دسته آموزشی

Udemy – Fibonacci A-Z+ Forex Trading Strategy with Fibonacci Cluster 2025-7

Fibonacci A-Z+ Forex Trading Strategy with Fibonacci Cluster، دوره آموزش فیبوناچی + استراتژی معاملاتی فارکس با خوشه‌های فیبوناچی توسط آکادمی یودمی منتشر شده است. در طول این دوره، درباره‌ی اعداد فیبوناچی، نسبت‌های فیبوناچی، سطوح اصلاحی و گسترشی فیبوناچی، فیبوناچی به‌عنوان سطوح حمایت و مقاومت، خوشه‌های فیبوناچی، ابزارهای اضافی فیبوناچی، نحوه‌ی ترکیب فیبوناچی با سایر ابزارها آموزش خواهید دید. من نکات مفیدی را در اختیار شما قرار می‌دهم و در پایان، معاملات زنده در بازار فارکس با استفاده از فیبوناچی را نمایش خواهم داد. دوره به چند بخش تقسیم شده است. در بخش اول تلاش می‌کنم علاقه‌ی شما را به «فیبوناچی» جلب کنم. اگر فکر می‌کنید فیبوناچی ابزاری خسته‌کننده است که فقط در معاملات فارکس یا بازار سهام استفاده می‌شود، کاملاً در اشتباه هستید. اعداد و نسبت‌های فیبوناچی همه‌جا وجود دارند: در بدن انسان، اشیاء، هندسه، کهکشان‌ها و حتی در DNA ما. پس از آن، بخشی از دوره به مبتدیان در معاملات فیبوناچی اختصاص دارد.

Udemy – Python Foundations: Build Your Programming Base 2025-7

دوره Python Foundations: Build Your Programming Base. این دوره یک مقدمه جامع و عملی برای یادگیری زبان پایتون از سطح مبتدی است، که ویژه افراد تازه‌وارد به برنامه‌نویسی طراحی شده است. این دوره با ارائه مثال‌های عملی و توضیحات گام‌به‌گام، نیازی به پیش‌زمینه کدنویسی ندارد و در نسخه early-access خود بر اصول اولیه پایتون تمرکز دارد، با این حال محتوای سطح متوسط و پیشرفته به‌تدریج اضافه خواهد شد. در این دوره، مباحثی مانند سینتکس پایه پایتون، متغیرها، انواع داده، ورودی کاربر، جریان کنترل (دستورات if/else و حلقه‌ها)، توابع، سازماندهی کد، لیست‌ها، دیکشنری‌ها، کار با فایل‌ها و اصول نوشتن کد تمیز و خوانا آموزش داده می‌شود. با بیش از ۱۰۰ مثال کدنویسی واقعی و درس‌های تعاملی، این دوره اعتمادبه‌نفس لازم برای برنامه‌نویسی مستقل را در شما ایجاد می‌کند. این آموزش پایه‌ای محکم برای ورود به حوزه‌های مختلف مانند توسعه وب، علم داده یا اتوماسیون فراهم می‌کند و با زبان ساده، مثال‌های کاربردی و به‌روزرسانی منظم، امکان یادگیری با سرعت دلخواه را فراهم می‌سازد.

Udemy – Linear Algebra for Data Science and Machine Learning 2025-7

دوره Linear Algebra for Data Science and Machine Learning. این دوره مفاهیم اساسی جبر خطی را به شیوه‌ای کاربردی و عملی برای استفاده در این حوزه‌ها آموزش می‌دهد. این دوره که به شش بخش تقسیم شده، با معرفی مفاهیم پایه مانند اسکالرها، بردارها، ماتریس‌ها و تانسورها آغاز می‌شود و ارتباط آنها با علوم داده و یادگیری ماشین را توضیح می‌دهد. در بخش دوم، ویژگی‌های بردارها شامل نرم‌ها، بردارهای واحد و متعامد بررسی می‌شود. بخش سوم به ماتریس‌ها و مفاهیمی مانند ترانهاده، معکوس و تجزیه ماتریس می‌پردازد که در شبکه‌های عصبی و کاهش ابعاد کاربرد دارند. بخش چهارم عملیات ماتریسی مانند ضرب داخلی و خارجی را پوشش می‌دهد. در بخش پنجم، تبدیل‌های خطی، مقادیر ویژه و تجزیه‌هایی مانند SVD و PCA آموزش داده می‌شود. بخش نهایی به کاربردهای عملی این مفاهیم در حل مسائل واقعی، پیاده‌سازی سیستم‌های خطی و تحلیل داده‌ها می‌پردازد. این دوره با ترکیب تئوری و پیاده‌سازی در پایتون، پایه‌ای محکم برای فعالیت در حوزه‌های علوم داده و یادگیری ماشین ایجاد می‌کند.

Udemy – Cursor AI for Beginners: AI Coding Crash Course 2025-7

دوره Cursor AI for Beginners: AI Coding Crash Course. این دوره یک مسترکلاس فشرده برای یادگیری Cursor AI از پایه است که به شرکت‌کنندگان می‌آموزد چگونه از هوش مصنوعی برای کدنویسی سریع‌تر و کارآمدتر استفاده کنند. این دوره به افراد مبتدی کمک می‌کند تا Cursor AI را به صورت عملی یاد بگیرند، از رابط کاربری آن استفاده کنند و با ویژگی‌های کلیدی آن مانند تکمیل خودکار کد، رابط چت و حالت‌های مختلف آن آشنا شوند. همچنین، تنظیمات حریم خصوصی، برنامه‌های قیمت‌گذاری و نحوه اتصال به حساب کاربری آموزش داده می‌شود. شرکت‌کنندگان می‌آموزند چگونه از Cursor AI برای بهبود رابط کاربری، تولید تست‌های واحد، بازسازی کد و سایر کاربردهای عملی در پروژه‌های واقعی استفاده کنند. این دوره ترکیبی از تئوری و تمرین است و شامل حدود ۲ ساعت محتوای آموزشی با مثال‌های عملی متعدد می‌شود که در قالب دروس ۳ تا ۱۰ دقیقه‌ای ارائه شده‌اند.

Udemy – Generative AI with Python 2025-5

دوره Generative AI with Python. این دوره دانش و مهارت‌های لازم برای تسلط بر فناوری‌های پیشرفته هوش مصنوعی مولد را آموزش می‌دهد. در این دوره، با مدل‌های زبانی بزرگ (LLMs) و اهمیت پایگاه‌های داده برداری در بازیابی اطلاعات آشنا می‌شوید و یاد می‌گیرید چگونه از تولید تقویت‌شده با بازیابی (RAG) برای پاسخگویی به سؤالات پیچیده با استفاده از داده‌های شخصی‌سازی‌شده استفاده کنید. همچنین، سیستم‌های عاملی را بررسی می‌کنید و روش ساخت عوامل هوشمند خودگردان را می‌آموزید. مباحث اصلی شامل مدل‌های زبانی بزرگ، پردازش زبان طبیعی کلاسیک در مقابل LLM، مدل‌های استدلالی، توکنایزیشن، و جیل‌بریکینگ است. علاوه بر این، کار با پایپ‌لاین ورود داده‌ها، تقسیم داده‌ها به بخش‌های کوچک، جاسازی‌ها، و ذخیره‌سازی و کوئری داده‌ها پوشش داده می‌شود. روش‌های مختلف RAG مانند RAG پایه، غنی‌سازی متن، RAG اصلاحی و ترکیبی، و همچنین سیستم‌های عاملی مانند crewAI،Google ADK، و OpenAI Agents SDK نیز آموزش داده می‌شوند. این دوره به شما کمک می‌کند برنامه‌های هوشمندی بسازید که توانایی تعامل با زبان و تصمیم‌گیری دارند.