%40 تخفیف  برای خرید  مسیرهای یادگیری

logo mix

آموزش یادگیری ماشین در ارتباط از راه دور: از مبانی تا موارد دنیای واقعی (با زیرنویس فارسی AI)
Machine Learning in Telecommunication: From Basics to Real-World Cases
جدید ( 13 روز قبل)
کد محصول: FL11411-6083000
لیندا _ آموزش یادگیری ماشین در ارتباط از راه دور: از مبانی تا موارد دنیای واقعی (با زیرنویس فارسی AI) - Lynda _ Machine Learning in Telecommunication: From Basics to Real-World Cases
سطح متوسـط
زیرنویس انگلیسی
زیرنویس فارسی AI
95,000 تومان
اضافه به سبد خرید add_shopping_cart
تولید کننده محتوا
Lynda.com (Linkedin Learning)
تولید کننده زیرنویس فارسی
فارسی لینـدا FarsiLynda.com
مدرس
Itelcotech - آی تل کوچ
تاریخ انتشار
1404/4/31
جدید ( 13 روز قبل)
سطح آموزش
متوسط
زبان آموزش
انگلیسی
زیرنویس
فارسی و انگلیسی
نوع زیرنویس فارسی
ترجمه شده توسط هوش مصنوعی (AI)
مدت زمان آموزش
2ساعت و 11دقیقه
تعداد ویدیو‌ها
37 ویدیو
حجم فایل‌ها
359 مگابایت (دانلود با تعرفه داخلی)
زمان تقریبی دانلود فایل‌ها
6 دقیقه (با سرعت اینترنت 1 مگابایت در ثانیه)
تعداد بازدید : 14
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

این دوره سطح متوسط، کاوشی متمرکز بر چگونگی تغییر شبکه‌های مخابراتی مدرن توسط یادگیری ماشین (ML) ارائه می‌دهد. این دوره که برای دانشجویان و متخصصانی با دانش پایه در حوزه مخابرات یا هوش مصنوعی طراحی شده است که می‌خواهند درک خود را از کاربردهای یادگیری ماشین در بهینه‌سازی شبکه، تجزیه و تحلیل پیش‌بینی‌کننده و اتوماسیون هوشمند عمیق‌تر کنند، چندین الگوی کلیدی یادگیری ماشین را پوشش می‌دهد: یادگیری نظارت‌شده، بدون نظارت و تقویتی. از طریق مطالعات موردی دنیای واقعی، مفاهیم کلیدی یادگیری ماشین مانند رگرسیون، طبقه‌بندی، خوشه‌بندی، آزمایش فرضیه، توابع هزینه، گرادیان نزولی و ارزیابی مدل را بررسی کنید. بیاموزید که چگونه مدل‌ها معیارهای مخابراتی مانند قدرت سیگنال، بار شبکه و تقاضای پهنای باند را پیش‌بینی می‌کنند و چگونه تکنیک‌های طبقه‌بندی به تشخیص خطاها و ناهنجاری‌ها کمک می‌کنند. در پایان این دوره، شما به مهارت‌های لازم برای استفاده از یادگیری ماشین برای تقویت شبکه‌های مخابراتی هوشمندتر و سازگارتر مجهز خواهید شد.

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 مقدمه

02 یادگیری ماشین (ML) و انواع آن
02-01 پیش بینی روند شبکه از راه دور با ML
02-02 میلی لیتر انواع: نظارت ، بدون نظارت و تقویت
02-03 یادگیری تحت نظارت: یادگیری از داده های برچسب خورده
02-04 یادگیری بدون نظارت: کشف الگوهای در داده های مخابراتی
02-05 یادگیری تقویت: بهینه سازی شبکه های پویا

03 میلی لیتر موارد استفاده در شبکه های مخابراتی
03-01 چگونه شبکه های مخابراتی از ML برای بهینه سازی توان کاربر استفاده می کنند
03-02 مزایای ML در مخابرات

04 یادگیری تحت نظارت در مخابرات
04-01 یادگیری نظارت شده: رگرسیون در مقابل طبقه بندی
پیش بینی سیگنال 04-02: درک رگرسیون در مخابرات
04-03 تشخیص شماره شبکه: طبقه بندی در عمل

05 رگرسیون خطی در راه دور
05-01 اصول اولیه رگرسیون خطی برای تجزیه و تحلیل ارتباط از راه دور
05-02 با استفاده از آزمایش فرضیه برای پیش بینی عملکرد شبکه
05-03 عملکرد هزینه توضیح داده شده: اندازه گیری دقت مدل از راه دور
05-04 نزول شیب: مدل های تنظیم دقیق شبکه
05-05 بیش از حد در مقابل زیر فشار: بهینه سازی برای پیش بینی های مخابراتی

06 رگرسیون لجستیک در راه دور
06-01 طبقه بندی مسائل شبکه با رگرسیون لجستیک
عملکرد سیگموئید 06-02: تبدیل داده ها به تصمیمات
06-03 درک فرضیه لجستیک برای پیش بینی های مخابراتی
06-04 مرزهای تصمیم گیری: جدا کردن ترافیک طبیعی و مخرب
06-05 عملکرد هزینه در رگرسیون لجستیک

07 یادگیری بدون نظارت در مخابرات
07-01 یادگیری بدون نظارت چیست؟ یافتن الگوهای بدون برچسب
07-02 شبکه های خود سازماندهی: قدرت خوشه بندی
خوشه بندی 07-03 K-Mean: مشترکین تقسیم بندی
07-04 توزیع گاوسی: درک گسترش داده های مخابراتی
07-05 تشخیص ناهنجاری: قسمتهای دیدنی در عملکرد شبکه

08 یادگیری تقویت در مخابرات
08-01 اصول اولیه یادگیری تقویت
08-02 چگونه یادگیری تقویت کننده کار می کند

09 درخت تصمیم و جنگل تصادفی
09-01 درخت تصمیم گیری
09-02 کاهش واریانس و اهمیت ویژگی
09-03 جنگل تصادفی و نحوه عملکرد آن
09-04 چرا از جنگل تصادفی استفاده می کنید؟
09-05 جنگل تصادفی در مقابل درخت تصمیم گیری

10 برنامه کاربردی ML: Telecom
گردش کار 10-01 میلی لیتر
10-02 جمع آوری و تهیه داده ها
10-03 ML پروژه: تجزیه و تحلیل پیش بینی شبکه

11 نتیجه گیری
11-01 افکار نهایی

[ENGLISH]

01 Introduction
01-01 Introduction

02 Machine Learning (ML) and Its Types
02-01 Predicting telecom network trends with ML
02-02 ML types: Supervised, unsupervised, and reinforcement
02-03 Supervised learning: Learning from labeled data
02-04 Unsupervised learning: Discovering patterns in telecom data
02-05 Reinforcement learning: Optimizing dynamic networks

03 ML Use Cases in Telecom Networks
03-01 How telecom networks use ML to optimize user throughput
03-02 Benefits of ML in telecom

04 Supervised Learning in Telecom
04-01 Supervised learning: Regression vs. classification
04-02 Signal prediction: Understanding regression in telecom
04-03 Network issue detection: Classification in action

05 Linear Regression in Telecom
05-01 Linear regression basics for telecom analytics
05-02 Using hypothesis testing to predict network performance
05-03 Cost function explained: Measuring telecom model accuracy
05-04 Gradient descent: Fine-tuning network models
05-05 Overfitting vs. underfitting: Optimizing for telecom predictions

06 Logistic Regression in Telecom
06-01 Classifying network issues with logistic regression
06-02 Sigmoid function: Converting data into decisions
06-03 Understanding the logistic hypothesis for telecom predictions
06-04 Decision boundaries: Separating normal and malicious traffic
06-05 Cost function in logistic regression

07 Unsupervised Learning in Telecom
07-01 What is unsupervised learning? Finding patterns without labels
07-02 Self-organizing networks: The power of clustering
07-03 K-means clustering: Segmenting subscribers
07-04 Gaussian distribution: Understanding telecom data spread
07-05 Anomaly detection: Spotting outliers in network performance

08 Reinforcement Learning in Telecom
08-01 Reinforcement learning basics
08-02 How reinforcement learning works

09 Decision Tree and Random Forest
09-01 Decision tree
09-02 Variance reduction and feature importance
09-03 Random forest and how it works
09-04 Why use random forest?
09-05 Random forest vs. decision tree

10 Practical ML Application: Telecom
10-01 ML workflow
10-02 Data collection and preparation
10-03 ML project: Network predictive analytics

11 Conclusion
11-01 Final thoughts

 

مدرس: Itelcotech - آی تل کوچ

تعداد دوره های آموزشی: 3

Itelcotech آموزش و گواهینامه های تقاضا را در فن آوری های مخابراتی نسل بعدی ارائه می دهد. برنامه های ما بر کاربرد دنیای واقعی تأکید می کنند و زبان آموزان را به مهارتهای عملی مورد نیاز برای اجرای و مدیریت سیستم های مخابراتی در محیط های پویا مجهز می کنند. زبان آموزان می توانند تخصص خود را از طریق گواهینامه های شناخته شده در صنعت تأیید کنند.

اطلاعات بیشتر در مورد itelcotech رسمی وب سایت .

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