درباره دوره: انگولار یک فریم‌ورک جاوا اسکریپت است که در سال ۲۰۰۹ توسط میسکو هوری و آدام آبرونز ارائه شد و بعد توسط گوگل توسعه داده شد. انگولار یک فریم‌ورک ساخت‎یافته برای ساخت وب اپلیکیشن‌های پویا می‌باشد. یکی از دلایل استفاده از انگولار در بین برنامه‌نویسان، تسریع در پیاده‌سازی پروژه‌های برنامه‌نویسی است. انگولار یک فریم‌ورک مبتنی بر MVC است که از Ajax نیز استفاده کرده است. این فریم‎ورک موجب کاهش مقدار کدنویسی (و در نتیجه افزایش سرعت تولید برنامه‌ها) شده است. امروزه یکی از علت‌های استفاده از انگولار توسعه و قدرتمندتر کردن برنامه‌های تک‌ صفحه‌ای یا SPA هستند لذا می‌توان در پروژه‌های بزرگ و کوچک از فریم‌ورک انگولار استفاده بهینه را برد. برنامه‌های تک صفحه‌ای مانع از بارگذاری مجدد کل صفحه می‌شوند و به این شکل سرعت مشاهده صفحات وب را بالاتر می‌برند. انگولار در واقع یک چارچوب Open source می‌باشد که توسط گوگل به صورت فریمورک توسعه داده شده است. به زبانی دیگر آنگولار یک فریمورک توسعه‌یافته است که برای وب اپلیکیشن‌های پویا طراحی گردیده ‌است. این فریمورک به شما یاری می‌رساند که با استفاده از html قالب دلخواه خود را طراحی نمایید. با این قابلیت می‌توانید به راحتی سینتکس‌هایی که برای html تعریف کرده‌اید را در فضای وب اپلیکیشن به صورت کاملا واضح بیان کنید. یکی از ویژگی‌هایی که برای فریم‌ورک آنگولار در نظر گرفته شده است، قابلیت طراحی وب سایت و وب اپلیکیشن است. این ویژگی را می‌توانیم به صورت یک وب اپلیکیشن تک صفحه‌ای اجرا کنیم. این فریم‌ورک به شما کمک می‌کند که کدنویسی‌هایی که انجام‌ می‌دهید، به صورت بهینه‌سازی شده انجام گیرد و کدهای به صورت تکنیکی‌تر اعمال شوند. همچنین به شما این امکان را می‌دهد که تنظیمات خود را به صورت استاندارد روی آنها پیاده نمایید. تا به اینجا متوجه شدیم که فریمورک آنگولار به ما کمک ‌می‌کند که قالب‌ سازی خود را برای فیلترها در نظر بگیریم و قابلیت ترکیب داده‌ها به صورت دوطرفه را دارا باشیم. با یادگیری فریمورک آنگولار می‎توانید به‌راحتی می‌توانید سایت مورد نظر خود را با روش‌های خاص خود طراحی نمایید. با استفاده از آنگولار می‌توانید به مرورگر این امکان را بدهید که اندازه‌ی صفحه‌ی شما را در نظر نگیرید و تنها آن را بارگذاری نماید. بعضی اوقات ممکن است اندازه‌ی صفحه‌ی برای لود کمی سنگین شود. با این حال صفحه‌ی طراحی شده بدون توجه به اندازه‌ی صفحه، تمام محتوایی که پیش از این بارگذاری کرده است را لود می‌کند. به همین خاطر با استفاده فریمورک انگولار می‌توانید یک صفحه index.html داشته باشید که بسیار کوتاه شده است. در صورتی که صفحه‌ی طراحی شده با مشکلات لود نشدن مواجه گردید، بهتر است بدانید که سیستم شما در حال بارگذاری تدریجی محتوا شما است. هسته‌ای که برای فریم‌ورک angular در نظر گرفته شده است از جنس جاوا اسکریپت است و شما باید حتما زمانی که قصد دارید محتوایی مبنی بر این فریمورک طراحی کنید، از زبان برنامه‌نویسی جاوا اسکریپت استفاده نمایید. آنگولار دارای موتورهای بسیار خوبی برای طراحی سایت و ساخت وب اپلیکیشن می‌باشد. این فریم‌ورک همان‌طور که گفتیم قالب‌های خود را به صورت تگ html ارائه می‌دهد و آنها را به راحتی با داده‌های مورد نظر جا‌به‌جا می‌نماید. در آموزش Angular به‌طور گام‌به‌گام تمام مباحث اولیه مربوط به انگولار همراه با تمرین و پروژه‌های عملی وجود دارد. شما می‌توانید با شرکت در آموزش انگولار مهارت‌های خود را به‌صورت چشم‌گیری افزایش دهید. آنگولار (Angular)، فریم‌ورکی قدرتمند و منبع آزاد است که توسط گوگل طراحی شده است. این فریم‌ورک در درجه اول برای توسعه برنامه‌های کاربردی تک‌صفحه‌ای استفاده می‌شود و ساختاری عالی برای توسعه‌دهندگان وب فراهم کرده تا بتوانند به‌راحتی با آن کار کنند. Angular به توسعه‌دهندگان این امکان را می‌دهد که برنامه‌های پیچیده و بزرگی را ایجاد کنند که مدیریت و نگهداری آن‌ها آسان باشد. اگر به دنبال توسعه مهارت‌های خود در زمینه توسعه وب هستید و می‌خواهید در پروژه‌های پیچیده‌تری شرکت کنید، شرکت  آموزش Angular می‌تواند گامی مهم در مسیر حرفه‌ای شما باشد. Angular، فریم‌ورکی قدرتمند برای ساخت برنامه‌های وب پویا و منعطف است که به توسعه‌دهندگان فرصت‌های تازه‌ای می‌دهد. معماری منظم و ماژولار آن، ساخت برنامه‌هایی ساختارمند و قابل نگهداری را تسهیل می‌کند. گفتنی است که وجود TypeScript امنیت را افزایش داده و باعث خوانایی کدها می‌شود. Angular با پشتیبانی از SPA (برنامه‌های تک‌صفحه‌ای) مسیریابی پیشرفته، تزریق وابستگی و انیمیشن‌های ظریف برای بهبود تجربه کاربری را فراهم می‌کند. به‌روزرسانی‌های مستمر خیال توسعه‌دهندگان را از آینده‌ی این فریم‌ورک آسوده می‌کند. می‌توان گفت آموزش انگولار، انتخابی هوشمندانه برای خلق وب‌اپلیکیشن‌های مدرن و مقیاس‌پذیر است. برای یادگیری و آموزش Angular منابع متعددی در دسترس است که شما می‌توانید با استفاده از آنها اطلاعات مفیدی درباره‌ی این فریم‌ورک بدست آورید. شما می‌توانید برای یادگیری آموزش انگولار 15 از طریق کتاب‌ها، ویدئوهای آموزش انگولار رایگان Youtube، آموزش انگولار pdf و دوره‌های آموزشی، اقدام کنید. این منابع به شما می‌کنند تا با اصول اولیه angular 17 شروع کرده و به تدریج به آموزش پیشرفته انگولار برسید. Angular، فریم‌ورکی قدرتمند و محبوب در دنیای توسعه وب است که کاربردهای فراوانی دارد. در این بخش، به برخی از مهم‌ترین کاربردهای Angular اشاره می‌کنیم: 1. توسعه وب‌اپلیکیشن‌های تک‌صفحه‌ای (SPA): Angular با ارائه قابلیت SPA، امکان توسعه وب‌اپلیکیشن‌هایی تک‌صفحه‌ای را فراهم می‌کند. این وب‌اپلیکیشن‌ها، کاربر را درگیر تجربه‌ای روان و پویا می‌کنند و شباهت زیادی به اپلیکیشن‌های موبایل دارند. در آموزش Angular شما نحوه‌ی توسعه این برنامه‌ها را یاد می‌گیرید. 2. توسعه وب‌سایت‌های پویا و تعاملی: انگولار، ابزاری ایده‌آل برای توسعه وب‌سایت‌های پویا و تعاملی است. با استفاده از Angular، می‌توانید وب‌سایت‌هایی بسازید که به‌طور مداوم با کاربر تعامل دارند و به داده‌های کاربر به‌صورت لحظه‌ای پاسخ می‌دهند. 3. ساخت ابزارهای مدیریتی: فریم‌ورک Angular، بسیار قدرتمند و قابل اعتماد است که برای ساخت ابزارهای مدیریتی پیچیده و کاربردی نیز می‌توان از آن استفاده کرد. این ابزارها، به مدیران سیستم و صاحبان کسب‌وکار کمک می‌کنند تا به‌راحتی امور مربوط به وب‌سایت یا اپلیکیشن خود را مدیریت کنند. 4. توسعه رابط‌های کاربری (UI) پیچیده: آنگولار جی اس با ارائه قابلیت‌های مختلفی مانند دایرکتیوها، کامپوننت‌ها و سرویس‌ها، امکان توسعه رابط‌های کاربری پیچیده و جذاب را فراهم می‌کند. با استفاده از Angular، می‌توانید UI کاربرپسند و جذابی بسازید تا نظر کاربران را به خود جلب کند. 5.  توسعه برنامه‌های وب مدرن و مقیاس‌پذیر: ASP.NET Core، فریم‌ورکی مدرن و مقیاس‌پذیر است که برای توسعه وب‌اپلیکیشن‌های پیچیده و بزرگ طراحی شده است. Angular نیز با ارائه قابلیت‌های ماژولار بودن و تزریق وابستگی، این امکان را فراهم می‌کند تا برنامه‌های وب مقیاس‌پذیر و قابل نگهداری بسازید. ترکیب Angular و ASP.NET Core، به توسعه دهندگان کمک می‌کند تا برنامه‌های وب مدرن و مقیاس‌پذیری بسازند که به‌راحتی قابل توسعه و نگهداری هستند. Angular فریم‌ورک محبوب توسعه وب، با توجه به تعهد گوگل به پشتیبانی و به‌روزرسانی مداوم، آینده‌ای روشن پیش رو دارد. تمرکز بر سادگی، دسترسی‌پذیری و نوآوری، Angular را به انتخابی ایده‌آل برای توسعه‌دهندگان تبدیل می‌کند. معرفی کامپوننت‌های مستقل، پیچیدگی‌های اولیه را کاهش می‌دهد و به توسعه‌دهندگان امکان می‌دهد تا به‌سرعت برنامه‌های خود را بسازند. با تمرکز بر بهبود تجربه کاربری، Angular در آینده نیز جایگاه خود را به‌عنوان یکی از مهم‌ترین فریم‌ورک‌های توسعه وب حفظ خواهد کرد، به همین علت توسعه‌دهندگان بیشتری را به آموزش Angular علاقه‌مند می‌شوند. افرادی که در بهترین آموزش انگولار شرکت می‌کنند مهارت‌های کافی برای ورود به بازار کار را یاد می‌گیرند. برخی از مشاغلی که فارغ‌التحصیلان Angular می‌توانند در آن‌ها مشغول به کار شوند، عبارت‌اند از: دوره آموزش انگولار مکتب خونه توسط سید مصطفی مشکاتی که توسعه‌دهنده در پیام‌رسان بله است، تدریس می‌شود. مدت زمان یادگیری انگولار فریم ورک آنگولار در این دوره 61 ساعت است که 14 ساعت آن ویدئوی آموزشی و 49 ساعت دیگر آن به تمرین و انجام پروژه انگولار اختصاص دارد. به همین علت شما با شرکت در آموزش Angular می‌توانید به‌طور کامل بر مباحث آن مسلط شوید. همچنین گفتنی است که در انتهای دوره آزمونی برگزار می‌شود که دانشجویان با شرکت در آن و کسب نمره قبولی، می‌توانند مدرک دریافت کنند. این مدرک معتبر قابل ترجمه است و شما می‌توانید با استفاده از در رزومه کاری خود موقعیت‌های شغلی بهتری در داخل و خارج ایران بدست آورید. در آموزش Angular که مکتب خونه برگزار می‌کند سرفصل‌های زیر آموزش داده می‌شود: برای شرکت در آموزش Angular باید با زبان‎هایJavaScript ،HTML  و CSS آشنا باشید. همچنین باید به برنامه نویسی شی‌گرایی تسلط داشته و شناخت خوبی با مباحث اولیه Front-End داشته باشید تا بتوانید در آموزش انگولار شرکت و مباحث آن را درک کنید. این دوره برای تمام افرادی که به انگولار علاقه‌مند هستند و امکان شرکت در آموزش انگولار حضوری را ندارند مناسب است. زیرا این دوره به‌صورت آنلاین برگزار می‌شود و شما می‌توانید بدون محدودیت زمانی و مکانی در این دوره شرکت کنید. توسعه‌دهنگان وب و دانشجویان رشته‌های کامپیوتر از جمله افرادی هستند که شرکت در آموزش انگولار برای آنها الزامی است. دوره‌ آموزشی Angular به شما مهارت‌های فنی و عملی متعددی را آموزش می‌دهند که برای توسعه وب‌اپلیکیشن‌های مدرن ضروری هستند. در انتهای آموزش انگولار شما مهارت‌های زیر را خواهید داشت: مکتب خونه با توجه به اهمیت انگولار، آموزش Angular را برگزار کرده است. در این دوره دانشجویان با تمامی مباحث مقدماتی آشنا می‌شوند و با انجام پروژه‌های آن به‌طور کامل بر مباحث فوق مسلط می‌شوند. در انتهای دوره نیز با دریافت مدرک، می‌توانند به‌راحتی برای آگهی‌های استخدامی این حوزه رزومه ارسال کنند و موقعیت شغلی خود را ارتقا دهند. اگر شما هم می‌خواهید درآمد خود را افزایش دهید، همین حالا ثبت‌نام کنید. همچنین در مکتب خونه انواع دوره آموزش برنامه نویسی، آموزش برنامه نویسی فرانت اند و آموزش جاوا اسکریپت به عنوان پیش نیاز و مکمل این دوره موجود است. فصل اول - مقدمه: 1 - انگولار چیست؟ 2 - ساخت اولین پروژه (قسمت اول) 3 - ساخت اولین پروژه (قسمت دوم) 4 - ابزارهای مورد استفاده 5 - روند دوره فصل دوم - مباحث پایه‌ای: 1 - ساختار پروژه و کامپوننت‌ها 2 - کامپوننت‌های مورد نیاز 3 - ساخت کامپوننت جدید (قسمت اول) 4 - ساخت کامپوننت جدید (قسمت دوم) 5 - تمرین اول 6 - ایونت بایندینگ (قسمت اول) 7 - ایونت بایندینگ (قسمت دوم) 8 - Two-way Data Binding 9 - تمرین دوم 10 - دایرکتیوها در انگولار 11 - پروژه TodoList 12 - تمرین سوم فصل سوم - آموزش معماری انگولار: 1 - ماژول‌ها 2 - Component Lifecycles 3 - پیاده‌سازی اولیه 4 - انتقال اطلاعات بین کامپوننت‌ها 5 - بهبود و اضافه کردن تسک‌ها 6 - چالش پیاده‌سازی پروژه‌ها 7 - Serviceها در انگولار 8 - پیاده‌سازی پروژه‌ها با استفاده از سرویس 9 - Dependency Injector در انگولار 10 - پیاده‌‎سازی پروژه‌ها 11 - معماری انگولار 12 - تمرین معماری انگولار فصل چهارم - گشت و گذار در صفحات با Routing: 1 - یک مشکل کوچک 2 - روتینگ در انگولار 3 - هدایت با استفاده از لینک‌ها 4 - استفاده از path‎ها در روتینگ 5 - پارامترهای routing 6 - بهبود پروژه 7 - روت‌های Nested 8 - روت Wild Card 9 - بیرونی‎سازی روتینگ 10 - اعتباردهی با guard 11 - ارسال داده در routing 12 - جمع‎بندی 13 - گشت و گذار در صفحات با Routing 14 - تمرین گشت و گذار در صفحات با Routing فصل پنجم - RxJS: 1 - RxJS و Observer Design Pattern 2 - سابسکرایب کردن - روتینگ 3 - ساخت Observable 4 - استفاده از Subjectها 5 - آنسابسکرایب 6 - اپراتورهای RxJS 7 - جمع‌بندی فصل ششم - کنترل فرم‌ها در انگولار: 1 - چرا به فرم و validate کردن نیاز داریم؟ 2 - ساخت فرم و فرم آبجکت 3 - ولیدیت کردن فیلدها 4 - استفاده از stateها و نمایش error 5 - تغییر مقادیر فرم‎ها 6 - ساخت فرم‌ Reactive 7 - ولیدیت کردن فیلدهای Reactive و گروه‎بندی 8 - ساخت کاستوم ولیدیتور 9 - ﮐﺎﺳﺘﻮم وﻟﯿﺪﯾﺘﻮر async 10 - ﮐﺎر ﺑﺎ آراﯾﻪ ای از FormControl‎ها 11 - ﺟﻤﻊ‎ﺑﻨﺪی 12 - ﮐﻨﺘﺮل ﻓﺮمﻫﺎ در اﻧﮕﻮﻻر فصل هفتم - کار با Http Module: 1 - معرفی 2 - ارسال درخواست Post 3 - ارﺳﺎل درﺧﻮاﺳﺖ GET 4 - ارور ﻫﻨﺪﻟﯿﻨﮓ 5 - ﻣﻌﺮﻓﯽ HttpClient 6 - آﭘﺸﻦﻫﺎی HttpClient 7 - HttpClient Interceptor 8 - ﺗﻐﯿﯿﺮ درﺧﻮاﺳﺖ و ﭘﺎﺳﺦ ﺑﺎ Interceptor 9 - کار با Http Module فصل هشتم - ﺗﻐﯿﯿﺮ ﺧﺮوﺟﯽ ﺑﺎ Pipe: 1 - معرفی Pipe 2 - استفاده از Pipeهای انگولار 3 - ﺳﺎﺧﺖ Pipe ﺧﻮدﻣﺎن 4 - اﺿﺎﻓﻪ ﮐﺮدن DatePicker 5 - ﭘﺎﯾﭗ Impure وPure 6 - مطالعه بیش‌تر 7 - تمرین فصل نهم - ﺗﺴﺖ در انگولار: 1 - ﻣﻌﺮﻓﯽ ﺗﺴﺖ و TDD 2 - تست ایزوله در انگولار 3 - ﺗﺴﺖ ﺑﺎ اﺳﺘﻔﺎده از اﺑﺰارﻫﺎی انگولار 4 - ﺗﺴﺖ ﺳﺮوﯾﺲ و Async 5 - Mock ﮐﺮدن ﺑﺎ SpyOn 6 - ﻧﮑﺎت ﺑﺎﻗﯽ‎ﻣﺎﻧﺪه و ﺟﻤﻊ‎ﺑﻨﺪی فصل دهم - ﺟﻤﻊ‎ﺑﻨﺪی: 1 - دیپلوی پروژه 2 - موارد پیش‎رو در انگولار پروژه پایانی انگولار: 1 - پروژه پایانی

درباره دوره: بطور کلی یک طرح تحقیق پژوهشی یا همان پروپوزال که توسط یک محقق باید تهیه و تنظیم گردد دارای قسمت های مختلفی است . برخی از این قسمت ها عبارتند از نوشتن مسئله اساسی تحقیق ، اهمیت و ضرورت انجام آن ، بررسی ادبیات و کارهای انجام شده در زمینه مورد نظر ، سوالات و فرضیات تحقیق ، روش شناسی تحقیق و زمان بندی انجام تحقیق است . بیان مسئله تحقیق بطور کلی شامل توضیح مسئله ، مشخص کردن جنبه های مجهول و مبهم آن و ذکر متغیرهای مسئله و شرح هدف از تحقیق و پژوهش است . قسمت اهمیت و ضرورت انجام تحقیق در برگیرنده اختلاف نظرها و کمبودهای تحقیقات موجود و بررسی میزان نیاز و اهمیت موضوع و فواید احتمالی نظری و عملی آن است. بررسی ادبیات و سوابق موضوع عبارتند از شرح پیشینه و کارهای انجام شده چه در داخل و خارج پیرامون موضوع تحقیق است. در این زمینه باید مجموعه تحقیقات انجام شده از نکته نظرهای نوع پژوهش انجام شده ، الگوریتم ها ، روش های ارائه شده ، نحوه شبیه سازی یا پیاده سازی محیط و داده های استفاده شده و غیره مورد بحث و بررسی قرار می گیرد. در اینجا ویدئو آموزشی این مبحث توسط استاد امیررضا اصنافی منتشر شده است و شما می توانید بصورت رایگان از این درس استفاده کنید. متأسفانه جلسات اول و دوم این کلاس ضبط نشده‌است. فیلم های آموزشی: 1 - جلسه سوم 2 - جلسه چهارم 3 - جلسه پنجم 4 - جلسه ششم 5 - جلسه هفتم 6 - جلسه هشتم

درباره دوره: درس‌های رایانش و اطلاعات کوانتومی یک و دو که در دو ترم ارائه خواهند شد، دوره‌هایی مناسبِ دانشجویان کارشناسی ارشد و دکترای دانشکده‌های فیزیک، ریاضی، علوم کامپیوتر و مهندسی برق هستند. در این دوره ابتدا نسبتاً به‌تفصیل به مطالعه‌ی مبانی مکانیک کوانتومی از یک دیدگاه مدرن می‌پردازیم و سپس به‌اختصار نظریه‌ی محاسبه‌ی کلاسیک را شرح می‌دهیم. درس شماره یک با رایانش کوانتومی،‌ مدل‌های محاسبه‌ی کوانتومی و آلگوریتم‌های کوانتومی پایان می‌یابد. در درس دو عمدتاً به معرفیِ نظریه‌ی اطلاعات کلاسیک و نظریه‌ی اطلاعات کوانتومی می‌پردازیم و توضیح می‌دهیم که چگونه اطلاعات کلاسیک و کوانتومی فشرده می‌شوند و چگونه ظرفیت‌های کانال‌های کلاسیک و کوانتومی تعریف و محاسبه می‌شوند. نظریه‌ی تصحیح خطا نیز بسته به سرعت پیشرفت درس در یکی از درس‌های یک یا دو به‌طور کامل ارائه خواهد شد. پیش‌نیاز این درس آشنایی با مکانیک کوانتومی است. منبع اصلی درس درسنامه‌های نوشته‌شده توسط مدرس دوره است که می‌توانید از آدرس زیر به آن‌ها دسترسی داشته باشید. https://physics.sharif.edu/~vahid/teachingQC.html دوره محاسبات کوانتومی برای دانشجویان رشته فیزیک و همه علاقه‌مندان به این مباحث مناسب است این درس درحال ضبط است و ویدیوهای جدید به مرور زمان اضافه می‌شود محاسبات کوانتومی: 1 - مقدمه - اثبات در ریاضی، آلگوریتم و ماشین تورینگ، گیت‌های منطقی، مدارهای کوانتومی، مدل‌های محاسبه‌ی کوانتومی 2 - ماتریس‌های چگالی و ماتریس‌های چگالی کیوبیتی 3 - عملگرهای کوانتومی 4 - ابعاد بیش از دو، ماتریس‌های گِل‌مان، هندسه‌ی فضای حالت‌های کوانتومی و سیستم‌های بی‌نهایت بعدی 5 - تجزیه‌ی اشمیت، تجزیه‌ی مقدار منفرد، خالص‌سازی، تجزیه‌ی انسامبلی و فرابرد کوانتومی 6 - کدگذاری چگال، رمزنگاری و مبادله‌ی کلید کوانتومی 7 - اشتراک کلید کوانتومی، اشتراک حالت کوانتومی، مقدماتی بر آلگوریتم‌های کوانتومی 8 - آلگوریتم‌های کوانتومی؛ دویچ، دویچ-جوزا، برنشتاین-وزیرانی، سیمن 9 - آلگوریتم سایمن، آلگوریتم جست‌و‌جوی گروور 10 - لگوریتم گروور، آلگوریتم شور 11 - ادامه‌ی آلگوریتم شور 12 - تبدیل فوریه‌ی کوانتومی، ادامه‌ی آلگوریتم شور 13 - مدارهای برگشت‌پذیر کلاسیک، مدارهای کوانتومی 14 - مدارهای کوانتومی، مجموعه‌ی جهان‌شمول گیت‌های کوانتومی 15 - کانال‌های کوانتومی، نگاشت‌های کاملاً مثبت و ردنگه‌دار؛ مثال‌هایی از کانال‌های کوانتومی 16 - کانال‌های کوانتومی، ماتریس چوی 17 - ادامه‌ی کانال‌های کوانتومی 18 - ماتریس دینامیکی، کانال‌های اکستریم، آنالوگ کلاسیک نگاشت‌های کوانتومی، معادله‌ی GKLS‌ 19 - اندازه‌گیری، اندازه‌گیری‌های تصویری

درباره دوره: فارغ از آنکه در چه رشته‌ای مشغول به تحصیل یا کار هستید، بدون شک آشنایی با علم آمار برای شما بسیار مفید و کاربردی خواهد بود و در نوشتن پایان‌نامه‌ها و مقالات به کمک‌تان می‌آید. تحلیل داده‌های کمی و کیفی به‌خصوص در حجم بالا، به سادگی از یک یا حتی چند نفر برنمی‌آید، اما نرم افزار Spss به راحتی آن را انجام می‌دهد. به کمک این نرم افزار می‌توانید انواع تحلیل‌های آماری را بر روی هر نوع داده‌ای انجام دهید و نمودارها و اشکالی به دست آورید که نتیجه‌گیری را برای شما ساده‌تر می‌کنند. به این ترتیب آشنایی با Spss و یادگیری این نرم‌افزار یکی از ضروریات برای دانشجویان به خصوص در رشته‌های علوم انسانی و ورزشی است. قبل از شروع دوره آموزش SPSS، بهتر است با این نرم افزار آشنایی کلی داشته باشید. این برنامه را می‌توان یکی از پرکاربردترین نرم افزارهای آماری دانست که کاربردهای بسیار گوناگون و متنوعی دارد. نرم افزار SPSS از دو بخش آمار توصیفی و آمار استنباطی پشتیبانی می‌کند و به کاربران اجازه می‌دهد تا از این دو طریق بتوانند داده‌های موردنظر خود را تحلیل کنند. این برنامه مانند اغلب نرم‌افزارها دارای ورژن‌های مختلفی است. درصورتی‌که شما از یک سایت معتبر اقدام به دانلود آن کنید، هیچ‌کدام از ورژن‌ها نسبت به دیگری برتری نداشته و می‌توان همه را در یک سطح دانست. البته طبیعی است که نسخه‌های جدیدتر برخی امکانات جدیدتر و محاسبات دقیق‌تر را دارند. یادگیری این نرم افزار برای دانشجویان تحصیلات تکمیلی و محققانی که در زمینه‌های مختلف فعالیت می‌کنند لازم و ضروری است. درصورتی‌که شما قصد دارید در این حوزه‌ها قدم بگذارید، بهتر است هرچه سریع‌تر برای آموزش نرم افزار SPSS از مبتدی اقدام کنید. با اس پی اس اس به زبان ساده، می‌توان اطلاعات و پرسشنامه‌هایی که در اختیاردارید را با تحلیل‌های آماری به‌صورت گام به گام تحلیل کرده و در قالب جدول‌ها و نمودارهای مختلف ارائه دهید. آموزش SPSS در بین آموزش نرم افزارهای مفید دیگر در این زمینه، بسیار رایج‌تر بوده، چراکه کاربرد بسیار بیشتری دارد. چند نمونه از قابلیت‌های این برنامه را در این قسمت معرفی می‌کنیم. تهیه خلاصه‌های آماری مانند نمودارها، جدول‌ها و ...تهیه انواع جدول‌های سفارشی‌شده مانند جدول فراوانی، درصد فراوانی و ...انواع توابع ریاضی مانند لگاریتم، توابع مثلثاتی و ...روش‌های تجزیه‌وتحلیل‌های دنباله‌های زمانیتوانایی محاسبه انواع آمارها و داده‌های توصیفیقابلیت مبادله اطلاعات با سایر نرم افزارهای مرتبط مانند اکسلانجام آنالیز واریانس یک‌طرفه، دوطرفه و ...قابلیت پردازیش انواع مختلف رگرسیونکاربردهای نرم افزار SPSS این نرم افزار را می‌توان پرکاربردترین نرم افزار در میان هم نوعان خود معرفی کرد. همین موضوع باعث شده تا یادگیری آن، تبدیل به یک امر واجب شود. اگر شما دانشجوی تحصیلات کمیلی باشید، بدون شک به یادگیری این نرم افزار آماری برای تکمیل پایان‌نامه خود نیاز خواهید داشت. حتی اگر دانشتان نسبت به این برنامه مبتدی و بسیار محدود باشد، باید به دنبال ارتقای آن رفته و سعی کنید که نسبت به آن کاملا مسلط شوید. در شاخه‌هایی مانند علوم اجتماعی و علوم انسانی که همواره از انواع پرسشنامه‌ها برای بررسی روابط، رفتارها و... استفاده می‌شود، در اختیار داشتن این نرم افزار و تسلط کافی بر آن بسیار لازم است تا بتوان به تحلیل آماری انواع متغیرهای موجود پرداخت. علم اقتصاد نیز از دیگر علومی است که نیاز به آموزش SPSS دارد. پژوهشگران فعال در این زمینه، با کمک این ابزار می‌توانند فرآیندهای زمانی اقتصادی و سایر موضوعات را به‌خوبی تحلیل کنند. از دیگر علومی که به یادگیری این ابزار نیاز دارند، می‌توان به پزشکی، کشاورزی و همچنین انواع شاخه‌های صنعتی اشاره‌ کرد. پس چنانچه شما در این زمینه‌ها فعالیت می‌کنید، بهتر است دوره آموزش مقدماتی تا پیشرفته آموزش نرم افزار SPSS را سپری کنید. دوره‌های آموزش SPSS بسیار جامع هستند و شما می‌توانید در طول آن‌ها انواع ویدئوهای مختلف به زبان فارسی را مشاهده کرده و اطلاعات خود را درباره این نرم افزار ارتقا دهید. بعد از سپری کردن دوره آموزشی با تمامی بخش‌های مختلف این برنامه آشنا شده و می‌توانید به‌خوبی با آن کار کنید. یکی از مهارت‌هایی که حین آموزش نرم افزار SPSS به آن پرداخته می‌شود، نحوه جمع‌آوری داده‌ها و اطلاعات است. برای این کار شما نیاز به تنظیم انواع پرسشنامه‌ها دارید تا بتوانید اطلاعات کاملا جامع و صحیحی را به دست آورید. بدون شک هرچه داده‌ها و اطلاعات درست‌تری را داشته باشید، می‌توانید تحلیل‌های آماری درست‌تری نیز به دست آورید. زمانی که به این برنامه مسلط شدید، دیگر فرقی نمی‌کند که می‌خواهید از آن برای چه کاربردی استفاده کنید، شما می‌توانید انواع داده‌ها، پرسشنامه‌ها و هر آنچه در این زمینه در اختیار دارید را وارد نرم افزار کرده و تحلیل‌های موردنظر خود را بر روی آن‌ها اعمال کنید. امروزه با تغییراتی که در دنیای کار به وجود آمده است، شما باید به هر نحوی، مهارت‌های خود را در زمینه تکنولوژی ارتقا دهید. در این زمینه می‌توانید به آموزش انواع نرم افزارهای مختلف رو آورید. یکی از این نرم افزارها SPSS است. با یادگیری این نرم افزار می‌توانید ضمن ارتقای شغلی، فرصت‌های کاری جدیدی را نیز برای خود ایجاد کنید. همان‌طور که اشاره کردیم این نرم افزار در زمینه‌های مختلف کاربرد دارد، در همین راستا شما می‌توانید با یادگیری آن و انجام انواع تحلیل‌های آماری درست به کمک آن، در هر حوزه کاری که دوست دارید، پیشرفت داشته باشید. با آموزش نرم افزار SPSS می‌توانید با سرعتی بسیار بالا، از تمامی رقیبان کاری خود جلو زده و شانس استخدام خود را در مشاغل مختلف، افزایش دهید. بسیاری از متخصصان دنیای بیزینس و تجارت خصوصاً در جهان مدرن و کشورهای پیشرفته امروزه به این نتیجه رسیده‌اند که تحلیل داده‌ها امری حیاتی برای بقای سازمان و تجارت است. حتی حکومت‌ها نیز دریافته‌اند که برای مدیریت افراد جامعه و سیاست‌گذاری اجتماعی باید از مردم جامعه داده‌هایی را در دست داشته باشند. بنابراین هدف از یادگیری دوره آموزش نرم‌افزار SPSS این است که شما بتوانید نیاز کسب‌وکارها و جوامع را به تحلیل داده با استفاده از این نرم‌افزار برطرف کنید و مهارت‌های لازم برای انجام تحلیل‌های آماری و داده‌کاوی را فرا بگیرید. مهم‌ترین و اصلی‌ترین مهارتی که در این دوره می‌آموزید، تحلیل آماری داده‌هاست. شما در این دوره تمام مهارت‌های لازم برای تحلیل آماری را به طور کاملاً کاربردی یاد می‌گیرید. از جمله این مهارت‌ها می‌توان به موارد زیر اشاره کرد: دوره آموزش اس پی اس اس تنها به آموزش تئوری این نرم‌افزار نمی‌پردازد. بلکه شما با کمک این دوره می‌توانید به‌صورت کاملاً کاربردی کار با SPSS را یاد بگیرید و از آن در تحقیق‌ها و پروژه‌های خود استفاده کنید. اگر شما می‌خواهید بدون هیچ پیش‌زمینه‌ای از SPSS آموزش آن را شروع کنید، این دوره کاملاً مناسب شماست. چراکه فرض دوره آموزش اس پی اس اس بر این است که مخاطب هیچ اطلاعاتی در مورد آمار، روش تحقیق و نرم‌افزارهای آماری ندارد. در این دوره در گام اول به شما آموزش می‌دهیم چگونه داده‌های خودتان را وارد کرده و سپس آن‌ها را بررسی و اصلاح کنید. در گام بعدی یاد می‌گیرید چگونه داده‌های خود را به طور کامل توصیف کنید. در بخش اصلی دوره آزمون‌هایی از جمله همبستگی، رگرسیون، آزمون‌های تی، انواع آزمون واریانس و... را به‌خوبی فرامی‌گیرید. آموزش داده‌کاوی آموزش علم داده آموزش هنر حل مسئله با داده فصل اول: مقدمه و نصب نرم‌افزار: 1 - مقدمه دوره 2 - نصب نرم‌افزار SPSS فصل دوم: دفترچه کدگذاری و تغییر متغیرها: 1 - آماده‌سازی دفترچه کدگذاری - قسمت اول 2 - آماده‌سازی دفترچه کدگذاری - قسمت دوم 3 - تعریف متغیرها - قسمت اول 4 - تعریف متغیرها - قسمت دوم 5 - ورود داده‌ها فصل سوم: تصحیح و ذخیره داده‌ها: 1 - تصحیح داده‌ها 2 - ذخیره‌سازی فصل چهارم: توصیف داده‌ها و سنجش بهنجاری: 1 - توصیف داده‌ها 2 - سنجش بهنجاری فصل پنجم: ترسیم نمودارها: 1 - ترسیم نمودارها فصل ششم: دستکاری داده‌ها: 1 - کدگذاری مجدد سوالات 2 - کاهش تعداد طبقات متغیرها - قسمت اول 3 - کاهش تعداد طبقات متغیرها - قسمت دوم 4 - محاسبه مجموع نمرات مقیاس فصل هفتم: همبستگی: 1 - مباحث نظری همبستگی 2 - اجرای همبستگی 3 - همبستگی تفکیکی 4 - پروژه - بخش اول فصل هشتم: رگرسیون: 1 - مباحث نظری رگرسیون 2 - اجرای رگرسیون چند متغیری هم‌زمان 3 - بررسی مفروضات 4 - تفسیر خروجی‌های رگرسیون 5 - اجرای رگرسیون خطی ساده 6 - اجرای رگرسیون چندگانه سلسله مراتبی 7 - پروژه - بخش دوم فصل نهم: آزمون تی: 1 - مباحث نظری آزمون تی 2 - آزمون تی مستقل 3 - آزمون تی وابسته فصل دهم: تحلیل واریانس: 1 - تحلیل واریانس یک‌راهه با آزمون‌های پس از تجربه 2 - تحلیل واریانس یک‌راهه با مقایسه‌های طرح‌ریزی‌شده 3 - تحلیل واریانس یک‌راهه با اندازه‌گیری‌های مکرر 4 - تحلیل واریانس دوراهه 5 - تحلیل واریانس آمیخته بین درون آزمودنی‌ها 6 - تحلیل واریانس چند متغیری 7 - جلسه پایانی 8 - پروژه - بخش پایانی

درباره دوره: *لازم به ذکر است که زیرنویس این دوره توسط هوش مصنوعی صورت گرفته است.*متخصصان حوزه‌ی داده، برای کمک به کسب‌وکارها در تصمیم‌گیری‌های بهتر، داده‌ها را تحلیل می‌کنند. آن‌ها برای انجام این کار از تکنیک‌های قدرتمندی مانند داستان‌سرایی با داده، آمار و یادگیری ماشین استفاده می‌کنند. در این دوره، شما با کاوش در نقش متخصصان داده در محیط کاری، سفر یادگیری خود را آغاز خواهید کرد. همچنین با فرآیند کاری پروژه‌محور PACE (برنامه‌ریزی، تحلیل، ساخت، اجرا) و چگونگی سازماندهی پروژه‌های داده با استفاده از آن آشنا می‌شوید. کارمندان گوگل که هم‌اکنون در این حوزه فعالیت می‌کنند، با ارائه‌ی فعالیت‌های عملی شبیه‌سازی‌شده‌ی وظایف مرتبط، به اشتراک گذاشتن نمونه‌هایی از کار روزانه‌ی خود و کمک به تقویت مهارت‌های تحلیل داده‌ی شما برای آمادگی شغلی، شما را در این دوره راهنمایی می‌کنند. مقدمه‌ای بر مفاهیم علم داده: 1 - خوش‌آمدگویی 2 - کشف جعبه ابزار داده‌ 3 - جمع‌بندی 4 - Lois-An:با کنجکاوی در حرفه‌ی داده خود پیش بروید 5 - ارزیابی تاثیر داده در عصر حاضر: 1 - خوش‌آمدگویی 2 - Adrian: ایجاد راه‌حل‌های تجاری مبتنی بر داده 3 - مشاغل مبتنی بر داده، موتور محرک کسب‌وکارهای مدرن 4 - بهره‌گیری از تحلیل داده در سازمان‌های غیرانتفاعی 5 - مهارت‌های کلیدی مورد نیاز برای یک حرفه‌ی مبتنی بر داده 6 - ملاحظات اخلاقی مهم برای متخصصان داده 7 - فضای شغلی برای متخصصان داده 8 - جمع‌بندی حرفه شما به عنوان یک متخصص داده: 1 - خوش‌آمدگویی 2 - Cassie: عشق مادام العمر به داده 3 - آینده مشاغل داده 4 - Tiffany: نصیحت برای جویندگان کار 5 - ایجاد یک حضور حرفه‌ای آنلاین 6 - تقویت روابط حرفه‌ای 7 - آماده شدن برای جستجوی کار 8 - Daisy: برجسته کردن مهارت‌های فنی و ارتباطی 9 - جمع‌بندی کاربردها و گردش کار داده: 1 - خوش‌آمدگویی 2 - Hautahi: اهمیت برقراری ارتباط در حرفه‌ی علوم داده 3 - آشنایی با مدل PACE 4 - عناصر کلیدی ارتباط 5 - ارتباط، محرک PACE 6 - PACE و موضوعات دوره‌ی آینده 7 - جمع‌بندی پروژه پایانی دوره: 1 - ارزش یک پورتفولیو 2 - معرفی پروژه پایانی دوره برای پورتفولیو 3 - جمع‌بندی پروژه پایانی دوره و نکاتی برای موفقیت شغلی در آینده 4 - جمع‌بندی دوره

درباره دوره: آموزش رایگان مدیریت محصول و MVP: مدیریت محصول، هنر خلق محصولی است که با حل مشکل و رفع نیازی به شیوه‌ای غیرمنتظره مشتری را مشعوف می‌­کند. هر سازمانی، چه آگاهانه و چه به طور ناخودآگاه، به مدیریت محصول نیاز دارد. حتی شرکت‌­های فعال در زمینه عرضه خدمات برای شکل­‌گیری و بقای خود نیازمند مدیریت محصول می­‌باشند. مدیریت محصول حوزه‌­ای در نقطه تلاقی طراحی محصول، فناوری و تولید، بازاریابی و استراتژی­‌های کسب­‌وکار است. مدیریت محصول در شرکت­‌های کوچک و نوپا، اغلب بر عهده یکی از بنیانگذاران شرکت است و در بسیاری موارد به صورت تجربی انجام می‌­شود. اما با رشد شرکت‌­ها، به ویژه در فضای رقابتی و جهانی امروز، مدیریت محصول به یکی از نقش­‌های ضروری و تعیین­‌کننده سودآوری هر سازمان مبدل می‌­شود. بنابراین، نیاز به شناسایی و توسعه مهارت و دانش تخصصی مدیریت محصول در ارائه پیشنهاد ارزشی و برآورده کردن، نه تنها نیازهای مشتری، بلکه افزایش ارزش دیگر ذینفعان همچون سرمایه‌­گذاران و کارکنان در هر کسب­‌وکاری نیازی محسوس است. چنانچه محصولی با موفقیت مورد پذیرش مشتری قرار گیرد و درآمد مناسب ایجاد نماید، تناسب محصول با بازار تحقق می­‌یابد. ایجاد چنین تناسبی، فرایندی پیوسته و مداوم و رسالت مدیران محصول است. با عنایت به این ضرورت و با هدف کمک به افزایش تولید ناخالص داخلی ملی، از طریق توسعه توانمندی متخصصان کسب­‌وکارهای میهن، مکتبخونه آموزش رایگان مدیریت محصول و MVP را طراحی و ارائه نموده است. دوره آموزش رایگان مدیریت محصول مبتنی بر دانش افراد متخصص و دارای تجربه در زمینه مدیریت محصول است مدیر محصول، فردی است که به شناسایی نیازهای مشتری می‌­پردازد و اطمینان حاصل می‌­کند اهداف گسترده‌­تر کسب­‌وکار به واسطه ارائه محصولات یا ویژگی­‌های آن‌ها محقق می­‌گردد. در حقیقت، مدیر محصول یا پروداکت منیجر فردی است که باید تصویری از موفقیت هر محصول را ترسیم کرده و تیم توسعه محصول را برای تبدیل این چشم‌­انداز محصول به واقعیت هدایت نماید. درک این نقش، مستلزم شناخت عمیقی، نه تنها از حوزه مدیریت و بازاریابی، بلکه مفاهیم و ابزارهای ضروری مدیریت محصول از مرحله شکل‌­گیری ایده تا تبدیل آن به محصولی واقعی و قابل ارائه می­‌باشد. با این وجود، درک نقش مدیر محصول همواره با دشواری­‌هایی روبرو است که ناشی از عدم دانش و فراگیری ناکافی ابزارها و الزامات این شغل است. مخاطب اصلی آموزش رایگان مدیریت محصول و MVP مکتب‌خونه، مدیران محصول و کارشناسان حوزه محصول و بازاریابی هستند که علاقمند به توسعه توانمندی و شایستگی خود در راستای آمادگی برای توسعه محصول می‌باشند. اما با توجه به نیاز کارکنان سایر بخش­‌های سازمان به آگاهی از مدیریت محصولات، این دوره همچنین برای شرکت‌کنندگان حوزه‌­های فروش، بازاریابی، مهندسی و برنامه­‌ریزی تولید، عملیات، و حتی نقش­‌های پشتیبانی همچون مالی و منابع انسانی نه تنها مفید است، بلکه رقابت‌پذیری را در مسیر رشد حرفه­‌ای فرد و عملکرد سازمانی افزایش می‌دهد. این آموزش رایگان مدیریت محصول، به گونه­‌ای طراحی شده که هر فرد آشنا به حوزه­‌ای از کسب و کار، امکان بهبود سطح دانش و مهارت مدیریت محصول را داشته باشد و بتواند ضمن درک چارچوب و مفاهیم اصلی مدیریت محصول، از روش­‌های جدید فراگیری شده به شیوه‌­ای آسان در حوزه کاری خود نیز بهره­‌مند گردد. از جمله مزایای دوره رایگان آموزش مدیریت محصول در مکتب‌خونه، می‌­توان به فراگیری روش­‌های افزایش بازگشت سرمایه و هزینه طرح­‌های توسعه محصول جدید، کوتاه کردن زمان بازارگذاری یا لانچ محصول، افزایش بهره‌وری و همکاری کارکنان و افزایش رقابت‌پذیری و سطح رضایت مشتری و سرانجام ایجاد ارزش و تمایز بیشتر در ارائه محصولات اشاره کرد. در دوره رایگان مدیریت محصول فراگیران، وظایف روزمره مدیر محصول را می­‌آموزند و با حوزه­‌های راهبردی و تاکتیکی این نقش مهم سازمانی آشنا می‌شوند. سرفصل­‌های این دوره، مهم‌­ترین مهارت‌­های مدیر محصول را تحت پوشش قرار می‌­دهد و شامل سرفصل‌­هایی همچون پژوهش و مطالعه بر بازار و مشتری و رقبا، توسعه استراتژی محصول، نقشه راه محصول، هماهنگ­‌سازی توسعه محصول و تیم محصول و تحلیل داده­‌های توسعه محصول می­‌باشد. MVP و مدیریت محصول: 1 - MVP و مدیریت محصول

درباره دوره: فیلم های آموزشی: 1 - توابع مختلط - جلسه ۱- بخش ۱ 2 - توابع مختلط - جلسه ۱- بخش ۲ 3 - توابع مختلط - جلسه ۲- بخش ۱ 4 - توابع مختلط - جلسه ۲- بخش ۲ 5 - توابع مختلط - جلسه ۳- بخش ۱ 6 - توابع مختلط - جلسه ۳- بخش ۲ 7 - توابع مختلط - جلسه ۴- بخش ۱ 8 - توابع مختلط - جلسه ۴- بخش ۲ 9 - توابع مختلط - جلسه ۵- بخش ۱ 10 - توابع مختلط - جلسه ۵- بخش ۲ 11 - توابع مختلط - جلسه ۶- بخش ۱ 12 - توابع مختلط - جلسه ۶- بخش ۲ 13 - توابع مختلط - جلسه ۷- بخش ۱ 14 - توابع مختلط - جلسه ۷- بخش ۲ 15 - توابع مختلط - جلسه ۸- بخش ۱ 16 - توابع مختلط - جلسه ۸- بخش ۲ 17 - توابع مختلط - جلسه ۹- بخش ۱ 18 - توابع مختلط - جلسه ۹- بخش ۲ 19 - توابع مختلط - جلسه ۱۰ 20 - توابع مختلط - جلسه ۱۱ 21 - توابع مختلط - جلسه ۱۲- بخش ۱ 22 - توابع مختلط - جلسه ۱۲- بخش ۲ 23 - توابع مختلط - جلسه ۱۳- بخش ۱ 24 - توابع مختلط - جلسه ۱۳- بخش ۲ 25 - توابع مختلط - جلسه ۱۴- بخش ۱ 26 - توابع مختلط - جلسه ۱۴- بخش ۲ 27 - توابع مختلط - جلسه ۱۵- بخش ۱ 28 - توابع مختلط - جلسه ۱۵- بخش ۲ 29 - توابع مختلط - جلسه ۱۶- بخش ۱ 30 - توابع مختلط - جلسه ۱۶- بخش ۲ 31 - توابع مختلط - جلسه ۱۷- بخش ۱ 32 - توابع مختلط - جلسه ۱۷- بخش ۲ 33 - توابع مختلط - جلسه ۱۸- بخش ۱ 34 - توابع مختلط - جلسه ۱۸- بخش ۲ 35 - توابع مختلط - جلسه ۱۹- بخش ۱ 36 - توابع مختلط - جلسه ۱۹- بخش ۲ 37 - توابع مختلط - جلسه ۲۰- بخش ۱ 38 - توابع مختلط - جلسه ۲۰- بخش ۲ 39 - توابع مختلط - جلسه ۲۱- بخش ۱ 40 - توابع مختلط - جلسه ۲۱- بخش ۲ 41 - توابع مختلط - جلسه ۲۲ 42 - توابع مختلط - جلسه ۲۳- بخش ۱ 43 - توابع مختلط - جلسه ۲۳- بخش ۲ 44 - توابع مختلط - جلسه ۲۴- بخش ۱ 45 - توابع مختلط - جلسه ۲۴- بخش ۲ 46 - توابع مختلط - جلسه ۲۵- بخش ۱ 47 - توابع مختلط - جلسه ۲۵- بخش ۲

درباره دوره: هرچه داده‌های بیشتری تولید کنیم، درک همه آن داده‌ها و استخراج بینش معنادار از آن‌ها دشوارتر می‌شود. داده کاوی راه‌حلی برای این موضوع ارائه می‌دهد، راه‌حلی که روش‌های تصمیم‌گیری کسب‌وکارها، کاهش هزینه‌ها و افزایش درآمد را شکل خواهد داد. دوره آموزش داده کاوی با هدف آموزش این ترند در دنیای کامپیوتر و برنامه‌نویسی ارائه شده است و به‌خوبی مفاهیم مربوط به درس داده کاوی را ارائه می‌دهد. دوره آموزش داده کاوی مکتب خونه، در ٢٤ جلسه در قالب محتوای ویدیویی از کلاس دانشگاه اصفهان گردآوری‌شده است. این دوره آموزشی در ٢٥ ساعت به کاربران ارائه می‌شود و در آن مفاهیم داده کاوی پوشش داده خواهد شد. دوره آموزش داده کاوی برای تمامی افرادی که به مفاهیم علم داده، تحلیل داده، متن کاوی، یادگیری ماشین، هوش مصنوعی و غیره علاقه‌مند هستند، مناسب است. به‌صورت کلی این دوره برای افراد زیر توصیه می‌شود. هدف از ارائه آموزش دیتا ماینینگ، آموزش مفاهیم و تکنیک‌های مربوط به داده کاوی به کاربران است. این آموزش یک آموزش کلاس محور است و برای اهداف کاربردی نیز مناسب خواهد بود. داده ‌کاوی (دیتا ماینینگ | data mining) معمولاً به‌عنوان فرآیند استفاده از کامپیوتر و اتوماسیون برای جستجوی مجموعه‌های بزرگی از داده‌ها برای الگوها و روندها، تبدیل آن یافته‌ها به بینش‌ها و پیش‌بینی‌های تجاری تعریف می‌شود. داده کاوی فراتر از فرآیند جستجو است، زیرا از داده‌ها برای ارزیابی احتمالات آینده و توسعه تجزیه‌وتحلیل‌های عملی استفاده می‌کند. دوره آموزش داده کاوی مختص آموزش این ترند است و بیشتر مفاهیمی که در داده کاوی موجود هستند را برای کاربران پوشش می‌دهد. مفهوم داده کاوی قبل از کامپیوترها وجود داشته است. آغاز داستان داده کاوی توسط قضیه بیز در سال 1763 و کشف تحلیل رگرسیون در سال 1805 آغاز شد. از طریق ماشین جهانی تورینگ (1936)، کشف شبکه‌های عصبی (1943)، توسعه پایگاه‌های داده (دهه 1970) و الگوریتم‌های ژنتیک (1975) و کشف دانش در پایگاه‌های داده (1989)، زمینه برای درک مدرن ما از آنچه داده کاوی امروزی است فراهم شد. همچنین بعداً با رشد پردازنده‌های کامپیوتری، ذخیره‌سازی داده‌ها و فناوری در دهه‌های 1990 و 2000، داده‌کاوی نه‌تنها قدرتمندتر، بلکه در انواع موقعیت‌ها نیز پربارتر شد. داده کاوی و یادگیری ماشینی (machine learning) فرآیندهای منحصربه‌فردی هستند که اغلب مترادف در نظر گرفته می‌شوند. با این حال، درحالی‌که هر دو برای تشخیص الگوها در مجموعه داده‌های بزرگ مفید هستند، عملکرد آن‌ها بسیار متفاوت است. داده کاوی فرآیند یافتن الگوها در داده‌ها خواهد بود. زیبایی داده کاوی در این است که با شناسایی پیشگیرانه الگوهای داده غیرشهودی از طریق الگوریتم‌ها (به‌عنوان‌مثال، مصرف‌کنندگانی که شیر می‌خرند به‌احتمال‌زیاد بیسکویت می‌خرند) به سؤالاتی که نمی‌دانستیم بپرسیم، پاسخ دهیم. با این حال، تفسیر این بینش‌ها و کاربرد آن‌ها در تصمیم‌گیری‌های تجاری همچنان نیازمند مشارکت انسانی است. در همین حال، یادگیری ماشینی فرآیندی است که به کامپیوتر یاد می‌دهد تا مانند انسان‌ها یاد بگیرد. با یادگیری ماشینی، کامپیوترها یاد می‌گیرند که چگونه احتمالات را تعیین کرده و بر اساس تجزیه‌وتحلیل داده‌های خود پیش‌بینی کنند. یادگیری ماشین گاهی از داده کاوی به‌عنوان بخشی از فرآیند خود استفاده می‌کند، در نهایت نیازی به دخالت مکرر انسان به‌صورت مداوم ندارد، به‌عنوان نمونه می‌توان از یادگیری عمیق و شبکه عصبی اشاره کرد که از دیتا ماینینگ استفاده می‌کنند. داده کاوی از یک روش کاملاً ساختاریافته و شش مرحله‌ای پیروی می‌کند که به‌عنوان فرآیند استاندارد بین صنعت برای داده کاوی (CRISP-DM) شناخته می‌شود. این فرآیند کار را در مراحل و در صورت لزوم تکرار مراحل را تشویق می‌کند. در واقع، تکرار مراحل اغلب برای توضیح تغییر داده‌ها یا معرفی متغیرهای مختلف ضروری است. در دوره آموزش داده کاوی مراحل و فرایند داده کاوی آموزش داده خواهد شد اما با این حال در زیر به این مراحل اشاره شده است. بیایید نگاهی دقیق‌تر به هر مرحله از CRISP-DM بیندازیم: برای شروع، ابتدا این سؤالات را بپرسید: هدف ما چیست؟ برای حل چه مشکلی تلاش می‌کنیم؟ چه داده‌هایی برای حل آن نیاز داریم؟ بدون درک روشنی از داده‌های مناسب برای استخراج، پروژه می‌تواند خطاها، نتایج نادرست یا نتایجی ایجاد کند که به سؤالات صحیح پاسخ نمی‌دهند. پس از تعیین هدف کلی، داده‌های مناسب باید جمع‌آوری شوند. داده‌ها باید با موضوع مرتبط باشند و معمولاً از منابع مختلفی مانند سوابق فروش، نظرسنجی مشتریان و داده‌های موقعیت جغرافیایی می‌آیند. هدف این مرحله ‌این است که اطمینان حاصل شود که داده‌ها به‌درستی تمام مجموعه داده‌های لازم برای رسیدگی به هدف را در برمی‌گیرند. زمان‌برترین مرحله، مرحله آماده‌سازی، شامل سه مرحله است: استخراج، تبدیل و بارگذاری که به آن ETL نیز گفته می‌شود. ابتدا داده‌ها از منابع مختلف استخراج شده و در یک منطقه مرحله‌بندی سپرده می‌شوند. در مرحله بعد، در مرحله تبدیل: داده‌ها تمیز می‌شوند، مجموعه‌های تهی پر می‌شوند، داده‌های پرت و تکراری حذف می‌شوند، خطاها برطرف می‌شوند و همه داده‌ها به جداول اختصاص می‌یابد. در مرحله آخر، بارگذاری، داده‌های فرمت شده برای استفاده در پایگاه داده بارگذاری می‌شوند. مدل‌سازی داده‌ها به مجموعه داده‌های مربوطه می‌پردازد و بهترین رویکرد و تحلیل‌های آماری و ریاضی را برای پاسخگویی به سؤال‌های هدف در نظر می‌گیرد. تکنیک‌های مدل‌سازی مختلفی مانند طبقه‌بندی، خوشه‌بندی و تحلیل رگرسیون موجود است که در دوره آموزش داده کاوی موردبحث واقع‌شده‌اند. پس از ساخت و آزمایش مدل‌ها، زمان ارزیابی کارایی آن‌ها در پاسخ به سؤالی که در مرحله درک کسب‌وکار شناسایی‌شده است فرا می‌رسد. این یک مرحله انسان‌محور است، زیرا فردی که پروژه را اجرا می‌کند باید تعیین کند که آیا خروجی مدل به‌اندازه کافی اهداف آن‌ها را برآورده می‌کند یا خیر. در غیر این صورت، می‌توان مدل متفاوتی ایجاد کرد یا داده‌های متفاوتی تهیه کرد. هنگامی که مدل data کاوی دقیق و موفق در پاسخ به سؤال عینی تلقی شد، زمان استفاده از آن فرا می‌رسد. استقرار می‌تواند در قالب یک ارائه بصری یا یک گزارش به اشتراک‌گذاری بینش رخ دهد. همچنین می‌تواند به اقداماتی مانند ایجاد یک استراتژی فروش جدید یا اجرای اقدامات کاهش ریسک منجر شود. داده کاوی در شناسایی الگوهای داده و استخراج بینش تجاری مفید از آن الگوها بسیار مفید است. برای انجام این وظایف، متخصصین از تکنیک‌های مختلفی برای تولید نتایج متفاوت استفاده می‌کنند. در اینجا پنج تکنیک رایج داده کاوی آورده شده است که این تکنیک‌ها در دوره آموزش داده کاوی نیز آورده شده‌اند. تکنیک طبقه‌بندی یا کلاس‌بندی، نقاط داده بر اساس یک سؤال یا مشکل خاص به گروه‌ها یا کلاس‌ها اختصاص داده می‌شود که در دوره آموزش دیتا ماینینگ آموزش داده خواهد شد. این تابع به دنبال کشف روابط بین نقاط داده خواه بود. از آن برای تعیین اینکه آیا یک عمل یا متغیر خاص دارای ویژگی‌هایی است که می‌تواند با سایر اقدامات مرتبط باشد استفاده می‌شود. در دوره آموزش داده کاوی مفاهیم مربوط به خوشه‌بندی پوشش داده شده است. علاوه بر جستجوی الگوها، داده کاوی به دنبال کشف داده‌های غیرعادی در یک مجموعه است. تشخیص ناهنجاری فرآیند یافتن داده‌هایی است که با الگو مطابقت ندارند. این فرآیند می‌تواند به یافتن موارد تقلب کمک کند و به خرده‌فروشان کمک کند تا در مورد افزایش یا کاهش فروش محصولات خاص بیشتر بدانند. خوشه‌بندی به دنبال شباهت‌ها در یک مجموعه داده می‌گردد و نقاط داده‌ای را که ویژگی‌های مشترک دارند را به زیرمجموعه‌ها جدا می‌کند. این شبیه به نوع تجزیه‌وتحلیل طبقه‌بندی است که نقاط داده را گروه‌بندی می‌کند، اما در تجزیه‌وتحلیل خوشه‌بندی، داده‌ها به گروه‌های قبلاً تعریف‌شده اختصاص داده نمی‌شوند. خوشه‌بندی برای تعریف صفات در یک مجموعه داده مفید است، مانند تقسیم‌بندی مشتریان بر اساس رفتار خرید، وضعیت نیاز، مرحله زندگی یا ترجیحات احتمالی در ارتباطات بازاریابی. در دوره آموزش داده کاوی مباحث خوشه‌بندی به‌صورت کامل پوشش داده خواهد شد. تجزیه‌وتحلیل رگرسیون در مورد درک این است که کدام عوامل در یک مجموعه داده مهم‌تر هستند، چه عواملی می‌توانند نادیده گرفته شوند و چگونه این عوامل با هم تعامل دارند. با استفاده از این روش، داده‌کاوی‌ها می‌توانند نظریه‌هایی را تأیید کنند. کسب‌وکارها از داده‌کاوی استفاده می‌کنند تا با استفاده از داده‌هایی که در مورد مشتریان، محصولات، فروش و کمپین‌های تبلیغاتی و بازاریابی جمع‌آوری می‌کنند، مزیت رقابتی به خود بدهند. داده کاوی به آن‌ها کمک می‌کند تا عملیات را سریع‌تر کنند، روابط با مشتریان فعلی را بهبود بخشند و مشتریان جدیدی به دست آورند. به‌صورت کلی کاربردهای داده کاوی را می‌توان در موارد زیر خلاصه کرد ولی کاربردها به این موارد خلاصه نمی‌شود. در ابتدایی ترین کاربرد، خرده‌فروشان از تجزیه‌وتحلیل سبد برای تجزیه‌وتحلیل آنچه مصرف‌کنندگان می‌خرند استفاده می‌کنند. این یک شکل از تکنیک تداعی است که به خرده‌فروشان بینشی در مورد عادات خرید می‌دهد و به آن‌ها اجازه می‌دهد خریدهای دیگر را توصیه کنند. پیش‌بینی فروش شکلی از تحلیل پیش‌بینی‌کننده است که کسب‌وکارها بیشتر از بودجه خود را به آن اختصاص می‌دهند. داده کاوی می‌تواند با بررسی داده‌های تاریخی مانند سوابق فروش، شاخص‌های مالی، عادات مخارج مصرف‌کننده، فروش منتسب به یک زمان خاص از سال و روندها، به کسب‌وکارها کمک کند تا فروش را پیش‌بینی کنند و اهداف تعیین کنند. کسب‌وکارها پایگاه‌های داده بزرگی از داده‌های مصرف‌کننده می‌سازند که از آن برای شکل‌دهی و تمرکز تلاش‌های بازاریابی خود استفاده می‌کنند. این کسب‌وکارها به راه‌هایی برای مدیریت و استفاده از این داده‌ها برای توسعه ارتباطات بازاریابی هدفمند و شخصی‌شده نیاز دارند. داده کاوی به کسب‌وکارها کمک می‌کند تا رفتارهای مصرف‌کننده را درک کنند، اطلاعات تماس و سرنخ‌ها را ردیابی کنند و مشتریان بیشتری را در پایگاه‌های داده بازاریابی خود درگیر کنند. داده کاوی می‌تواند اطلاعات به‌روزی را در مورد موجودی محصول، برنامه‌های تحویل و الزامات تولید در اختیار کسب‌وکارها قرار دهد. داده کاوی همچنین می‌تواند به حذف برخی از عدم قطعیت‌های ناشی از مسائل ساده عرضه و تقاضا در زنجیره تأمین کمک کند. سرعتی که داده‌کاوی می‌تواند الگوها را تشخیص دهد و پیش‌بینی‌ها را طراحی کند، به شرکت‌ها کمک می‌کند تا سهام محصول خود را بهتر مدیریت کنند و کارآمدتر عمل کنند. کسب‌وکارها، به‌ویژه خرده‌فروشان، حجم عظیمی از داده‌ها را از طریق برنامه‌های وفاداری تولید می‌کنند. داده کاوی به این کسب‌وکارها اجازه می‌دهد تا از طریق این داده‌ها روابط با مشتری را ایجاد و تقویت کنند. در زیر چند موقعیت برتر که از تکنیک‌های داده کاوی استفاده می‌کنند آورده شده است. مدیران پایگاه داده نقش‌های حیاتی در ذخیره، ایمن‌سازی و بازیابی بالقوه داده‌های یک شرکت ایفا می‌کنند. آن‌ها اطمینان حاصل می‌کنند که تحلیلگران می‌توانند در صورت نیاز به داده‌های مناسب دسترسی داشته باشند. مدیریت پایگاه داده یک زمینه در حال گسترش با پتانسیل حقوق و دستمزد زیادی است. دانشمندان علوم کامپیوتر و اطلاعات فناوری جدید (زبان‌های کامپیوتری، سیستم‌عامل‌ها، نرم‌افزارها و غیره) را در فضایی که به‌سرعت در حال گسترش است طراحی می‌کنند و همیشه در جستجوی ایده‌های جدید هستند. آن‌ها در زمینه‌هایی مانند مالی، فناوری، مراقبت‌های بهداشتی و اکتشاف علمی کار می‌کنند. تحلیلگران تحقیقاتی مطالعات بازاریابی را برای کمک به شرکت‌ها برای هدف قرار دادن مشتریان جدید، افزایش فروش و تعیین پتانسیل فروش محصولات جدید انجام می‌دهند. رشد تجارت الکترونیک باعث رشد در این زمینه می‌شود. معماران شبکه ارتباطات داده یک شرکت را طراحی، می‌سازند و نگهداری می‌کنند که می‌تواند از چند کامپیوتر تا یک مرکز داده بزرگ و مبتنی بر ابر را شامل شود. کارشناسان امنیت دیجیتال تقریباً برای هر سازمانی که نیاز به محافظت از داده‌های حساس و جلوگیری از حملات سایبری دارد ضروری شده‌اند و داده کاوی این پتانسیل را دارد که به آن‌ها کمک کند. به‌صورت کلی در حال حاضر همه شرکت‌های بزرگ و کوچک که مبنی بر فناوری و اینترنت هستند از داده کاوی بهره می‌برند، بنابراین یادگیری داده کاوی با منابع و مراجع آموزشی به‌نوعی ضرورت تبدیل‌شده است. دوره آموزش داده کاوی مکتب خونه نقطه شروع خوبی برای انجام این کار است. فیلم های آموزشی: 1 - جلسه اول - شناخت انواع داده‌ها و ویژگی‌ها 2 - جلسه دوم - انواع ویژگی‌ها و توصیف آماری داده‌ها 3 - جلسه سوم - شناخت داده‌ها (پراکندگی، توزیع نرمال، تحلیل هیستوگرام، اندازه‌گیری شباهت و عدم شباهت داده‌ها) 4 - جلسه چهارم - تکمیل روش‌های شباهت‌سنجی-مصورسازی داده‌ها 5 - جلسه پنجم - عملیات پیش‌پردازش وپاک‌سازی داده‌ها 6 - جلسه ششم - عملیات پیش پردازش- تجمیع داده‌ها (تحلیل همبستگی – تست کای-دو) 7 - جلسه هفتم - روش‌های کاهش داده- (کاهش بعد، تبدیل موجک، تبدیل HAAR) 8 - جلسه هشتم - روش‌های کاهش داده- هیستوگرام، خوشه‌بندی و… 9 - جلسه نهم - انواع روش‌های گسسته‌سازی 10 - جلسه دهم - انباره داده‌ها-شماهای ستاره‌ای، دانه‌برفی تحلیل الگوهای پرتکرار 11 - جلسه یازدهم - ایجاد قوانین انجمنی 12 - جلسه دوازدهم - الگوریتم Apriori 13 - جلسه سیزدهم - افزایش بهره‌وری الگوریتم Apriori و شروع FP-growth 14 - جلسه چهاردهم - الگوریتم Eclat و معیارهای ارزیابی قوانین انجمنی 15 - جلسه پانزدهم - مفاهیم دسته‌بندی داده‌ها 16 - جلسه شانزدهم - درخت تصمیم 17 - جلسه هفدهم - بررسی معیارهای شاخص و هرس درخت تصمیم 18 - جلسه هجدهم - دسته‌بندی بیزین - دسته‌بندی مبتنی بر قانون 19 - جلسه نوزدهم - استخراج قوانین درخت تصمیم 20 - جلسه بیستم - ارزیابی و مقایسه روش‌های دسته‌بندی 21 - جلسه بیست و یکم - Ensemble Methods 22 - جلسه بیست و دوم - روش‌های دسته‌بندی پیشرفته 23 - جلسه بیست و سوم - مفاهیم خوشه‌بندی – k-means 24 - جلسه بیست و چهارم - خوشه‌بندی سلسله‌مراتبی

درباره دوره: واژه‌ی «کرونا ویروس» از کلمه لاتین «corona» به معنی تاج یا هاله گرفته شده‌است. این واژه به مشخصه‌ی ظاهری ویریون‌ها (شکل عفونی ویروس) که در زیر میکروسکوپ الکترونی دیده می‌شود، اشاره دارد. تاکنون شش نمونه از ویروس کرونا کشف شده‌است و با این مورد آخر، تعداد آن به هفت تا رسیده‌است. ویروس‌های کرونا یک خانواده‌ی بزرگ ویروسی هستند. بعضی از ویروس‌های کرونا باعث بیمار شدن انسان می‌شوند و سایر آن‌ها حیواناتی مثل خفاش‌ها، شترها، و گربه‌های زباد را بیمار می‌کنند. ویروس‌های کرونا در انسان معمولاً بیماری ملایمی ایجاد می‌کنند، مثل یک سرما خوردگی ساده. به ندرت ویروس‌های کرونای حیوانی تکامل پیدا می‌کنند و بیماری‌های شدیدی را در انسان ایجاد کنند، مثل Severe Acute Respiratory Syndrome (SARS) (سندروم تنفسی شدید) که در سال 2002 ظاهر شد و Middle East Respiratory Syndrome (MERS) (سندروم تنفسی خاور میانه) که در سال 2012 ظاهر شد. COVID-19 یک گونه جدید ویروس کرونا است که قبلاً در انسان شناخته نشده‌بود. این ویروس برای اولین بار در ووهان چین شناخته‌شد. از آن پس به سرعت و به شکل وسیعی در چین پخش شده و مواردی از آن در چندین کشور دیگر نیز دیده شده‌است. این ویروس ارتباط نزدیکی با ویروس کرونای خفاش دارد. هنوز چیزهای زیادی هست که باید در باره نحوه شیوع COVID-19، شدت آن و ویژگی‌های دیگر ویروس فرا گرفته شود؛ به همین منظور پژوهش‌های اپیدمیولوژیک و بالینی در جریانند. ویروس‌های کرونای انسان از طریق قطره‌های آلوده که با سرفه یا عطسه پخش می‌شوند، یا تماس با دست‌ها، سطوح یا اشیاء آلوده از کسی که ویروس کرونا دارد به دیگرانی که با او تماس نزدیک دارند منتقل می‌شوند. فاصله زمانی بین وقتی که یک نفر در معرض ویروس قرار می‌گیرد تا وقتی که عوارض برای اولین بار ظاهر می‌شوند معمولاً 5 تا 6 روز است، اگر چه می‌تواند از 2 تا 14 روز نیز باشد. به این دلیل، از کسانی که احتمالاً با یک مورد تایید شده تماس داشته‌اند خواسته می‌شود که خودشان را برای 14 روز قرنطینه کنند. این درس شامل مجموعه‌ای از فیلم‌های آموزشی است که در رابطه با ویروس کرونا جمع‌آوری شده‌است. امیدواریم که این مجموعه بتواند شما را نسبت به این بیماری آگاه‌تر کند. منبع فصل‌های 3 تا 6:  corona.ir فصل 1: آشنایی با کرونا ویروس: 1 - همه چیز درباره بیماری و ویروس کرونا 2 - 560 ثانیه با کرونا فصل 2: پاسخ به تعدادی از پرسش‌های کرونایی: 1 - اگر کرونا بگیریم دقیقا چه اتفاقی در بدن ما می‌افتد؟ 2 - چطور از عابر‌بانک استفاده کنیم و آلوده به ویروس کرونا نشویم؟ 3 - چرا توصیه می‌شود از تماس نزدیک با افرادی که تب دارند و سرفه می‌کند خودداری کنید؟ 4 - مردم چه کاری می‌توانند انجام دهند تا از خودشون و دیگران در برابر ویروس کرونا حفاظت کنند؟ 5 - کیت تست ویروس کرونا چگونه کار می‌کند؟ 6 - قرنطینه‌ایم، خوراکی را از کجا بخریم؟ 7 - قرنطینه‌ایم، چی بلد نیستی؟ 8 - قرنطینه‌ایم، چجوری دکتر نریم؟ 9 - قرنطینه‌ایم، چجوری خرید کنیم؟ 10 - قرنطینه‌ایم، بسته هامون رو چطوری ارسال کنیم؟ 11 - قرنطینه‌ایم، کارهای بانکی مون رو چطوری انجام بدیم؟ 12 - قرنطینه‌ایم، کارهای بیمه رو چطوری انجام بدیم؟ 13 - قرنطینه‌ایم، برای تناسب اندام چیکار کنیم؟ فصل 3: کرونا ویروس از نگاه اپیدمیولوژی: 1 - جلسه اول: مقدمه 2 - جلسه دوم: آشنایی با شاخص «میزان مولد پایه» و اهمیت تشخیص زودرس بیماری 3 - جلسه سوم: مدیریت بیماران و افراد وابسته 4 - جلسه چهارم: آیا بیماری در دوره کمون منتقل می‌شود؟ 5 - جلسه پنجم: نقش سیستم بهداشتی، پرسنل و اهمیت کنترل استرس 6 - جلسه ششم: اهمیت واکنش متناسب و مدیریت استرس 7 - جلسه هفتم: تا چه زمانی درگیر ویروس کرونا خواهیم بود؟ 8 - جلسه هشتم: توصیه‌های مهم در مراجعه به بیمارستان 9 - جلسه نهم: جایگاه حیاتی آموزش و دریافت اطلاعات از منابع معتبر فصل 4: احتیاط‌ها و پیشگیری‌های اولیه ویژه پزشکان و مراقبین سلامت: 1 - جلسه اول: مقدمه 2 - جلسه دوم: ویزیت بیماران عادی و مشکوک 3 - جلسه سوم: آشنایی با احتیاطات لازم در برخورد با بیمار و اصول تمیز کردن سطوح 4 - جلسه چهارم: ایمنی هنگام خدمت رسانی از نزدیک به بیماران مبتلا 5 - جلسه پنجم: ماسک‌ها و روش صحیح استفاده از ماسک N95 و جراحی 6 - جلسه ششم: اصول شستن دست‌ها 7 - جلسه هفتم: نمونه‌گیری از بیمار و احتمال همزمانی با دیگر بیماری‌ها 8 - جلسه هشتم: چند نکته کوتاه تکمیلی فصل 5: پیشگیری و دانستنی‌های ضروری (آموزش همگانی): 1 - جلسه اول: مقدمه و معرفی کوتاه ویروس کرونا 2 - جلسه دوم: علایم و نشانه‌های ابتلا، آیا بیماری از سرماخوردگی به راحتی قابل افتراق است؟ 3 - جلسه سوم: راه‌ها انتقال ویروس کرونا 4 - جلسه چهارم: راهکارهای پیشگیری از ابتلا به کرونا 5 - جلسه بنجم: روش صحیح استفاده از ماسک 6 - جلسه ششم: در صورت ابتلای یکی از اعضای خانواده به ویروس کرونا و یا مواجهه با فرد مبتلا، چه کنیم؟ 7 - جلسه هفتم: آیا درمان واکسنی برای ویروس کرونا وجود دارد؟ 8 - جلسه هشتم: کلیپ آموزشی مفید و فایل مرتبط 9 - جلسه نهم: دانلود پوسترهای اختصاصی جمعیت هلال احمر 10 - جلسه دهم: پاسخ به پرسش‌های رایج فصل 6: دانستنی‌های ضروری ویروس کرونا (ویژه جامعه پزشکی): 1 - جسه اول: مقدمه و اهمیت توجه به ویروس کرونا 2 - جلسه دوم: علایم و نشانه‌ها، چگونگی شناسایی افراد مشکوک و تأیید تشخیص 3 - جلسه سوم: روش‌های انتقال بیماری و دوره کمون 4 - جلسه چهارم: راهکارهای پیشگیری 5 - جلسه پنجم: درمان کرونا ویروس و میزان مرگ‌و‌میر 6 - جلسه ششم: دستورالعمل مراقبت، تشخیص و درمان کوروناویروس جدید

درباره دوره: این دوره آموزشی توسط  Iisha Garg تحت راهنمایی دکتر Aman Varma، روانشناس مجرب، تهیه شده است. اختلال شخصیت مرزی (BPD) یک اختلال سلامت روانی است که بر نحوه تفکر و احساس شما در مورد خود و دیگران تأثیر می‌گذارد و باعث مشکلات در عملکرد روزانه شما می‌شود. این اختلال شامل مشکلات تصویر ذهنی، دشواری در مدیریت احساسات و رفتار و الگوی روابط ناپایدار است. افراد مبتلا به BPD ترس شدیدی از رها شدن یا بی‌ثباتی دارند و ممکن است به سختی تنهایی را تحمل کنند. با این حال، خشم نامناسب، سهل‌انگاری و نوسانات خلقی مکرر ممکن است دیگران را از شما دور کند، حتی اگر به دنبال روابط عاشقانه و پایدار باشید. درمان طرحواره می‌تواند به افراد در شناسایی الگوهای فکری و رفتاری که زمینه‌ساز و مداوم اختلالات سلامت روان هستند، کمک کند. دکتر جفری یونگ درمان طرحواره را در اواسط دهه 1980 آغاز کرد، پس از اینکه دریافت که درمان شناختی-رفتاری برای برخی افراد کمتر مفید است، به ویژه افرادی که نگرانی‌های شخصیتی مزمن دارند. او مفاهیم مختلفی را از رویکردهای گره‌زنی، روابط ابژه، ساخت‌گرایی و روانکاوی ترکیب کرد و یک روش یکپارچه را ایجاد کرد که بر نقاط قوت هر روش تمرکز داشت. اولین موسسه درمان طرحواره در دهه 1990 در منهتن افتتاح شد. تعداد زیادی از مطالعات انجام شده با این روش نشان دادند که این روش برای اختلال شخصیت مرزی بسیار موثر است و تحقیقات بیشتر برای توسعه درمان طرحواره و اثبات اثربخشی آن ادامه دارد. به تازگی، درمان طرحواره نیز با مدیتیشن آگاهی همراه شده است تا یک رویکرد معنوی‌تر ایجاد شود. در این دوره، شما همه چیز در مورد نحوه درمان اختلال شخصیت مرزی با استفاده از درمان طرحواره را خواهید آموخت. ما اصول اولیه و همچنین برخی از تمرینات پیشرفته را برای مشاوره به مشتریان و درمان مسائل ذهنی آنها پوشش خواهیم داد. مقدمه: 1 - همبودی و شروع 2 - توسعه اصول طرحواره درمانی: 1 - درمان با CBT 2 - توسعه طرحواره‌ها 3 - همبودی اختلالات 4 - منطق طرحواره درمانی 5 - حالت‌های ویژگی‌ها ایجاد طرح درمانی: 1 - چگونگی ساختاردهی درمان 2 - مراحل درمان درک روابط درمانی: 1 - عناصر رابطه 2 - طرحواره‌های درمانگر تکنیک‌های تجربی برای BPD: 1 - تکنیک اول 2 - تکنیک دوم 3 - تکنیک سوم 4 - تکنیک چهارم پیاده‌سازی تکنیک‌های شناختی: 1 - مقدمه‌ای بر تکنیک‌های شناختی 2 - 9 تکنیک مؤثر پیاده‌سازی تکنیک‌های رفتاری: 1 - تکنیک‌های رفتاری تکنیک‌های خاص: 1 - برای محافظ جدا 2 - برای کودک رها شده و آزار دیده 3 - برای کودک عصبانی و تحریک‌پذیر 4 - برای والد تنبیه‌گر 5 - برای بزرگسال سالم پایان درمان: 1 - پایان دادن به درمان