آموزش داده کاوی رایگان

درباره این دوره

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

سرفصل‌های دوره

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

موسسه برگزارکننده

مکتب خونه

مدرس

محمد پورزعفرانی

دوره‌های مشابه

مقایسه

آموزش رهبری با George W. Bush

درباره دوره: با جدیدترین مدرس از کاخ سفید، رئیس جمهور جورج دبلیو بوش، وارد دفتر بیضی شکل او می‌شوید. او با بانوی اول سابق لورا بوش، فرمانده اسبق کل قوا در مورد تماس‌‌های سخت و درس‌‌های زندگی که شغل او را شکل دادند، صحبت می‌‌کند. شما باید یک سبک رهبری ایجاد کنید که برای شما صدق کند و با برقراری ارتباط شخصی با همه افراد تیم خود، رهبری را بیاموزید. آموزش رهبری با جورج بوش: 1 - آشنایی با مدرس خود 2 - هنر دیپلماسی شخصی 3 - نگاه به افق 4 - ایجاد یک تیم قوی 5 - اتخاذ تصمیمات سخت 6 - رسیدن به نتیجه با مسئولیت‌پذیری 7 - مدیریت بحران 8 - ساخت سبک ارتباطی خود 9 - راهی به سوی سیاست 10 - ورود به خدمات عمومی 11 - اولویت‌بندی آنچه مهم است 12 - "خوشا به حال نقاشان"

مقایسه

آموزش مهارت‌های خودآگاهی

درباره دوره: دوره آموزش مهارت‌های خودآگاهی به معرفی و آموزش تعدادی از مهم‌ترین مهارت‌های فردی می‌پردازد. شما در این دوره با مهارت‌های خودآگاهی، جرئتمندی و همدلی آشنا خواهید شد که 3 تا از اصلی‌ترین مهارت‌ها در حوزه توسعه فردی هستند. مهارت‌های مهم دیگری نیز وجود دارند که همواره در حوزه توسعه فردی مطرح شده و یادگیری این موارد به هر شخصی توصیه می‌شود. خونسردی، اعتماد به نفس و عزت نفس، مثبت‌اندیشی و توانایی انتخاب از دیگر مهارت‌های اکتسابی هستند که فراگیری آن‌ها در کنار مهارت‌های خودآگاهی به هر فردی توصیه می‌شود. احتمالا برای شما نیز پیش آمده است که در طول زندگی خود با رفتارهایی خصمانه رو به رو شده باشید. رفتارهایی مثل تمسخر و استهزاء، اهانت و برخوردهای فیزیکی. اما آیا به این نکته فکر کرده‌اید که اگر افراد از زمان کودکی با مهارت‌های خودآگاهی آشنا باشد، چه تاثیراتی بر روی آینده آن‌ها می‌گذارد؟ احتمالا با اعتماد به نفس بیشتری می‌توانند به مقابله با تمسخر و زورگویی دیگران بپردازند، روابط اجتماعی بهتری داشته باشند و با شرایط مختلف بهتر و راحت‌تر کنار بیایند. اما این بدان معنا نیست که دوره مهارت‌های خودآگاهی فقط برای کودکان و نوجوانان مناسب است، بلکه دوره مهارت‌های خودآگاهی، دوره‌ای است مناسب برای هر فرد که با هر سطحی از مهارت‌های نرم (Soft Skills) می‌تواند مفید فایده واقع شود. سه مهارت تدریس شده در دوره آموزش مهارت‌های خودآگاهی که شامل: مهارت‌های خودآگاهی، جرئت‌مندی و همدلی می‌شوند، به همراه 4 مهارت خونسردی، عزت نفس و اعتماد به نفس، مثبت‌اندیشی و توانایی و قدرت انتخاب، 7 مهارت اصلی از مهارت‌های نرم به شمار می‌روند که تسلط و درک نسبی از آن‌ها به هر شخصی توصیه می‌شود. هرچه ما با مهارت‌های خودآگاهی بیشتر آشنا شویم، در هنگام مواجهه با مشکلات و سختی‌ها می‌توانیم واکنش بهتری نسبت به آن‌ها داده و نتیجه متفاوتی نیز دریافت کنیم. این 7 مهارت خودآگاهی همچنین به کودکان کمک بیشتری می‌کند تا از لایه‌های پایین و فردگرای ذهنشان جدا شده و به سمت جمع‌گرایی و کارها و فعالیت‌های گروهی سوق پیدا کنند. اما افراد خودآگاه چه ویژگی‌هایی دارند؟ در ابتدا لازم است تا اشاره کنیم که مهارت خودآگاهی، توانایی شناخت خصوصیات، نقاط ضعف و قوت، خواسته‌ها، ترس‌ها و انزجارها است. اما افرادی که خوآگاه هستند ویژگی‌هایی بارز نسبت به دیگران دارند که هر فردی می‌تواند این ویژگی‌ها را به آسانی کسب کند. بارزترین خصیصه یک فرد خودآگاه این است که توانایی‌های خود را به درستی می‌شناسد و به استعدادهایش افتخار می‌کند. ویژگی دیگر یک فرد خودآگاه می‌تواند این باشد که نقاط ضعف خودش را می‌شناسد، آن‌ها را کتمان نمی‌کند و در راستای اصلاح نقاط ضعفش کوشش می‌کند. یک فرد خودآگاه تمام تلاش خود را می‌کند تا در راستای اهدافش به موفقیت برسد و پس از رسیدن به موفقیت به موفقیت خود افتخار می‌کند؛ ولی هر شخصی همیشه نمی‌تواند موفق باشد و گاهی شکست را نیز تجربه می‌کند. یک فرد خودآگاه از شکست‌هایش مایوس نشده، از آن‌ها درس گرفته و برای موفقیت‌های آتی تلاش می‌کند تا از تجربه شکست‌هایش بهره ببرد.همچنین به ویژگی‌های جسمانی و ظاهری خود اشراف کامل دارد و سعی نمی‌کند جای دیگران باشد. به افکار و باورهایش واقف است و به افکار و باورهای دیگران احترام می‌گذارد. خودآگاهی چه سطوحی دارد؟ خودآگاهی به چهار سطح مختلف تقسیم می‌شوند که عبارتند از: 1) چیزهایی که هم خودم و هم دیگران نسبت به خودم می‌دانیم، 2) چیزهایی که خودم در رابطه با خودم می‌دانم ولی دیگران نمی‌دانند، 3) نکاتی که دیگران در مورد من می‌دانند ولی خودم نمی‌دانم و 4) نکاتی که در مورد من صادق است اما نه خودم به آن‌ها اشراف دارم و نه دیگران. آشنایی با این سطوح مختلف به ما کمک می‌کند که به نکاتی که خودمان نمی‌دانیم اشراف پیدا کرده و آن‌ها را به سطوح بالاتر بیاوریم تا با آگاهی از آن‌ها بتوانیم اهداف مناسب‌تری با توجه به ارزش‌هایمان تعریف کنیم و مسیرهای مناسب‌تری با توجه به توانایی‌هایمان انتخاب کنیم. در سطوح گفته شده لازم است تا روی سطح سوم و چهارم تمرکز بیشتری گذاشته شود. در رابطه با سطح سوم ما باید به تذکرات و مشاوره‌ی اطرافیانمان توجه بیشتری کنیم. مثلا مدیر یک سازمان که خودش را یک شخص منعطف قلمداد می‌کند ممکن است از دید کارکنانش فردی خشک و انعطاف ناپذیر باشد که می‌تواند با گوش سپردن به حرف کارکنانش این خصیصه‌ شخصی خود را به سطح خودآگاهی برساند. سطح چهارم نیز معمولا بر همه پوشیده است و تنها با روانکاوی مشخص می‌شود. بطور کلی در دوره آموزش مهارت‌‌های خودآگاهی مکتب‌خونه چه چیزهایی می آموزیم؟ این دوره، شامل سه مبحث از مباحث مهارت‌های زندگی است که در ادامه، به آن‌ها می‌پردازیم؛ در این بخش، شما با ویژگی‌‌های مثبت برخواسته از خودآگاهی و تبعات منفی عدم خودآگاهی، آشنا می‌شوید، انواع خودآگاهی را می‌شناسید و با بهره‌گیری از طرح‌واره‌ها و ویژگی‌های حوزه‌های مختلف رفتاری، به خودآگاهی و خودشناسی، دست پیدا می‌کنید. در این بخش، با سبک‌های مختلف رفتاری آشنا می‌شوید و به برتری سبک جرأت‌مندانه، نسبت به سایر سبک‌ها، پی می‌برید. پس از برگزیدن سبک جرأت‌مندانه برای ارتباط، راه‌های پیاده‌سازی هر چه بهتر آن را در زندگی، می‌آموزید. در این بخش، با معنا و مفهوم همدلی، آشنا می‌شوید و پس از آگاهی از تفاوت‌های آن، با هم‌دردی، تاثیرات مثبت و راه صحیح همدل، آشنا خواهید شد. موانعی بر سر راه همدلی کردن وجود دارد که آن‌ها را نیز فرا خواهید گرفت. خودآگاهی: 1 - ویژگی‌های افراد خودآگاه - ویژگی‌های مثبت خود 2 - خوداگاهی جسمانی 3 - ویژگی‌های منفی خود - افکار 4 - منشاء رفتار ما 5 - طرحواره‌ها 6 - حوزه بریدگی و طرد 7 - حوزه خودگردانی و عملکرد مختل 8 - حوزه محدودیت‌های مختل 9 - حوزه دیگر جهت‌مندی 10 - حوزه گوش به زنگی بیش از حد 11 - تشخیص طرحواره خود 12 - کوئیز جراتمندی: 1 - انواع سبک‌های ارتباطی 2 - ویژگی‌های فرد منفعل 3 - ویژگی‌های فرد پرخاشگر 4 - ویژگی‌های فرد سلطه‌گر 5 - زندگی افراد باسبک‌های ناکارامد در کنار هم 6 - شیوه جراتمندانه 7 - حقوق هر انسان در ارتباط با دیگران 8 - موانع و تکنیک‌های ابراز قاطعیت 9 - نردبام و شروط قاطعیت‌ورزی 10 - تکنیک صفحه خط افتاده، مصالحه و خلع سلاح 11 - تکنیک‌ جرات مندی افزایشی و مشخص کردن پیامد 12 - رد قاطعانه درخواست و نه گفتن 13 - واکنش دیگران در برابر رفتار قاطعانه 14 - کوئیز همدلی: 1 - تعریف همدلی 2 - تفاوت همدلی و همدردی 3 - تاثیرات مثبت همدلی 4 - موانع روابط همدلانه 5 - ارتباط صمیمانه 6 - کوئیز

مقایسه

آموزش تلفظ انگلیسی با لهجه آمریکایی

درباره دوره: آیا تاکنون فکر کرده اید که چرا ما باید تلفظ انگلیسی خوبی داشته باشیم؟ آیا تاکنون به اهمیت یادگیری تلفظ و لهجه آمریکایی در یادگیری زبان انگلیسی دقت کرده‌اید؟ در دنیایی که به سرعت در حال پیشرفت است، یادگیری زبان انگلیسی یکی از اصلی‌ترین نیازها به شمار می‌آید، زیرا شما با یادگیری این زبان قادر خواهید بود به کشورهای دیگر سفر کنید، در دانشگاه های مطرح دنیا تحصیل کنید و فرصت های شغلی زیادی در سراسر دنیا پیدا کنید. بیشتر افرادی که شروع به یادگیری زبان انگلیسی می‌کنند انتظار دارند، بعد از گذشت مدت کوتاهی قادر به مکالمه انگلیسی باشند و آنچه می‌شنوند و یا می‌خوانند را به طور کامل متوجه شوند. خیلی از اوقات نیز آنچه را که در متن یا جمله‌ای می‌بینند، به خوبی متوجه می‌شوند. اما صحبت کردن روان و صحیح به عوامل مختلفی بستگی دارد. یکی از عواملی که باعث می‌شود که شما بهتر صحبت کنید و همچنین صحبت‌های دیگران را بهتر متوجه شوید یادگیری نحوه صحیح تلفظ کلمات انگلیسی است. بسیاری از زبان‌آموزان ممکن است به دلیل عدم آشنایی با تلفظ انگلیسی و صداهای جدیدی که ممکن است در ترکیبات مختلف ایجاد شود، نتوانند به درستی متوجه کلماتی شوند که به گوششان می‌خورد. مکالمه زبان انگلیسی مثل هر زبان دیگری دارای تغییراتی در آهنگ صدا است و فشار و تکیه روی بعضی کلمات بیشتر و بعضی کمتر می‌شود. شاید کم توجهی اکثر زبان‌آموزان به این اصل سبب شده که هنگام مکالمه، لحنی ربات‌گونه داشته باشند. برای اینکه بتوانید لهجه خود را هرچه بیشتر به بومیان نزدیک‌تر کنید، بهتر است طرز صحیح تلفظ کلمات انگلیسی را به خوبی بیاموزید و با توجه بیشتری به این قسمت یادگیری زبان انگلیسی بپردازید. تلفظ انگلیسی یکی از فاکتور‌های مهمی است که هر زبان‌آموزی که قصد صحبت با لهجه آمریکایی را دارد، باید به طور صحیح آموزش ببیند. در واقع خوب صحبت کردن فقط این نیست که ما واژگان زیادی را به حافظه بسپاریم و یا اصطلاحات زیادی را یادبگیریم. ادا نکردن درست کلمات و جملات باعث می‌شود، شما نتوانید منظور خود را به درستی منتقل کنید و نهایتا ممکن است باعث سوء برداشت طرف مقابل ‌شود. درک نادرست از لهجه آمریکایی حتی ممکن است باعث گمراهی شما شود و نتوانید به درستی منظور دیگران را بفهمید. در دوره آموزش تلفظ انگلیسی با لهجه آمریکایی شما با تلفظ صداهای صامت آشنا خواهید شد. صامت به آواها و صداهایی گفته می‌شود که هنگام تلفظ آن‌ها، جریان هوا جایی میان گلو و لب متوقف می‌شود. به عنوان مثال در زبان فارسی برای تلفظ /ب/ لب‌ها روی هم قرار می‌گیرند و برای مدت کوتاهی مسیر عبور هوا سد می‌شود و بعد مسیر عبور آن را باز می‌کنیم. برای تلفظ /م/ مانع عبور هوا از دهان می‌شویم در نتیجه هوا از بینی خارج می‌شود. برای تلفظ /س/ مسیر عبور هوا را به کمک لب پایین و دندان بالا نازک می‌کنیم. در زبان انگلیسی 25 صدای صامت وجود دارد. مصوت به آوا یا صداهایی گفته میشود که هنگام تلفظ آن‌ها، هیچ مانعی در مسیر هوا وجود ندارد و با تغییر شکل دهان می‌توانیم صداهای مختلف را تولید کنیم. در زبان انگلیسی 5 مصوت وجود دارد. در این دوره با تلفظ مصوت‌ها آشنا خواهید شد. همچنین شما نکاتی را در مورد تلفظ بهتر و آهنگ کلمات خواهید آموخت و از توصیه‌ها و تجربیات اساتید مختلف و زبان آموزان موفق استفاده خواهید کرد. در دوره آموزش تلفظ انگلیسی با لهجه آمریکایی همه حروف صامت و مصوت را تمرین خواهید کرد. شما می‌توانید در زمانی که استاد در حال نمایش دادن نحوه تولید صداهای مختلف است بیشتر به حرکات دهان و لب‌ها دقت کنید و سعی کنید که همراه استاد صداها را تولید کنید تا در تلفظ کلمات انگلیسی مسلط شوید. همچنین از تجربیات اساتیدی که با شما به اشتراک گذاشته می‌شود به خوبی استفاده کنید تا بتوانید همه‌ی نیازهای خود را در زمینه تلفظ صحیح برطرف کنید. یکی دیگر از ویژگی‌های مهم این دوره یادگیری مواردی مثل استرس هجاها، آهنگ کلمات و . . . و نیز نحوه تقسیم‌بندی کلمات انگلیسی به هجاها و آهنگ‌های مختلف کلام است. همچنین اهمیت رعایت استرس و تکیه کلمات را یاد می‌گیرید که در نهایت باعث می‌شود تلفظ طبیعی‌تری داشته باشد. علاوه بر حروف صامت و مصوت، در این دوره با مهارتی به نام تکنیک سایه (Shadowing) نیز آشنا خواهید شد. این تکنیک روشی پیشرفته برای یادگیری زبان انگلیسی است که می‌تواند در بهبود تلفظ انگلیسی بسیار تاثیرگذار باشد. تکنیک سایه، تکرار جزء به جزء سخنانی است که می‌شنوید. در واقع وقتی به محتوای انگلیسی گوش می‌کنید، به‌محض شنیدن هر عبارتی باید به‌سرعت، آن را با صدای بلند تکرار کنید، مثل همراهی کردن با ترانه‌ی محبوبتان. یعنی هرچه می‌شنوید همان را دقیقا تکرار ‌کنید و سعی ‌کنید که تغییرات صدا، آهنگ صدا، حالات روحی گوینده و حتی حرکات بدنی گوینده را تقلید کنید. البته لازم نیست که حتما با صدای بلند تکرار کنید. می‌توانید این فرایند را در ذهن خود نیز انجام دهید. مثلا زمانی که در یک مکان عمومی مثل کافه یا رستوران در حال گوش دادن به یک مکالمه انگلیسی هستید این فرایند را در ذهن خود تکرار کنید. علاوه‌بر تاثیری که این تکنیک در اسپیکینگ و لهجه شما دارد، همچنین باعث می‌شود که شما بتوانید تلفظ و آهنگ کلمات در انگلیسی را بهتر درک کنید و به همراه آن لیسنینگ خود را نیز تقویت نمایید. معرفی حروف بی‌صدا: 1 - معرفی- هفته اول 2 - مرور پیش آزمون حروف بی‌صدا 3 - بررسی اجمالی حروف بی‌صدا 4 - بررسی اجمالی حروف بی‌صدا- تمرین 5 - صداهای بلند و بی صدا 6 - تمرین صداهای بلند و بی‌صدا 7 - نکات تلفظ 8 - تکنیک سایه در مکالمه حروف بی‌صدا- بخش اول: 1 - معرفی- هفته دوم 2 - consonants sounds that pop 3 - Consonant Sounds that Pop Part 2 4 - Consonant Sounds that Pop Practice Activity 5 - Consonant Sounds that Hiss Part 1 6 - Consonant Sounds that Hiss Part 2 7 - Consonant Sounds that Hiss Practice Activity 8 - Confusing Consonant Pairs 9 - Confusing Consonant Pairs 1 Practice Activity 10 - نکات تلفظ 11 - تکنیک سایه در مکالمه حروف بی‌صدا- بخش دوم: 1 - معرفی- هفته سوم 2 - Consonant Sounds that Hum 3 - Consonant Sounds that Hum Practice Activity 4 - Consonant Sounds that Flow 5 - Consonant Sounds that Flow Practice Activity 6 - Confusing Consonant Pairs 2 7 - Confusing Consonant Pairs 2 Practice Activity 8 - نکات تلفظ 9 - تکنیک سایه در مکالمه چالش های حروف بی‌صدا: 1 - معرفی- هفته چهارم 2 - آخرین حروف بی‌صدا و خوشه‌های بی‌صدا 3 - تمرین آخرین حروف بی‌صدا و خوشه‌های بی‌صدا 4 - تلفظ کلماتی که به s و ed ختم می‌شوند 5 - تمرینات کلماتی که به s و ed ختم می‌شوند 6 - تغییر‌پذیری بعضی از حروف بی‌صدا 7 - تمرینات تغییر‌پذیری بعضی از حروف بی‌صدا 8 - نکات تلفظ 9 - تکنیک سایه در مکالمه معرفی حروف صدا‌دار: 1 - معرفی- هفته اول 2 - مرور پیش آزمون حروف صدا‌دار 3 - مرور اجمالی حروف صدا‌دار 4 - تمرین مرور اجمالی حروف صدا‌دار 5 - آواهای گرد و غیر گرد 6 - تمرین آواهای گرد و غیر گرد 7 - نکات تلفظ 8 - تکنیک سایه در مکالمه حروف صدا‌دار- بخش اول: 1 - معرفی- هفته دوم 2 - صداهای پیشین 3 - تمرین صداهای پیشین 4 - Tense and Lax Vowels 5 - Tense and Lax Vowels Practice Activity 6 - صداهای مبهم 7 - تمرین صداهای مبهم 8 - نکات تلفظ 9 - تکنیک سایه در مکالمه حروف صدا‌دار- بخش دوم: 1 - معرفی- هفته سوم 2 - حروف صدا‌دار مرکزی 3 - حروف صدا‌دار پسین 4 - تمرین حروف صدادار مرکزی و پسین 5 - مصوت دو‌آوا 6 - تمرین مصوت دو‌آوا 7 - حروف صدا‌دار مبهم 8 - تمرین حروف صدا‌دار مبهم 9 - نکات تلفظ 10 - تکنیک سایه در مکالمه چالش های حروف صدا‌دار: 1 - معرفی- هفته چهارم 2 - حروف صدا‌دار بدون تاکید 3 - تمرین حروف صدا‌دار بدون تاکید 4 - R-Controlled 5 - تمرین R-Controlled 6 - چالش هجی کردن حروف صدا‌دار 7 - تمرین چالش هجی کردن حروف صدا‌دار 8 - نکات تلفظ 9 - تکنیک سایه در مکالمه هجاها و استرس کلمه: 1 - معرفی- هفته اول 2 - ریتم زبان انگلیسی 3 - تمرین ریتم زبان انگلیسی 4 - هجاها و استرس کلمه 5 - Disappearing Syllables 6 - Disappearing Syllables Practice Activity 7 - پیش‌بینی استرس‌ها 8 - تمرین پیش‌بینی استرس‌ها 9 - نکات تلفظ 10 - تکنیک سایه در مکالمه گروه‌های فکری، ریتم و کلمات کاهش یافته: 1 - معرفی- هفته دوم 2 - گروه‌های فکری 3 - ریتم 4 - تمرین گروه‌های فکری و ریتم 5 - کلمات کاهش یافته 6 - تمرین کلمات کاهش یافته 7 - اختصار 8 - تمرین اختصار 9 - نکات تلفظ 10 - تکنیک سایه در مکالمه گفتار متصل: 1 - معرفی- هفته سوم 2 - پیومند بخشی- 1 3 - تمرین پیوند بخشی- 1 4 - پیومند بخشی- 2 5 - تمرین پیوند بخشی- 2 6 - عبارات پیوند مشترک 7 - تمرین عبارات پیوند مشترک 8 - نکات تلفظ 9 - تکنیک سایه در مکالمه تمرکز جملات و آهنگ: 1 - معرفی- هفته چهارم 2 - تمرکز جملات 3 - تمرین تمرکز جملات 4 - آهنگ- 1 5 - تمرین- اهنگ- 1 6 - آهنگ- 2 7 - تمرین- آهنگ- 2 8 - نکات تلفظ 9 - داستان‌های اضافی جالب تلفظ

آموزش داده کاوی رایگان

آموزش داده کاوی رایگان

درباره این دوره

سرفصل‌های دوره

موسسه برگزارکننده

مکتب خونه

مدرس

محمد پورزعفرانی

دوره‌های مشابه

آموزش رهبری با George W. Bush

آموزش مهارت‌های خودآگاهی

آموزش تلفظ انگلیسی با لهجه آمریکایی

نظرات شما

دیدگاهتان را بنویسید لغو پاسخ