درباره دوره: کارگاه اقتصاد واسطه‌گری مالی توسط دکتر امیررضا محسن زاده کرمانی، استاد اقتصاد دانشگاه برکلی آمریکا، ارائه شده‌است. این کارگاه سال 1397 در سالن دکتر مشایخی دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف برگزار شده‌است. در این کارگاه دکتر کرمانی به بررسی مقاله‌ی Economic of Financial Intermediate پرداخته‌اند. اقتصاد واسطه‌گری مالی: 1 - اقتصاد واسطه‌گری مالی (Economics of Financial Intermediation) 2 - معماری سیستم مالی و ترازنامه مؤسسات (Financial System Architecture and institutions balancesheet)

درباره دوره: قدم بعدی  که مدیران افراد موفق پس از استخدام کارمندان خوب و مناسب برمی‌دارند، توسعه پتانسیل کامل کارکنانشان است. مدیریت عملکرد فرآیندی است که به مدیران کمک می‌کند تا به هدف خود دست یابند که بهترین‌ها را از کارکنان خود دریافت کنند. در دوره آموزش مدیریت عملکرد کارکنان، مهارت‌ها و فرآیندهای کلیدی مورد نیاز برای توسعه کارکنان برای دستیابی به اهداف بخش و سازمان را مورد بحث قرار خواهیم داد که این مهارت‌ها شامل تعیین انتظارات روشن، ارائه بازخورد مثبت و اصلاحی و ارائه یک ارزیابی عملکرد موثر خواهد بود. توسعه سیستم‌های مدیریت عملکرد: 1 - مقدمه دوره 2 - درباره Larry Bourgerie 3 - ارتباط مدیریت عملکرد با نتایج مالی (ROI) 4 - فرهنگ و مدیریت عملکرد - دیدگاه جهانی 5 - مدیریت عملکرد و بررسی عملکرد؛ آیا آنها یکی نیستند؟ 6 - اهداف و عناصر طراحی مدیریت عملکرد موثر 7 - تاثیر مدیریت عملکرد موثر در داخل و خارج 8 - مدل مدیریت عملکرد استراتژیک 9 - خطرات اجرای مدیریت عملکرد ضعیف 10 - نقش آموزش در استراتژی مدیریت عملکرد 11 - ارتباط مدیریت عملکرد با استراتژی پیاده‌سازی سیستم‌های مدیریت عملکرد: 1 - رفتار و نتایج: آیا هر دو عملکردی ندارند؟ 2 - "محاسبه" عملکرد 3 - اهمیت تعریف عملکرد 4 - صفات، رفتارها، نتایج - چه چیزی مهم است؟ 5 - مهارت‌های عملکردی در مقابل مهارت‌های قابل انتقال 6 - ویژگی‌های اهداف عملکرد موثر 7 - تدوین استانداردهای عملکرد 8 - آیا هنگام اندازه‌گیری عملکرد، گزینه‌هایی وجود دارد؟ 9 - چرا از رویکرد مقایسه‌ای استفاده می‌کنیم؟ 10 - چرا از رویکرد روش‌های مطلق استفاده می‌کنیم؟ 11 - چرا از رویکرد روش‌های نتایج استفاده کنیم؟ 12 - روش ترکیبی: منو در مقابل بوفه ابزارهایی برای مدیریت عملکرد مؤثر: 1 - مزایا و اهداف بررسی عملکرد 2 - مراحل انجام یک بررسی موثر 3 - اجزای فرم بررسی 4 - زمان و فراوانی بررسی‌ها 5 - تدوین برنامه توسعه فردی 6 - مولفه‌های بازخورد موثر 7 - بازخورد چند وجهی چیست؟ 8 - مزایا و معایب بازخورد چند وجهی 9 - هزینه‌های عدم ارائه بازخورد 10 - شناسایی انواع خطاهای رتبه‌بندی عمومی 11 - خطاهای رتبه‌بندی و تاثیر عملی 12 - آموزش به حداقل رساندن تعصب مدیران در فرآیند رتبه‌بندی 13 - بهترین روش‌ها برای به حداقل رساندن مواجهه قانونی ایجاد یک فرهنگ عملکرد مثبت: 1 - نقش فرهنگ در مدیریت عملکرد 2 - فرهنگ چیست؟ 3 - مبانی مدنیت - 3R 4 - فرهنگ بی‌ادبی چیست؟ 5 - تأثیر بی‌ادبی فرهنگی (افراد و تیم‌ها) 6 - هزینه‌های سخت و نرم بی‌ادبی بر سازمان‌ها 7 - تأثیر فرهنگ بر مدیریت عملکرد 8 - بر پایه ارزش‌ها و نقاط قوت خود بنا کنید 9 - ایجاد و تقویت هنجارها و ارزش‌های عملکرد 10 - ارتباط هنجارهای فرهنگی و رفتار با منابع انسانی و شیوه‌های مدیریت عملکرد 11 - "حرف خود را عملی کنید": مدل‌های رفتاری در جایی که هستید

درباره دوره: دوره اصول مدیریت مالی و نسبت های مالی، به طور کلی به موضوع مدیریت مالی در بنگاه های اقتصادی می پردازد و به این مسایل پاسخ می گوید: ⁃به یک کیس خاص با جزییات زیادی خواهیم پرداخت: شرکت اپل در ایالات متحده، که به شدت موفق و کارا، در چی ۴۷ سال حیات خود، از بازارهای مالی و فضای فایننس اطراف خود، به ایده ال ترین شکل ممکن استفاده کرده است. به این سوال خواهیم پرداخت که بازارهای مالی به طور مشخص چه نقشی در موفقیت یک شرکت بسیار بزرگ مانند اپل، دارد؟ ⁃ در بازار جهانی مانند وال استریت، چگونه تعداد بسیار زیاد سهامداران با سلایق مختلف، عملا شرکت را به مشکل نمی اندازد؟ شرکت چگونه از بین این حجم از سلایق مختلف، راه موفقیت خود را تعیین می کند؟ ساز و کار و رمز و راز این موفقیت برای شرکت های بزرگ امروزی چیست؟ ⁃ سرمایه گزاران خطرپذیر چه موسساتی هستند؟ چگونه فعالیت می نمایند و چه سرویس خدماتی به شرکت ها ارایه خواهند داد؟ ⁃عرضه اولیه در بازار سرمایه چیست؟ منافع ان برای شرکت چیست و چگونه می توان با یک سرمایه گزاری مناسب در یک عرضه اولیه، به منافع بزرگی دست یافت؟ همچنین در این درس نسبت های مالی در شرکت ها خواهیم پرداخت. نسبت‌های مالی ابزارهایی هستند که شرکت‌ها و سازمان‌ها از آن‌ها برای ارزیابی وضعیت مالی خود استفاده می‌کنند. این نسبت‌ها اطلاعاتی درباره عملکرد مالی، پایداری، ریسک و ساختار مالی شرکت را ارائه می‌دهند. به عنوان مثال: 1. نسبت‌های سودآوری: شامل نسبت سود ناخالص به فروش و نسبت سود خالص به دارایی‌ها می‌شود. 2. نسبت‌های ریسک: مانند نسبت بدهی به حقوق صاحبان سهام یا نسبت تغییرات درآمد به تغییرات هزینه‌ها. 3. نسبت‌های فعالیت‌ها: شامل نسبت دوره تسویه به تعداد روز فروش و نسبت دوره تسویه به تعداد روز خرید. 4. نسبت‌های ساختار مالی: به عنوان نمونه نسبت بدهی به حقوق صاحبان سهام و نسبت دارایی به بدهی. استفاده از این نسبت‌ها به تجزیه و تحلیل وضعیت مالی و اتخاذ تصمیم‌های استراتژیک کمک می‌کند. از موضوعات دیگر این دوره، موضوع حسابداری است. حسابداری یک فرآیند مهم در مدیریت مالی و اطلاعات مالی است که شامل ثبت، تجزیه و تحلیل، گزارش‌دهی و تفسیر تراکنش‌های مالی یک سازمان یا شرکت است. هدف اصلی حسابداری، فراهم کردن اطلاعات دقیق و معتبر درباره وضعیت مالی و عملکرد سازمان به منظور کمک به مدیران، سرمایه‌گذاران، اعضای هیئت مدیره، بانک‌ها، مراجع مالی و دیگر افراد مرتبط در اتخاذ تصمیم‌های مالی و استراتژیک است. در حسابداری مدیریتی اطلاعات حسابداری برای تصمیم‌گیری‌های داخلی و مدیریتی به کار می‌رود. این حسابداری به مدیران کمک می‌کند تا عملکرد دقیق‌تر و بهبودهای لازم را در فرآیندها و کنترل‌های داخلی ایجاد کنند.در مجموع، دوره اصول مدیریت مالی و نسبت های مالی، دانش مالی و فایننس مورد نیاز برای کلیه فعالان اقتصادی را براورده می نماید. اصول مدیریت مالی: 1 - مقدمه - بخش اول 2 - مقدمه - بخش دوم 3 - محاسبه سود 4 - چگونه ریسک را از بین ببریم؟ 5 - سود بالاتر با هج کردن (Hedge) 6 - شرکت‌ها 7 - نقش و وظیفه مدیریت مالی بازارها و موسسات مالی: 1 - داستان شگفت انگیز شرکت اپل - بخش اول 2 - داستان شگفت انگیز شرکت اپل - بخش دوم 3 - داستان شگفت انگیز شرکت اپل - بخش سوم 4 - اصول حسابداری 5 - تحلیل صورت‌های مالی 6 - تحلیل نسبت‌های مالی یک شرکت فعال 7 - نسبت‌های مالی هوم دیپو (Home Depot) 8 - جمع بندی دوره 9 - کوییز نهایی 10 - پروژه نهایی

درباره دوره: مدیریت عملکرد یکی از چالش‌های اصلی سازمان‌ها در دنیای پویای امروز است. این دوره با هدف تجهیز شما با ابزارها و روش‌های نوآورانه برای مدیریت موثر عملکرد طراحی شده است. شما در این دوره نه تنها با روش‌های سنتی مدیریت عملکرد آشنا خواهید شد، بلکه با روش‌های مدرن و کارآمدی که در محیط کسب‌وکار پر سرعت امروزی جواب می‌دهند، آشنا خواهید شد. علاوه بر این، شما با چالش مدیریت عملکرد پایین کارکنان روبرو خواهید شد و روش‌های موثر برای بهبود عملکرد را فرا خواهید گرفت. با شرکت در این دوره، لایه‌های مختلف مدیریت عملکرد را بررسی کرده و بینش‌های جدیدی کسب خواهید کرد. همچنین، ابزارهای عملی برای دستیابی به تعالی سازمانی را فرا خواهید گرفت. مدیریت عملکرد موفق: 1 - آیا به مدیریت عملکرد نیاز دارید؟ 2 - موارد غیر قابل مذاکره مدیریت عملکرد 3 - همبستگی بین استراتژی کسب و کار، عملکرد و تاثیر آن

درباره دوره: یکی از محبوب‌ترین زبان‌های دنیا زبان ++C است که در بسیاری از برنامه‌های دسکتاپی و هسته و تقریباً تمام سیستم‌عامل‌ها استفاده می‌شود. دوره برنامه‌نویسی پیشرفته به زبان ++C برای آماده‌شدن دانشجویان برای ورود به بازار کار است. دوره برای دانشجویان و علاقه‌مندان به ورود به پردازش تصویر توصیه می‌شود. در این دوره علاوه بر مباحث شیءگرایی با بحث سوکت نویسی و کتابخانه open cv و mfc آشنا می‌شوید. مقدمه: 1 - آشنایی با برنامه‌نویسی c++ ساختار: 1 - ساختار و کابردهای آن مفهوم کلاس: 1 - کلاس مدیریت استثنائات: 1 - مدیریت استثنائات سربارگذاری عملگرها: 1 - سربارگذاری عملگرها Templates: 1 - Templates و سازنده کپی وراثت: 1 - وراثت و چندریختی Pair: 1 - Pair, Tuple, STL برنامه‌نویسی ویژوال: 1 - برنامه‌نویسی ویژوال ماشین حساب: 1 - ماشین حساب با MFC Dialog آشنایی با مینی فوتوشاپ: 1 - مینی فوتوشاپ چگونگی ترسیم منحنی: 1 - ترسیم منحنی آشنایی با سایر کنترلگر‌های MFC: 1 - کنترلگرهای MFC - مثال ثبت‌نام دانشجویان حل مثال از مباحث: 1 - مثال SDI 2 - مثال OpenCV+ MFC 3 - مثال برچسب‌زنی مولفه‌ها و ردیابی اشیاء 4 - مثال برنامه‌نویسی چند‌نخی (Multi Thread ) نحوه ساخت lib و dll: 1 - نحوه ساخت lib و dll و استفاده از آن در زبان‌های دیگر تبدیل فوریه و کتابخانه FFTW: 1 - تبدیل فوریه و کتابخانه FFTW کار با سوکت شبکه: 1 - کار با سوکت شبکه

درباره دوره: اگر می‌خواهید قاضی برای شما تصمیم نگیرد، خودتان در قرارداد تصمیم‌گیری کنید! این جمله‌ای است که این روزها اگر درگیر بیمه و قراردادها و یا مالیات و چالش قوانین کار در کسب‌وکار خود باشید، برگ برنده‌ی شما در مدیریت  کسب‌وکارتان است. عدم مهارت در تنظیم قرارداد باعث می‌شود در صورت بروز اختلاف، راه‌حل مشخص و شفافی در قرارداد وجود نداشته و سرنوشت طرفین به نحو نامشخصی در دست قاضی دادگاه قرار گیرد بدون اینکه طرفین بتوانند نتیجه دعوی را پیش‌بینی نمایند؛ یکی از اختلافات رایج قراردادی را می‌توان در بحث حقوق قوانین قراردادها، اختلاف در موضوعات مربوط به قوانین کار، قوانین بیمه در قراردادها و نیز مالیات در قراردادها دانست. قراردادها و معاملات فی‌مابین کارگر و کارفرمایان، موضوعی است که این روزها به‌عنوان یکی از دغدغه‌های روزمره‌ی کارفرمایان مطرح می‌شود، چالشی که میان احقاق حقوق کارگر و ایجاد عدالت میان روابط کار نقشی مهم دارد، این قوانین که از آن به‌عنوان قوانین کارگر و کارفرما به معنایی که امروز در حقوق کار بیان می‌شود نام‌برده می‌شود، اگرچه طی قرون در جوامع مختلف بشری وجود داشته است، اما مقررات حاکم بر این روابط همواره یکسان نبوده و دستخوش تحولات زیادی شده‌است. دوره آموزش قوانین کار، بیمه و مالیات در قراردادها یک دوره کاملاً کاربردی و متفاوت راجع به حقوق قراردادها است؛ بی‌شک یکی از مهم‌ترین مباحث حقوقی کسب‌وکارها، بحث قرارداد است و از سوی دیگر بیشترین چالشی که کسب‌وکارها اعم از خرد و کلان با آن مواجه هستند مسائل مربوط به قوانین کار، بیمه و مالیات است؛ آنچه دوره اخیر را متمایز می‌کند نگاه به جنبه‌های قرارداد از منظر سه قانون پرکاربرد اخیر است که در آن به بیان ساده‌ی راه‌حل‌های عملی جهت استفاده از ظرفیت‌های قانونی پرداخته‌شده است؛ از همین رو دوره اخیر مخاطبان گسترده‌ای دارد و هم برای فعالان و مدیران کسب‌وکار ضروری است و هم برای مشاوران حقوقی و مالی شرکت‌ها مفید و راهگشا است؛ ویژگی خاص دیگر این دوره آموزشی، مدرس دوره است که نویسنده کتاب کاربردی صفر تا صد حقوق کسب‌وکار است؛ مدرس سعی نموده‌است تا در کمترین زمان ممکن، مهم‌ترین و پرکاربردترین مباحث کاربردی کار، بیمه و مالیاتی قراردادها را در این فایل آموزشی ارائه دهد؛ مباحث و چالش‌هایی از جنس تجربه‌های عملی که گاه برای یک شرکت تجاری، میلیاردها زیان به بار آورده‌است ولی اینک به مخاطب اجازه می‌دهد تا با اطلاع از آن‌ها تصمیمات هوشمندانه‌تری اتخاذ نماید و با تسلط بر مباحث کاربردی حقوق کسب‌وکار، مزیت رقابتی مؤثری نسبت به رقبای خویش پیدا نماید؛ انتظار می‌رود در پایان دوره مخاطب بتواند با کسب مهارت در تنظیم قرارداد کار و استخدامی با چالش حقوقی کمتری با نیروی انسانی خویش مواجه شود و همچنین با تسلط بر چالش‌های رایج حقوق بیمه و مالیات، قراردادهای خویش را طوری تنظیم کند که از پرداخت حق بیمه و مالیاتی که ممکن است به دلیل عدم اطلاع از ظرفیت‌های قانونی به وی تحمیل شود اجتناب کند. اما دنیای حقوق کار و بیمه، به همین موارد منتهی نمی‌شود، برای یادگیری کامل قوانین مربوط به هریک از بنگاه‌های اقتصادی، دوره‌ی کاربردی و جامع قوانین و حقوق بیمه قراردادها حقوق کار را تدوین و در اختیار شما عزیزان قرار داده‌ایم، در این دوره سعی شده‌است تا با بررسی دقیق حقوق هریک از بخش‌ها، توضیحات جامعی برای کاهش دغدغه کارفرمایان هنگام عقد قراردادها ارائه شود. روابط بین کارگر و کارفرما به معنایی که امروز در حقوق کار موردتوجه است و در تعهد یک طرف (کارگر) به قرارداد نیروی کار خود در اختیار و تحت اداره دیگری (کارفرما) در برابر عوض معین خلاصه می‌شود، اگرچه طی قرون در جوامع مختلف بشری وجود داشته‌است، اما مقررات حاکم بر این روابط همواره یکسان نبوده و دستخوش تحولات زیادی شده‌است. روابط بین کارگر و کارفرما به معنایی که امروز در حقوق کار مورد توجه است، اگرچه طی قرون در جوامع مختلف بشری وجود داشته‌است، اما مقررات حاکم بر این روابط همواره یکسان نبوده و دستخوش تحولات زیادی شده‌است. اما علاوه بر قوانین کار و کارفرما، آنچه باید در مورد حق بیمه پیمان‌ها و قراردادها بدانید نیز بر کاهش دغدغه کارفرمایان مؤثر خواهد بود. از این جمله قراردادها می‌توان به قراردادهای پیمانکاری که در چارچوب قراردادهای کار فردی در زمره قانون کار نیستند، اشاره کرد که بر اساس ماده 38 قانون تأمین ‌اجتماعی مشمول مقررات تأمین ‌اجتماعی می‌شوند. قراردادهای پیمانکاری با توجه به نوع کار و ضرایب حق ‌بیمه، از جهات مختلفی قابل تقسیم‌بندی هستند؛ از قبیل قراردادهای اجرایی- خدماتی یا مشاوره‌ای، قراردادهای مکانیکی یا دستی و... ولی به‌طورکلی این قراردادها به سه دسته عمده طبقه‌بندی می‌شوند، قراردادهای پیمانکاری که در چارچوب قراردادهای کار فردی در زمره قانون کار نیستند، بر اساس ماده 38 قانون تأمین ‌اجتماعی مشمول مقررات تأمین ‌اجتماعی می‌شوند. در مواردی که انجام کار به‌طور مقاطعه به اشخاص حقیقی یا حقوقی واگذار می‌شود، کارفرما باید در قراردادی که منعقد می‌کند، مقاطعه‌کار (پیمانکار) را متعهد سازد که کارکنان خود و همچنین کارکنان مقاطعه‌کاران فرعی را نزد سازمان تأمین ‌اجتماعی بیمه کند و کل حق ‌بیمه را به ترتیب مقرر در ماده 28 قانون تأمین ‌اجتماعی بپردازد. پرداخت 5 درصد بهای کل کار مقاطعه‌کار از طرف کارفرما، موکول به ارائه مفاصا حساب از طرف سازمان خواهد بود. در مورد مقاطعه‌کارانی که صورت مزد و حق‌ بیمه کارکنان خود را در موعد مقرر به سازمان تسلیم و پرداخت می‌کنند، معادل حق ‌بیمه پرداختی بنا به درخواست سازمان از مبلغ مذکور آزاد خواهد شد. هرگاه کارفرما آخرین قسط مقاطعه‌کار را بدون مطالبه مفاصا حساب سازمان بپردازد، مسئول پرداخت حق‌ بیمه مقرر و خسارات مربوط خواهد بود و حق دارد وجوهی را که از این بابت به سازمان پرداخته است، از مقاطعه‌کار مطالبه و وصول کند. قراردادهای پیمانی نیز برای تنظیم حقوق بیمه‌ی خود به دسته‌بندی زیر تقسیم می‌شوند: 1- قراردادهای مشمول ضوابط طرح‌های عمرانی 2- قراردادهای غیر عمرانی 3- موارد خاص قراردادهای غیر عمرانی در دوره آموزش قوانین کار، بیمه و مالیات در قراردادها به تمامی این نکات می پردازیم. فصل اول - حقوق کارگر و کارفرما در قراردادها: 1 - در طراحی قرارداد چه نکاتی باید مد نظر قرار گیرد؟ 2 - اهمیت انعقاد قرارداد کتبی 3 - اهمیت عنوان قرارداد 4 - ارزیابی و تحلیل یک نمونه قرارداد استاندارد 5 - اموری که اثبات آنها بر عهده کارگر است بخش اول 6 - اموری که اثبات آنها بر عهده کارگر است بخش دوم 7 - اموری که اثبات آنها بر عهده کارفرما است بخش اول 8 - اموری که اثبات آنها بر عهده کارفرما است بخش دوم فصل دوم - حقوق بیمه در قراردادها: 1 - بیمه کارکنان و بیمه قراردادها 2 - نکات مهم پیرامون بیمه کارکنان 3 - نکات مهم پیرامون بیمه قراردادها 4 - ماده 38 قانون تامین اجتماعی فصل سوم - حقوق مالیات در قراردادها: 1 - نکات مهم پیرامون مالیات‌های مستقیم بخش اول 2 - نکات مهم پیرامون مالیات‌های مستقیم بخش دوم 3 - نکات مهم پیرامون مالیات‌های مستقیم بخش سوم 4 - مالیات تکلیفی حقوق 5 - مالیات بر ارزش افزوده بخش اول 6 - مالیات بر ارزش افزوده بخش دوم 7 - آزمون نهایی

درباره دوره: این دوره با ویژگی منحصربه‌فرد مبتنی بر مطالعات ۳۰ سالهٔ علمی و عملی استاد دوره، دکتر افضل السادات حسینی شکل‌گرفته است. استاد دوره علاوه بر مطالعات گسترده علمی دوره‌های کوتاه و بلندمدت زیادی برای اقشار مختلف، از جمله اساتید، معلمان، مدیران، نویسندگان و… به‌صورت حضوری و آنلاین برگزار کرده است که خوشبختانه بازخوردهای گسترده‌ای مبتنی بر اثربخشی این دوره‌ها در زندگی و شغل مخاطبان مختلف به‌دست‌آمده است. اما ازآن‌جهت که همه مخاطبان علاقه‌مند امکان بهره‌برداری حضوری یا آنلاین برایشان فراهم نبوده است این دوره به‌عنوان اولین دوره آفلاین آموزشی خلاقیت طراحی شده و هم اکنون در دسترس شما علاقه‌مندان قرار گرفته است. پس از بهره‌برداری از این پکیج آموزشی شما درک عمیقی از مفهوم و ماهیت خلاقیت پیدا خواهید کرد و می‌توانید با استفاده از این مفاهیم تکنیک‌های پرورش خلاقیت، شاهد رشد خلاقیت خود بوده و همچنین برای رشد خلاقیت کودکان، نوجوانان و سایر افراد تسهیلگری کرده و شاهد رشد قابل‌توجه خلاقیت آنها باشید. در این دوره به بررسی: ۱- تفکر و ابعاد آن ۲- اجزا و فرایند خلاقیت ۳- موانع رشد خلاقیت ۴- عوامل رشد خلاقیت ۵- تکنیک بارش فکری و ارتباط اجباری ۶- تکنیک‌های پرورش تخیل ۷- هنر و خلاقیت ارائه شده و پس از هر جلسه تمرین‌هایی دررابطه‌با موضوع جلسه ارائه شده تا مخاطبان با تمرین‌ها به‌صورت عملی با این مفاهیم در زندگی آشنا شوند. آشنایی با خلاقیت: 1 - معرفی مدرس و دوره/تفکر و ابعاد آن 2 - پروژه اول 3 - خلاقیت چیست؟/ضرورت خلاقیت؟ 4 - پروژه دوم 5 - تعاریف خلاقیت/ خلاقیت از نگاهی دیگر... 6 - پروژه سوم 7 - رویکردهای مختلف به خلاقیت/ خلاقیت و مفاهیم مرتبط با آن 8 - پروژه چهارم 9 - مفاهیم کلیدی خلاقیت 10 - پروژه پنجم 11 - موانع خلاقیت 12 - پروژه ششم 13 - اجزا، انگیزه خلاقیت/خلاقیت و سلامت روان/فرآیند خلاقیت 14 - پروژه هفتم 15 - عوامل فردی، محیطی و اجتماعی خلاقیت 16 - پروژه هشتم 17 - محیط آموزشی و خلاقیت 18 - پروژه نهم 19 - تکنیک بارش فکری 20 - پروژه دهم 21 - تکنیک ارتباط اجباری 22 - پروژه یازدهم 23 - تخیل و خلاقیت 24 - پروژه دوازدهم 25 - هنر و خلاقیت 26 - پروژه سیزدهم 27 - فعالیت های هنری و خلاقیت 28 - پروژه چهاردهم

درباره دوره: حساب دیفرانسیل و انتگرال یکی از دروس اغلب رشته‌های دانشگاهی محسوب می‌شود. این درس تنگه ورود به سایر دروس دانشگاهی برای رشته‌های فنی و مهندسی نیز است چرا که بدون عبور از آن ادامه مسیر و پاس‌کردن سایر دروس تقریباً غیرممکن است. به‌عنوان‌مثال، این درس خود پیش‌نیاز دروسی مانند معادلات دیفرانسیل معمولی، ریاضی عمومی 2، آمار و احتمال مهندسی، ریاضیات مهندسی هم هست. پس پر واضح است که جایگاه این درس چقدر مهم است. بخش وسیعی از تاریخ ریاضی مدرن هم که با نام دانشمندانی چون نیوتن، گاوس، دکارت، فرما، کوشی، ریمان، وایراشتراس، اویلر، برنولی، تیلر، مکلورن، هوپیتال، کپلر، گالیله، دیریکله، لاگرانژ، گرین، استوکس، نپر، هوپیتال، لایبنیتز، و لاپلاس و فوریه با این موضوع سروکار دارد. به نظر اغلب دانشجویان ریاضی 1 درسی نسبتاً آسان است و متأسفانه به جایگاه مهم این درس واقف نیستند، اما نگاهی به این اسامی روشن می‌کند اگر قرار باشد تنها یک درس از بین همه دروس ریاضی به‌خوبی یاد گرفته شود همین یک درس است. در این درس از سه مفهوم حد و مشتق و انتگرال و کاربردهای آنها مرتب یاد می‌شود. موضوعاتی که از چنگ ریاضی‌دانان بزرگ یونان تا اواسط قرن شانزدهم دررفته بود و مهار آن تقریباً غیرممکن بود. امروزه دیگر این مباحث به یمن تلاش نیوتن و رفقا رام شده است و جای نگرانی نیست. در سال 2000 یکی از معتبرترین دانشگاه‌های جهان به اسم MIT برای برخی دروس ویدئو لکچر تهیه کرد. یکی از آنها همین درس ریاضی 1 است. شاید بد نباشد بدانید دانشگاه MIT 163 سال قدمت دارد و تابه‌حال 101 جایزه نوبل را دریافت کرده است، اما متأسفانه رشته ریاضی جایزه نوبل ندارد؛ ولی در عوض این دانشگاه جایزه دیگری که معادل آن است را و هر چهار سال یک‌بار اعطا می‌شود را هشت بار دریافت کرده است!!! خوب شاید همین یک اشاره برای جایگاه ریاضی در این دانشگاه کافی باشد. پس ما هم تصمیم گرفتیم ببینیم آنجا ریاضی 1 را چطور تدریس می‌کنند و از روی لکچر نوت‌های آنان که در سایتشان است شروع به تهیه این آموزش کردیم. البته شما می‌تواند هم‌زمان لکچر ویدئوهای آنجا را هم نگاه کنید تا هم زبان تخصصی‌تان خوب شود هم مطمئن شوید چیزی از قلم نیفتاده است. همچنین این دوره می‌تواند به‌عنوان یک کلاس آموزشی درجه 1 هم برای کسانی که می‌خواهند ریاضی تدریس کنند در نظر گرفته شود. مشتق: 1 - مشتق، شیب و آهنگ تغییرات 2 - حد، پیوستگی و حدود مثلثاتی 3 - قواعد مشتق‌گیری از ضرب و تقسیم توابع، و سینوس و کسینوس 4 - قاعده زنجیره‌ای، مشتقات مراتب بالاتر 5 - مشتق‌گیری ضمنی و مشتق معکوس توابع 6 - مشتق توابع نمایی، لگاریتمی، و هذلولوی 7 - مرور امتحان کاربرد مشتق: 1 - تقریب خطی و درجه دوم 2 - رسم منحنی 3 - مسائل ماکزیمم/مینیمم 4 - آهنگ‌های وابسته 5 - روش نیوتن (ریشه یابی) 6 - قضیه مقدار میانگین و نامساوی‌ها 7 - دیفرانسیل و پاد مشتق (انتگرال نامعین) 8 - معادلات دیفرانسیل مرتبه اول: جدایی پذیر انتگرالها: 1 - انتگرال معین 2 - قضیه اساسی اول حسابان 3 - قضیه اساسی دوم حسابان 4 - کابرد قضیه اساسی برای تعریف لگاریتم 5 - حجم توسط دیسک و واشر 6 - قضیه مقدار میانگین برای انتگرال‌ها 7 - انتگرال‌گیری عددی تکنیکهای انتگرالگیری: 1 - انتگرال‌های توابع مثلثاتی 2 - انتگرالگیری با توابع معکوس مثلثاتی و مربع سازی 3 - کسرهای جزئی 4 - انتگرالگیری جزء به جزء و فرمولهای کاهشی 5 - منحنی های پارامتری و طول کمان و مساحت سطح 6 - مختصات قطبی، مساحت در مختصات قطبی انتگرالهای مجازی و سریها: 1 - فرمهای نامعین و قاعده هوپیتال 2 - انتگرال‌های مجازی 3 - سریهای عددی نامتناهی 4 - سری تیلر

درباره دوره: درس فتونیک جز دروس اختیاری کارشناسی ارشد رشته برق گرایش مخابرات می‌باشد، که در این درس دانشجویان چگونگی مهارکردن نور را می‌آموزند. در این درس آن‌ها با چگونگی تولید نور، تشخیص و مدیریت نور آشنا شده و یاد می‌گیرند چگونه از آن به نفع بشر استفاده کنند. مقدمات فتونیک: 1 - مقدمات درس فتونیک نور شعاعی: 1 - اصول اپتیک پرتو 2 - شکست - بخش اول 3 - شکست - بخش دوم 4 - اپتیک با شاخص درجه‌بندی 5 - لنز ضخیم 6 - سیستم‌های اپتیک دوره‌ای نور موجی: 1 - امواج ابتدایی هلمهولتز 2 - توری پراش 3 - تداخل چند پرتو 4 - تداخل امواج با دامنه‌های کوچک و اختلاف فازهای مساوی پرتو نور گوسی: 1 - آشنایی با پرتو گوشی 2 - فاز پرتو گوسی 3 - شبیه سازی و تنطیمات اولیه در نرم‌افزار 4 - شکل‌دهی پرتو 5 - پرتوهای هرمیت - گوسی 6 - پرتوهای لاگوئر - گوسی نور الکترومغناطیس: 1 - قضیه پوینتینگ و قانون بقا انرژی 2 - انعکاس و شکست - بخش اول 3 - انعکاس و شکست - بخش دوم 4 - انواع تشدید‌کننده رزوناتورهای نوری: 1 - علت اتلاف در تشدیدکننده‌ها 2 - تشدید کننده به عنوان یک تحلیلگر طیفی 3 - تشدید کننده‌های پلاسمونیک

درباره دوره: طی دهه‌های اخیر، با ظهور یوتیوب، آمازون، نتفلیکس و بسیاری از وب سرویس‌های دیگر، سیستم های پیشنهاد دهنده جایگاه ویژه‌ای در زندگی ما پیدا کرده‌اند. کاربرد این‌گونه سیستم‌ها در خدمات متنوعی از جمله تجارت الکترونیکی، تبلیغات آنلاین و حتی سفرهای آنلاین رومزه غیرقابل انکار است. وقتی یک محصولی را به صورت آنلاین خریداری می‌کنید، ممکن است مقالاتی به شما پیشنهاد داده شود؛ یا حتی وقتی در اینترنت در حال گشت‌وگذار هستید، مطالبی مناسب با شما و طبق ترجیحاتتان برایتان نمایش داده می‌شود. این قبیل موارد که هر روزه با آن‌ها مواجه هستید، با کمک Recommender System ها امکان‌پذیر است. با توجه به اهمیت سامانه‌های پیشنهاد دهنده در دنیای امروز، تصمیم گرفتیم دوره‌ای برای آموزش سیستم توصیه‌گر (Recommender Systems) طراحی کنیم. در این دوره بعد از معرفی این سیستم‌ها به روش ساخت آن‌ها با استفاده از تکنیک‌های مدرن هوش مصنوعی و یادگیری ماشین هم می‌پردازیم. طی این دوره با مقدمات و مفاهیم بازیابی اطلاعات (Information Retrieval) و سامانه‌های توصیه‌گر، لزوم طراحی و استفاده از آن‌ها در وب‌سایت‌ها و اپلیکیشن‌ها و تاثیر این سامانه‌ها بر افزایش نرخ تبدیل (Conversion Rate) در کسب‌وکارهای آنلاین آشنا خواهید شد. پس از آشنایی با این موارد، مدرن‌ترین روش‌ها و متدهای روز دنیا برای پیاده‌سازی سیستم‌های پیشنهاددهنده در پایتون را بررسی خواهیم کرد. دوره آموزش سیستم پیشنهاد دهنده از از مجموعه دوره‌های آموزش هوش مصنوعی و آموزش ماشین لرنینگ مکتب خونه تنها به این مباحث ختم نمی‌شود. مهم‌ترین بخش این دوره، تدریس گام به گام چگونگی پیاده‌سازی سیستم‌های پیشنهاد دهنده در پایتون است. طبق این برنامه آموزشی، شما یاد می‌گیرید که براساس علایق و سوابق جمع‌آوری شده از کاربران، با استفاده از هوش مصنوعی و شبکه‌های عصبی مصنوعی (Artificial Neural Networks) به کاربران خود فیلم پیشنهاد دهید. در این راستا از زبان برنامه‌نویسی Python و فریم‌ورک TensorFlow و Keras استفاده خواهیم کرد. در این دوره آموزشی خواهید توانست از مفاهیم پایه و معرفی سیستم تا استقرار روی سرورهای عملیاتی را قدم به قدم فرا بگیرید. بنابراین اگر قصد آموزش عملی و صفر تا صد پیاده سازی سیستم‌های پیشنهاد دهنده را دارید، دوره آموزش طراحی و توسعه سیستم‌های پیشنهاد دهنده (Recommender Systems) مکتب‌خونه را به شما پیشنهاد می‌دهیم. همان‌طور که اشارده شد سیستم‌های پیشنهاد دهنده یکی از به‌روزترین شیوه‌های ارتقاء کسب‌وکار و جذب مشتری هستند. طبق پژوهش‌های انجام‌شده به طور قطع تا چندین سال آینده، این سیستم‌ها از مهم‌ترین مباحث موجود در کسب‌وکارها و دنیای دیجیتال خواهد بود. بنابراین، دوره آموزشی طراحی و توسعه سیستم‌های پیشنهاد دهنده با هدف آشنایی دانشجویان، برنامه‌نویسان، مهندسان و مدیران کسب‌و‌کارهای آنلاین با سامانه توصیه گر، چگونگی پیاده‌سازی و استفاده از آن‌ها در کسب‌وکارها طراحی شده‌است. بعد از گذراندن این دوره به راحتی می‌توانید با استفاده از هوش مصنوعی و یادگیری ماشین، سیستم های پیشنهاد دهنده امروزی را برای استفاده در صنعت یا کار‌های پژوهشی، پیاده‌سازی و ارزیابی کنید. روش‌های آموزشی استفاده شده در دوره آموزش سیستم‌های پیشنهاد دهنده ویژگی‌های منحصر به فردی دارد که شما را نسبت به نتیجه‌ی نهایی حاصل از فراگیری دوره مطمئن خواهد کرد. این ویژگی‌ها به شرح ذیل است: به طور کلی، سیستم های توصیه گر یا سیستم های پیشنهاد دهنده الگوریتم‌هایی هستند که هدف آن‌ها پیشنهاد دادن موارد مرتبط با کاربران است. پیشنهاد فیلم برای تماشا، متن برای خواندن، محصول برای خرید یا هرچیز دیگری از جمله این موارد هستند. بسته به صنعتی که در آن فعالیت دارید، می‌توانید از سیستم پیشنهاد دهنده برای جذب مخاطب استفاده کنید. پیاده‌سازی سیستم‌های پیشنهاد دهنده در بعضی از صنایع واقعا حیاتی هستند؛ چرا که اگر کارایی لازم و کافی را داشته باشند، درآمد قابل توجهی را برایتان به ارمغان خواهند آورد. برای اثبات اهمیت این موضوع می‌توانیم به Netflix اشاره کنیم. این شرکت حاضر است برای ده درصد بهبود در سامانه توصیه گر فیلم خود مبلغ یک میلیون دلار بپردازد! سیستم‌های پیشنهاد دهنده از دو منظر دسته‌بندی می‌شوند؛ تقسیم‌بندی محصولی و تقسیم‌بندی الگوریتمی. تقسیم‌بندی محصولی ریکامندر سیستم‌ها شامل دو دسته آیتم‌محور و کاربرمحور است. توصیه‌هایی که در دسته آیتم‌محور به کاربر داده می‌شود، برای یک آیتم خاص است. در این حالت اگر وارد صفحه‌ای از یک سایت شوید، یک مطلب در ارتباط با عنوان همان صفحه به شما نمایش داده می‌شود. سیستم‌های پیشنهاد دهنده کاربرمحور براساس سلیقه کاربر پیشنهاد ارائه می‌دهند. مثلا اگر یک برنامه‌نویس پایتون باشید و وارد یک سایت شوید، مطلبی در ارتباط با پایتون به شما نمایش داده خواهد شد. این سیستم‌ها را از منظر الگوریتم و دیتای ورودی هم می‌توان به دو دسته محتوا محور و بازدید محور تقسیم می‌کنند. در دسته محتوا محور، سامانه توصیه گر محتوای آیتم‌ها را تحلیل کرده و نزدیک‌ترین مطلب یا محصول را نمایش می‌دهد. ریکامندر سیستم‌های بازدید محور بدون توجه به محتوای آیتم‌ها، از دیتای بازدید کاربران سایت استفاده می‌کند. مثلا در یک سایت، سامانه پیشنهاد دهنده بین دو کاربر شباهت پیدا کرده و یک محصول را به هردوی آن‌ها پیشنهاد می‌دهد. سیستم‌های پیشنهاد دهنده در پایتون از روش‌های مختلفی می‌توانند به علایق کاربران دست یابند و آن‌ها را پیش‌بینی کنند. آن‌ها از ماتریس‌هایی برای شناسایی رابطه بین موجودیت آیتم و کاربران استفاده می‌کنند. علاوه‌براین، سیستم‌های پیشنهاد دهنده برای استخراج ویژگی‌های خاص هر کاربر از یادگیری عمیق بهره می‌گیرند. شبکه‌های عصبی عمیق نقش چشم‌گیری در پردازش متن، تشخیص گفتار، پیش‌بینی در حوزه‌های مختلف و غیره دارند. از این ویژگی‌ها می‌توان در پیاده سازی سیستم‌های پیشنهاد دهنده به خوبی استفاده کرد. آموزش ساخت سیستم های توصیه گر یکی از آموزش‌های مهم و پرکاربرد برای طراحی بخش پیشنهادات در وب سایت‌ها است. در آموزش ساخت سیستم های پیشنهاد دهنده، با استفاده از هوش مصنوعی و یادگیری ماشین و هم‌چنین زبان‌های برنامه نویسی نظیر پایتون، به ارائه‌ی پیشنهادات متنوع و کاربردی به کاربران می‌پردازیم. عمدتاً گزینه‌های این پیشنهادات از روی رفتار کاربر و یا مجموعه‌ی کاربران و تعاملات با آن‌ها، ایجاد می‌شود. سیستم توصیه گر یا Recommendation systems (که با اسامی دیگری مانند سیستم پیشنهادگر، ریکامندر و یا پیشنهاد دهنده نیز شناخته می‌شود) یک نوع سیستم نرم افزاری برای پیشنهاد دادن اقلام مختلف در یک زمینه‌ی خاص به کاربر است. حتماً در فروشگاه‌های اینترنتی و وب‌سایت‌های ارائه‌دهنده‌ی محتوا، با این موضوع برخورده‌اید که در صفحه‌ی معرفی یک محصول، اقلام دیگر نیز به شما پیشنهاد می‌شود. مثلاً در یک وب سایت تماشای فیلم، ممکن است دیگر فیلم‌های آن کارگردان یا ژانرهای مشابه به شما توصیه شود. این موضوع، توسط یک سیستم توصیه گر انجام می‌شود. به‌طور کلی، سیستم های پیشنهاد دهنده دارای سه زیرگروه هستند که عبارتند از: این نوع سیستم‌های پیشنهاد دهنده، از تعاملات کاربر برای پیشنهاد کردن یک کالا به وی استفاده می‌کنند. به این صورت که علاقه‌مندی تمام کاربران به کالاهای مختلف، تحت ارزیابی قرار می‌گیرد. مثلاً اگر کاربر «الف»، کالای x را پسندیده و کاربر «ب» به کالاهای x و y علاقه‌مند است؛ می‌تواند کالای y را به کاربر «الف» پیشنهاد دهد. این سیستم‌ها، پیشنهاد را با استفاده از پروفایل کاربر و ویژگی‌های اقلام انتخابی وی، ارائه می‌دهند. این سیستم در نظر می‌گیرد که چون کاربر قبلاً به چنین کالایی علاقه‌مند بوده، پس احتمال دارد تا مجدد نیز علاقه‌مندی وی به کالاهای پیشنهاد شده، برقرار شود. این نوع از سیستم های پیشنهاد کننده، ترکیبی از روش‌های قبلی را ارائه می‌دهد. معمولاً خروجی این سیستم‌ها دقت بالاتری نسبت به دیگر انواع Recommendation systems خواهد داشت. دسته‌بندی دیگری نیز برای این سیستم‌ها پیشنهاد شده است که طبق آن، ریکامندرها از انواع فیلترینگ مشارکتی (Collaborative filtering) و یا فیلترینگ هیبریدی خواهند بود. ریکامندرها، کاربردهای زیادی دارند که در صنایع مختلف برای کاربران و ارائه‌دهندگان کالا یا خدمات، ایده‌آل و مفید خواهد بود. یکی از مهم‌ترین بخش‌های هر وب سایت فروشگاهی، سیستم ریکامندر آن است. کاربران همیشه علاقه دارند تا در خصوص خرید بهترین گزینه، راهنمایی شوند. طوری که آن‌ها بتوانند کالاهای هم‌سان را با یکدیگر مقایسه کرده و راحت‌تر و سریع‌تر برای خرید آن، تصمیم‌گیری نمایند. در فهرست زیر، مهم‌ترین مزایای این سیستم‌ها نشان داده شده است. •      جست‌وجو در میان محصولات سایت recommendation systems، ساده‌تر انجام می‌شود. •      سیستم‌های توصیه گر، سبب سهولت در تصمیم‌گیری و انتخاب خواهند شد. •      سیستم‌های پیشنهاد دهنده به ارائه‌دهندگان کمک می‌کنند تا فروش خود را افزایش داده و به درآمد بالاتری برسند. •      سیستم‌های پیشنهادگر، بستر بهتری برای مقایسه‌ی کالاها و خدمات ایجاد می‌کنند. تمام این مزایا و قابلیت‌ها، سبب می‌شوند تا طراحی و پیاده‌سازی این سیستم‌ها اهمیت زیادی داشته و کاربرد سیستم های توصیه گر در حرفه‌های ارائه دهنده‌ی کالا یا خدمت، دیده شود. در نتیجه، با آموزش‌های ساخت سیستم‌های ریکامندر، می‌توانیم این نیازها را پاسخگو باشیم. آموزش ساخت سیستم‌های ریکامندر کمک می‌کند تا با استفاده از هوش مصنوعی و یادگیری ماشین، با ساختار Recommendation systems آشنا شده و مهارت پیاده‌سازی آن را به‌دست آورید. برای این منظور، شما می‌توانید از کتاب سیستم های توصیه گر و یا دوره‌های آموزشی متعدد استفاده کنید. در آموزش ساخت سیستم های توصیه گر، شما از زبان برنامه نویسی پایتون و فریمورک‌های تنسورفلو یا keras استفاده خواهید کرد. هم‌چنین شما برای پیاده سازی این سیستم‌ها به هوش مصنوعی و گراف شبکه‌های عصبی مصنوعی نیاز دارید. خلاصه این‌که گام به گام صفر تا صد طراحی سیستم‌های توصیه کننده، در این آموزش‌ها گنجانده می‌شود. به‌طور کلی دوره‌ی آموزش ساخت پروژه سیستم های توصیه گر، به تمام آن دسته از برنامه نویسان و علاقه‌مندانی توصیه می‌شود که به پیاده‌سازی سیستم‌های جذاب مبتنی بر هوش مصنوعی علاقه دارند. هم‌چنین اگر شما جزو آن دسته از مدیران دلسوزی هستید که برای رشد و پیشرفت کسب و کارتان، تلاش زیادی را به خرج می‌دهید، می‌توانید از این دوره‌ی آموزشی بهره‌مند شوید. در دوره‌ی آموزش ساخت سیستم های پیشنهادگر، از زبان برنامه نویسی پایتون (python) استفاده می‌شود. لذا برای این‌که بتوانید مباحث آموزشی این دوره را درک کنید، می‌بایست تسلط خوبی روی زبان پایتون و دستورات آن داشته باشید. شما می‌توانید از دوره‌های آموزش پایتون مکتب خونه برای تسلط روی این زبان برنامه نویسی استفاده کنید. انتظار می‌رود با کتابخانه‌های رایج پایتون آشنا باشید. چراکه در این آموزش‌ها، از کتابخانه‌های متعددی نظیر tensorFlow استفاده شده است. کار با این کتابخانه را می‌توانید از طریق دوره‌های آموزش تنسورفلو مکتب خونه، یاد بگیرید. هم‌چنین برای مباحث حرفه‌ای‌تر در آموزش ساخت سیستم پیشنهاد دهنده، شما نیاز به یادگیری کامل این کتابخانه و موضوع یادگیری عمیق خواهید داشت. موضوع دیگر در ساخت سیستم های ریکامندر، اهمیت هوش مصنوعی و یادگیری ماشین است. توصیه می‌کنیم از دوره‌های آموزش یادگیری ماشین مکتب خونه برای آشنایی مقدماتی با مفاهیم ML و هوش مصنوعی استفاده کنید. آن‌چه در این دوره‌ی آموزشی، مد نظر قرار می‌گیرد؛ در مباحث زیر قابل بررسی خواهد بود. •      مقدمه‌ای بر سیستم‌های پیشنهاد دهنده •      بارگذاری داده‌ها با استفاده از کتابخانه‌ی TFDS •      پیش پردازش ویژگی‌ها با استفاده از Keras Preprocessing Layers •      ساخت یک مدل بازیابی اطلاعات (Retrieval Task) •      جست‌وجوی نزدیک‌ترین همسایگی (K-nearest Neighbors) •      ساخت یک مدل رتبه‌بندی (Ranking Task) •      استقرار مدل هوش مصنوعی با استفاده از TF Serving •      پروژه‌ی عملی دوره‌ی آموزشی مذکور در ۲۷ ساعت ویدیویی طراحی و تدوین شده است. از این مدت زمان، ۶ ساعت آموزش و ۲۱ ساعت به تمرینات عملی و پروژه اختصاص دارد. بازه‌ی زمانی نهایی، با توجه به تسلط کاربر روی مفاهیم پیش نیاز و سرعت عمل وی، قابل محاسبه خواهد بود. برای این‌که بتوانید سیستم های توصیه گر را طراحی و پیاده‌سازی کنید، می‌توانید از آموزش‌های موجود در مکتب خونه استفاده نمایید. شما می‌توانید تمام موارد پیش نیاز ساخت این سیستم‌ها را در میان دوره‌های مکتب خونه جست‌وجو کرده و دنبال نمایید. بعد از تسلط کامل بر روی مفاهیم پیش نیاز، استفاده از آموزش ساخت سیستم‌های پیشنهاد دهنده به شما کمک می‌کند تا صفر تا صد Recommendation systems را پیاده‌سازی کنید. آموزش ساخت سیستم های پیشنهاد دهنده به شما نشان می‌دهد که چطوری می‌توان سیستمی را برای پیشنهاد دیگر کالاها و خدمات به کاربران ارائه دهیم. از آموزش ساخت سیستم های توصیه گر، برای پیاده‌سازی این بخش در وب سایت‌ها و فروشگاه‌های اینترنتی استفاده می‌شود. در مکتب خونه انواع دوره آموزش برنامه نویسی، آموزش پایتون، آموزش هوش مصنوعی، آموزش دیتاساینس و آموزش یادگیری ماشین به عنوان مکمل و پیش نیاز این دوره موجود است. فصل اول: مقدمه‌ای بر سیستم‌های پیشنهاد دهنده: 1 - سامانه پیشنهاد دهنده (Recommender System) چیست؟! 2 - کوییز سیستم‌های پیشنهاد دهنده 3 - مراحل مختلف (Taskها) در یک سامانه پیشنهاد دهنده 4 - کوییز مراحل مختلف در یک سیستم پیشنهاد دهنده 5 - روش‌های فیلتر کردن اقلام برای پیشنهاددهی 6 - کوییز روش‌های فیلتر کردن اقلام برای پیشنهاد دهی 7 - نمایش (Representation) ویژگی‌های آشکار و نهان کاربران و اقلام به الگوریتم‌های یادگیری ماشین 8 - کوییز نمایش (Representation) ویژگی‌های آشکار و نهان کاربران و اقلام به الگوریتم‌های یادگیری ماشین 9 - معرفی دیتاست MovieLens 10 - کوییز معرفی دیتاست MovieLens فصل دوم: بارگذاری داده‌ها با استفاده از کتابخانه TFDS: 1 - معرفی کتابخانه Tensor Flow Datasets 2 - کوییز معرفی کتابخانه Tensor Flow Datasets 3 - بارگذاری دیتاست MovieLens 4 - کوییز بارگذاری دیتاست MovieLens 5 - بررسی و نمایش داده‌ها در قالب Pandas DataFrame 6 - کوییز بررسی و نمایش داده‌ها در قالب Pandas DataFrame 7 - انتخاب ویژگی‌ها (Feature Selection) 8 - کوییز انتخاب ویژگی‌ها (Feature Selection) 9 - جداسازی دیتاست آموزش (Train) و آزمایش (Test) 10 - کوییز جداسازی دیتاست آموزش (Train) و آزمایش (Test) فصل سوم: پیش‌پردازش ویژگی‌ها با استفاده از Keras Preprocessing Layers: 1 - پیش‌پردازش داده‌های انواع ویژگی‌ها و ساخت مدل‌های End-to-End 2 - کوییز پیش‌پردازش داده‌های انواع ویژگی‌ها و ساخت مدل‌های End-to-End 3 - نرمال‌سازی داده‌های یک ویژگی عددی (Numerical) 4 - کوییز نرمال‌سازی داده‌های یک ویژگی عددی (Numerical) 5 - پیش‌پردازش ویژگی‌های دسته‌ای (Categorical) مانند "شناسه کاربر" و تبدیل آن‌ها به بردار Embedding 6 - کوییز پیش‌پردازش ویژگی‌های دسته‌ای (Categorical) مانند "شناسه کاربر" و تبدیل آن‌ها به بردار Embedding 7 - به‌دست آوردن بردار Embedding برای ویژگی "شناسه فیلم" 8 - کوییز به‌دست آوردن بردار Embedding برای ویژگی "شناسه فیلم" 9 - پیش‌پردازش ویژگی‌های متنی (Textual) با تکنیک‌های پردازش زبان طبیعی (NLP) 10 - کوییز پیش‌پردازش ویژگی‌های متنی (Textual) با تکنیک‌های پردازش زبان طبیعی (NLP) 11 - مدلی برای نمایش Query ها و Candidate ها در شبکه عصبی دو برجی (Two-Tower Neural Networks) 12 - کوییز مدلی برای نمایش Query ها و Candidate ها در شبکه عصبی دو برجی (Two-Tower Neural Networks) فصل چهارم: ساخت یک مدل بازیابی اطلاعات (Retrieval Task): 1 - استفاده از ویژگی‌های جانبی (Side Features) برای غلبه بر مشکل Cold Start 2 - کوییز استفاده از ویژگی‌های جانبی (Side Features) برای غلبه بر مشکل Cold Start 3 - مقدمه‌ای بر Retrieval Task 4 - کوییز مقدمه‌ای بر Retrieval Task 5 - استفاده ضمنی (Implicit) از دیتاست MovieLens برای انجام تسک بازیابی اطلاعات 6 - کوییز استفاده ضمنی (Implicit) از دیتاست MovieLens برای انجام تسک بازیابی اطلاعات 7 - معرفی کتابخانه TensorFlow Recommenders 8 - کوییز معرفی کتابخانه TensorFlow Recommenders 9 - پیاده‌سازی لایه Retrieval با استفاده از کتابخانه TFRS 10 - پیاده‌سازی لایه Retrieval با استفاده از کتابخانه TFRS 11 - ساخت مدل Retrieval دو برجی با استفاده از کتابخانه TFRS 12 - کوییز ساخت مدل Retrieval دو برجی با استفاده از کتابخانه TFRS 13 - آموزش (Fit) و ارزیابی (Evaluation) مدل بازیابی اطلاعات با استفاده از توابع Keras 14 - کوییز آموزش (Fit) و ارزیابی (Evaluation) مدل بازیابی اطلاعات با استفاده از توابع Keras 15 - رسم نمودار تغییرات خطا (Loss) هنگام آموزش مدل با استفاده از کتابخانه Matplotlib 16 - کوییز رسم نمودار تغییرات خطا (Loss) هنگام آموزش مدل با استفاده از کتابخانه Matplotlib فصل پنجم: جستجوی نزدیک‌ترین همسایگی‌ها (K-nearest Neighbors): 1 - جستجوی KNN به صورت Brute-force 2 - کوییز جستجوی KNN به صورت Brute-force 3 - جستجوی KNN به صورت تقریبی با استفاده از کتابخانه Google ScaNN 4 - کوییز جستجوی KNN به صورت تقریبی با استفاده از کتابخانه Google ScaNN 5 - ذخیره مدل آموزش‌دیده در محیط Google Colab و انتقال آن به Google Drive 6 - کوییز ذخیره مدل آموزش‌دیده در محیط Google Colab و انتقال آن به Google Drive فصل ششم: ساخت یک مدل رتبه‌بندی (Ranking Task): 1 - مقدمه‌ای بر تسک Ranking 2 - کوییز مقدمه‌ای بر تسک Ranking 3 - پیاده‌سازی مدل Ranking با استفاده از کتابخانه TFRS 4 - کوییز پیاده‌سازی مدل Ranking با استفاده از کتابخانه TFRS 5 - آموزش (Fit) و ارزیابی (Evaluation) مدل رتبه‌بندی با استفاده از توابع Keras فصل هفتم: استقرار مدل هوش مصنوعی با استفاده از TF Serving: 1 - آشنایی با داکر و TensorFlow Serving برای استقرار یک مدل یادگیری ماشین روی سرور عملیاتی 2 - کوییز آشنایی با داکر و TensorFlow Serving برای استقرار یک مدل یادگیری ماشین روی سرور عملیاتی 3 - اجرای TensorFlow Serving روی سرور لینوکس و ارسال درخواست HTTP برای دریافت لیست اقلام پیشنهادی 4 - کوییز اجرای TensorFlow Serving روی سرور لینوکس و ارسال درخواست HTTP برای دریافت لیست اقلام پیشنهادی فصل هشتم: پروژه پایانی: 1 - پروژه پایانی