نتایج جست و جو :
برنامه نویسی با پایتون
18 مارس 2020

 Getting Started

      What is Python-

    Installing Python-

 Python Extension-

 Formatting Python Code-

  Running Python Code-

Python Implementations-

  How Python Code is Executed-

Python Basics

  Variables-

  Dynamic Typing-

  Type Annotation-

  Mutable and Immutable Types-

  Strings-

 Escape Sequences-

 Formatted Strings-

  Useful String Methods-

 Numbers-

 Arithmetic Operators-

  Working with Numbers-

 Type Conversion-

 Conditional Statements-

 Logical Operators-

Ternary Operator-

For Loops-

 For…Else-

  While Loops-

Functions-

Scope-

 Debugging-

Data Structures

  Lists-

 Accessing Items-

List Unpacking-

 Looping over Lists-

 Adding or Removing Items-

 Finding Items-

  Sorting Lists-

 Lambda Functions-

 Map Function-

Filter Function-

 List Comprehensions-

 Zip Function-

 Stacks-

  Queues-

 Tuples-

 Swapping Variables-

Arrays-

Sets-

 Dictionaries-

 Classes and Object-oriented Programming (OOP)

Classes and Instances-

Operator Overloading-

Polymorphism-

Modules and Packages

Error Handling and Exceptions



داده کاوی با پایتون
16 مارس 2020

معرفی ابزارها و کتابخانه‌های کاربردی مورد نیاز در حوزه‌ی علوم‌داده در کسب‌و‌کارها

– معرفی و آموزش ابزار Numpy

– معرفی و آموزش ابزار Scipy

– معرفی و آموزش ابزار Pandas

– معرفی و آموزش ابزار Scikt Leaern جهت انجام عملیات داده‌کاوی کلاسیک

– معرفی و آموزش ابزار Keras و Tensorflow جهت انجام عملیات داده‌کاوی با شبکه‌های عصبی و یادگیری عمیق

معرفی روش متن‌کاوی و طبقه‌بندی متون بر اساس داده‌های موجود در وب (ساخت یک ماشین تشخیص دهنده‌ی هوشمند محتوا و تشخیص دسته‌بندی متن از روی داده‌های متنی خبری)

– عملیات پیش‌پردازش داده‌ها و پاک‌سازی متون

– ساخت مدل‌های مختلف طبقه‌بندی توسط الگوریتم‌های پرکاربرد مانند SVM، KNN، RandomForest، NaiveBayes و Decision Trees

– دریافت و ذخیره مدل و استفاده از آن در کاربرد

– بررسی کیفیت الگوریتم‌ها و دقت و صحت مدل‌های مختلف

– آموزش بررسی کیفیت الگوریتم‌ها و دسته‌بندی آن‌ها

معرفی روش تشخیص و تمایز تصاویر از روی کاراکترهای عددی در دست‌نوشته‌ها

– تبدیل کاراکترهای دست‌نوشته به الگوی قابل فهم برای کامپیوتر

– تشخیص کاراکترهای دست‌نوشته توسط الگوریتم‌های طبقه‌بندی

– تشخیص دقت طبقه‌بندی اعداد توسط الگوریتم‌های طبقه‌بندی

ساخت سیستم تشخیص علائم راهنمایی و رانندگی با توجه به تصاویر یک اتومبیل

– تشخیص و طبقه‌بندی علائم راهنمایی و رانندگی

– شناخت الگوریتم‌های شبکه‌ی عصبی و شبکه‌ی عصبی عمیق

– شناخت و درک الگوریتم‌های پیچشی (Convolution) و معرفی انواع مختلف و کاربردهای آن‌ها

– ساخت مدل شناختی و نحوه‌ی استفاده از آن در کاربرد

آموزش پیش‌بینی مصرف برق با توجه به مصرف روزهای گذشته

– تبدیل داده‌های سری زمانی به الگوی قابل فهم برای کامپیوتر

– شناخت و درک الگوریتم‌های بازگشتی شبکه‌ی عصبی (RNN) و الگوریتم‌هایی با حافظه‌ی کوتاه مدت و بلند مدت

– پیاده‌سازی و تشخیص مدل‌های قابل پیش‌بینی در بازه‌های زمانی

– ساخت مدل و استفاده از آن در کاربردهای صنعتی



PYTHON
کارشناس برنامه نویسی پایتونPython
23 آوریل 2019

 Dive into Programming

  1. The Way of the Program
  2. Variables, Expressions and Statements
  3. Functions
  4. Case Study: Interface Design
  5. Conditionals and Recursion
  6. Fruitful Functions
  7. Iteration
  8. Strings
  9. Case Study: Word Play
  10. Lists
  11. Dictionaries
  12. Tuples
  13. Case Study: Data Structure Selection
  14. Files
  15. Classes and Objects
  16. Classes and Functions
  17. Classes and Methods
  18. The Goodies
  19. IDE and Debugging

Extra Achievements

  1. Knowing essential work skills to promotion
  2. Developing under Linux Operating System, you could try windows too
  3. Learn one Linux point every week
  4. Lots of exercises, doing at least two exercises every week
  5. Being practical, you have to do at least three projects
  6. Having teacher assistants to contact(they are present in class)
  7. Learn every programming language you want without teacher

 

 ورود به پایتون:

-راه برنامه نویسی

-متغیرها، عبارات و تعاریف

-توابع

-طراحی Interface

-شرط ها و روند بازگشت

-توابع خیلی راحت

-تکرار و پیمایش

-رشته ها

-بازی کلمات

-لیست ها

-دیکشنری ها

-چند تایی ها

-انتخاب ساختار داده

-فایل ها

-کلاس ها و اشیاء

-کلاس ها و توابع

-کلاس ها و متدها

-مغز مطالب

-محیط توسعه و خطایابی

 



دوره های آنلاین
20 آوریل 2020

برنامه نویسی با پایتون

🕑 ۲۴ ساعت
۵۴۰,۰۰۰ هزار تومان
◄ جزییات

هوشمند سازی کسب و کار با Microsoft Power BI

🕑 ۳۲ ساعت
۹۵۰,۰۰۰ هزار تومان
◄ جزییات

دوره تخصصی فشرده آمادگی آزمون MSRT-EPT

🕑 ۲۰ ساعت
۴۹۰,۰۰۰ هزار تومان
◄ جزییات

آشنایی با استاندارد ICB4 و اخذ گواهینامه IPMA-D

🕑 ۲۴ ساعت
۹۰۰,۰۰۰ تومان
◄ جزییات

داده کاوی با پایتون

🕑 ۲۰ ساعت
۵۷۰,۰۰۰ هزار تومان
◄ جزییات

SQL Server

🕑 ۲۴ ساعت
۴۵۰,۰۰۰ هزار تومان
◄ جزییات

برنامه ریزی و کنترل پروژه با نرم افزار MSP

🕑 ۱۶ ساعت
۳۵۰,۰۰۰ هزار تومان
◄ جزییات

تربیت کارشناس Excel

🕑 ۳۶ ساعت
۳۹۰,۰۰۰ هزار تومان
◄ جزییات

بلاکچین و ارزهای دیجیتال

🕑 ۱۲ ساعت
۴۵۰,۰۰۰ هزار تومان
◄ جزییات

تربیت کارشناس روشنایی و نورپردازی با نرم افزار DIALUX

🕑 ۱۶ ساعت
۶۹۵,۰۰۰ تومان
◄ جزییات

اظهارنامه مالیاتی

🕑 ۷ ساعت
۱۰۰,۰۰۰ هزار تومان
◄ جزییات

دوره مقدماتی نرم افزار دیگسایلنت DIGSILENT

🕑 ۱۶ ساعت
۸۹۵,۰۰۰ تومان
◄ جزییات

متره و برآورد سازه های بتن آرمه با EXCEL

🕑 ۳۰ ساعت
۳۵۰,۰۰۰ تومان
◄ جزییات

رسیدگی به پرونده های مالیاتی

🕑 3 ساعت
50 هزار تومان
◄ جزییات



deep learning
یادگیری عمیق Deep Learning
5 مارس 2019

بنا به اصلاحات انجام شده و کاربردی تر کردن دوره های مربوط به حوزه علم داده این دوره با تغییر سرفصل های آموزشی در قالب دوره ای جدید ارائه می گردد برای اطلاع از دوره های جدید به لینک زیر مراجعه کنید.

دانشمند داده Data Scientist

مبانی مقدماتی و مفاهیم شبکه‌های عصبی عمیق

-مقدمه ­ای بر شبکه­ های عصبی

-شبکه­ های عصبی پرسپترون چند لایه

-چالش­ های شبکه ­های عصبی چندلایه و ظهور یادگیری عمیق( deep learning)

-مفاهیم یادگیری عمیق( deep learning)

شبکه‌های عصبی کانولوشنی CNN

-مقدمه ­ای بر پردازش تصویر

-شبکه­ های عصبی کانولوشنی

-تشخیص اشیا

-تشخیص چهره

-رده­ بندی تصاویر

شبکه‌های عصبی برگشتیRNN

-آشنایی با مفاهیم سری زمانی

-آشنایی با شبکه­های عصبی برگشتی RNN

-LSTM

تعبیه سازی کلمات و یادگیری عمیق(Deep learning) در پردازش زبان طبیعی

-آشنایی با مفهوم word2vec

-آشنایی با مفهوم word embedding

-رده ­بندی متون با یادگیری عمیق در پایتون

-مدل­ های زبانی و یادگیری عمیق در پایتون

یادگیری عمیق(Deep learning) در داده‌های جدولی و سیستم‌های توصیه‌گر

-رده­ بندی و رگرسیون داده ­های جدولی با یادگیری عمیق

-سیستم ­های توصیه ­گر با یادگیری عمیق



logo