دسته نرم افزار

Udemy – Google BigQuery ML Machine Learning in SQL (without Python) 2022-8

دوره Google BigQuery ML Machine Learning in SQL (without Python). این دوره جامع به منظور آموزش نحوه ایجاد و استفاده از مدل‌های یادگیری ماشین در محیط Google BigQuery طراحی شده است. تمرکز اصلی دوره بر استفاده از دستورات SQL برای انجام تمام مراحل ساخت مدل، از آماده‌سازی داده‌ها گرفته تا ارزیابی نتایج و انجام پیش‌بینی‌ها است. شرکت‌کنندگان در این دوره با یک مجموعه داده واقعی از پیشنهادات فروش خودرو در ایالات متحده کار خواهند کرد و هدف آن‌ها پیش‌بینی قیمت خودرو خواهد بود. دوره از هفت بخش اصلی و یک بخش جایزه تشکیل شده است. در ابتدای دوره، محیط کاری برای شرکت‌کنندگان ایجاد می‌شود. سپس، مختصری به مباحث تئوری یادگیری ماشین پرداخته می‌شود و بلافاصله پس از آن، شرکت‌کنندگان اولین مدل خود را ایجاد خواهند کرد. در دروس بعدی، روش‌های مختلف برای بهبود عملکرد مدل از طریق ترفندها و تکنیک‌های خاص آموزش داده می‌شود که این بخش از اهمیت ویژه‌ای برخوردار است.

Udemy – SQL for Data Analysis: Advanced SQL Querying Techniques 2025-1

دوره SQL for Data Analysis: Advanced SQL Querying Techniques. این دوره عملی و مبتنی بر پروژه طراحی شده است تا به شما کمک کند فراتر از شش عبارت اساسی حرکت کنید و به تکنیک‌های پرس‌وجوی پیشرفته تسلط پیدا کنید. ما با مرور مبانی و انجام تحلیل‌های چند جدولی از جمله پیوستن‌های اساسی، خود پیوستن‌ها، پیوستن‌های متقاطع و اتحادیه‌ها شروع می‌کنیم. سپس، ما روش‌های مختلف کار با پرس‌وجوهای تو در تو با نوشتن زیر پرس‌جوها و عبارات جدول مشترک یا CTE‌ها را پوشش می‌دهیم. ما مثال‌هایی از زیر پرس‌جوها در جملات مختلف را بررسی می‌کنیم، زیر پرس‌جوها را به عنوان CTE بازنویسی می‌کنیم، CTE‌های بازگشتی را معرفی می‌کنیم و این تکنیک‌ها را با گزینه‌های دیگر مانند جداول موقت و نماها مقایسه می‌کنیم. از آنجا، هر جزء یک تابع پنجره را تجزیه می‌کنیم و توابع پنجره رایج مانند ROW_NUMBER، RANK، FIRST_VALUE، LEAD و LAG را بررسی می‌کنیم. ما همچنین توابع عمومی برای کار با انواع داده‌های مختلف در SQL از جمله توابع عددی، تاریخ و زمان، رشته‌ای و NULL را پوشش می‌دهیم. در نهایت، مفاهیمی را که یاد گرفته‌ایم در یک سری از کاربردهای رایج تحلیل داده استفاده خواهیم کرد. ما با مقادیر تکراری برخورد می‌کنیم، فیلترهای مقدار ویژه را اعمال می‌کنیم، محاسبات متحرک را انجام می‌دهیم و موارد دیگر.

LinkedIn – AWS and React: Creating Full-Stack Apps 2024-2

دوره AWS and React: Creating Full-Stack Apps. این دوره آموزشی به شما نحوه ساخت اپلیکیشن‌های Full-Stack با ترکیب AWS و React را آموزش می‌دهد. در این دوره، شما یاد خواهید گرفت که چگونه یک اپلیکیشن React را در AWS میزبانی کنید، سیستم احراز هویت کاربر پیاده‌سازی نمایید و از DynamoDB API همراه با AppSync و GraphQL استفاده کنید. مدرس دوره، Bear Cahill، که یک توسعه‌دهنده با تجربه در زمینه اپلیکیشن‌های موبایل است، شما را از ابتدا تا انتهای فرآیند توسعه راهنمایی می‌کند. این دوره به ویژه برای توسعه‌دهندگانی مفید است که در بخش کلاینت (React و JavaScript) مهارت دارند اما نیاز به یادگیری مفاهیم سمت سرور مانند میزبانی، احراز هویت و کار با پایگاه داده دارند. شما در طول دوره با چالش‌های عملی مواجه خواهید شد که به شما کمک می‌کند دانش کسب شده را در موقعیت‌های واقعی به کار بگیرید. این آموزش جامع، تمام مراحل لازم برای ساخت یک اپلیکیشن Full-Stack کامل را پوشش می‌دهد و مهارت‌های ارزشمندی را در زمینه توسعه وب و کار با سرویس‌های ابری AWS در اختیار شما قرار می‌دهد.

LinkedIn – Full-Stack Deep Learning with Python 2024-2

دوره Full-Stack Deep Learning with Python. این دوره جامع، مفاهیم یادگیری عمیق فول‌استک با پایتون را با تأکید بر MLOps و MLflow به صورت عملی آموزش می‌دهد. در این دوره که توسط جانانی راوی، معمار گواهی‌شده ابر گوگل و مهندس داده تدریس می‌شود، ابتدا مروری بر مفاهیم پایه یادگیری عمیق فول‌استک، MLOps و MLflow ارائه می‌شود. سپس شرکت‌کنندگان محیط کار خود را در Google Colab راه‌اندازی کرده و با MLflow کار می‌کنند. در ادامه، روش‌های بارگذاری و بررسی مجموعه داده‌ها، ثبت معیارها، پارامترها و آرتیفکت‌ها آموزش داده می‌شود. بخش‌های اصلی دوره شامل آموزش مدل، ارزیابی عملکرد، تنظیم هایپرپارامترها، استقرار مدل و انجام پیش‌بینی‌هاست. در طول دوره، شرکت‌کنندگان با مجموعه داده EMNIST کار کرده، مدل‌های DNN و CNN را برای طبقه‌بندی تصاویر پیکربندی و آموزش می‌دهند. تکنیک‌های بهینه‌سازی هایپرپارامترها با Hyperopt و MLflow، شناسایی بهترین مدل و ثبت آن در رجیستری MLflow نیز پوشش داده می‌شود. در نهایت، روش‌های استقرار مدل روی ماشین محلی و سرویس‌دهی به آن آموزش داده می‌شود. این دوره برای افرادی مناسب است که می‌خواهند درک عمیق‌تری از یادگیری عمیق فول‌استک با پایتون و چرخه کامل توسعه مدل‌های یادگیری ماشین به دست آورند.

Udemy – AI SaaS App: AstroJS + Firebase, Stripe, TailwindCSS, Python 2024-1

دوره AI SaaS App: AstroJS + Firebase, Stripe, TailwindCSS, Python. این دوره آموزشی روش ساخت یک اپلیکیشن SaaS مبتنی بر هوش مصنوعی مانند تولیدکننده تصاویر نوزاد را با ترکیب فناوری‌های مدرن آموزش می‌دهد. این دوره مناسب توسعه‌دهندگانی است که می‌خواهند در مدت کوتاهی یک محصول کاربردی ایجاد کنند و آن را به نمونه‌کار خود اضافه نمایند. در این دوره از AstroJS برای ساخت بخش سرورساید وب‌سایت، Firebase برای عملکردهای بک‌اند، Stripe برای پرداخت‌ها، TailwindCSS و Flowbite برای طراحی رابط کاربری و پایتون همراه با Docker برای پیاده‌سازی هوش مصنوعی اختصاصی استفاده می‌شود. برخلاف بسیاری از دوره‌ها که از APIهای عمومی هوش مصنوعی استفاده می‌کنند، اینجا شما یاد می‌گیرید چگونه یک مدل هوش مصنوعی سفارشی بسازید که دقیقاً نیازهای پروژه شما را برآورده کند. یکی از مزایای مهم این روش، امکان راه‌اندازی سرورهای هوش مصنوعی به صورت موردی است که باعث صرفه‌جویی قابل توجه در هزینه‌های عملیاتی می‌شود. در پایان دوره، شما یک اپلیکیشن کامل خواهید داشت که قابلیت دریافت پرداخت، ارائه سرویس به کاربران و تولید خروجی‌های هوش مصنوعی را داراست. این پروژه نه تنها برای راه‌اندازی استارتاپ مناسب است، بلکه به عنوان نمونه‌کاری حرفه‌ای نیز می‌تواند مورد استفاده قرار گیرد. تمام کدها و راهنمایی‌های لازم برای پیاده‌سازی هر بخش به صورت گام به گام ارائه می‌شود تا حتی توسعه‌دهندگان با تجربه متوسط نیز بتوانند این سیستم پیچیده را با موفقیت پیاده‌سازی کنند.

Udemy – Java Programming Masterclass: From Beginner to Expert 2024-1

دوره Java Programming Masterclass: From Beginner to Expert. این دوره آموزشی کامل، راهنمای نهایی برای تسلط بر برنامه‌نویسی جاوا از سطح مبتدی تا حرفه‌ای است. مناسب برای همه افراد از جمله تازه‌کاران و توسعه‌دهندگان با تجربه که می‌خواهند مهارت‌های خود را ارتقا دهند. با رویکرد عملی و تمرکز بر کاربردهای واقعی، این دوره شما را از مفاهیم پایه تا تکنیک‌های پیشرفته جاوا همراهی می‌کند. ابتدا با اصول اولیه مانند سینتکس جاوا، انواع داده، متغیرها و عملگرها آشنا می‌شوید و نحوه نوشتن و اجرای برنامه‌ها در محیط توسعه یکپارچه (IDE) را یاد می‌گیرید. سپس مفاهیم شی‌گرایی شامل کلاس‌ها، اشیا، وراثت، چندریختی و کپسوله‌سازی به صورت عمیق آموزش داده می‌شود تا بتوانید برنامه‌های مستحکم و قابل توسعه بسازید. کنترل جریان برنامه با دستورات شرطی if-else و switch-case و حلقه‌های while، do-while و for آموزش داده می‌شود. مدیریت خطاها با بلوک‌های try-catch و روش‌های انتشار استثناها به صورت حرفه‌ای پوشش داده می‌شود. همچنین کار با ساختارهای داده مانند لیست‌ها، مجموعه‌ها، نگاشت‌ها و صف‌ها در چارچوب مجموعه‌های جاوا همراه با روش‌های پیمایش و دستکاری آن‌ها آموزش داده می‌شود. این دوره جامع تمامی مهارت‌های لازم برای تبدیل شدن به یک توسعه‌دهنده حرفه‌ای جاوا را در اختیار شما قرار می‌دهد.

Udemy – Godot Genesis: Learning Through 6 classic Game Genres 2024-2

دوره Godot Genesis: Learning Through 6 classic Game Genres. این دوره به شما آموزش می‌دهد چگونه با استفاده از موتور بازی‌سازی گودو، بازی‌های ویدیویی بسازید. برخلاف بسیاری از دوره‌ها که فقط شما را در مسیر از پیش تعیین‌شده قرار می‌دهند، اینجا با روشی سه‌مرحله‌ای یاد می‌گیرید: ابتدا مفاهیم اصلی را می‌آموزید، سپس مثال‌های عملی را بررسی می‌کنید و در نهایت با تمرین‌های عملی مهارت‌های خود را محک می‌زنید. این روش به شما کمک می‌کند درک عمیق‌تری از ساخت بازی پیدا کنید و بتوانید ایده‌های خود را به راحتی پیاده‌سازی کنید. در طول دوره، شش سبک مختلف بازی را بررسی خواهید کرد: پلتفرمر، نقش‌آفرینی، تیراندازی، دفاع از برج، نوبتی و استراتژی بلادرنگ. برای هر سبک، دو پروژه متفاوت (یکی در محیط دو‌بعدی و دیگری در سه‌بعدی) انجام می‌دهید که در مجموع ۱۱ پروژه و تمرین را شامل می‌شود. برای هرکدام از این پروژه‌ها، راه‌حل‌های ممکن ارائه می‌شود تا در صورت نیاز از آنها الهام بگیرید. این دوره نه‌تنها تکنیک‌های ساخت بازی را آموزش می‌دهد، بلکه به شما کمک می‌کند تا با اعتمادبه‌نفس ایده‌های خود را در گودو اجرا کنید.

Udemy – Learn Machine Learning Course with Python A to Z 2024-1

دوره Learn Machine Learning Course with Python A to Z. دوره حاضر با رویکردی عملی و پروژه‌محور، تمامی مفاهیم اساسی و تکنیک‌های پیشرفته یادگیری ماشین را پوشش می‌دهد. ابتدا با اصول برنامه‌نویسی پایتون و مبانی یادگیری ماشین آشنا می‌شوید، سپس مراحل پیش‌پردازش داده‌ها شامل پاکسازی، تبدیل و آماده‌سازی داده‌ها برای مدل‌سازی را یاد خواهید گرفت. در ادامه، الگوریتم‌های مهم یادگیری نظارت شده مانند رگرسیون خطی، رگرسیون لجستیک، درخت تصمیم و ماشین بردار پشتیبان به صورت عملی آموزش داده می‌شوند. بخشی از دوره به مباحث ارزیابی و اعتبارسنجی مدل‌ها اختصاص دارد که برای سنجش دقت و کارایی مدل‌های توسعه داده شده ضروری است. در سطح پیشرفته، مفاهیم یادگیری عمیق و شبکه‌های عصبی با استفاده از کتابخانه‌های TensorFlow و Keras ارائه می‌گردد. این دوره با تمرکز بر کاربردهای واقعی، شامل پروژه‌های عملی در حوزه‌های مختلف مانند سلامت، مالی و بازاریابی است که به شما کمک می‌کند دانش تئوری را در موقعیت‌های عملی به کار بگیرید. این دوره برای دانشجویان، توسعه‌دهندگان نرم‌افزار، تحلیلگران داده و تمامی علاقه‌مندان به حوزه هوش مصنوعی که می‌خواهند به صورت اصولی وارد دنیای یادگیری ماشین شوند، طراحی شده است.