%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش هوش مصنوعی و علم داده برای توسعه دهندگان SQL: از مبتدی تا پیشرفته (با زیرنویس فارسی AI)
AI and Data Science for SQL Developers: From Beginner to Advanced
از پرفروش‌های چند ماه اخیر
کد محصول: FL9749-4466464
لیندا _ آموزش هوش مصنوعی و علم داده برای توسعه دهندگان SQL: از مبتدی تا پیشرفته (با زیرنویس فارسی AI) - Lynda _ AI and Data Science for SQL Developers: From Beginner to Advanced
سطح پیشرفته
زیرنویس انگلیسی
زیرنویس فارسی AI
123,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Walter Shields - والتر شیلدز
تاریخ انتشار
1402/10/14
2024-01-04
سطح آموزش
پیشرفته
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
4ساعت و 7دقیقه
تعداد ویدیو‌ها
71 ویدیو
حجم فایل‌ها
429 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
7 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 1573
درباره تولید کننده

lynda1

 

Lynda Weinman

بسیاری لیندا واینمن را "مادر آموزش اینترنتی" لقب داده اند. وی که هم اکنون (2016) ۶۰ سال سن دارد در ۱۹۹۵ سایتی را راه اندازی کرد که به عنوان منبعی رایگان برای دانش آموزان محسوب می شد. طی آن دوران لیندا به صورت خودآموز در حال یادگیری طراحی وب بود و تلاش داشت تا آموخته هایش را با سایرین نیز به اشتراک بگذارد. هر چند این روزها مسئله یاد شده امری عادی به حساب می آید اما در اواسط دهه نود -روزگاری که هنوز یوتیوبی نبود- یادگیری طراحی وب به صورت خودجوش چندان مسئله رایجی محسوب نمی گشت.

اشتیاق آن روزهای لیندا در یادگیری ، حالا به لطف وب سایت و سرویسی هایی همانند آنچه خود او راه اندازی کرده به میلیون ها نفر دیگر در سراسر دنیا نیز سرایت نموده و آنها می توانند با اندک هزینه ای و در هر جا و مکانی آنچه که دوست دارند را فرا بگیرند.
ناگفته نماند که پیدا کردن مسیر صحیح کسب و کار، حتی برای لیندا واینمن نیز بدون فراز و نشیب نبوده و وی هم مانند هر فرد موفق دیگری در راه رسیدن به پیروزی پستی و بلندی های بسیاری را از سر گذرانده.

درک نیازی که هیچکس به آن پاسخ نداده بود

وقتی در سال ۱۹۹۳ واینمن طراحی وب را اندک اندک فرا گرفته و قصد آموزش دادن آن را پیدا کرد، ابتدا به کتاب فروشی مراجع نمود و سعی کرد کتابی را به عنوان مرجع انتخاب و از روی آن به دانش آموزان خود درس بدهد. اما وی متوجه شد کتاب فروشی ها و کتابخانه ها تنها راهنماهایی بسیار فنی و پیچیده را ارائه می نمایند که درک شان برای افراد معمولی و با دانش متوسط تقریباً غیر ممکن محسوب می شود.

لیندا واینمن میگوید: به یاد می آورم که با خود فکر کردم شاید چنین کتابی هنوز وجود ندارد. بلافاصله از کتاب فروشی به خانه رفتم و ایده ی اولیه نوشتن آن را پیاده سازی کردم.

کمی بعد کتاب "طراحی گرافیک های تحت وب" که به باور بسیاری اولین کتاب ساده و قابل درک توسط عموم در رابطه با حرفه طراحی وب بود، توسط افراد بسیاری در سراسر دنیا به عنوان یک مرجع غیر فنی مورد استفاده قرار می گرفت و محبوبیتی غیر قابل باور به دست آورده بود.

درست در همان زمان و در سال ۱۹۹۵ واینمن آدرس ایمیل فردی را مشاهده نمود که به صورت debbie@debbie.com بود و مشتاق شد بداند آیا دامنه ی لیندا نیز برای ثبت کردن در دسترس قرار دارد یا خیر. وی این دامنه را خریداری و وبسایتی تحت آن راه انداخت تا از طریقش بتواند با دانش آموزان و همچنین خوانندگان کتاب خود ارتباط برقرار نماید.

lynda2

شروعی کوچک و توسعه ای آهسته و پیوسته

بعد از موفقیت کتاب واینمن همسر او، بروس هون (Bruce Heavin)، که در اصل موسس کمپانی لیندا نیز محسوب می شود، پیشنهاد داد در طول تعطیلات بهاره یکی از سالن های کامپیوتر دانشگاهی را اجاره نموده و در آن به مدت یک هفته دوره آموزش طراحی وب برگزار نمایند.
آنها این ایده را عملی کردند و سپس به منظور جذب افراد علاقه مند بنر تبلیغاتی را روی سایت لیندا قرار دادند. نه تنها ظرفیت کلاس یاد شده بسیار سریع پر گشت، بلکه افراد از گوشه و کنار دنیا و حتی مثلاً شهر وین برای حضور در آن ثبت نام نمودند.

اینکه تنها یک بنر در سایت خود قرار دهیم و سپس مردم از سراسر دنیا برای حضور در کلاس مان ثبت نام نمایند، باعث شده بود تا شوکه شویم.
آن کارگاه های یک هفته ای بسیار زود باعث شدند تا کسب و کار امروزی لیندا و همسرش پایه گذاری گردد. واینمن از درآمد حق امتیاز کتاب خود با ارزش ۲۰ هزار دلار استفاده کرد و مدرسه طراحی وبی را راه اندازی نمود که دوره هایش در هر ماه به سرعت پیش فروش شده و ظرفیت شان تکمیل می گشت. لیندا می گوید: "مشتریان زیادی وجود داشتند که مجبور بودیم به آنها نه بگوییم، زیرا ظرفیتی برای پذیرش شان وجود نداشت".

اوج گیری پس از بحران

کسب و کار لیندا پس از چند سال توانست ۳۵ فرصت شغلی را ایجاد و درآمدی ۳.۵ میلیون دلاری را فراهم کند. اما در سال ۲۰۰۱ و پس از انفجار حباب دات کام و حوادث مرتبط به یازده سپتامبر، تمایل افراد به یادگیری دروس طراحی وب کاهشی عجیب پیدا کرد، تا جایی که واینمن و همسرش در ادامه دادن مسیر مردد شده بودند.

کمپانی آنها دچار بحرانی جدی گشت، واینمن و هون ۷۵ درصد کارمندان خود را اخراج کردند و تنها ۹ نفر در استخدام شان باقی ماند. دفتر و مقر برگزاری دوره های لیندا نیز کوچک تر گشت و سعی را بر این گذاشتند تا واحد هایی با قیمت ارزان تر اجاره نمایند.

روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر.

خود واینمن در مورد آن ایام می گوید: "همه در حال نبرد برای بقا بودند و سعی می کردند سر خود را بالای آب نگه دارند. ما نیز وضعیتی مشابه را تجربه می کردیم و در نهایت درست همین زمان بود که تصمیم گرفتیم خدمات خود را به صورت کاملاً آنلاین ارائه نماییم."

روزگاری که ایده یاد شده شکل گرفت و سپس عملی گشت (ارائه خدمات به صورت آنلاین) تماشای فیلم بر روی کامپیوترها تازه در حال رواج یافتن بود. لیندا دات کام تصمیم گرفت در ازای سرویسی که ارائه می کند هزینه حق اشتراکی ۲۵ دلاری را به صورت ماهیانه دریافت نماید.

افراد اندکی از این راهکار استقبال کردند. واینمن می گوید: "درآمد مان به شدت افت کرده بود. روز های سیاهی بود و حتی خودم تردید داشتم که می توانیم این کسب و کار را ادامه دهیم یا خیر."

با تنها ۱۰۰۰ نفر پرداخت کننده حق اشتراک ماهیانه، بقای کمپانی به نظر بسیار سخت می رسید. ایجاد یک جامعه ی آنلاین زمان بر است و لیندا به خود امید می داد که آنها مسیر شان را عوض نکرده اند بلکه راهی تازه را شروع نموده اند پس باید صبر پیشه کنند. او توضیح می دهد که "همه چیز بسیار آهسته پیش رفت. ولی کم کم پرداخت حق اشتراک ماهیانه آنلاین رواج پیدا کرد و مقدار آن هر ساله چندین برابر شد".

در ۲۰۰۶ تعداد مشترکین به ۱۰۰.۰۰۰ نفر رسید و واینمن و همسرش ۱۵۰ کارمند خود را به همراه خانواده هایشان به دیزنی لند بردند تا موفقیت بزرگی که رقم خورده بود را جشن بگیرند.

lynda4

ایجاد فرهنگ سازمانی مناسب در زمان رشد

اینکه اعضا و کارمندان شرکت همانند یک خانواده با یکدیگر در تعامل باشند همواره برای لیندا حائز اهمیت بوده و او حتی همیشه تلاش داشته تا افراد تحت استخدام خود را با اسم کوچک بشناسد و صدا بزند. ولی رشد سریع کمپانی و رسیدن تعداد کارمندان به عدد ۵۰۰، رفته رفته چالش هایی تازه را پدید می آورد و سبب می گردد واینمن در ایده آل های خود بازنگری نماید.

وی می گوید: "چالش اصلی بر سر تعیین سمت و مقام افراد بود. اینکه با هر کس چه برخوردی باید صورت بگیرد. همه ی کسانی که رشدی سریع را در شرکت خود تجربه کرده اند می دانند که ایجاد سلسله مراتب تا چه حد اهمیت دارد."

در ۲۰۰۷ تصمیم بر این شد تا یک مدیرعامل جهت اداره ی بهتر مجموعه به آن اضافه گردد. به گفته ی خود لیندا "درست در همان زمان بود که او تصمیم گرفت در رفتارها و برخوردهای خود سیاست بیشتری داشته و بروکراتیک تر عمل نماید".

ایجاد فرهنگ سازمانی برای شرکتی با بیش از ۵۰۰ کارمند کاری بسیار دشوار خواهد بود ولی حتی آنچه از این مسئله نیز دشوارتر به حساب می آید پایه ریزی درست و مطابقت دادن افراد با فرهنگ یاد شده است. اینکار در زمانی که یک شرکت نوپا و کوچک محسوب می شود چندان سخت نیست و شاید ضروری هم نباشد ولی با رشد آن صورت پذیرفتنش الزام می یابد.

 پیش به سوی موفقیت

مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند.

در طی سال های اخیر کمپانی واینمن توسط افراد گوناگونی که در حرفه ی خود بهترین هستند دوره های آنلاین متعددی را ایجاد نموده و سعی کرده نشان دهد این دوره های آنلاین راه و روش یادگیری را برای همیشه متحول کرده اند.

لیندا دات کام قالبی معین و کارآمد را برای دوره های آموزشی اش پدید آورده و سپس کوشش کرده تا از نظر موضوعی نیز در بین مطالب مورد تدریس خود تنوع ایجاد نماید. روزگاری در وب سایت مورد بحث تنها ۲۰ دوره آموزش ویدئویی آنلاین وجود داشت، اما اکنون این رقم به ۶۳۰۰ رسیده که شامل ۲۶۷.۰۰۰ ویدئوی آموزشی می گردد.

ارائه ی کتابخانه ای ویدئویی به جای اینکه از افراد درخواست شود تا در دوره هایی مشخص با روال معمول و پیوسته شرکت نمایند، عاملی بوده که سبب گشته شیوه ی آموزشی لیندا دات کام نسبت به سایرین کاملاً متفاوت گردد.

واینمن می گوید: "مدتی است که بسیاری تصور می کنند دوره های آموزش ویدئویی می توانند آینده آموزش به حساب بیایند. ما به خاطر همین تفاوت مان مورد توجه قرار داشته و تحت نظر سایرین هستیم".

lynda6

فروش به لینکدین Linked in

من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم.

واینمن زمانی که متوجه می شود لینکدین قصد خرید کمپانی اش را دارد، در ابتدا شوکه می گردد. او و همسرش هرگز به دنبال فروش شرکت خود و یافتن مشتری برای آن نبوده اند و البته در سن ۶۰ سالگی وی هنوز هم احساس می نموده که برای بازنشستگی بسیار زود است.

اما رفته رفته به این نتیجه می رسند که این فروش و ادغام دو کمپانی با یکدیگر احتمالاً امری منطقی و موثر خواهد بود. هر دو شرکت به نوعی تلاش داشته اند به افراد کمک کنند تا وضعیت شغلی خود را بهبود بخشند و احتمالاً در کنار یکدیگر بسیار بهتر از گذشته می توانند این هدف را محقق کنند.

واینمن می گوید: "بسیاری از مردم بر روی رقم معامله صورت پذیرفته تمرکز دارند و شاید این مسئله برای افرادی که با صنعت ما آشنا نیستند یک شگفتی محسوب شود. ولی خود من به شخصه بر روی اثری که از همکاری دو کمپانی با یکدیگر پدید می آید متمرکز هستم و اولین چیزی که در رابطه با این موضوع به ذهنم می رسد، میزان بزرگی این اثرگذاری است."

به نظر می آید حتی لیندا واینمن هم از موفقیت خودش شگفت زده است و تصور چنین روزی را نداشته. بر خلاف بسیاری از بنیانگذاران کمپانی ها مهم تکنولوژیک امروزی ، وی با هدف کسب درآمد های کلان شروع به کار نکرده و قصد اولیه اش هرگز ایجاد کمپانی نبوده که توسط لینکدین به ارزش ۱.۵ میلیارد دلار خریداری شد. او تنها سعی داشته آنچه که برای خودش جذاب بوده، یعنی طراحی وب را به سایرین نیز بیاموزد.

واینمن که بر حسب اتفاق بدل به یک معلم گشته، می گوید: "من نه چندان گنگ بودم و نه به آن صورت خوره ی دنیای تکنولوژی. افراد زیادی پیش من می آمدند و می پرسیدند چگونه این کار را انجام می دهی؟ یا چگونه آن کار را انجام می دهی؟ هرگز با خودم فکر نکرده بودم به اشتراک گذاشتن دانش در رابطه با آنچه که برایت جالب است، در واقع همان تدریس کردن محسوب می شود."

در حالکیه لیندا اعتقاد دارد تنها در زمان و مکان مناسبی حضور داشته، سخت است بدل شدن یک دامنه ی ۳۵ دلاری به کسب و کاری ۱.۵ میلیارد دلاری را حاصل یک اتفاق بدانیم.

فارسی لیندا

ممکن است لازم باشد از SQL در هماهنگی با هوش مصنوعی و علم داده استفاده کنید، اما اگر از قبل نمی‌دانید چگونه می‌توانید یاد بگیرید؟ در این دوره آموزشی عمیق، مدرس فناوری و نویسنده پرفروش Walter Shields با مفاهیم و پروژه های سطح مبتدی شروع می کند و شما را از طریق یک سری ویدیوهای جذاب و چالش های Codespace به سمت مفاهیم پیشرفته تر راهنمایی می کند. مقدمه ای کامل با علم داده و همچنین هوش مصنوعی، ML و DL داشته باشید، سپس به آمار و احتمال، رگرسیون خطی، و آماده سازی و اکتشاف داده ها بپردازید. علاوه بر ساخت مدل و ارزیابی، تجسم و پیش پردازش داده ها را کاوش کنید. در مورد تفسیر مدل بیاموزید، سپس آنچه را که در این دوره آموخته اید با یک پروژه capstone نشان دهید.

سطح آموزشی
خرید آنلاین و دانلود فوری
به همراه فایلهای تمرین
ویدئوهای آموزشی با زیرنویس
ویدئوهای آموزشی با زیرنویس فارسی
کیفیت HD ویدئوهای آموزشی
قابل استفاده برای ناشنوایان
 
 
 

نمونه ویدیوی آموزشی ( زیرنویس‌ها جدا از ویدیو است و میتوانید آنرا نمایش ندهید ) :

 

[فارسی]

01 مقدمه
01-01 هوش مصنوعی و علم داده: مقدمه
01-02 آنچه باید بدانید
01-03 استفاده از فایل های تمرین دوره

02 مقدمه ای بر علم داده
02-01 علم داده توضیح داده شد
02-02 داده یا اطلاعات: تفاوت چیست؟
02-03 نفوذ فزاینده داده ها
02-04 مقایسه نقش های داده
02-05 مهارت های لازم برای علم داده
02-06 برنامه های کاربردی در دنیای واقعی
02-07 چالش: داده ها
02-08 راه حل: داده ها

03 AI، ML، و DL
03-01 چهره در حال تکامل هوش مصنوعی
03-02 طبقه بندی مشکلات یادگیری ماشین
03-03 رویکردهای یادگیری ماشین برای سناریوهای تجاری
03-04 چالش: هوش مصنوعی
03-05 راه حل: هوش مصنوعی

04 مقدمه ای بر آمار و احتمال
04-01 آمار تعریف شده است
04-02 طرز فکر آماری
04-03 انواع آمار
04-04 آمار توصیفی
04-05 آمار استنباطی (احتمال)
04-06 پایتون
04-07 چالش: آمار
04-08 راه حل: آمار

05 پیش بینی قیمت خانه با رگرسیون خطی
05-01 هدف پروژه
05-02 مراحل پروژه
05-03 راه اندازی محیط پایتون
05-04 راه اندازی محیط SQL
05-05 رویکرد پروژه

06 آماده سازی و کاوش داده ها
06-01 واردات کتابخانه های لازم و نمای کلی مجموعه داده ها
06-02 بارگیری داده ها
06-03 بررسی اطلاعات داده ها
06-04 آمار خلاصه مجموعه داده
06-05 بررسی توزیع متغیرها
06-06 اعمال تبدیل گزارش و بررسی مجدد توزیع
06-07 چالش: آماده سازی
06-08 راه حل: آماده سازی

07 تجسم و کاوش داده ها
07-01 تجزیه و تحلیل دو متغیره: نقشه حرارتی
07-02 تجسم روابط: سن خانه و فاصله تا محل کار
07-03 تجسم روابط: دسترسی به بزرگراه و مالیات بر دارایی
07-04 بررسی همبستگی پس از حذف موارد پرت
07-05 تجسم روابط: جفت متغیرهای دیگر
07-06 چالش: تجسم
07-07 راه حل: تجسم

08 پیش پردازش داده ها
08-01 تقسیم مجموعه داده به مجموعه های قطار و آزمایش
08-02 بررسی چند خطی بودن با استفاده از VIF
08-03 حذف چند خطی با حذف ویژگی مالیات
08-04 چالش: پیش پردازش
08-05 راه حل: پیش پردازش

09 ساخت و ارزیابی مدل
09-01 ایجاد مدل رگرسیون خطی و خلاصه مدل: قسمت 1
09-02 ایجاد مدل رگرسیون خطی و خلاصه مدل: قسمت 2
09-03 ایجاد مدل رگرسیون خطی و خلاصه مدل: قسمت 3
09-04 حذف متغیرهای ناچیز و ایجاد مجدد مدل
09-05 بررسی مفروضات برای رگرسیون خطی
09-06 فرض 1: بررسی میانگین باقیمانده ها
09-07 فرض 2: بررسی همسویی
09-08 فرض 3: بررسی خطی بودن
09-09 فرض 4: بررسی نرمال بودن اصطلاحات خطا
نمودار Q-Q 09-10 برای بررسی نرمال بودن عبارات خطا
09-11 مقایسه عملکرد مدل در قطار و داده های آزمون
09-12 استفاده از اعتبارسنجی و ارزیابی متقابل
09-13 چالش: مدل سازی
09-14 راه حل: ماکت ساختمان

10 تفسیر و گزارش مدل
10-01 استخراج و ایجاد یک DataFrame از ضرایب
10-02 نوشتن معادله و ضرایب رگرسیون خطی
10-03 نتیجه گیری و توصیه های تجاری
10-04 چالش: تفسیر
10-05 راه حل: تفسیر

11 پروژه نهایی Capstone
11-01 جزئیات پروژه نهایی
11-02 مرحله نهایی راه حل پروژه capstone

12 نتیجه گیری
12-01 مراحل بعدی

[ENGLISH]

01 Introduction
01-01 AI and data science: Introduction
01-02 What you should know
01-03 Using the course exercise files

02 Introduction to Data Science
02-01 Data science explained
02-02 Data or information: Whats the difference?
02-03 Datas increasing influence
02-04 Comparing data roles
02-05 Necessary skills for data science
02-06 Real-world applications
02-07 Challenge: Data
02-08 Solution: Data

03 AI, ML, and DL
03-01 The evolving face of artificial intelligence
03-02 Machine learning problem classifications
03-03 Machine learning approaches for business scenarios
03-04 Challenge: AI
03-05 Solution: AI

04 Introduction to Stats and Probability
04-01 Statistics defined
04-02 Statistical mindset
04-03 Types of statistics
04-04 Descriptive statistics
04-05 Inferential statistics (probability)
04-06 Python
04-07 Challenge: Statistics
04-08 Solution: Statistics

05 Predicting House Prices with Linear Regression
05-01 Project goal
05-02 Project steps
05-03 Python environment setup
05-04 SQL environment setup
05-05 Project approach

06 Data Preparation and Exploration
06-01 Importing necessary libraries and dataset overview
06-02 Loading the data
06-03 Checking the data info
06-04 Summary statistics of the dataset
06-05 Checking the distribution of the variables
06-06 Applying log transformation and re-checking distribution
06-07 Challenge: Preparation
06-08 Solution: Preparation

07 Data Visualization and Exploration
07-01 Bivariate analysis: Heat-map
07-02 Visualizing relationships: Age of homes and distance to work
07-03 Visualizing relationships: Highway access and property tax
07-04 Checking correlation after removing outliers
07-05 Visualizing relationships: Other pairs of variables
07-06 Challenge: Visualization
07-07 Solution: Visualization

08 Data Preprocessing
08-01 Splitting the dataset into train and test sets
08-02 Checking for multicollinearity using VIF
08-03 Removing multicollinearity by dropping the tax feature
08-04 Challenge: Preprocessing
08-05 Solution: Preprocessing

09 Model Building and Evaluation
09-01 Creating the linear regression model and model summary: Part 1
09-02 Creating the linear regression model and model summary: Part 2
09-03 Creating the linear regression model and model summary: Part 3
09-04 Dropping insignificant variables and re-creating the model
09-05 Checking assumptions for linear regression
09-06 Assumption 1: Checking for mean residuals
09-07 Assumption 2: Checking homoscedasticity
09-08 Assumption 3: Checking linearity
09-09 Assumption 4: Checking normality of error terms
09-10 Q-Q plot for checking the normality of error terms
09-11 Model performance comparison on train and test data
09-12 Applying cross-validation and evaluation
09-13 Challenge: Model building
09-14 Solution: Model building

10 Model Interpretation and Reporting
10-01 Extracting and creating a DataFrame of coefficients
10-02 Writing the linear regression equation and coefficients
10-03 Conclusions and business recommendations
10-04 Challenge: Interpretation
10-05 Solution: Interpretation

11 Final Capstone Project
11-01 Final capstone project details
11-02 Final capstone project solution walkthrough

12 Conclusion
12-01 Next steps

 

مدرس: Walter Shields - والتر شیلدز

تعداد دوره های آموزشی: 3

والتر شیلدز یک مربی فناوری و نویسنده پرفروش SQL QuickStart Guide است.
والتر بیش از 25 سال تجربه حرفه‌ای در مدیریت سیستم‌های داده در نقش‌های مختلف، برای همه چیز، از استارت‌آپ‌ها گرفته تا شرکت‌های فورچون 500 در قانون، مراقبت‌های بهداشتی، خرده‌فروشی و غیره دارد. او که مدافع اشتراک دانش و گنجاندن بیشتر در داده‌ها است، بنیانگذار آکادمی داده والتر شیلدز است که به مشتریان و سازمان‌ها آموزش می‌دهد، قدرت می‌دهد و آموزش می‌دهد تا استراتژی‌هایی را براساس بهترین شیوه‌ها در مدیریت پایگاه داده و تجزیه و تحلیل پیاده‌سازی کنند. والتر در ترینیداد بزرگ شد، جایی که او از صف طولانی معلمان و مربیان جامعه می آید. او دارای مدرک کارشناسی ارشد در سیستم های اطلاعات مدیریت و خدمات از دانشگاه ایالتی متروپولیتن در سنت پل، مینه سوتا است.

جدیدترین آموزشهای مرتبط

تمامی زیرنویس‌های فارسی و مطالب ترجمه شده در سایت، بطور انحصاری متعلق به فارسی لینـدا بوده و هر گونه کپی‌ برداری و یا استفاده از آنها به هر شکلی در سایتها یا برنامه‌های دیگر پیگرد قانونی دارد
logo-samandehi
فارسی کلاس