پی سی دانلود - لینکدین

در این دورهٔ عملی، مگان سیلوی، مشاور علوم داده، شرکت‌کنندگان را در مسیر ساخت برنامه‌های کاربردی وب با استفاده از Streamlit هدایت می‌کند. به طور خاص، شرکت‌کنندگان یک دستیار کدنویسی مبتنی بر هوش مصنوعی (AI-powered coding assistant) را در محیط Streamlit خواهند ساخت. این دستیار به آن‌ها کمک می‌کند تا با استفاده از زبان برنامه‌نویسی پایتون و API شرکت OpenAI، داشبوردهای دادهٔ تعاملی را تولید، اصلاح و نگهداری کنند. در ابتدا، شرکت‌کنندگان با ساخت یک دستیار هوش مصنوعی ساده مبتنی بر چت در Streamlit آغاز خواهند کرد. سپس، نحوهٔ بارگذاری، آماده‌سازی و تحلیل داده‌های خود را در Streamlit فرا خواهند گرفت. در مرحلهٔ بعد، از طریق تعاملات مکالمه‌ای با یک دستیار هوش مصنوعی جاسازی‌شده، داشبوردهای پویا همراه با فیلترها و انواع گوناگونی از بصری‌سازی‌ها (ویژوال‌ها) را ایجاد خواهند کرد. در نهایت، آموزش داده می‌شود که چگونه داشبورد هوش مصنوعی کاملاً کاربردی خود را آزمایش کرده، نگهداری کنند و آن را بر روی Streamlit Community Cloud مستقر سازند. این دوره جامع، مهارت‌های لازم برای ساخت ابزارهای داده‌ای قدرتمند و تعاملی را با تمرکز بر بهره‌گیری از قابلیت‌های هوش مصنوعی فراهم می‌آورد.
در دوره آموزشی Build with AI: AI-Powered Dashboards with Streamlit با ساخت برنامه‌های کاربردی وب تعاملی مبتنی بر داده و هوش مصنوعی آشنا خواهید شد.

در این دوره جامع با محوریت پایگاه‌های داده برداری (Vector Databases)، شرکت‌کنندگان به دنیای هیجان‌انگیز فناوری‌های پیشرفته‌ای که در حال متحول ساختن حوزه هوش مصنوعی (AI)، به ویژه هوش مصنوعی مولد (Generative AI) هستند، قدم خواهند گذاشت. این دوره با تمرکز بر «آینده‌سازی هوش مصنوعی مولد» (Future-Proofing Generative AI)، دانش و مهارت‌های لازم برای مهار قدرت پایگاه‌های داده برداری را در کاربردهای پیشرفته‌ای مانند مدل‌های زبان بزرگ (LLM)، ترانسفورماتورهای از پیش آموزش‌دیده مولد (GPT) نظیر ChatGPT، و توسعه هوش عمومی مصنوعی (AGI) در اختیار شرکت‌کنندگان قرار می‌دهد. با شروع از مفاهیم پایه‌ای، شرکت‌کنندگان اصول اولیه پایگاه‌های داده برداری و نقش آن‌ها در ایجاد تحول در جریان‌های کاری هوش مصنوعی را فرا خواهند گرفت. از طریق مثال‌های کاربردی و تمرین‌های کدنویسی عملی، تکنیک‌هایی مانند نمایه‌سازی، ذخیره‌سازی، بازیابی داده‌های برداری و کاهش بُعدی مورد بررسی قرار می‌گیرند. همچنین، مهارت لازم برای ادغام پایگاه داده برداری Pinecone با ابزارهای دیگری مانند LangChain و API اوپن‌ای‌آی (OpenAI API) با استفاده از پایتون (Python)، جهت پیاده‌سازی کاربردهای واقعی و آزادسازی تمام پتانسیل پایگاه‌های داده برداری، کسب خواهد شد.
در دوره آموزشی Master Vector Database with Python for AI & LLM Use Cases با استفاده از پایگاه‌های داده برداری برای کاربردهای پیشرفته هوش مصنوعی و مدل‌های زبان بزرگ آشنا خواهید شد.

این دوره آموزشی برای مهندسان، معماران و طراحانی است که می‌خواهند از قابلیت‌های هوش مصنوعی در اتوکد برای کار سریع‌تر و کارآمدتر استفاده کنند. شرکت‌کنندگان با یادگیری ابزارهای هوش مصنوعی اتوکد می‌توانند فرآیند طراحی و نقشه‌کشی خود را بهینه کنند. این دوره با تمرکز بر ویژگی‌های جدید، به متخصصان کمک می‌کند تا از مزایای فناوری‌های پیشرفته در صنعت خود بهره‌مند شوند. هدف این دوره، کاهش زمان انجام پروژه‌ها و افزایش دقت در طراحی است، که در نهایت به بهبود کیفیت کار منجر می‌شود. این دوره برای افرادی که با اتوکد آشنا هستند و می‌خواهند دانش خود را به‌روزرسانی کنند، بسیار مناسب است. این دوره به کاربرد عملی ابزارهای هوش مصنوعی در جدیدترین نسخه اتوکد می‌پردازد. شرکت‌کنندگان با ویژگی Smart Blocks آشنا می‌شوند، که نحوه قرار دادن، جایگزین کردن و جستجوی بلوک‌ها را متحول کرده است. مدرس، Shaun Bryant، همچنین فرمان DETECT را پوشش می‌دهد و یاد می‌دهد که چگونه می‌توان تبدیل اشیاء شناسایی شده به بلوک را به صورت خودکار انجام داد، که این کار سرعت فرآیند نقشه‌کشی را به طور قابل توجهی افزایش می‌دهد. دوره با نگاهی به Autodesk Assistant که با هوش مصنوعی کار می‌کند، به پایان می‌رسد. این دستیار، راهنمایی‌های خودکار مبتنی بر هوش مصنوعی و امکاناتی برای ارتباط با پشتیبانی از داخل اتوکد ارائه می‌دهد. با تکمیل این دوره، شرکت‌کنندگان قادر خواهند بود تا از این قابلیت‌ها برای بهینه‌سازی جریان کاری خود بهره ببرند و در نتیجه، زمان کمتری را صرف کارهای تکراری کرده و بیشتر بر خلاقیت و طراحی تمرکز کنند.
در دوره آموزشی Leveraging AI in AutoCAD با قابلیت‌های هوش مصنوعی اتوکد برای بهینه‌سازی فرآیندهای طراحی آشنا خواهید شد.

در این دوره، دنیس لینکوف، مدیر بخش یادگیری ماشین در شرکت Wisedocs، قابلیت‌های گوگل جیمینای را به طور کامل بررسی می‌کند. جیمینای یک مدل هوش مصنوعی چندوجهی است که برای بهبود کارهای روزمره طراحی شده است. شرکت‌کنندگان یاد می‌گیرند که چگونه از آن برای ایده‌پردازی، نگارش ایمیل و گزارش‌های جامع استفاده کنند. همچنین، آن‌ها با استفاده از نمونه‌ها و تمرین‌های عملی، نحوه خلاصه‌سازی ویدیوهای یوتیوب را تجربه می‌کنند. دوره شامل آموزش استفاده از جیمینای در پلتفرم‌های بومی گوگل مانند سویت، مپس و فلایتس است که کارهای پیچیده‌ای مانند برنامه‌ریزی سفر را ساده می‌سازد. علاوه بر این، شرکت‌کنندگان با کاربردهای خلاقانه جیمینای آشنا می‌شوند؛ از جمله تولید تصاویر و ویدیوها با خروجی‌های کاملاً قابل تنظیم. پس از اتمام دوره، آن‌ها توانایی ادغام هوش مصنوعی در فرایندهای کاری مختلف را کسب کرده و می‌توانند بهره‌وری و پروژه‌های خلاقانه خود را ارتقا دهند. این دوره به افراد کمک می‌کند تا با ابزارهای نوین هوش مصنوعی آشنا شوند و از آن‌ها برای افزایش کارایی و نوآوری در زمینه‌های مختلف بهره ببرند.
در دوره آموزشی Prompt Engineering with Gemini با استفاده از قابلیت‌های هوش مصنوعی برای افزایش بهره‌وری و خلاقیت آشنا خواهید شد.

این دوره‌ آموزشی که برای مبتدیان طراحی شده است، مبانی GraphRAG (تولید مبتنی بر بازیابی افزوده گراف) را معرفی می‌کند. این یک تکنیک پیشرفته است که گراف‌های دانش را با هوش مصنوعی مولد ترکیب می‌کند تا ارتباط متنی و دقت را افزایش دهد. این دوره که برای متخصصان و دانشجویانی که به‌تازگی با GraphRAG آشنا می‌شوند، طراحی شده، مفاهیم کلیدی مانند ساختارهای گراف، گره‌ها، یال‌ها و روابط را پوشش می‌دهد. همچنین، مهارت‌های عملی در ساخت و پیکربندی مدل‌های GraphRAG آموزش داده می‌شود. شرکت‌کنندگان در این دوره، از طریق تمرین‌های عملی و مثال‌های دنیای واقعی، با نحوه‌ یکپارچه‌سازی GraphRAG در فرآیندهای کاری موجود آشنا می‌شوند تا بتوانند برنامه‌های هوش مصنوعی غنی و مبتنی بر داده ایجاد کنند. این دوره به افراد کمک می‌کند تا بتوانند از طریق پروژه‌های مختلف، این تکنیک را در یک خط تولید هوش مصنوعی مولد به کار ببرند و به درک کاملی از آن برسند. این دوره برای هر کسی که می‌خواهد مهارت‌های خود را در هوش مصنوعی گسترش دهد و به دنبال راه‌حل‌های نوآورانه برای بهبود دقت و ارتباط اطلاعات در سیستم‌های هوش مصنوعی است، مناسب است. شرکت‌کنندگان یاد می‌گیرند که چگونه از ساختارهای پیچیده گراف برای سازماندهی و بازیابی اطلاعات استفاده کنند و در نهایت، مدل‌های هوش مصنوعی مولد دقیق‌تر و کاربردی‌تری بسازند. این دوره درک عمیقی از اینکه چگونه GraphRAG می‌تواند به حل چالش‌های دنیای واقعی کمک کند، ارائه می‌دهد و شرکت‌کنندگان را برای پیاده‌سازی این تکنیک در پروژه‌های آینده آماده می‌سازد.
در دوره آموزشی GraphRAG Essential Training با تکنیک GraphRAG در هوش مصنوعی مولد آشنا خواهید شد.

این دوره برای افرادی طراحی شده است که مایلند مهارت‌های خود را به عنوان متخصص یادگیری ماشین ارتقا دهند، اما نمی‌دانند از کجا شروع کنند. برای دستیابی به این هدف، نیازی به آموزش رسمی در علم داده نیست. در طول این دوره، مَت هریسون به عنوان مدرس، شرکت‌کنندگان را با مفاهیم کلیدی یادگیری ترکیبی آشنا می‌کند. در این دوره، روش‌های مختلف یادگیری ترکیبی از جمله بگینگ (Bagging)، بوستینگ (Boosting) و استکینگ (Stacking) بررسی می‌شوند. شرکت‌کنندگان یاد می‌گیرند که چگونه این روش‌ها را با استفاده از کتابخانه‌های محبوب پایتون مانند سایکیت‌لرن (scikit-learn) و ایکس‌جی‌بوست (XGBoost) پیاده‌سازی کنند. در پایان این دوره، شرکت‌کنندگان به مهارت‌های لازم برای پیاده‌سازی و بهینه‌سازی مدل‌های ترکیبی در وظایف واقعی یادگیری ماشین مجهز خواهند شد. این دوره با گیت‌هاب کداسپیسز (GitHub Codespaces) یکپارچه شده است؛ یک محیط توسعه‌دهنده ابری فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات محلی فراهم می‌کند. با استفاده از گیت‌هاب کداسپیسز، می‌توان در هر زمان و از هر دستگاهی به صورت عملی تمرین کرد – و این در حالی است که از ابزاری استفاده می‌شود که به احتمال زیاد در محیط کار نیز با آن مواجه خواهید شد. برای شروع کار، مطالعه بخش "استفاده از گیت‌هاب کداسپیسز" همراه با این دوره توصیه می‌شود. این دوره به شرکت‌کنندگان کمک می‌کند تا درک عمیقی از یادگیری ترکیبی پیدا کرده و آن را در پروژه‌های خود به کار گیرند، که این امر به بهبود عملکرد مدل‌های یادگیری ماشین و افزایش دقت پیش‌بینی‌ها منجر می‌شود. تأکید این دوره بر جنبه‌های عملی پیاده‌سازی و استفاده از ابزارهای صنعتی است تا شرکت‌کنندگان بتوانند دانش خود را مستقیماً در سناریوهای واقعی به کار گیرند و به متخصصانی کارآمد در زمینه یادگیری ماشین تبدیل شوند.
در دوره آموزشی Applied Machine Learning: Ensemble Learning با پیاده‌سازی و بهینه‌سازی مدل‌های یادگیری ترکیبی آشنا خواهید شد.

پایتون، زبانی محبوب و خوانا با رویکرد شی‌گرا است که هم قدرتمند است و هم یادگیری آن نسبتاً آسان. این دوره برای هر کسی، چه تازه‌کار در برنامه‌نویسی و چه توسعه‌دهنده‌ای باتجربه، طراحی شده است تا به او در شروع کار با پایتون کمک کند. در این دوره، جو مارینی ابتدا یک مرور کلی بر فرآیند نصب پایتون، سینتکس اصلی آن و مثالی از نحوه ساخت و اجرای یک برنامه ساده پایتون ارائه می‌دهد. شرکت‌کنندگان در این دوره یاد می‌گیرند که چگونه با تاریخ و زمان کار کنند، فایل‌ها را بخوانند و بنویسند، و داده‌های JSON و XML را از وب بازیابی و تجزیه کنند. این مهارت‌ها برای توسعه برنامه‌های کاربردی وب، تحلیل داده و بسیاری از حوزه‌های دیگر ضروری هستند. همچنین، این دوره شامل چالش‌های برنامه‌نویسی است که توسط CoderPad ارائه می‌شوند. این چالش‌ها تمرینات کدنویسی تعاملی با بازخورد لحظه‌ای هستند که به شما امکان می‌دهند هم‌زمان با محتوای دوره، تمرین عملی کدنویسی داشته باشید و مهارت‌های برنامه‌نویسی خود را ارتقا دهید. این رویکرد عملی تضمین می‌کند که شرکت‌کنندگان نه تنها مفاهیم را درک می‌کنند، بلکه قادر به پیاده‌سازی آن‌ها در سناریوهای واقعی نیز خواهند بود. هدف نهایی این دوره، تجهیز شرکت‌کنندگان به دانش و ابزارهای لازم برای تبدیل شدن به یک برنامه‌نویس پایتون ماهر و کارآمد است.
در دوره آموزشی Learning Python با مبانی و کاربردهای عملی زبان برنامه‌نویسی پایتون آشنا خواهید شد.

این دوره برای کسانی طراحی شده است که به دنبال یک مقدمه سریع و عملی برای شروع کار با اکسپرس هستند. اکسپرس یک فریم‌ورک سبک و انعطاف‌پذیر است که بر پایه Node.js ساخته شده و به توسعه‌دهندگان امکان می‌دهد وب‌سایت‌ها و برنامه‌های وب قدرتمندی را با استفاده از APIهای ساده و کاربرپسند بسازند. در این دوره، جیمی پیتمن، مهندس نرم‌افزار فول‌استک، به شما نشان می‌دهد که چگونه کار با این فریم‌ورک جذاب و محبوب را آغاز کنید. در این دوره، شما با اصول اولیه راه‌اندازی اکسپرس، ایجاد یک سرور و ساخت یک برنامه با استفاده از Express application generator آشنا خواهید شد. مفاهیم ضروری مربوط به مسیریابی (routing)، متدهای اصلی HTTP و کدنویسی هندلر جاوااسکریپت را کاوش خواهید کرد. همچنین نحوه کار با میان‌افزارها (middleware) و نکات مربوط به اشکال‌زدایی (debugging) یک برنامه اکسپرس را فرا می‌گیرید. علاوه بر این، استفاده از اکسپرس با پایگاه‌های داده مختلف نیز مورد بحث قرار می‌گیرد. از آنجایی که امنیت یک نگرانی اصلی برای همه توسعه‌دهندگان است، جیمی بهترین شیوه‌ها را برای ساختاردهی محیط کاری خود به منظور افزایش امنیت به اشتراک می‌گذارد. هدف این دوره این است که شما را با ابزارها و دانش لازم برای شروع ساخت برنامه‌های کاربردی وب با اکسپرس مجهز کند.
در دوره آموزشی Express Essentials: Build Powerful Web Apps with Node.js با برنامه نویسی Express.js آشنا خواهید شد.

در این دوره، با هدایت جونگو ریو، استاد برجسته علوم و فناوری اطلاعات، شرکت‌کنندگان با الگوهای طراحی پیشرفته آشنا می‌شوند که به طور خاص برای زبان برنامه‌نویسی پایتون طراحی شده‌اند. هدف اصلی این دوره، ارائه یک درک جامع از چرایی و چگونگی استفاده از الگوهای طراحی در فرآیند برنامه‌نویسی است. در طول دوره، شرکت‌کنندگان به بررسی بهترین شیوه‌های طراحی می‌پردازند که شامل مفاهیم کلیدی مانند ویژگی‌های کیفی و الگوهای مختص دامنه (Domain-Specific Patterns) می‌شود. این مباحث به آن‌ها کمک می‌کند تا تصمیمات آگاهانه‌تری در مورد ساختار کد خود بگیرند و نرم‌افزارهایی با کیفیت بالاتر توسعه دهند. یکی از بخش‌های مهم این دوره، تعمیق در مجموعه‌ای از الگوهای طراحی کاربردی است که توسط گروه چهار (Gang of Four) معرفی شده‌اند. این الگوها شامل Command, Interpreter و Memento می‌شوند. این الگوها راهکارهایی استاندارد برای حل مشکلات رایج در طراحی نرم‌افزار ارائه می‌دهند و به برنامه‌نویسان کمک می‌کنند تا کدی سازمان‌یافته‌تر، قابل نگهداری‌تر و قابل توسعه‌تر بنویسند. علاوه بر این، دوره به تشریح نحوه عملکرد واقعی این الگوها در سطح کد می‌پردازد. شرکت‌کنندگان از طریق بررسی اسکریپت‌های نمونه، درک عملی از چگونگی پیاده‌سازی و استفاده از این الگوها در پروژه‌های واقعی خود پیدا می‌کنند. این رویکرد عملی تضمین می‌کند که شرکت‌کنندگان نه تنها مفاهیم تئوری را می‌آموزند، بلکه توانایی به کارگیری آن‌ها را در سناریوهای عملی نیز کسب می‌کنند.
در دوره آموزشی Python: Advanced Design Patterns با الگوهای طراحی پیشرفته و نحوه به کارگیری آنها در برنامه‌نویسی پایتون آشنا خواهید شد.

این دوره آموزشی به منظور توسعه دانش برنامه‌نویسی توسعه‌دهندگان سی‌شارپ طراحی شده است تا آن‌ها بتوانند با پایتون نیز آشنا شوند و از این طریق مزیت رقابتی خود را در بازار کار افزایش دهند. جو مارینی، مدرس این دوره، به شرکت‌کنندگان کمک می‌کند تا آموخته‌های خود در سی‌شارپ را به زبان پایتون ترجمه کنند. پایتون و سی‌شارپ با وجود شباهت‌های فراوان، تفاوت‌های مهمی نیز دارند. در این دوره، جو تفاوت‌های مربوط به سینتکس کامنت‌گذاری در سی‌شارپ و پایتون را توضیح می‌دهد. همچنین، دستورات شرطی و حلقه‌های کنترلی در پایتون که در مقایسه با سی‌شارپ تا حدی محدودتر هستند، مورد بررسی قرار می‌گیرند و جو این تفاوت‌ها را به طور کامل شرح می‌دهد. توابع بخش اساسی بسیاری از زبان‌های برنامه‌نویسی هستند و جو نحوه عملکرد چندین تابع مهم در پایتون را نشان می‌دهد. پایتون از تعریف کلاس‌ها، وراثت یگانه و چندگانه، کلاس‌های انتزاعی و قابلیت‌های سفارشی پشتیبانی می‌کند. در این بخش، جو این مفاهیم را با قابلیت‌های سی‌شارپ مقایسه و تبیین می‌کند. علاوه بر این، جو نحوه ساخت و کار با آرایه‌های پایتون با انواع داده‌های مختلف، نحوه تعریف و استفاده از دیکشنری‌ها در پایتون و همچنین چگونگی استفاده از iteratorها را در پایتون آموزش می‌دهد. در پایان، جو عملیات‌های رایج مانند کار با رشته‌ها و مدیریت استثناها (Exceptions) را مورد بحث قرار می‌دهد. این دوره برای توسعه‌دهندگانی که به دنبال گسترش مهارت‌های خود و ورود به دنیای برنامه‌نویسی پایتون هستند، بسیار مفید و کاربردی خواهد بود.
در دوره آموزشی Transition from C# to Python با زبان برنامه‌نویسی پایتون و تفاوت‌های آن با سی‌شارپ آشنا خواهید شد.