مهندسی نرم افزار و ابزارهای توسعه

دوره های در حال ثبت نام

دوره های عادی

دوره آموزش حرفه ای داده کاوی (Data Mining) - ویژه سازمان ها
دی ۹۸ دوره آموزش حرفه ای Business Intelligence - ویژه سازمان ها
دی ۹۸ Big Data و سکوهای پردازش توزیع شده - ویژه بانک صنعت و معدن
دی ۹۸ دوره کارگاهی Scrum (مدیریت چابک) - ,ویژه سازمان ها
آذر ۹۸ دوره آموزشی Data Science with Python
۹۸/۱۰/۲۶ دوره آموزشی ITIL (مدیریت خدمات فناوری اطلاعات)
۹۸/۱۰/۲۶ دوره آموزشی IOT (اینترنت اشیا)
۹۸/۱۰/۱۲ دوره یادگیری عمیق – Deep Learning
۹۸/۱۰/۱۰ Big Data و سکوهای پردازش توزیع شده
۹۸/۰۸/۲۳ Docker for Sysadmins

کارگاه‌های رایگان

کارگاه رایگان یادگیری ماشین (Machine Learning)
۹۸/۱۰/۲۸ سمینار رایگان آشنایی با ITIL (مدیریت خدمات فناوری اطلاعات) همراه با آینده شغلی و مسیرهای شغلی ITIL
۹۸/۱۰/۱۶ سمینار رایگان آشنایی با IOT (اینترنت اشیا) همراه با آینده شغلی و مسیرهای شغلی IOT
۹۸/۰۹/۲۸

کد دوره : --

دوره آموزشی داده کاوی

دنیای کسب و کار پر است از نامعلوم ها! هیچکس نمی داند که مشتریان کنونی آیا قصد دارند به سمت رقبا بروند یا نه. میزان فروش در ماه آینده چگونه خواهد بود. به همین دلیل است که شرکتها مدل هایی را بوجود آوردند تا دلیل این نقاط مبهم یا نامعلوم را کشف کنند. داده کاوی ( تحلیل هایی که منجر به پیش بینی می شود) یکی از تکنیک هایی است که به شرکت ها کمک می کند تا مدل ها را بسازند. این مدل ها به تصمیم گیرندگان اصلی سازمان برای اتخاذ تصمیماتشان کمک خواهد کرد.

بدیهی است داده کاوی می تواند کارهای بیشتری انجام دهد. کنترل کیفیت داده ها، پاکسازی داده ها، تحلیل داده های موجود در شبکه های اجتماعی بخشی از کاربرد نرم افزارهای حوزه داده کاوی است.

هدف از این دوره عبارتست از:

معرفی داده کاوی بوسیله متدولوژی خاص به شرکت کنندگان: داده کاوی چیزی فراتر از اجرای ابزارهای داده کاوی است. آماده سازی داده ها، استخراج و استنتاج داده ها، ارزیابی مدل های داده کاوی. جهت کسب این مهارت ها در طول این دوره متدولوی CRISP-DM معرفی خواهد شد. بی شک شما نمی توانید یک کارشناس خبره حوزه علوم داده شوید بدون یک متدولوژی علمی!
هدف دوم از این دوره آشنا شدن با ابزار داده کاوی SQL Server است. یادگیری مدل های مختلف داده کاوی در پلتفرم داده کاوی مایکروسافت (درخت تصمیم، شبکه های عصبی، سری زمانی، رگرسیون و …) و ابزارهای ارزیابی مدل های موجود در SQL Server Analysis Services ( SSAS )
آشنایی با زبان برنامه نویسی R که یکی از قدرتمندترین زبان های تحلیل داده و محاسبات آماری می باشد.

این دوره در حقیقت چکیده سه دوره زیر می باشد:

Data Mining with Microsoft Analysis Services
Excel PowerPivot Data Mining Add-ins
Data Analysis with R

در صورت نیاز به مشاوره و راهنمایی جهت شرکت در دوره، می توانید با شماره های لایتک تماس گرفته و نسبت به تعیین زمان مشاوره توسط کارشناسان لایتک اقدام گردد.

به منظور پاسخگویی به سوالات دانشجویان، جلسات مشاوره گروهی رایگان هر ماه یکبار در تاریخ های ذیل برگزار خواهد شد:

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

این دوره برای تمام افرادی است که هیچ دانشی در حوزه داده کاوی ندارند و قصد دارند که بر چگونگی پیاده سازی پروژه های داده کاوی با استفاده از سرویس SQL Service Analysis Services ( SSAS ) تسلط پیدا کنند.

دسته دیگر مخاطبین توسعه دهندگان پروژه های Business Intelligence هستند که بدنبال یادگیری راهکارهای داده کاوی هستند و در نهایت مدیران پروژه که نیاز دارند دید درستی از جنبه های کلیدی پیاده سازی راهکارهای داده کاوی داشته باشند.

توانایی پس ازگذراندن دوره

آشنایی با مفاهیم داده کاوی
آماده سازی داده ها: انتقال و پاکسازی داده ها
مدلسازی داده ها بر اساس تکنیک های مدلسازی داده کاوی SQL Server
معرفی ابزارهای مایکروسافت جهت پیاده سازی داده کاوی در SQL Server Analysis Services
معرفی و تشریح الگوریتم های داده کاوی مایکروسافت (خوشه بندی، درخت تصمیم، رگرسیون خطی، الگوریتم بیز، الگوریتم های سری زمانی، الگوریتم شبکه عصبی، رگرسیون منطقی، الگوریتم وابستگی و …)
آشنایی با اصول زبان برنامه نویسی R
نصب ابزار R Tools for Visual Studio
تکنیک های انتقال و پاکسازی داده ها با زبان R

سرفصلهای دوره

Data Mining Concepts

Introduction
Course Materials
Facilities
Prerequisites
Concepts and Terminology
Data Mining and Results
CRISP-DM
Business Problems for Data Mining
Models, Induction, and Prediction
Data Mining Tasks
Key Concepts

SQL Server Analysis Services Data Mining Tools

Introduction to SQL Server Data Tools
Project Walk-Through
Stepping Through the Data Mining Wizard
Testing and Validation of Mining Models
Cross Validation
The Mining Model Prediction Tab
Reports

The Microsoft Data Mining Algorithms

Types of Data Mining Algorithms
Microsoft Decision Trees Algorithm
Microsoft Linear Regression Algorithm
Microsoft Clustering Algorithm
Microsoft Nave Bayes Algorithm
Microsoft Association Algorithm
Microsoft Sequence Clustering Algorithm
Microsoft Time Series Algorithm
Microsoft Neural Network Algorithm
Microsoft Logistic Regression Algorithm

Excel PowerPivot Data Mining Add-ins

Data Mining Tab
Connection
Data Preparation
Management
Model Usage
Accuracy and Validation
Data Modeling
Visio Data Mining Add-In

R Language and Data Analysis

Getting started and working with data
Basic data types and operations
Data Frames
Importing, saving, exporting, and re-using data
Common R functions for numbers, factors, text, and dates
Vector-oriented computation
Sorting, ranking, and printing
Reading and writing data with R
Reading tables and CSV files, row and column headers, delimiters. Built-in data.
Cleaning and transforming data
Writing R scripts and functions
Loops and conditions
Flow control, functions and classes in R, executing R scripts from GUI and command line
Visualizing data and Exploratory Data Analysis
Exploring and plotting relationships between variables
Visualizations for categorical and continuous data, scatter plots, box plots, pie charts, histograms, bar plots, dot charts, and the char object

مدت زمان

۴۰

استاد

وحید قربانی

هزینه دوره حضوری

۱۸۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

دی ۹۸

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۱۲ الی ۱۶

پیش نیاز

آشنایی با پایگاه داده SQL Server

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

دوره آموزشی Business Intelligence

طراحی و پیاده سازی انبار داده و سیستم هوشمندسازی کسب و کار در پی هم می آیند و از نظر فنی از پروژه های جالب در حوزه فناوری اطلاعات می باشد و از نظر سازمانی پروژه های پیچیده ای محسوب می شوند. این دوره امکانی را برای سازمان شما فراهم می کند تا با موفقیت محیط انباره داده و سیستم هوشمند سازی کسب و کار را طراحی و پیاده سازی کنند.

این دوره در حقیقت چکیده سه دوره زیر می باشد:

SQL Server Integration Services 2014 – ETL «
SQL Server Analysis Service 2014 – OLAP «
Data Warehouse «

تمرکز این دوره ارائه مفاهیم واجب و ضروری پیاده سازی DW / BI می باشد.

این دوره مجموعه ای از تکنیک ها، تجارب و توصیه هایی است که از آغاز پروژه DW / BI که با شناخت، تحلیل و برنامه ریزی پروژه می باشد تا پیاده سازی، نگهداری و توسعه آن.

در حقیقت علاوه بر ارائه این دانش، تمرینات کلاسی، بررسی و ارائه راهکار برای مسائل و مشکلات خاصی که آن سازمان در پیاده سازی پروژه با آن روبروست نیز از برنامه این دوره خواهد بود.

این دوره برای تمامی سازمان ها، شرکت ها و گروه هایی که می خواهند پروژه ای را در حوزه BI آغاز کنند و یا در روند پیاده سازی پروژه DW/BI هستند توصیه می شود. مبنای دوره آموزش DW/BI از مباحث ابتدایی تا مباحث پیشرفته می باشد.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

این دوره برای تمامی افرادی که در پروژه های SQL Server Business Intelligence نقش دارند توصیه می شود. مدیران پروژه، تحلیل گر کسب و کار و مدل ساز داده، مدیران پایگاه داده، معماران نرم افزار و پیاده سازها و توسعه دهندگان ETL و برنامه های کاربردی .Business Intelligence

توانایی پس ازگذراندن دوره

چگونگی تدوین نقشه راه در پروژه های DW / BI
برنامه ریزی و مدیریت پروژه های Data warehouse , Business Intelligence
چگونگی تعریف نیازمندی های کسب و کار و تکنیک های مرتبط با آن و بررسی الگوهای ارائه شده در این حوزه مانند Kimball
طراحی ابعاد و تکنیک های مرتبط با آن Star , Snowflake , Constellation
آماده سازی بستر ETL
طراحی فنی و معماری لایه ETL
طراحی فیزیکی پایگاه داده
استخراج، اعمال تغییرات و بارگزاری داده با استفاده از SQL Server Integration Service 2014
بررسی و پیاده سازی مدل های طراحی Multi-Dimensional و Tabular با استفاده از SSAS
پیاده سازی گزارشات با استفاده از SQL Server Reporting Service 2014
بررسی برنامه های کاربردی لایه نماش BI در اکسل:Power BI , Power Map .Power Query ,Data Mining
پیاده سازی داشبورد مدیریتی با استفاده از سرویس Performance Point در SharePoint 2013
استقرار و پشتیبانی پروژه DW/BI
گسترش و بسط سیستم های SQL Business Intelligence

سرفصلهای دوره

Introduction

Roadmap of project tasks

Program/Project Planning and Management

Readiness factors
Risk assessment and mitigation plans
Scoping and business justification
Team roles and responsibilities
Project plan development and maintenance
Program management

Business Requirements Definition

Program versus project requirements preparation
Requirements gathering participants
Techniques for gathering requirements and handling obstacles
Program/project requirements deliverables
Requirements prioritization

Dimensional Modeling

Role of dimensional modeling in Project, Corporate Information Factory (CIF) and hybrid architectures
Fact and dimension table characteristics
۴-step process for designing dimensional models
Transaction fact tables
Fact table granularity
DE Normalizing dimension table hierarchies
Degenerate dimensions
Date and time-of-day dimension considerations
Dealing with nulls
Surrogate key for dimensions
Star versus snowflake schemas
Centipede fact tables with too many dimensions
Fact-less fact tables
Additive, semi-additive, and non-additive facts
Workshop: Converting requirements and source data realities into dimensional model
Consolidated fact tables
Dimension table role-playing
Allocated facts at different levels of detail
Complications with operational header/line data
Multiple currencies
Junk dimensions for miscellaneous transaction indicators
Periodic and accumulating snapshot fact tables
Implications of business processes on data architecture
Enterprise Data Warehouse Bus Architecture and matrix for master data and integration
Conformed dimensions – identical and shrunken roll-ups
Exercise: Translate business requirements into DW Bus Matrix
Slowly changing dimensions – type 1, 2, 3 and hybrid techniques for current and point-in-time attribute values
Mini-dimensions for large, rapidly changing dimensions
Exercise: Design review to identify common dimensional modeling flaws
Design review dos and don’ts and mistakes to avoid
Dimensional modeling process, tasks, and deliverables
Exercise: Design enhancements to embellish existing design

Mature DW/BI System Check-ups

Symptoms of sponsorship, data, infrastructure, and business acceptance disorders
Prescribed treatment plans for common maturity problems

Technical Architecture Design

Architecture concepts
Topology options – independent data marts, enterprise data warehouse, and conformed data warehouse
Common components and functionality
o ETL system
o Exercise: Processing slowing changing dimensions type 2
(o Presentation servers (RDBMS/OLAP
o Real time options – direct to source, ODS, and real time layer
o BI application types and services
Creating the architecture plan
Exercise: Translating requirements into architecture implications

Product Selection and System Setup

• Architecture-based evaluation approach and matrices
Infrastructure considerations
Metadata management
Securing the system

Physical Database Design

Standards and naming conventions
Physical model development
Initial aggregation, indexing and storage plans
Column-oriented database alternative
Usage monitoring

Extract, Transformation and Load

Design the ETL system
o Determine design patterns and implement key subsystems
o Quality assurance and data validation system
o Warehouse operations system
ETL development workflow
o Create high-level and detailed ETL schematics
Extract to create, filter and transfer source data
Cleaning and conforming dimensions and facts
ETL development workflow continued
Preparing and delivering dimensions and facts
Data integration and master data management
Dealing with data quality issues
Aggregate management
Load cycle management
Exercise: “High-level ETL schematic” case study

BI Applications

BI application types (ad hoc, standard reporting, analytic applications, dashboards) and audiences
Specification of templates, applications and navigation framework
Development of applications and BI portal

DW/BI System Deployment and Support

System deployment
Communication and documentation
Training and support
On-going user, data and system maintenance

DW/BI System Growth

Planning for growth

مدت زمان

۷۰

استاد

وحید قربانی

هزینه دوره حضوری

۲۵۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

دی ۹۸

روزهای برگزاری

پنجشنبه ها

ساعات برگزاری

۱۶ الی ۲۰

پیش نیاز

دوره آموزشی طراحی و پیاده سازی SQL Server

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

Big Data و سکوهای پردازش توزیع شده

این دوره برای علاقه مندان به مباحث Big Data و پردازش های توزیع شده طراحی شده است. پس از گذراندن دوره، دانش آموختگان درک بهتری از محیط کلان داده خواهند داشت و می توانند بسیاری از مسائل موجود در دنیای واقعی را با استفاده از ابزارهای موجود در این زمینه مدل کرده و توسعه دهند.

فرصت شغلی:
شایان ذکر است لایتک، برترین دانشجویان این دوره را با تایید استاد، به شرکت های منتخب جهت نیروی کار و یا کارآموزی معرفی مینماید.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

دوره های آموزشی کلان داده را برای حرفه ای شدن به خاطر بسپارید:

دوره تخصصی پایگاه داده های غیررابطه ای
دوره تخصصی Big Data
دوره تخصصی Apache Spark

مخاطبان دوره

علاقه مندان به مباحث Big Data
دانشجویان و فارغ التحصیلان رشته های کامپیوتر و فناوری اطلاعات
علاقه مندان به مفاهیم سیستم ها و برنامه نویسی توزیع شده

توانایی پس ازگذراندن دوره

آشنایی با مفاهیم و راه‌حل‌های موجود در دنیای کلان داده و توانایی حل مسائل موجود در این حوزه با استفاده از ابزارهای تدریس شده در کلاس

سرفصلهای دوره

توضیح در خصوص کلان داده و سیستم های توزیع شده
مفاهیم سیستم فایل توزیع شده و بررسی سیستم فایل هادوپ ( HDFS )
مفهوم مدل برنامه نویسی Mapreduce
نصب کلاستر سکوی Hadoop سیستم فایل HDFS و چهارچوب Yarn و اجرای برنامه های نمونه بروی آن
نصب کلاستر Apache Storm و مدل توسعه برنامه در آن و اجرای برخی از مسایل دنیای واقعی بروی آن
نصب کلاستر Apache Spark و مدل توسعه برنامه در Spark و اجرای برنامه های نمونه بروی آن

مدت زمان

۴۰

استاد

وحید امیری

هزینه دوره حضوری

۱۳۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

دی ۹۸

روزهای برگزاری

دوشنبه

ساعات برگزاری

۸ الی ۱۲

پیش نیاز

آشنایی با یک زبان برنامه نویسی

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

دوره کارگاهی Scrum (مدیریت چابک)

تفکر چابک یا Agile امروزه به نیاز بسیاری از سازمان‌ها برای مدیریت نیازمندی‌های مطرح شده از طرف مشتریان تبدیل شده و در حوزه‌ی تولید نرم‌افزار اسکرام یکی از متدهای جاری کردن روح این نوع تفکر در سازمان است.

با توجه به اینکه یادگیری مفاهیم مرتبط با اسکرام با وجود منابع متعددی که در دسترس قرار دارد همواره نیاز به تمرین و پیاده‌سازی داشته است و بسیاری از سازمان‌ها با توجه به عدم شناخت و تجربه‌ی کافی، هزینه‌های زیادی را جهت اجرایی‌سازی اسکرام در سازمان می‌نمایند، این دوره‌ی کارگاهی با شبیه‌سازی فرآیندها، جلسات و نقش‌های تیم‌های اسکرام و همچنین انجام پروژه‌های کوچک، زمینه‌ی تمرین و تجربه‌ی عملی متد اسکرام و تفکر چابک را فراهم خواهد آورد.

مخاطبان دوره

مدیران ارشد شرکت‌های نرم‌افزاری
مدیران پروژه
برنامه نویس‌ها
افراد درگیر در فرایند تولید نرم‌افزار
علاقه مندان

توانایی پس ازگذراندن دوره

توانایی مدیریت پروژه‌های تولید نرم‌افزار با متد چابک
توانایی شناخت و تمرین نقش‌های اسکرام در تیم
توانایی مشارکت در تیم‌های اسکرام به صورت فعال و تاثیرگذار
توانایی مهاجرت از روش‌های سنتی مدیریت پروژه به روش‌های چابک

سرفصلهای دوره

Agile manifesto
• Values & principles
• Scrum Framework
• Product Backlig
• Backlig Grooming
• Estimation
• Release Planning
Teams
• Distributed Scrum
• Scrum Roles
• Sprint Planning
• Sprint Execution
• Definition of Done
Simulation
• Tools

مدت زمان

۲۴

استاد

امیرهوشنگ کرمی

هزینه دوره حضوری

۸۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

آذر ۹۸

روزهای برگزاری

سازمانی

ساعات برگزاری

پیش نیاز

آشنایی مختصر با مفهوم توسعه چابک نرم‌افزار

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

دوره آموزشی Data Science with Python

در این دوره آموزشی دانشجویان بصورت عملی کلیه مفاهیم هوش مصنوعی، شاخه علم داده را فرا میگیرند. مراحل دوره آموزشی به این شکل است برنامه نویسی مقدماتی پایتون، پاکسازی و خواندن مجموعه داده، دستکاری داده، نمایش داده، آمار و احتمالات، یادگیری ماشین، بهینه سازی ماشین، گزارش گیری، مطالعات موردی، پیاده سازی دست کم پنج پروژه در حین کلاس انجام می شود. علاوه بر این تمامی مراجع استفاده شده در طی آموزش از جمله کتاب، مقالات و آموزشهای مکمل بهدانشجویان با ذکر منبع آموزشی ارائه میشود.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

لازم به ذکر است آزمون های دوره علم داده به صورت پروژه برگزار می گردد.

دوره های آموزشی علم داده را برای حرفه ای شدن به خاطر بسپارید:

دوره برنامه نویسی پایتون - Python Programming
دوره یادگیری ماشین - Machine Learning
دوره یادگیری عمیق – Deep Learning
دوره آموزشی علم داده - Data Science
دوره (Natural language processing (NLP)

مخاطبان دوره

افراد فعال در حوزه آمار
تحلیلگران داده
افراد فعال در حوزه Business Intelligence
کسانی که حداقل با یک زبان برنامه نویسی کار کرده اند
طراحان سایت
افراد فعال در حوزه Bio-Medical جهت تحلیل دنباله های DNA
سازمان هایی که قصد مهاجرت به سیستم های توصیه کننده دارند

توانایی پس ازگذراندن دوره

توانایی تحلیل داده، درک کامل کاربرد فرمولهای ریاضی، یادگیری پیاده سازی یادگیری ماشین، پیاده سازی سیستمهای توصیه کننده، آمادگی دانشجو جهت استخدام در حوزه های علم داده

سرفصلهای دوره

آشنایی با علم داده، انواع تحلیل‌های داده و اهداف تحلیل داده
آشنایی با روش‌های به روز ماندن و استفاده مناسب از منابع آنلاین در حوزه‌ی علم داده
آشنایی با سیستم عامل یونیکس برای تحلیل داده
نصب نرم‌افزارهای مرتبط با علم داده و مدیریت آن‌ها
مروری بر دستورات و مفاهیم پرکابرد پایتون در علم داده و کتابخانه‌های مهم علم داده
جمع‌آوری داده و خواندن داده در پایتون
تمیز کردن داده و پیش پردازش داده‌ در پایتون
آموزش مقدماتی و پیشرفته‌ی کتابخانه‌ی Pandas
مثال از صفر تا صد یک پروژه با داده‌های واقعی در Pandas
مفاهیم مورد نیاز برای علم داده از SQL
مصورسازی و ترسیم داده‌ها در پایتون با matplotlib-seaborn-Bokeh
آمار و مفاهیم آماری و تست فرضیه به کمک پایتون
سوالات متداول آماری در مصاحبه‌های شغلی دانشمند داده، تحلیلگر داده و یا مهندس یادگیری ماشین و جواب‌های مناسب
آشنایی با مفاهیم اولیه یادگیری ماشین و یادگیری عمیق در کتابخانه‌ی scikit-learn

مدت زمان

۴۰

استاد

جواد عبادی

هزینه دوره حضوری

۱۷۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۲۶

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۱۲ الی ۱۶

پیش نیاز

تجربه برنامه نویسی با حداقل یک زبان برنامه نویسی یا آشنا با مفاهیم ابتدایی برنامه نویسی پیشنهاد می شود که با زبان برنامه نویسی پایتون آشنایی اولیه وجود داشته باشد.

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

دوره آموزشی ITIL (مدیریت خدمات فناوری اطلاعات)

IT Infrastructure Library کتابخانه ای از بهترین الگوها و بهروش ها برای مدیریت خدمات فناوری اطلاعات است. ITIL نگاهی نوین به فرایندهای استراتژی، طراحی، ارائه، پشتیبانی و بهبود در حوزه خدمات فناوری اطلاعات دارد که امروزه بسیار مورد توجه سازمان ها و بنگاه هـــای پیشرو اقتصادی در سطح جهان قرار گرفته است. ITIL به سازمانها این امکان را می دهد که بهترین راهکارهای شناخته شده در حوزه مدیریت خدمات فناوری اطلاعات را در سازمــان خود به کار گیرند و کلیه فعالیت های خود را با نیازمندی هــــای کسب و کار همسو نموده و خدمات فناوری اطلاعات خود را با بالاترین کارآیی و اثربخشی ارائه نمایند.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

دانشجویان و دانش آموختگان فناوری اطلاعات
مدیران و کارشناسان شرکت های فناوری اطلاعات و ارتباطات
مدیران و کارشناسان واحدهای سیستم و روش ها و تضمین کیفیت
مشاوران و مجریان پروژه های فناوری اطلاعات
شرکت های ارائه دهنده خدمات بر بستر فناوری اطلاعات

توانایی پس ازگذراندن دوره

شما در این دوره جذاب و پویا با چرخه حیات مدیریت سرویس‌های فناوری اطلاعات (IT) آشنا خواهید شد و به کمک آن خواهید توانست تا انتظارات حوزه کسب‌وکار را برآورده سازید. شما پس از گذراندن کامل این دوره قادر خواهید بود تا آزمون (ITIL) را با موفقیت پشت سر گذاشته و جواز ورود به دوره آموزشی سطح متوسط (intermediate) این مدرک را نیز کسب نمایید.

سرفصلهای دوره

1. Service Management Defined

IT services and what they really do
How IT services deliver value to customers
Value and importance of IT service management

2. ITIL Introduction

Good practices
Ease ITIL adoption
ITIL qualification scheme, bodies, and certifications

3. Service Strategy

Design, develop, and implement service management
Service management as a strategic asset
Setting objectives and expectations
Identify and select prioritization opportunities

4. Service Design

Design and develop services
Develop processes
Design principles and methods
Convert strategy into services

5. Service Transition

Develop and improve capabilities
Improved methods for transitioning new and changed services into operation
Manage the complexity related to changes
Prevent undesired results while enabling innovation

6. Service Operation

Effectively and efficiently deliver support services
Ensure value to customer and service provider
Maintain stability while allowing for change
Organize to improve IT support to customers

7. Continual Service Improvement

Create and maintain value for customers
Importance of better design, introduction, and operation of services
Improving service quality, business continuity, and IT efficiency
Link improvement efforts to strategy, design, and transition

8. Exam-Taking Tips

Important techniques to help you pass your exam

مدت زمان

۲۴

استاد

آرش پژنگ

هزینه دوره حضوری

۱۰۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۲۶

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۱۲ الی ۱۶

پیش نیاز

آشنایی با اصطلاحات و واژگان مربوط به حوزه IT و تجربه کار در محیط‌های IT

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

دوره آموزشی IOT (اینترنت اشیا)

این روزها این فناوری تقریبا نوظهور مورد توجه کارآفرینان، شرکت ها، دانشگاه ها و حتی دولت ها قرار گرفته است و این تکنولوژی را حمایت و پیگیری می کنند. بنابراین ورود شما را هم به این فناوری تبریک می گوییم! دهه های قبل نیز، ما از کامپیوترهای متصل به اینترنت استفاده می کردیم. ولی نکته ای که وجود دارد این است که آنها تنها به اینترنت متصل می شدند و ارتباطی با یکدیگر نداشتند. اما امروزه تکنولوژی در جهتی حرکت می کند که بتوان تمام اشیا را به اینترنت متصل کرد و درنتیجه کار با آنها و درنهایت زندگی را ساده تر کرد. ولی واقعا این مسئله برای شما، کمپانی شما و یا کشورتان چه معنی می تواند داشته باشد!؟ چه امکاناتی را این تکنولوژی در اختیار شما قرار می دهد و مزیت های آن چیست!؟ برای اینکه پاسخ سوال های شما در مورد موارد مختلف مطرح در اینترنت اشیا پاسخ داده شود در این دوره های آموزشی با ما همراه شوید.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

دانشجویان و دانش آموختگان کامپیوتر و فناوری اطلاعات
مهندسان، محققان و کارآفرینان حوزه اینترنت اشیا
علاقه مندان حوزه اینترنت اشیا
مدیران شرکت هایی که می خواهند از این فناوری نوظهور برای توسعه کارهای خود استفاده کنند

توانایی پس ازگذراندن دوره

آشنایی با مفهوم ابزار و سخت افزار اینترنت اشیا و هوشمند سازی در این زمینه
تجاری سازی و کسب و کار از طریق معرفی یک محصول یا خدمت جدید به بازار برای سودآوری
جایگاه پلتفرم و هوش مصنوعی و چالش انفجار اطلاعات در این حوزه
انواع استانداردهای، بدترین رخداد های امنیتی، ضرورت پیاده سازی و بومی سازی امنیت

سرفصلهای دوره

معرفی اینترنت اشیا
اکوسیستم اینترنت اشیا و نمونه کسب و کارهای موفق
مدل کسب و کار اینترنت اشیا
پلتفرم اینترنت اشیا
پروتکل های ارتباطی
معماری اینترنت اشیا و طراحی
الزامات حقوقی و امنیتی

مدت زمان

۲۴

استاد

آرش پژنگ

هزینه دوره حضوری

تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۱۲

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۱۲ الی ۱۶

پیش نیاز

آشنایی با اصطلاحات و واژگان مربوط به حوزه کامپیوتر و IT

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

یادگیری عمیق – Deep Learning

در این دوره،سعی می شود تا مبانی تئوری یادگیری عمیق، روشها و مدلهای مختلف آموزش شبکه های عصبی عمیق، آموزش داده شود .

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

لازم به ذکر است آزمون های دوره علم داده به صورت پروژه برگزار می گردد.

دوره های آموزشی علم داده را برای حرفه ای شدن به خاطر بسپارید:

دوره برنامه نویسی پایتون - Python Programming
دوره یادگیری ماشین - Machine Learning
دوره یادگیری عمیق – Deep Learning
دوره آموزشی علم داده - Data Science
دوره (Natural language processing (NLP)

مخاطبان دوره

افرادی که حوزه کاری یا تحقیقاتی آنان یادگیری ماشین و عمیق باشد

توانایی پس ازگذراندن دوره

امکان تحلیل و ساخت برنامه کاربردی در حوزه یادگیری عمیق

سرفصلهای دوره

مقدمه و معرفی یادگیری عمیق (learning Deep)

معرفی هوش مصنوعی
معرفی اجمالی یادگیری ماشین
معرفی روش ها و الگوریتم های یادگیری ماشین
معرفی اجمالی شبکه های عصبی مصنوعی
تاریخچه یادگیری عمیق
کاربردهای یادگیری عمیق
فرصت ها و چالش های یادگیری عمیق

روش ها و مدل های یادگیری عمیق

معرفی انواع یادگیری
الگوریتم ها و کاربردهای یادگیری با نظارت (Supervised)
الگوریتم و کاربردهای یادگیری بدون نظارت (Unsupervised)
عملکرد و کاربرد روش خود رمزنگار (Auto Encoder)
عملکرد و روش کار شبکه های (GANs (Generative Adversarial Networks
معرفی و کاربرد شبکه عصبی کانولوشنی (CNN (Convolutional Neural Network
معرفی و کاربرد شبکه عصبی بازگشتی (RNN (Recurrent Neural Network

سخت افزار و نرم افزارهای مورد نیاز

معرفی سخت افزارهای مختلف موجود در ایران و جهان برای پیاده سازی الگوریتم ها و روش های حوزه یادگیری عمیق
معرفی نرم افزارها و کتابخانه های برنامه نویسی حوزه یادگیری عمیق
نحوه راه اندازی بسترهای کدنویسی پایتون و TensorFlow در ویندوز

جزئیات پیاده سازی شبکه عصبی عمیق با مثال عملی

معرفی ساختار و نحوه پیاده سازی یک شبکه عصبی عمیق
معرفی و پیاده سازی شبکه عصبی عمیق کانولوشن با مجموعه داده MNIST به صورت کامال پایه ای
معرفی و پیاده سازی سیستم تشخیص چهره با استفاده از شبکه عصبی عمیق

مدت زمان

۴۰

استاد

میرمحمد احمدپورحسین زاده

هزینه دوره حضوری

۱۴۳۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۱۰

روزهای برگزاری

سه شنبه

ساعات برگزاری

۱۶ الی ۲۰

پیش نیاز

برنامه نویسی با زبان پایتون (در حد آشنایی با شرط، حلقه و تابع نویسی)، آشنایی با شبکه های عصبی مصنوعی، Machine Learning

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

Big Data و سکوهای پردازش توزیع شده

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

دوره های آموزشی کلان داده را برای حرفه ای شدن به خاطر بسپارید:

دوره تخصصی پایگاه داده های غیررابطه ای
دوره تخصصی Big Data
دوره تخصصی Apache Spark

مخاطبان دوره

علاقه مندان به مباحث Big Data
دانشجویان و فارغ التحصیلان رشته های کامپیوتر و فناوری اطلاعات
علاقه مندان به مفاهیم سیستم ها و برنامه نویسی توزیع شده

توانایی پس ازگذراندن دوره

سرفصلهای دوره

توضیح در خصوص کلان داده و سیستم های توزیع شده
مفاهیم سیستم فایل توزیع شده و بررسی سیستم فایل هادوپ ( HDFS )
مفهوم مدل برنامه نویسی Mapreduce
نصب کلاستر سکوی Hadoop سیستم فایل HDFS و چهارچوب Yarn و اجرای برنامه های نمونه بروی آن
نصب کلاستر Apache Storm و مدل توسعه برنامه در آن و اجرای برخی از مسایل دنیای واقعی بروی آن
نصب کلاستر Apache Spark و مدل توسعه برنامه در Spark و اجرای برنامه های نمونه بروی آن

مدت زمان

۴۰

استاد

وحید امیری

هزینه دوره حضوری

۱۴۳۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۰۸/۲۳

روزهای برگزاری

پنجشنبه ها

ساعات برگزاری

۱۲ الی ۱۶

پیش نیاز

آشنایی با یک زبان برنامه نویسی

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

Docker for Sysadmins

Docker در واقع یکEngine متن باز بوده که وظیفه اتومات سازی Deploy کردن اپلیکیشن ها را بر روی Container ها دارد و همچنین یک نرم افزار تسهیل کننده جهت راه اندازی، ایجاد، Deploy کردن برنامه ها و به طوری کلی کار با Container ها می باشد.

در این دوره ما قصد داریم شما را با مفاهیمDocker و تکنولوژی آن اشنا سازیم با هم به چند سرویس مختلف را در قالب Container پیاده کرده و نحوه کار با آن را فرا گیریم.

در دوره مذکور امکان پیش ثبت نام وجود دارد لطفا پس از مراجعه به پروفایل خود تنها بر روی نام دوره و گزینه ثبت نام کلیک کنید، در صورت به حد نصاب رسیدن با شما تماس گرفته می شود.

امروزه استفاده از سیستم عامل لینوکس در سمت سرورهای مختلف بسیار متداول شده است و بسیاری از شرکتها و سازمانها به کارشناسان مرتبط در حوزه آموزش لینوکس و متن باز نیاز دارند. در همین راستا، لایتک به ارائه آموزشهای حرفه ای سیستم عامل لینوکس می پردازد به گونه ای که دوره های آموزشی آن در قالب دوره های حضوری گروهی برگزار می شوند.

مسیر یادگیری دوره های مربوط به سیستم عامل لینوکس به شرح ذیل می باشد:

Linux Essentials
Linux DevOps Tools Engineer
LPIC-1 Certified Linux Administrator
LPIC-2 Certified Linux Engineer
LPIC-3 300: Linux Enterprise Professional Mixed Environment
LPIC-3 303: Linux Enterprise Professional Security
LPIC-3 304: Linux Enterprise Professional Virtualization and High Availability
Docker for Sysadmins
Shell Scripting

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

تمامی لینوکس کاران و متخصصان شبکه
Sysadmins Developers

توانایی پس ازگذراندن دوره

سرفصلهای دوره

شروع کار با Docker
معرفی Docker، تاریخچه و آشنایی با مباحث اولیه
پیش نیازهای نصب، نصب Docker - آشنایی با مباحث اولیه و پیاده سازی آن ها
شروع کار با Docker و Basic Commands
بررسی معماری Docker
آشنایی باContainer و Image, Docker Files
راه اندازی پراسس ها تحت Docker
Manage Containers
Resource Management
Docker logs
تنظیمات شبکه در Docker و Link کردنContainer ها
راه اندازی سرویس های مختلف تحت Docker
آشنایی با مفهوم Storage
آشنایی Swarm Mode
و....

مدت زمان

۴۰

استاد

محسن مهدوی فر

هزینه دوره حضوری

۲۲۰۰۰۰۰ تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۸ الی ۱۲ پس از به حد نصاب رسیدن اعلام می شود

پیش نیاز

LPIC1 و آشنایی با شبکه (+Network)

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

کارگاه رایگان یادگیری ماشین (Machine Learning)

یادگیری ماشین (Machine Learning) یکی از مهمترین المان های هوش مصنوعی (Artificial Intelligence) می باشد که هدف اولیه آن پیدا کردن الگو ها در داده ها می باشد. الگوریتم ها و مدل های یادگیری ماشین در دسته های متفاوتی قرار می گیرند که هر کدام به نیاز های یک کاربرد خاص پاسخ می دهد. بنابراین، یادگیری ماشین در صنایع مختلفی از جمله پزشکی، کشاورزی، بیمه، بانکداری، مهندسی و غیره راهکار های مناسبی جهت حل مسایل مختلف را ارائه می دهد. در این کارگاه تلاش می شود تا اصول کلی سیستم های مبتنی بر یادگیری ماشین معرفی و کاربرد های آن ها در صنایع مختلف مشخص شوند. سپس، ارتباط و جایگاه یادگیری ماشین در موضوعاتی مانند علم داده (Data Science)، یادگیری عمیق (Deep Learning)، و آنالیز داده های حجیم (Big Data Analysis) مشخص خواهد شد.

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

توانایی پس ازگذراندن دوره

سرفصلهای دوره

Introduction to Machine Learning
Machine Learning Algorithm Types:
- Supervised Learning
- Unsupervised Learning
- Reinforcement Learning

Representative Machine Learning Algorithms
Common Applications of Machine Learning:
- Object Detection
- Face Recognition
- Language Translation
- News Classification
- Spam Filtering
- Product Recommendation
- Online Fraud Detection
- Road Safety
- …
Applications of Machine Learning in Various Industries:
- Agriculture
- Medicine
- Banking
- Insurance
- …
Machine Learning & Deep Learning
Machine Learning & Big Data Analysis
Machine Learning & Data Science
Future of Machine Learning in AI
Performance Comparison of Machine Learning Systems and Human Experts
Working Opportunities for Machine Learning Experts

مدت زمان

استاد

حسن خستوانه

هزینه دوره حضوری

تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۲۸

روزهای برگزاری

شنبه

ساعات برگزاری

۱۶ الی ۱۹

پیش نیاز

دانش و مهارت استفاده از کامپیوتر و اینترنت

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

سمینار رایگان آشنایی با ITIL (مدیریت خدمات فناوری اطلاعات) همراه با آینده شغلی و مسیرهای شغلی ITIL

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

دانشجویان و دانش آموختگان فناوری اطلاعات
مدیران و کارشناسان شرکت های فناوری اطلاعات و ارتباطات
مدیران و کارشناسان واحدهای سیستم و روش ها و تضمین کیفیت
مشاوران و مجریان پروژه های فناوری اطلاعات
شرکت های ارائه دهنده خدمات بر بستر فناوری اطلاعات

توانایی پس ازگذراندن دوره

سرفصلهای دوره

محتوای دوره چیست؟
مخاطب دوره چه کسی است؟
هدف از دوره چیست؟
پیشنیاز های دوره چیست؟
تاریخچه و مالکیت ITIL
فواید ITIL
کتاب ها و رفرنس ها
مدرک و آزمون ها
سوالات مخاطبین

مدت زمان

استاد

آرش پژنگ

هزینه دوره حضوری

تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۱۰/۱۶

روزهای برگزاری

دوشنبه

ساعات برگزاری

۱۶ الی ۱۸

پیش نیاز

آشنایی با اصطلاحات و واژگان مربوط به حوزه IT و تجربه کار در محیط‌های IT

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام

کد دوره : --

سمینار رایگان آشنایی با IOT (اینترنت اشیا) همراه با آینده شغلی و مسیرهای شغلی IOT

سه شنبه 24 دی ماه 98
سه شنبه 29 بهمن ماه 98
سه شنبه 13 اسفند ماه 98

برای شرکت در جلسات گروهی از طریق سایت ثبت نام نمایید.

مخاطبان دوره

دانشجویان و دانش آموختگان کامپیوتر و فناوری اطلاعات
مهندسان، محققان و کارآفرینان حوزه اینترنت اشیا
علاقه مندان حوزه اینترنت اشیا
مدیران شرکت هایی که می خواهند از این فناوری نوظهور برای توسعه کارهای خود استفاده کنند

توانایی پس ازگذراندن دوره

سرفصلهای دوره

محتوای دوره چیست؟
مخاطب دوره چه کسی است؟
هدف از دوره چیست؟
پیشنیاز های دوره چیست؟
تاریخچه IOT
فواید IOT
کتاب ها و رفرنس ها
سوالات مخاطبین

مدت زمان

استاد

آرش پژنگ

هزینه دوره حضوری

تومان

هزینه دوره مجازی

دوره به صورت مجازی برگزار نمی شود

تاریخ برگزاری

۹۸/۰۹/۲۸

روزهای برگزاری

پنج شنبه

ساعات برگزاری

۱۴ الی ۱۶

پیش نیاز

آشنایی با اصطلاحات و واژگان مربوط به حوزه کامپیوتر و IT

پرداخت برای دوره حضوری پرداخت برای دوره مجازی راهنمای ثبت نام