازی متن پرداخته شود. تحلیل احساسات بازخورد یکی از عوامل اساسی ارتباط واقعی است. محصول شما چه یک فیلم کاملاً جدید باشد یا یک ابزار یا هر چیز دیگری، نظرات مخاطبان در مورد آن‌ها بسیار مهم خواهد بود، از این‌ رو، بررسی احساسات مردم در رابطه با یک محصول، اکنون بیش از هر زمان دیگری ضروری است. استراتژی ان ال پی با تکنولوژی BOW روی این مسئله متمرکزشده و در کشف احساسات نقش اساسی ایفا می‌کند. این رویکرد از تکنیک‌های آماری برای گروه‌بندی کلمات استفاده می‌کند و و پردازش زبان طبیعی در بک‌اند این مسئله قرار می‌گیرد. BOW را می‌توان به‌عنوان یک فرهنگ لغت بزرگ در نظر گرفت که در آن هر کلمه وزن منحصربه‌فرد خود را دارد که به نتیجه‌گیری احساسات کمک می‌کند. در دوره آموزش پردازش زبان طبیعی به کاربرد تحلیل احساسات با ان ال پی به صورت تخصصی پرداخته شده است. ترجمه ماشینی دستیابی به چندزبانگی در یک پلتفرم اغلب می‌تواند یک مأموریت چالش‌برانگیز برای انجام آن باشد، بنابراین برای ساده‌تر کردن سبک زندگی‌مان حداقل درزمینهٔ ارتباط، ترجمه ماشینی به کمک ما می‌آید و می‌تواند مفید واقع شود. در اوایل دهه 50، IBM یک سیستم ترجمه ماشینی را معرفی کرد که فقط 250 کلمه داشت و چهل و نه جمله روسی را بااحتیاط انتخاب‌شده در حوزه شیمی به انگلیسی ترجمه کرد. در طول سال‌های اخیر با استفاده از منابعی که شبکه‌های عصبی را به کار می‌گیرند، ترجمه ماشینی به‌شدت کیفیت بالایی داشته، به‌طوری‌که ترجمه بین زبان‌ها به‌آسانی زدن یک دکمه شده است. نمونه بارز آن Google Translate بوده که به بیش از ترجمه آنی صد زبان کمک می‌کند و از فن آوری ان ال پی بهره می‌برد. طبقه‌بندی متن متون شکلی از اطلاعات بدون ساختار هستند. طبقه‌بندی متن با NLP، مقدار زیادی از محتوای متنی را که در حال حاضر استفاده می‌کنیم، دسته‌بندی و مرتب می‌کنند. ازآنجایی که متون ساختاری ندارند، تجزیه‌وتحلیل، مرتب‌سازی و طبقه‌بندی آن‌ها می‌تواند برای انسان بسیار چالش‌برانگیز و زمان‌بر و گاهی اوقات حتی خسته‌کننده باشد. اینجاست که طبقه‌بندی متن با NLP به میدان می‌آید تا انگیزه خود را برای انجام وظایف ذکر شده با مقیاس‌پذیری و دقت بیشتر ارائه دهد. در دوره آموزش پردازش زبان طبیعی این کاربرد مورد بررسی و تحلیل کاربردی واقع شده است. در دوره آموزش NLP با کاربردهای دیگر و بیشتری از NLP آشنا خواهیم شد و آن را به‌صورت عملی یاد خواهیم گرفت.

پایتون هم مانند سایر زبان‌های برنامه نویسی دیگر از مدیریت فایل (File Manager) پشتیبانی می‌کند و به کاربران اجازه می‌دهد تا فایل‌ها را مدیریت کنند، یعنی قابلیت خواندن و نوشتن فایل‌ها، همراه با بسیاری از گزینه‌های مدیریت فایل دیگر در پایتون فراهم است. این دوره آموزش مدیریت فایل در پایتون با هدف آموزش این ترند مهم در برنامه نویسی پایتون تهیه شده است که در ادامه به معرفی آن خواهیم پرداخت و در کنار آن توضیحاتی از مدیریت فایل در پایتون را ارائه خواهیم کرد. مفهوم مدیریت فایل در زبان‌های مختلف دیگر گسترده شده، اما پیاده‌سازی آن پیچیده یا طولانی است اما مانند سایر مفاهیم پایتون python، این مفهوم نیز در این زبان فرایندی آسان است. پایتون با فایل‌ها به صورت متنی یا باینری متفاوت رفتار می‌کند. هر خط کد شامل دنباله‌ای از کاراکترها است و آن‌ها یک فایل متنی را تشکیل می‌دهند. معرفی دوره آموزش رایگان کار با فایل در پایتون دوره آموزش رایگان کار با فایل در پایتون در 9 جلسه به مدت 6 ساعت به همت استاد حمید دانشجو و به کمک مکتب خونه در دسترس کاربران به صورت رایگان قرار گرفته است. در این دوره آموزشی دانشجو با مفاهیم کار با فایل در پایتون به صورت عملی آشنا خواهد شد و پس از پایان قادر خواهد بود که به راحتی فایل‌ها را با پایتون مدیریت کند. کاربرد دوره آموزش رایگان برنامه‌نویسی کار با فایل‌ ها در پایتون چیست؟ برنامه‌نویسی به هر زبانی که باشد، خواندن و نوشتن داده از فایل‌های مختلف از جمله پایه‌های اساسی به‌حساب می‌آید. پایتون که این روزها به زبانی بسیار کاربردی و ساده تبدیل شده است نیز از قانون کار با فایل‌ها پیروی کرده و به ما کمک می‌کند بسیاری از کدنویسی‌ها را به روشی ساده و البته دقیق‌تر انجام دهیم. اگر به پایتون علاقه دارید و می‌خواهید به یک پایتون کار ماهر تبدیل شوید، این آموزش رایگان نحوه مدیریت فایل در پایتون از مکتب‌خونه را از دست ندهید. هدف از یادگیری دوره آموزش رایگان برنامه‌نویسی کار با فایل‌ ها در پایتون چیست؟ گاهی ساخت و خواندن فایل در محیط‌های برنامه‌نویسی به امری بسیار کاربردی تبدیل می‌شود که اگر بخواهید به‌صورت دستی کارهای مربوطه را انجام دهید (خودتان داده‌ها را از فایل خوانده و دستی به برنامه اضافه کنید)، نه‌تنها اتلاف وقت است بلکه دقت آن بسیار پایین خواهد بود که کاری کاملاً غیرمنطقی هم به‌حساب می‌آید. از این‌ رو برنامه‌نویسی کار با فایل ‌ها در پایتون بسیار ضروری بوده و هدف از این کار افزایش دقت و سرعت در برنامه‌نویسی است. دوره آموزش رایگان برنامه‌نویسی کار با فایل‌ در پایتون مناسب چه کسانی است؟ فرقی نمی‌کند در چه سطحی از برنامه‌نویسی پایتون قرار دارید، یادگیری کار با فایل‌ها از پایه‌های برنامه‌نویسی به‌حساب می‌آید پس دانستن آن نیز برای همه مناسب می‌شود. چه تازه‌کار در پایتون هستید چه از پایتون کاران حرفه‌ای که تابه‌حال سر و کارتان به برنامه‌نویسی فایل‌ ها در پایتون نیفتاده است، این دوره رایگان دقیقاً برای شما مناسب خواهد بود. بعد از فراگیری دوره آموزش رایگان برنامه‌نویسی کار با فایل‌ها در پایتون چه مهارت‌هایی کسب خواهید کرد؟ هنگامی‌ که این دوره آموزش رایگان کار با فایل در پایتون از مکتب‌خونه را با موفقیت به پایان برسانید، اطلاعات جامعی از برنامه‌نویسی کار با فایل ‌ها در پایتون را فرا خواهید گرفت. این اطلاعات جامع شامل نحوه خواندن و نوشتن در فایل، ذخیره محل آخرین خواندن یا نوشتن در فایل توسط اشاره‌گرها، باز کردن و مدیریت فایل‌های مختلف، الحاق فایل‌ها، جداسازی یک بخش مشخص از محتویات فایل و غیره خواهد بود. سرفصل‌های دوره آموزش رایگان کار با فایل‌ پایتون در این دوره آموزشی یادگیری تمامی مفاهیم کاربردی پایه برای ما اهمیت بالایی دارد. از این‌ رو سرفصل‌های این دوره رایگان آموزش نحوه کار با فایل ‌ها در پایتون، تمرکز بالایی بر مفاهیم پایه خواهد داشت. اهمیت کار با فایل‌ها، نحوه بازکردن فایل در برنامه پایتون، خواندن، نوشتن و ذخیره‌سازی داده‌ها، مدیریت فایل‌ها، الحاق و برش داده‌های فایل‌ها و غیره از سرفصل‌های مهم این دوره آموزش کار با فایل در پایتون است. 

تشخیص الگو (pattern recognition) شاخه ای از مبحث یادگیری ماشین (machine learning) می باشد که تمرکز آن بر روی شناخت الگو ها و نظم داده‌ها است. روش‌های تشخیص الگو، الگوهای مورد نظر را از یک مجموعه داده‌ها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری داده‌ها، جداسازی می‌کند. تشخیص الگوها کاربردهای زیادی در تشخیص صدا، تشخیص چهره، تشخیص امضا و غیره دارد.

در آموزش درس پایگاه داده پیشرفته (Big Data)، تمرکز اصلی بر روی معماری سیستم‌های داده‌ای و نحوه یکپارچه‌سازی آن‌ها در نرم‌افزارهای دارای حجم و پیچیدگی داده بالا، که اصطلاحاً کلان‌داده یا Big Data نامیده می‌شود، می باشد. کلان‌داده یا Big Data داده‌های انبوه هستند، که با سرعت و تنوع زیادی تولید می‌شوند. پردازش آن‌ها علاوه بر آن‌که نیازمند روش‌های جدید است، از پیچیدگی زیادی نیز برخوردار است. پیاده‌سازی نرم افزارهایی که این حجم و پیچیدگی داده‌ها از چالش‌های اصلی آن‌ها است، به شدت در حال افزایش است. برای طراحی و پیاده‌سازی این نرم‌افزارها به تکنولوژی‌هایی نیاز است که امروزه بیش از همه NoSQL مورد توجه قرار گرفته‌است، هر چند تکنولوژی‌های دیگری نظیر صف‌های پیام، Cache ها، ایندکس‌های جستجو، چارچوب‌های پردازش دسته‌ای و پردازش جریان نیز وجود دارند که در راستای طراحی این نرم افزارها از اهمیت زیادی برخوردار هستند و بسیاری نرم‌افزارها از ترکیبی از آن‌ها استفاده می‌کنند. معرفی این تکنولوژی‌ها یکی از اهداف این دوره است. علاوه بر این، در کنار این تکنولوژی‌ها که هر روزه در حال تغییر هستند اصولی ماندگار وجود دارد که همواره برقرار هستند. در این دوره آموزشی بخشی از مطالب مرتبط با بررسی این اصول، الگوریتم‌های کلیدی آن و نحوه تفکر در خصوص طراحی این سیستم‌ها از نظر ویژگی‌هایی همچون مقیاس‌پذیری و دسترس‌پذیری مورد بررسی قرار گرفته‌است. هدف آن است که دانشجو پس از شرکت در این دوره بتواند دیدگاهی از تکنولوژی‌های متنوع و به سرعت در حال تغییر در این حوزه پیدا کند و دریابد که استفاده از هر ابزار در چه جایگاهی مناسب است، چگونه می‌توان از آن به خوبی استفاده کرد و تله‌هایی که در راه استفاده از آن‌ها وجود دارد چیست. مطالب ارائه شده در این درس بخشی از مطالب ارائه شده در درس پایگاه داده پیشرفته در مقطع کارشناسی ارشد نرم‌افزار است. پیش‌نیازهای دوره‌ آموزش پایگاه داده پیشرفته (Big Data) آشنایی کلی با مفهوم پایگاه داده (مدل رابطه‌ای)، SQL و همچنین تجربه نسبی با نحوه برنامه‌نویسی وب و سرویس‌های شبکه است.

درس الگوریتم‌های بیوانفورماتیک در نیم سال اول سال تحصیلی 99-98 ضبط شده است. تا قبل از این، سه درس در زمینه‌ی مباحث عملی و کاربردی بیوانفورماتیک ضبط و در سایت مکتب‌خونه به اشتراک گذاشته شده بود:  مقدمه‌ای بر بیوانفورماتیک، با هدف آشنایی اولیه‌ی دانشجویان رشته‌های زیست‌پزشکی با مباحث مقدماتی بیوانفورماتیک بیوانفورماتیک پیشرفته، با هدف آشنایی همه‌ی دانشجویان شامل رشته‌های مهندسی کامپیوتر، ریاضیات، آمار، سایر رشته‌های مهندسی و زیست‌پزشکی با مباحث عملی و کاربردی بیوانفورماتیک از جمله تحلیل داده‌های ریزآرایه و توالی‌یابی نسل جدید بیوانفوماتیک پیشرفته دو که در آن موضوعاتی نظیر تحلیل داده‌های اپی‌ژنتیک، یافتن جهش‌ها و سایر تغییرات ژنتیکی و سرطان مورد بررسی قرار گرفته بود. درس الگوریتم‌های بیوانفورماتیک رویکردی عمیق به مباحث الگوریتمی و نظری بیوانفورماتیک دارد. این درس که در دوره‌ی کارشناسی ارشد بیوانفورماتیک دانشگاه صنعتی شریف ارائه گردیده است به شما می‌آموزد که چطور با مساله‌های چالش‌برانگیز تحلیل ژنوم، ترانسکریپتوم و پروتئوم روبرو شوید، چطور آن‌ها را به زبان علوم رایانه درآورید و سپس با طراحی الگوریتم‌های خلاقانه، آن را حل کنید.   *****اسلایدهای درس را از اینجا دانلود کنید.*****   با سپاس فراوان از دکتر شریفی زارچی که با وجود مشکل قلبی پیش آمده برای ایشان و بستری شدن در بیمارستان، متعهدانه و به بهترین شکل این درس را به پایان رساندند.

زبان پایتون قابلیت پشتیبانی از پارادایم‌های مختلف برنامه‌نویسی را دارد. همین کاربرد گسترده آن باعث می‌شود که بتوانید همواره در پی آموزش نکات کاربردی و کمتر شناخته‌شده این زبان باشید. در این برنامه قصد داریم سراغ چند تا از مسئله های سایت leetcode رفته و آن‌ها را به صورت لایوکدینگ (زنده) و نه براساس یک روند خاص و برنامه‌ریزی شده  به شکل الگوریتمی حل کنیم. در مورد سایت leetcode لازم است بدانید که این سایت سوالات مصاحبه‌های شرکت‌های بزرگی مانند گوگل، آمازون، فیس‌بوک و غیره را جمع‌آوری می‌کند و آن‌ها را در اختیار مخاطبان خود قرار می‌دهد. شما می‌توانید سوالات را ببینید، پاسخ دهید و امتیازات خود را جمع بزنید. علاوه بر این سایت، سایت‌های دیگری مانند quera.ir هم وجود دارد که می‌توانید مهارت‌های برنامه‌نویسی خود را در آن‌ها به چالش بکشید. در این آموزش سه ساعته قصد داریم با بررسی چند مسئله تصادفی از سایت leetcode به مرور نکات پایتون بپردازیم و الگوریتم های حل مسئله را در آن‌ها بیابیم. از آنجایی که برای مسائل کامپیوتری چندین راه‌حل مختلف وجود دارد، سعی می‌کنیم در طول حل مسئله عامدانه ارورهایی را به وجود آوریم و برای رفع آن‌ها تلاش کنیم. در این لایو کدینگ قصد ارائه هیچ‌گونه محتوای آموزشی متمرکز و از قبل برنامه‌ریزی‌شده را نداریم؛ بلکه می‌خواهیم با نوشتن الگوریتم برای مسائل مصاحبه‌های برترین کشورهای جهان، نکات مهم پایتون را با هم مرور کنیم. هدف از یادگیری دوره آموزش رایگان مرور نکات پایتون و حل مسئله های الگوریتمی چیست؟ هدف از طراحی این دوره آموزشی این است که با بررسی چند مسئله نسبتا ساده الگوریتمی از leetcode نکات کمتر شناخته شده پایتون را با هم مرور کنیم. همچنین قصد داریم در مسائل علوم کامپیوتر و بنچمارکی که در دنیای واقعی با آن روبه‌رو هستیم، بیشتر عمیق شویم. بنابراین تلاش شده است مسائل ساده و در عین حال پرنکته‌ای انتخاب شود که ما را به بررسی عمیق و مطالعه بیشتر در مورد نکات غیرمعروف پایتون وادارد. یکی دیگر از اهداف طراحی این لایو کدینگ این است که در حل مسائل با باگ‌ها و ارورهای هرکدام از آن‌ها آشنا شویم و نحوه رفع و مقابله با آن‌ها را بیاموزیم. دوره آموزش رایگان مرور نکات پایتون و حل مسئله های الگوریتمی مناسب چه کسانی است؟ دوره رایگان مرور نکات پایتون و حل مسئله های الگوریتمی برای آن دسته از علاقه‌مندان به برنامه‌نویسی پایتون مناسب است که تا حد قابل قبولی به این زبان مسلط بوده و در پی یادگیری نکات بیشتر هستند. بنابراین اگر جزو افراد زیر هستید، از این لایو کدینگ می‌توانید نهایت استفاده را ببرید: کسانی که آموخته‌های پایتون خود قانع نیستند کسانی که دوست دارند نکات کمتر گفته شده در پایتون را فرا بگیرند کسانی که به نوشتن الگوریتم های حل مسئله علاقه‌مندند کسانی که از به چالش کشیدن مهارت‌های برنامه‌نویسی خود لذت می‌برند بعد از فراگیری دوره آموزش رایگان مرور نکات پایتون و حل مسئله‌های الگوریتمی چه مهارت‌هایی کسب خواهید کرد؟ همانطور که گفتیم این دوره آموزشی با هدف آموزش متمرکز و ساختاریافته طراحی نشده است. در این دوره قرار است مهارت‌های کلی شما در زبان پایتون ارتقا پیدا کند. به طور خلاصه بعد از مشاهده این لایو کدینگ شاهد افزایش مهارت خود در حل مسائل الگوریتمی و مهارت‌های حل باگ و ارور خود خواهید بود. در قسمت‌های مختلف آن با استرینگ‌ها، استایل کد در پایتون، میوتبل، split/join، درخت‌ها، Max depth of N-ary tree، لیست‌های پیوندی، طراحی آن‌ها و سایر نکات ریز و در عین حال عمیق پایتون آشنا خواهید شد.

در دنیای امروز داده‌ها به یکی از اصلی‌ترین پارامترها در هر صنعتی تبدیل شده‌اند و به همین دلیل داشتن سیستمی برای مدیریت آن‌ها اهمیت زیادی دارد. دیتابیس (Data Base) یا پایگاه داده شیوه‌ای برای مدیریت داده‌هاست که آشنایی با آن می‌تواند یک فرصت شغلی مناسب در اختیار شما قرار دهد. پایگاه داده mongoDB از انواع پایگاه‌داده‌های غیر رابطه‌ای است که امکان دسترسی هم‌زمان میلیون‌ها نفر به داده‌های حجیمی مثل تصاویر و فیلم‌ها را فراهم می‌کند. به همین دلیل در دنیای کاری امروز بسیار کارآمد خواهد بود. دوره آموزش mongodb با هدف آموزش این پایگاه داده محبوب تهیه و تدوین شده است که در ادامه به معرفی آن خواهیم پرداخت . هدف از یادگیری دوره آموزش mongodb چیست؟ هدف اصلی از یادگیری دوره آموزش mongodb تسلط کامل بر مفاهیم این پایگاه داده و کار با آن است. در این دوره شما مباحث کوئری نویسی دیتابیس را یاد خواهید گرفت و می‌آموزید که چگونه آن را برنامه‌نویسی کنید. همچنین با قابلیت‌ها و ابزارهای مختلف آن آشنا می‌شوید و یاد می‌گیرید که چگونه با استفاده از دستورات مختلف از فضای وب به این پایگاه داده متصل شده و داده‌های آن را استخراج کنید. در این دوره آموزش mongodbابتدا به معرفی و نصب mongodb پرداخته شده است و سپس دانشجو با دستورات و مفاهیم mongodb آشنا خواهد شد و قادر به اجرای mongodb خواهد بود. اگرچه این دوره یک دوره کامل مقدماتی تا پیشرفته نیست اما می‌تواند نقطه شروع خوبی برای یادگیری این نوع دیتابیس Nosql باشد. با استفاده از دوره‌های آموزشی مکمل به همراه این دوره آموزشی می‌توانید به سطح و درک مناسبی از این نوع بانک اطلاعاتی برسید. دوره آموزش mongodb مناسب چه کسانی است؟ دوره آموزش mongodb مناسب کسانی است که به دنبال یادگیری مهارتی کاربردی و به‌روز برای ورود به بازار کار هستند. این پایگاه داده یکی از دیتابیس‌های کاربردی در سراسر جهان است؛ بنابراین تسلط بر روی آن یک مهارت کلیدی برای کسب درآمد ارزی نیز به‌حساب می‌آید. همچنین افرادی که قبلاً با پایگاه‌داده‌های رابطه‌ای کارکرده‌اند و برای کار با داده‌های بزرگ به مشکل برخورده‌اند، می‌توانند با شرکت در این دوره آموزش رایگان مونگو دی بی مشکلات خود را به‌طور کامل حل کنند. این دوره همچنین برای متخصصان وب که قصد دارند سرعت سایت خود را به‌واسطه دسترسی سریع‌تر به داده‌ها بالا ببرند، کاربردی خواهد بود. بعد از فراگیری دوره آموزش mongodb چه مهارت‌هایی کسب خواهید کرد؟ مهارت اصلی که بعد از اتمام دوره آموزش mongodb کسب خواهید کرد، تسلط بر روی مفاهیم و برنامه‌نویسی این پایگاه داده است. شما در این دوره آموزش دیتابیس mongodb یاد می‌گیرید که چگونه از داده‌های موجود نسخه پشتیبان تهیه کنید، با سرعت مناسبی داده‌های موردنیاز را پیدا کرده و در اختیار کاربر قرار دهید و از این پایگاه داده در زبان‌های دیگر مانند node js یا PHP استفاده کنید. علاوه بر این شما تجربه‌های عملی در این حوزه کسب خواهید که به منزله سابقه کار برای شماست و می‌توانید با استاد به این تجربیات بدون ترس وارد بازار کار شوید. در پایان این دوره آموزش مونگو دی بی به‌اندازه کافی و برای پیداکردن کاری با درآمد عالی بر روی پایگاه داده mongoDB تسلط پیدا می‌کنید و حتی می‌توانید وارد حوزه آموزش این پایگاه داده نیز بشوید. پیش‌نیاز‌های دوره آموزش رایگان MongoDB شما برای شرکت در این دوره نیاز به دانستن هیچ موضوعی ندارید. در دوره آموزش mongodb کلیه مباحث مربوط به پایگاه‌داده از صفر آموزش داده می‌شود و مدرس قدم‌به‌قدم شما را تا متخصص شدن همراهی می‌کند؛ بنابراین نیازی نیست مباحث ابتدایی پایگاه‌داده یا mongoDB را بدانید یا قبلاً با یک پایگاه‌داده رابطه‌ای یا غیر رابطه‌ای کار کرده باشید. بعد از آموزش مباحث اولیه و نصب این پایگاه‌داده، در هر جلسه تمریناتی به شما داده می‌شود که با حل آن‌ها می‌توانید با مشکلاتی که در عمل و در زمان کار با داده‌های واقعی برایتان پیش می‌آید آشنا دست‌وپنجه نرم کرده و سؤالاتتان را از مدرس بپرسید. درنهایت بدون نیاز به هیچ پیش‌زمینه ابتدایی برای مباحث این دیتابیس مسلط شده و می‌توانید اطلاعات خود را به‌راحتی در آن ذخیره، بازیابی، ویرایش یا حذف کرده و پایگاه‌داده را به وب‌سایت یا نرم‌افزارهای آفلاین و آنلاین خود وصل کنید.

در این کارگاه به مفاهیم پایه‌ای در علم کلان‌داده و لایه‌های موجود در معماری یک پروژه کلان‌داده پرداخته می‌شود. معرفی معماری پایگاه داده‌های غیررابطه‌ای و بررسی مدل داده‌ای آن‌ها، تئوری CAP ،PACELC و BASE، معرفی پایگاه داده‌های مطرح در این حوزه، چرایی و چگونگی استفاده از راه حل‌های موجود در این محیط مباحثی هستند که در این کارگاه مورد بحث قرار می‌گیرند. همچنین پردازش‌های جریانی به عنوان بخش جدایی‌ناپذیری از پروژه‌های مبتنی بر داده مبحث دیگری هست که در این کارگاه مورد بررسی قرار می‌گیرد. سرفصل کلان‌داده: ارائه مفاهیم و راه‌ حل‌ها و ابزارهای موجود در این حوزه پایگاه داده‌های غیررابطه‌ای: مدل داده‌ای، معماری و مدل تراکنش در پایگاه‌ داده‌های غیررابطه‌ای مدل‌های پایگاه داده‌های غیررابطه‌ای                - پایگاه داده ستونی                - پایگاه داده‌های کلید/مقدار                - پایگاه داده‌های سندگرا                - پایگاه داده‌های گرافی پردازش‌های جریانی: ارائه مفاهیم اولیه بررسی ابزارهای پردازش جریانی                - Apache Spark Streaming                - Apache Storm   این کارگاه 2 ساعته توسط مهندس وحید امیری در دانشکده صنایع، گروه فناوری اطلاعات دانشگاه تربیت مدرس ارائه شده است. اسلایدهای این کارگاه را از اینجا دانلود کنید.

کدیگنیتر یا کد ایگنیتر (Codeigniter) یک فریمورک قدرتمند پی اچ پی PHP Framework تحت معماری MVC است که به دلیل استفاده کم از حافظه Ram بسیار سریع اجرا می‌شود. دوره آموزش Codeigniter مکتب خونه با هدف آموزش این فریمورک پی اچ پی تهیه و تدوین شده است که در ادامه به معرفی آن خواهیم پرداخت و در بخش بیشتر بدانید نیز اطلاعات مفیدی از Codeigniter ارائه خواهد شد. دوره آموزش Codeigniter فریمورک codeigniter به‌وسیله کدهای پی اچ پی نوشته شده و برای برنامه‌نویسانی که می‌خواهند یک Application قدرتمند تحت وب با تمامی امکانات به شکلی بسیار ساده و ظریف داشته باشند و بتوانند آن را توسعه دهند بسیار مناسب است و این امکان را در اختیارشان قرار می‌دهد. این چارچوب تحت زبان برنامه‌نویسی پی اچ پی کار کرده و برنامه‌نویسی تحت زبان php را بسیار ساده‌تر از گذشته نموده و باعث جذب برنامه نویسان زیادی به دنیای php شده خواهد شد. دوره آموزش Codeigniter مکتب خونه نیز با هدف کمک به توسعه‌دهندگان و برنامه نویسان پی اچ پی تهیه و تدوین شده است. استفاده از این دوره آموزش Codeigniter رایگان بوده و کاربران فقط کافی است در آن ثبت‌نام انجام دهند. این دوره آموزش کد ایگنیتر در ٢٥ جلسه و در قالب ٨ ساعت محتوای ویدیویی به کاربران ارائه خواهد شد و در آن دانشجویان و متقاضیان می‌توان به‌صورت پروژه محور کار با Codeigniter را بیاموزند. دوره آموزش Codeigniter برای چه کسانی مناسب است؟ دوره آموزش Codeigniter برای تمامی افراد علاقه‌مند به برنامه‌نویسی وب و مخصوصاً برنامه نویسان پی اچ پی مفید است. به‌صورت کلی دوره آموزش ایگنیتر برای افراد زیر توصیه می‌شود: برنامه نویسان وب طراحان سایت و اپلیکیشن مبنی بر وب توسعه‌دهندگان پی اچ پی توسعه‌دهندگان و برنامه نویسان وردپرس و هرکسی که برای پروژه‌های خود به پی اچ پی وابسته است. بعد از گذراندن دوره کاربران چه مهارت‌هایی کسب می‌کنند؟ دوره آموزش Codeigniter به دلیل پروژه محور بودن به کاربران این امکان را می‌دهد که پس از پایان دوره بتوانند پروژه‌های خود را با این فریمورک با هر سبک و سلایقی پیاده‌سازی کنند و اطلاعات و دانش خود را از پی اچ پی بسیار بالا ببرند. پیش‌نیاز دوره آموزش CodeIgniter چیست؟ شخصی که از فریمورک CodeIgniter استفاده می‌کند باید با PHP آشنا باشد. شما باید دانش خوبی در مورد PHP مانند نحو اصلی آن و نحوه تعامل آن با پایگاه داده و HTML داشته باشید.

بوت استرپ یک مجموعه ابزار رایگان و منبع‌باز برای ایجاد وب‌سایت‌های رسپانسیو (responsive) و برنامه‌های وب است. بوت استرپ محبوب‌ترین فریم‌ورک و component library برای زبان‌های جاوا اسکریپت، HTML و CSS شناخته شده است. از این فریم‌ورک برای توسعه وب‌سایت‌های رسپانسیو و اولویت‌دار برای موبایل استفاده می‌شود. بوت استرپ توانسته است بسیاری از مسائل در دنیای وب را برطرف کند. یکی از این مشکلات سازگاری بین مرورگرهاست. امروزه با کمک این ابزار مهم می‌توانید وب‌سایت‌هایی بسازید که برای همه مرورگرها از جمله اینترنت اکسپلورر، فایرفاکس و کروم و برای همه صفحه نمایش‌ها مانند دسکتاپ، موبایل، تبلت و حتی فبلت، مناسب باشند.  درست است که کدنویسی و ایجاد زیرساخت مناسب برای یک سایت بسیار کار پیچیده و مهمی است، اما نمایش سایت به کاربر هم اهمیت و پیچیدگی خاص خود را دارد. چرا که شما باید بتوانید محیط کاربرپسندی ایجاد کنید که هم جذاب باشد و هم کاربر بتواند به راحتی به بخش‌های مختلف سایت دسترسی پیدا کند. بوت استرپ یکی از قدرتمند‌ترین ابزارها برای توسعه وب است که مزایای زیادی را برای برنامه‌نویسان و توسعه‌دهندگان به همراه دارد. از جمله این مزایا می‌توان به موارد زیر اشاره کرد: توسعه وب سریع‌تر و آسان‌تر ایجاد صفحات وب مستقل از پلتفرم‌های نرم‌افزاری طراحی سایت‌ رسپانسیو مناسب برای تمام دستگاه‌های تلفن همراه در تمام اندازه‌ها رایگان و قابل دسترس در سایت getbootstrap.com دوره آموزش رایگان بوت استرپ 4 مناسب چه کسانی است؟ کسانی که با HTML & CSS آشنایی دارند و می‌خواهند مهارت‌های خود را ارتقا دهند. کسانی که به طراحی و توسعه سایت‌های زیبا و کاربردی علاقه دارند. کسانی که قصد دارند تمام مهارت‌های لازم برای طراحی سایت را فرا بگیرند. بعد از فراگیری دوره آموزش رایگان bootstrap 4 چه مهارت‌هایی کسب خواهید کرد؟ آشنایی کامل با تمام قسمت‌های بوت استرپ تایپوگرافی در بوت استرپ قرار دادن عناصر زیبا و استاندارد روی سایت سازماندهی زیبا، اصولی و رسپانسیو مطالب در سایت تمام مهارت‌های لازم برای طراحی یک سایت زیبا،‌ جذاب و کاربردی منابع، پیشنیازها و منابع مکمل برای فراگیری دوره آموزش رایگان بوت استرپ چیست؟ برای اینکه بتوانید بهره کافی را از دوره آموزش رایگان بوت استرپ بگیرید، باید با کدنویسی به زبان‌های HTML & CSS آشنایی داشته باشید. از طرفی پروژه‌هایی که با بوت استرپ ایجاد می‌کنیم، همگی رسپانسیو هستند. بنابراین توصیه می‌کنیم ابتدا دوره‌های زیر را بگذرانید و سپس به مشاهده دوره آموزشی پیش رو بپردازید: دوره رایگان  آموزش HTML5 & CSS3 دوره آموزش Responsive Layout پس از گذراندن این دوره اگر قصد پیشرفت در طراحی سایت را دارید می‌توانید آموزش‌های جاوا اسکریپت و Materialize را بگذرانید و مهارت‌های خود را توسعه دهید. سرفصل‌های دوره آموزش رایگان بوت استرپ 4 چیست؟ در دوره آموزش بوت استرپ 4 به شما می‌گوییم که این ابزار مهم و کاربردی چه قدرت‌هایی دارد و شما می‌توانید با استفاده از آن چه کارهایی انجام دهید. در این دوره جامع و کامل تمام بخش‌های bootstrap را به شما آموزش می‌دهیم و در انتها سعی می‌کنیم با استفاده از تمام المان‌هایی که آموخته‌ایم، یک سایت زیبا و رسپانسیو طراحی کنیم. فصل اول: آشنایی با بوت استرپ در فصل اول بیشتر از هر چیز سعی می‌کنیم به معرفی فریم‌ورک بوت استرپ بپردازیم. اگر هیچ شناختی از این ابزار قدرتمند ندارید، نگران نباشید. تمام سازوکارهای بوت استرپ و بخش‌های مختلف این ابزار را به شما آموزش می‌دهیم و شما در انتهای این فصل با قدرت و کارایی آن آشنا خواهید شد. همچنین می‌توانید سایت بوت استرپت را بشناسید و از بخش‌های مختلف آن استفاده کنید. فصل دوم: Typography بوت استرپ این امکان را به شما می‌دهد که سایتتان را طبق سلیقه خود طراحی کنید و محتواهای آن را متناسب با نیاز خود در سایت قرار دهید. بنابراین شما می‌توانید از انواع فونت‌ها و سایزها برای نوشتن متن و هدینگ‌های محتوای خود استفاده کنید. آن‌ها را در جای مناسب قرار دهید و موقعیتشان را تنظیم کنید. علاوه بر این مباحث، نکات دیگری هم در ارتباط با تایپوگرافی در بوت استرپ در این فصل به شما آموزش می‌دهیم. فصل سوم: CSS Components طراحی سایت کار بسیار سختی می‌تواند باشد اگر بخواهید تمام عناصر لازم برای صفحات وب‌سایت را خودتان طراحی کنید. اما کامپوننت‌های بوت استرپ این کار را بسیار راحت کرده است. با استفاده از این ابزارهای کاربردی می‌توانید در کمترین زمان ممکن المان‌های مورد نیاز خود را مانند نوارهای پیمایشی، دکمه‌ها، فرم‌های سایت، نمایش تیترها، خلاصه اخبار و صدها المان دیگر را به آسانی در سایت خود قرار دهید. مهم‌ترین کامپوننت‌های CSS را در این فصل به شما عزیزان آموزش خواهیم داد. فصل چهارم:‌ Grid System FlexBox گرید سیستم‌ها در بوت استرپ به شما اجازه می‌دهند که ساختار صفحه خود را بر مبنای 12 ستون ایجاد کنید. اگر سایت شما به 12 ستون نیاز ندارد، می‌توانید آن‌ها را با هم ترکیب کرده و ستون‌های کمتر با اندازه‌های متفاوت ایجاد کنید. این سیستم‌ها رسپانسیوند و ستون‌ها در تمام دستگاه‌ها متناسب با اندازه همان صفحه نمایش داده می‌شوند. در این فصل به طور کامل با گرید سیستم‌ها آشنا می‌شوید. فصل پنجم: Javascript Widgets کلاس‌ها و ابزارهای زیادی در بوت استرپ وجود دارد که می‌توانید با استفاده از کدهای جاوا آن‌ها را فراخوانی کنید. در این فصل javascript widgetهایی که برای توسعه یک وب‌سایت رسپانسیو و کاربردی لازم است را به خوبی فرا می‌گیرید. فصل پنجم: پروژه در فصل‌های قبل با تمام امکاناتی که بوت استرپ برای طراحی سایت فراهم کرده است، آشنا شدید. در فصل آخر همه این امکانات را که برایتان توضیح دادیم، روی یک پروژه واقعی پیاده می‌کنیم. بنابراین شما می‌توانید یک سایت زیبا و کاربردی و با تمام امکانات لازم بسازید.

هدف از آموزش یادگیری تقویتی چیست؟ هدف اصلی آموزش رایگان یادگیری تقویتی (Reinforcement Learning) تسهیل فرآیند یادگیری و ارتقای عملکرد افراد در حوزه مهندسی کامپیوتر است. در مهندسی کامپیوتر، یادگیری تقویتی می‌تواند به افراد کمک کند تا مفاهیم پایه و پیشرفته‌ای را در زمینه‌های مختلف مانند برنامه‌نویسی، شبکه‌های کامپیوتری، امنیت، هوش مصنوعی و سایر حوزه‌های مرتبط با مهندسی کامپیوتر یاد بگیرند. با دسترسی به منابع آموزشی رایگان، افراد می‌توانند مفاهیم پایه را فرا بگیرند، مهارت‌های عملی را تقویت کنند و بهترین روش‌ها و فنون را برای انجام پروژه‌ها و حل مسائل مهندسی کامپیوتر بیاموزند. به طور خلاصه، هدف از آموزش رایگان یادگیری تقویتی در مهندسی کامپیوتر، تسهیل فرآیند یادگیری و ارتقای عملکرد افراد در این حوزه است، همچنین امکان دسترسی عمومی و برابر به آموزش را فراهم می‌کند. این دوره مناسب چه‌کسانی است؟  برای افرادی که علاقه‌مند به این حوزه هستند و می‌خواهند مهارت‌ها و دانش خود را در زمینه مهندسی کامپیوتر تقویت کنند، مناسب است. این دوره برای افراد با سطوح دانش مختلف، از مبتدی تا پیشرفته، قابل استفاده است. زیرمجموعه‌های مهندسی کامپیوتر که در این دوره پوشش داده می‌شوند، می‌تواند شامل برنامه‌نویسی، شبکه‌های کامپیوتری، امنیت، هوش مصنوعی، پایگاه داده و سایر حوزه‌های مرتبط باشد. بنابراین، افرادی که می‌خواهند در زمینه برنامه‌نویسی، توسعه نرم‌افزار، طراحی وب، مدیریت سیستم‌ها، امنیت اطلاعات و سایر زمینه‌های مهندسی کامپیوتر فعالیت کنند، می‌توانند از این دوره استفاده کنند. با توجه به اینکه این دوره یادگیری تقویتی رایگان است، به ویژه برای افرادی که نیاز به آموزش با منابع آموزشی قابل دسترسی و بدون هزینه دارند، مناسب است. همچنین، افرادی که از نقاط مختلف جهان هستند و به دلیل محدودیت‌های مکانی یا مالی قادر به شرکت در دوره‌های حضوری نیستند، می‌توانند از این دوره آموزشی آنلاین بهره ببرند. در کل، این دوره برای همه کسانی که علاقه‌مند به مهندسی کامپیوتر هستند و می‌خواهند مهارت‌ها و دانش خود را در این حوزه ارتقا دهند، مناسب است.

برنامه نویسی شامل محدوده فعالیت‌های گسترده‌ای می‌شود که از جمله آن‌ها می‌توان به نوشتن نرم‌افزار کامپیوتری با زبان‌های مختلفی مانند C، Java، Python و غیره، طراحی و توسعه صفحات وب، طراحی و توسعه اپلیکیشن‌های موبایل، به‌روزرسانی و توسعه برنامه‌های موجود، تست برنامه‌ها و پیدا کردن ایرادات احتمالی و برطرف کردن آن و غیره اشاره کرد. علاوه‌براین، امروزه برنامه نویسی تبدیل به جزء جدایی‌ناپذیر تمامی صنایع از جمله پزشکی، مدیریت، حسابداری، حمل‌ونقل، آموزش، سرگرمی و غیره شده‌است و عملاً تصور عدم ‌به ‌کارگیری نرم‌افزارهای کامپیوتری در تمامی بخش‌های مرتبط با زندگی روزمره غیرممکن است. با این حال، هنوز هم بسیاری از افراد مبتدی یا مجرب در برنامه‌نویسی وجود دارند که ایده‌ای از فرصت‌های بی‌شمار موجود در این صنعت ندارند. همه‌روزه، فناوری‌های جدیدی پا به عرصه وجود می‌گذارند یا چیزهای جدیدی معرفی می‌شوند تا تجربه زندگی را برای ما بهتر و ساده‌تر کنند. در واقع، دنیای برنامه‌نویسی انتها نخواهد داشت و روزبه‌روز سرعت کاربرد و موارد استفاده آن به‌صورت سرسام‌آوری در حال افزایش است. با کمی جستجو در سایت‌های کاریابی متوجه خواهید شد که موقعیت‌های شغلی بسیاری برای برنامه ‌نویسی در مقیاس داخلی و بین‌المللی وجود دارد و این روند درخواست برای نیروی مجرب برنامه ‌نویس، روزبه‌روز در حال افزایش است. بر اساس آمارهای منتشرشده، حداقل درآمد یک برنامه‌نویس در محدوده 80 هزار دلار امریکا در سال است. با این حال، مسیر شغلی برنامه ‌نویسی هنوز برای افراد بسیاری مبهم است و درباره آن اطلاعات چندانی ندارند. اگرچه در میان کارفرمایان، افراد معدودی وجود دارند که معیار انتخاب کارجو را مدرک تحصیلی افراد قرار می‌دهند، اما اغلب کارفرمایان معیار انتخاب نیروی انسانی خود در موضوع برنامه‌نویسی را تجربه و مهارت کارجو قرار داده‌اند. خوشبختانه، برنامه‌نویسی از آن دست مهارت‌هایی است که به شرط علاقه، می‌توان به‌صورت خودخوان آن را فرا گرفت و به‌سادگی در آن پیشرفت کرد. منابع بسیار زیادی از آموزش‌های زبان‌های برنامه ‌نویسی از مبتدی تا پیشرفته در فضای اینترنت موجود است که شما را برای ورود به بازار کار و یافتن شغل ایده‌آل کمک خواهند کرد. اما سوال اساسی آن‌جایی مطرح می‌شود که در میان این خیل عظیم محتواهای آموزشی متنوع با روش‌های آموزشی متفاوت و در زبان‌های مختلف برنامه‌نویسی، کدام را باید انتخاب کرد؟ از چه روشی برای آموزش باید بهره برد؟ کدام منبع آموزش برنامه‌نویسی را باید انتخاب کنم؟ و غیره. ما در وبینار مسیر شغلی برنامه‌نویسی، علاوه بر سوالات شایع مطرح‌شده به سوالات دیگری نیز پاسخ داده‌ایم. سوالاتی که در این وبینار به آن پاسخ داده شده است، عبارتند از: مسیر شغلی یک برنامه‌ نویس چیست؟ گزینه‌های شغلی پیش‌روی یک برنامه‌ نویس چیست؟ کدام مسیر شغلی برنامه‌ نویسی بهتر است؟ درآمد یک برنامه‌ نویس چقدر است؟ کدام زبان برنامه‌ نویسی برای شروع بهتر است؟ چگونه برنامه‌‌ نویسی را یاد بگیرم؟ برای آموزش برنامه‌ نویسی از کدام منابع استفاده کنم؟ آینده برای یک برنامه‌ن ویس چگونه خواهد بود؟ اپلای و مهاجرت از طریق شغل برنامه‌ نویسی چگونه است؟  

ASP.NET یک چارچوب قدرتمند برای توسعه برنامه‌های کاربردی وب است. این فریمورک مجموعه‌ای غنی از ویژگی‌ها را فراهم می‌کند که توسعه‌دهندگان را قادر می‌سازد تا به سرعت برنامه‌های وب پویا، تعاملی، ایمن و مقیاس‌پذیر ایجاد کنند که در کنار آن نگهداری و استقرار آن‌ها نیز آسان است. ASP.NET به توسعه‌دهندگان این امکان را می‌دهد که با استفاده از زبان انتخابی خود مانند C#، Visual Basic و F# به توسعه بپردازند. ASP.NET با تمام مرورگرهای وب اصلی ازجمله مایکروسافت اج، گوگل کروم، فایرفاکس و سافاری کار می‌کند. ASP.NET همچنین از امنیت بالایی برخوردار است و به توسعه‌دهندگان این امکان را می‌دهد تا برنامه‌هایی ایجاد کنند که از حملات مخرب در امان باشد. دوره آموزش ASP.NET رایگان با هدف آموزش این فریمورک در مکتب خونه تهیه و تدوین شده است که در ادامه به معرفی آن خواهیم پرداخت. معرفی دوره آموزش ASP.NET رایگان؟ دوره آموزش ASP.NET رایگان مکتب خونه با هدف آموزش فریمورک ASP.NET به همت مهرداد کیانیان تهیه و تدوین شده است و هم‌اکنون به صورت رایگان در دسترس کاربران قرار دارد. این دوره آموزشی ASP.NET نزدیک به ٨ ساعت تدریس است که زمان تخمینی موردنیاز برای گذراندن آن نیز 39 ساعت خواهد بود. این دوره آموزش ASP.NET رایگان با ارائه چندین پروژه عملی سعی می‌کند که مفاهیم را به صورتی کاملاً عملی به کاربر منتقل کند. دوره آموزش ASP.NET برای چه کسانی مناسب است؟ این دوره آموزش ASP.NET رایگان برای توسعه‌دهندگان وب و مهندسان نرم‌افزاری مناسب است که می‌خواهند یاد بگیرند که چگونه برنامه‌های وب پویا را با استفاده از ASP.NET توسعه دهند. همچنین برای کسانی که در سایر فناوری‌های توسعه وب مانند HTML، CSS، JavaScript و C# تجربه دارند و می‌خواهند مهارت‌های خود را در ASP.NET و طراحی سایت و وب ارتقا دهند، مناسب است. این دوره آموزش رایگان ASP.NET هم برای مبتدیان و هم برای توسعه‌دهندگان با تجربه طراحی‌شده است. اگر تجربه‌ای در زمینه توسعه وب ندارید، این دوره به شما پایه خوبی در اصول توسعه وب و ابزارهای مورد استفاده در ASP.NET می‌دهد. اگر قبلاً در زمینه توسعه وب تجربه دارید، این دوره به شما این فرصت را می‌دهد تا دانش خود را در مورد چارچوب ASP.NET عمیق‌تر کنید و مهارت‌های توسعه وب خود را بیشتر توسعه دهید. آنچه در دوره آموزش رایگان ASP.NET یاد می‌گیریم؟ ASP.NET یک چارچوب محبوب توسعه وب است که برای ایجاد برنامه‌های وب پویا استفاده می‌شود. این دوره اصول ASP.NET ازجمله الگوی Model-View-Controller (MVC)، HTML، CSS و JavaScript را به شما آموزش می‌دهد. شما یاد خواهید گرفت که چگونه برنامه‌های وب مبتنی بر پایگاه داده را ایجاد کنید. همچنین یاد خواهید گرفت که چگونه از احراز هویت و مجوز برای ایمن‌سازی برنامه‌های خود استفاده کنید. در نهایت، نحوه استقرار یک برنامه ASP.NET را در یک وب سرور خواهید آموخت. در پایان دوره ASP.NET رایگان، شما مهارت و دانش لازم برای ایجاد اپلیکیشن‎های وب پویا با استفاده از ASP.NET را خواهید داشت.

هوش مصنوعی توسط ماشین‌ها ظهور پیدا می‌کند و در مقابل هوش طبیعی نمایش می‌یابد افراد باور دارند که هوش مصنوعی عملکردهای شناختی را از روی ذهن انسان‌ها تقلید می‌کند همچون یادگیری و حل مسئله با این حال این تعریف توسط محققان اصلی در زمینه AI رد شده‌ است. هوش مصنوعی کاربردهای متنوعی دارد. تعدادی از مهم‌ترین کاربردهای هوش مصنوعی شامل استفاده در وسایل نقلیه مثل پهپادها و اتومبیل‌های خودران، تشخیص‌های پزشکی، خلق آثار هنری، اثبات قضیه‌های ریاضی، انجام بازی‌های فکری، تعیین هویت تصاویر(تشخیص چهره) و صداها، ذخیره انرژی، جستجوگرهای اینترنتی، تهیه قراردادها و پیش‌بینی آرای قضایی و غیره می‌شوند.   هوش مصنوعی چگونه مورد استفاده قرار می‌گیرد؟ Narrow AI یا هوش مصنوعی ضعیف Artificial General Intelligence یا هوش مصنوعی عمومی   آموزش رایگان هوش مصنوعی مناسب چه‌کسانی است؟ این دوره مناسب مهندسین کامپیوتر و برنامه نویسی و همه علاقه‌مندان در این حوزه هست   دوره طی چند جلسه و در کدام دانشگاه ضبط شده‌است؟ این دوره طی 25 جلسه و در دانشگاه شریف ضبط شده‌است

Regex (عبارت منظم) دنباله‌ای از کاراکترها است که یک الگوی جستجو را در هر متن (رشته) مشخص می‌کند. یک متن می‌تواند تقریباً از هر چیزی از حروف تا اعداد، کاراکترهای فاصله گرفته تا کاراکترهای خاص تشکیل شده باشد. دوره آموزش Regex برای آموزش رایگان این مفهوم و نحوه به کاربردن آن در دنیای برنامه نویسی تهیه و تدوین شده است. معرفی دوره آموزش regex دوره آموزش regex با هدف آموزش مفهوم regex یا عبارات منظم (عبارات با قاعده) در دنیای برنامه نویسی تهیه و تدوین شده است. استفاده از این دوره رایگان است و کاربران با ثبت‌نام در دوره می‌توانند از آن بهره ببرند. در دوره آموزش regex مفاهیم به زبان ساده در مدت‌زمانی کمتر از ٢ ساعت به کاربران آموزش داده می‌شود. این دوره مبنی بر زبان برنامه نویسی پایتون ارائه شده است و تعمیم آن به سایر زبان‌ها بسیار ساده به حساب می آید. کاربرد دوره آموزش رایگان Regular Expression چیست؟ پیدا کردن یک کلمه یا جمله به‌خصوص در یک متن کار بسیار راحتی است. این کار را می‌توانید در word یا هر اپلیکیشن دیگری با کمک ابزارهای search و find انجام دهید؛ اما فرض کنید شما به دنبال تنها یک عبارت به‌خصوص نمی‌گردید و قصد دارید جمله‌ها یا کلماتی را با یک الگوی خاص پیدا کنید. اگر بخواهید به‌صورت دستی این کار را انجام دهید، قطعاً کار بسیار دشوار و زمان‌بری خواهد بود؛ اما یک راه اصولی و کامل برای تجزیه‌وتحلیل متن وجود دارد که می‌توانید متن‌های بسیار سنگین و طولانی را هم با کمک آن تحلیل کنید.  عبارات با قاعده یا Regular Expressions ابزاری است که امکانات بسیاری را برای این کار در اختیار شما قرار می‌دهد. رگولار اکسپرشن مجموعه‌ای از علائم و کاراکترهای خاص است که با استفاده از آن‌ها می‌توانید بخشی از یک عبارت، نوشته یا متن که مدنظر خودتان است را پیدا کنید. در این روش شما می‌توانید با ساخت الگوهای رگولار اکسپرشن در صفحات وب جستجو کرده و آن را مطابق با آن‌چه می‌خواهید، تجزیه‌وتحلیل کنید. به عبارت ساده‌تر، شما تنها کافی است که در این ابزار مشخص کنید که چیزی که به دنبال آن هستید، چه رفتار و چه شکلی دارد. علاوه بر پیدا کردن و استخراج عبارت‌های موردنظر، رگولار اکسپرشن استفاده‌های دیگری هم دارد. از این ابزار می‌توانید در اعتبارسنجی فیلدهای یک فرم استفاده کنید. همچنین با کمک regular expression می‌توانید از کاربر بخواهید پسوردی وارد کند که حروف، اعداد، علائم و الگویی که شما می‌خواهید را شامل شود. اگر به دنبال قسمتی از لاگ یک وب سرور هستید، هم می‌توانید از این ابزار مهم در پایتون استفاده کنید. در این دوره نحوه استفاده از عبارات با قاعده در پایتون را می‌آموزید. دوره رایگان آموزش regex به زبان پایتون طراحی شده است. البته آموزش regular expression در C#، php، پرل، جاوا اسکریپت و غیره هم امکان‌پذیر است. درواقع تمام زبان‌های برنامه‌نویسی برای کار کردن با رگولار اکسپرشن دارای کلاس، آبجکت و توابعی هستند که می‌توانید با کمک راهنمای آن‌ها، چگونگی استفاده از این عبارات را یاد بگیرید؛ اما در این دوره تنها به آموزش regex در پایتون می‌پردازیم و از سایر زبان‌های برنامه‌نویسی چشم‌پوشی می‌کنیم هدف از یادگیری دوره آموزش رایگان Regular Expression چیست؟ اهداف زیر از این دوره آموزش Regular Expression انتظار می‌رود: استخراج داده‌های متنی اعتبارسنجی فیلدهای یک فرم جستجوی دقیق در گزارش‌ها دوره آموزش regex مناسب چه کسانی است؟ دوره آموزش عبارات منظم برای افراد زیر مناسب است: تمام علاقه‌مندان به برنامه‌نویسی کسانی که با پردازش داده‌های متنی سروکار دارند. کسانی که برای سایت یا اپلیکیشن خود نیاز به بررسی صحت ایمیل یا شماره موبایل و غیره دارند. دیجیتال مارکترها برای انجام امور دیجیتال مارکتینگ در موارد خاص بعد از فراگیری دوره آموزش رایگان Regular Expression چه مهارت‌هایی کسب خواهید کرد؟ دوره آموزش regex در پنج جلسه به آموزش regex در پایتون می‌پردازد. ابتدا به شما آموزش داده می‌شود که چگونه پترن بسازید و سپس به کار با ابزار grep می‌پردازد. این ابزار و هم‌خانواده‌های آن مانندegrep، sgrep و fgrep کامند است که از آن‌ها می‌توان برای پیدا کردن الگویی خاص در فایل‌های مختلف استفاده کرد. این ابزار را به راحتی می‌توان در دستور regex قرار داد. در کار با عبارات با قاعده بعضی از کاراکترها معنای خاص پیدا می‌کنند. حتی حروف انگلیسی و اعداد به خودی خود می‌توانند یک پترن محسوب شوند. در این دوره این کاراکترها و چگونگی کار با آن‌ها به شما آموزش داده می‌شود. اولین کاراکتری که به آن می‌پردازیم [] یا همان براکت است. براکت به همراه حروف یا نشانه‌هایی که درون آن قرار می‌گیرد، معرف یک کاراکتر هستند. استفاده و به‌کارگیری عبارات با قاعده یکی از پیچیده‌ترین مباحث در زبان‌های برنامه‌نویسی است. باوجود پرکاربرد بودن این عبارات هم در دنیای برنامه‌نویسی وب و هم سایر موارد مشابه، هنوز یک آموزش جامع و کاربردی از آن وجود ندارد. دوره آموزش رایگان regular expressions در طی پنج جلسه تلاش کرده است هر آنچه برنامه‌نویسان در این مبحث لازم است بدانند را آموزش دهد. این دوره برات مهندسین نرم افزار و آمادگی کافی برای ورود به بازار کار بسیار ضروری است. پیش‌نیازها و منابع لازم برای فراگیری دوره آموزش رایگان Regular Expression چیست؟ لازمه استفاده از عبارات با قاعده در این دوره آموزش regex این است که تا حدودی با برنامه‌نویسی پایتون آشنایی داشته باشید. به یاد داشته باشید که رمز یادگیری عبارات با قاعده تمرین و تکرار به‌حساب می‌آید، چراکه احتمال فراموشی مطالب گفته‌شده در این مورد بسیار زیاد است. به همین منظور هرچند وقت یک‌بار می‌توانید عبارات با قاعده را در سایت‌های http: //regexr.com/ و https: //regex101.com/ بنویسید و آن‌ها را آزمایش کنید. برای یادگیری پایتون نیز می‌توانید از انواع دوره آموزش برنامه نویسی پایتون مکتب خونه استفاده کنید. دوره‌های آموزش پایتون مکتب خونه به‌صورت کامل و جامع به آموزش این زبان می‌پردازند.

درس «آشنایی با اصول تصویربرداری و آنالیز داده‌های تصویربرداری تشدید مغناطیسی عملکردی (fMRI)» در نیم‌سال دوم سال تحصیلی 99-98 ضبط شده‌است - دانشگاه علوم پزشکی تهران   این دوره آموزشی مربوط به یکی از دروس دوره دکتری تخصصی رشته تصویربرداری عصبی است. این درس در گروه علوم اعصاب در دانشکده فناوری‌های نوین پزشکی دانشگاه علوم پزشکی تهران تدریس می‌شود. تصویربرداری fMRI (functional Magnetic Resonance Imaging) از اصلی‌ترین روش‌های پژوهشی در علوم اعصاب و به‌خصوص علوم‌شناختی می‌باشد که می‌تواند به‌صورت غیرتهاجمی و بدون آسیب، به بررسی نحوه فعالیت مغز انسان در شرایط شناختی متفاوت بپردازد. در بین روش‌هایی که برای این موضوع وجود دارند، از جمله EEG, MEG, nTMS, PET، به علت کاملاً بدون آسیب بودن، به دلیل رزولوشن مکانی مناسب و رزولوشن زمانی قابل قبول، و همچنین به علت انعطاف‌پذیری مناسب این روش تصویربرداری در ارائه آزمون‌های شناختی و عملکردی به شرکت‌کنندگان و بیماران، روش fMRI از مقبول‌ترین و شناخته‌شده‌ترین روش‌های تصویربرداری عملکردی مغز است. این درس تا کنون چندین بار توسط مدرس این دوره در دانشگاه علوم پزشکی تهران تدریس شده‌است. به‌علاوه، در چندین کارگاه آموزشی (بیش از 10 مورد) که هر کارگاه در 3 روز برگزار شده‌است نیز مبحث تصویربرداری fMRI در دو سطح نظری و عملی توسط دکتر بتولی تدریس گردیده‌است که بخش‌های نظری تدریس شده در اینجا و در قالب ویدئوهای آموزشی به‌صورت رایگان ارائه می‌گردند. این دوره‌های آموزشی عمدتاً در گروه آنالیز تصاویر مغزی (NIAG) که تحت نظارت جناب آقای دکتر عقابیان اداره می‌شود ارائه‌شده‌اند، و همچنین این دوره توسط تیم تحقیقاتی BRAINEE (www.brainee.ir) در چندین شهر از جمله بوشهر، شیراز، مشهد، تبریز، و اصفهان نیز برگزار شده‌است. مخاطبان این دوره، هم در سایت مکتب‌خونه، و هم در تمامی کارگاه‌های برگزار شده، محققان، دانشجویان، و حتی اساتید دانشگاه در زمینه‌های زیر بوده‌اند: پزشکی عمومی، تخصص‌های پزشکی از جمله روان‌پزشکی و نورولوژی، روان‌شناسی، علوم‌شناختی و علوم اعصاب، آمار و ریاضیات، فیزیک پزشکی، مهندسی پزشکی و مهندسی برق، و همچنین مهندسی کامپیوتر و هوش مصنوعی. در حقیقت، بسیاری از افرادی که از روش fMRI استفاده می‌نمایند، به علت گستردگی تخصص‌های درگیر در این روش، تنها بخشی از روش کار را بر عهده می‌گیرند، و لذا همواره انجام این گونه پژوهش‌ها در قالب کار گروهی خواهد بود. توصیه همیشگی به محققان در این بخش آن است که سعی نمایند خود به تمامی اصول و مبانی این روش مسلط باشند، چرا که این تسلط علمی تأثیر بسیار زیادی بر کیفیت انجام کار می‌گذارد. در این دوره سعی شده است تا تمامی دانش لازم برای انجام مستقل یک تصویربرداری fMRI آموزش داده شود، و درعین‌حال می‌دانیم که انجام دقیق و صحیح این گونه پژوهش‌ها، با توجه به جزئیات بسیار زیاد و ظریف این روش، نیازمند چاشنی بسیار مهم تجربه نیز می‌باشد.   این دوره شامل مباحث زیر است: 1- تصویربرداری fMRI 2- طراحی آزمون در fMRI 3- بیش از 300 نکته مهم در طراحی و اجرای مطالعات fMRI 4- پیش‌پردازش داده‌ها در fMRI 5- آنالیز داده‌ها (نظری) در fMRI 6- استنتاج آماری در fMRI   پیش‌نیازهای این دوره: - آشنایی با اصول تصویربرداری تشدید مغناطیسی (MRI) - آشنایی اولیه با آمار، ریاضیات و علوم کامپیوتر