•  برنامه نویسان 
• علاقه مندان به تکنولوژی بلاکچین
•  سرمایه گذاران حوزه بلاکچین
•  دانشجویان و دانش آموزان مستعد برای یادگیری
•  توسعه دهندگان برنامه های کاربردی

دانشجویان می توانند پس از این دوره با توجه به استارت آپ یا ایده ای که در ذهن خود دارند برنامه نویسی بالکچین را انجام دهند. هم چنین می توانند حرفه و شغل خود را در این زمینه متمرکز کرده یا به کمک این دوره پروژه های مختلف برنامه نویسی بالکچین را دریافت کنند. 

• اصول و مفاهیم بلاکچین و ارزهای دیجیتال
  • مفاهیم و اصطالحات رایج ارزهای دیجیتال
  • کاربرد ارزهای دیجیتال 
  • نقات ضعف و قوت ارزهای دیجیتال
  • مفاهیم رمزنگاری و توابع آن
  • بلاکچین چیست و چگونه کار می کند؟
  • تراکنش ها در بلاکچین
  • ردیابی بلاک ها از طریق Explorer-Block
  • تفاوت بین Remote Node و Local Node
  • ردیابی بلاک ها
  • آشنایی با TestNet ها 
  • کیف پول بلاکچین
  • نصب و پیکربندی کیف پول MIST
  • نصب و پیکربندی کیف پول MetaMask
  • بلاکچین خصوصی و عمومی 
  • مزایای بلاکچین خصوصی 
  • آشنایی با اتریوم
    • آشنایی با ساختار 
    • مزایای اتریوم
    • آشنایی با EVM و اینترفیس ABI
    • تعریف و کاربرد رویداد ها
    • تفاوت لایه های 1و2 اتریوم
    • چالش های اتریوم و آینده
  • آشنایی با قرارداد هوشمند
  • مزایا و معایب قرارداد هوشمند
  • کاربرد های قرارداد هوشمند
  • Gas چیست؟
  • آشنایی با اپلیکیشن های غیرمتمرکز (DApp)
  • مزایای DApp
• برنامه نویسی و طراحی قرارداد هوشمند
  • اصول توسعه قرارداد هوشمند
  • آشنایی به Remix برای توسعه قرارداد هوشمند 
  • آموزش solidity
    • معرفی زبان solidity
    • ساختار یک فایل solidity
    •  Constructor ها
    • متغیر ها و type ها
    • سطح دسترسی متغیر ها 
    • تبدیل نوع
    • انواع توابع
    • نگاشت ها
    • آدرس ها
    • Modifierو کاربردهای آن
    • ساختار و آرایه 
    • Enum ها
    • رسیدگی به خطاها 
    • وراثت 
  • ارائه اولیه سکه چیست؟
  • قوانین ICO
  • آشنایی با استاندار ERC20
  • مزایا و معایب ERC20
  • در صورت وقت داشتن اجرای یک نود اتریوم
• توسعه اپلیکیشن غیر متمرکز
  • راه اندازی ابزار هایTruffle, Ganache, Metamask
  • کتبخانه Web3.js
    • آشنایی با ماژول های js.web3
    • تعامل با شبکه اتریوم : eth.w
    • تعامل با property :شبکه های web3.eth.net
    • تعامل با اکانت های اتریوم : personal.eth.web3
    • تعامل با پروتکل  web3.shh :whisper 
    • نوشتن کد ساده برای تعامل با web3
    • افزودن js.web3به پروژه
    • انتقال اتر به قرارداد هوشمند و اکانت
• آشنایی با هایپرلجر فابریک
  • معرفی گره های موجود در Fabric HyperLedger
  • نحوه نصب و ملزومات استفاده هایپرلجر فابریک
  • دستورات هایپرلجر فابریک 
  • ایجاد یک شبکه بلاکچین در HLF
  • نحوه ی ایجاد یک قرارداد هوشمند 
  • نحوه ی ایجاد یک برنامه کاربردی و تعامل با HLF

• عموم علاقمندان 

شناخت کافی نسبت به تمامی بخش های حوزه تکنولوژی بلاک چین

 رمز ارزها و آمادگی کافی برای ورود به این حوزه 

سر فصل های دوره :

• آشنایی با فلسفه و تاریخچه پول
• ارزهای دیجیتال چیست
• بلاکچین چیست
• چگونگی نحوه عملکرد یک سیستم بلاکچین ساده
•  تاریخچه بیت کوین
•   برسی مقاله ارائه شده توسط ساتوشی ناکاموتو که در ان ایده بیت کوین را مطرح نمود
•   برسی شبکه بیت کوین و نحوه عملکرد ان
•  خصوصیت های مهم ارزهای دیجیتال در مقایسه با ارزهای رسمی
•   بررسی انواع رمز ارزها )کوین، توکن و ...
•  امنیت در دنیای رمز ارزها
•  بررسی انواع ولت ها
•  اموزش راه اندازی و کار کردن با ولت چند ارز مختلف
• بررسی انواع الگوریتم های استخراج
•  بررسی انواع روش های ماینینگ
•  پاداش شبکه
•  نحوه تحلیل اقتصادی استخراج
•  بررسی فرصتها و چالش های راه انداز ی فارم های ماینینگ و آموزش محاسبه دقیق درآمد
•  بررسی زیرساختهای لازم برای شروع ماینینگ
•  آموزش کار با استخرهای ماینینگ و نکات آن
•  آموزش توانمندی های لازم برای شروع فعالیت ماینینگ
•  آموزش کامل راه اندازی یک فارم ماینینگ و بررسی نکات و چالشهای آن
• بررسی قوانین ماینینگ در کشور

• تمامی افراد علاقه مند به مهندسی نرم افزار

سرفصل های دوره مهندس نرم افزار

• تعریف مهندسی نرم افزار
• انواع متدولوژی نرم افزار
• زبان مدل سازی UML
•  مقایسه زبان های برنامه نویسی
• مقایسه   انواع DBMS
• اصول مهندسی نرم افزار
• انواع Software Methodology
• چرخه حیات مهندسی نرم افزار SDLC
•  مدل سازی نرم افزار
• طراحی نرم افزار
• پیاده سازی نرم افزار
• معرفی انواع روش های تست نرم افزار
• معرفی روش agile
•  معرفی  روش Scrum  (sprint , backlog ,…)
•   مدیریت پروژه  و استاندار های  مربوط به مدیریت پروژه های نرم افزاری
• ابزار های مهندسی نرم افزار (jira,git,…

• کارشناسان حوزه فناوری اطلاعات و هوش تجاری در سطوح مختلف

• علاقه مندان به علوم داده و آمار

• درک نسبت به داده و کسب توانایی انجام تحلیل‌های جستجوگرایانه در داده

• آماده سازی داده در راستای اخذ تصمیم‌های مبتنی بر داده

• توانایی کار بر روی داده‌های سری زمانی و درک نسبت به ارزش و اهمیت این نوع از داده

• قابلیت ارائه نمودارهای صحیح و استخراج این نمودارها با تکیه بر زبان برنامه‌نویسی پایتون

• درک اولیه نسبت به شاخه یادگیری ماشین و توانایی ارائه راهکار اولیه نسبت به این حوزه

Data Analysis with Python Topics

Python Language Basics, IPython and Jupyter Notebook

• Python Interpreter
• IPython Basics
• Python Language Basics
• Built-in Data Structures, Functions and Files

Numpy Basics

• Numpy ndarray
• Universal Functions
• Array Oriented Programming
• Linear Algebra in Numpy

Getting Started with Pandas

• Pandas Data Structures
• Essential Functionality
• Descriptive Statics
• Categorical Data
• Method Chaining

Data Cleaning and Preparation

• Handling Missing Data
• Data Transformation
• String Manipulation

Join, Combine, Reshape

• Hierarchical Indexing
• Combination and Merging Datasets
• Reshape and Pivoting

Visualization and Matplotlib

• Matplotlib
• Plot with pandas and seaborn
• Other Tools

Time Series

• Date and Time Data Types and Tools
• Time Series Basics
• Date Ranges, Frequencies and Shifting
• Time Zone Handling
• Periods and Period Arithmetic
• Resampling and frequency Conversion
• Moving Window Functions

Introduction to Machine Learning

• Scikit-Learn
• Learning Model
• Hyperparameter and Model Validation
• Feature Engineering
• Classification
• Regression
• Clustering

Examples and Projects

• Fifa 19 Dataset
• USDA Food Database
• 2012 Federal Election Commission Database
• US Baby names

♦ مخاطبین دوره:

• کارشناسان حوزه مخابرات
• مدیران حوزه مخابرات
• کارکنان و مدیران اپراتورهای موبایلی
• علاقه مندان به حوزه شبکه‌های موبایلی
• کارشناسان اینترنت اشیا

• 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

• تاریخچه اینترنت اشیا
• کاربردها
• استانداردهای  IOT 
• الزامات
•  خدمات و کاربردهای  IOT
• عملکرد و ساختار
• معماری اینترنت اشیا
• معرفی ابزار های توسعه و تکنولوژی 
• نقش ارتباط سیمی و بی سیم
• تکنولوژی های وابسته به IOT
• ساختار IOT
• اجزای اصلی اینترنت اشیا
• شبکه Edge شامل: سخت افزار، سنسور ها، درایور دستگاه
• نرم افزار و اپلیکیشن
• نحو اتصال به ابر (Cloud)
• ارتباطات IOT و پروتکل های شبکه ای 
• کلان داده (Big Data)
• امنیت 
• رایانش ابری و اینترنت اشیا
• پلتفرم های IOT
• اینترنت اشیا صنعتی و IIOT
• مفاهیم هوش تجاری و BI
• بررسی نمونه پروژه اینترنت اشیا 

• تمامی لینوکس کاران و متخصصان شبکه
• Sysadmins Developers

• 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....

• 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
• علاقه‌مندان به زبان اسکالا و سکوی آپاچی اسپارک

• توسعه برنامه ها مبتنی بر زبان اسکالا و حل مسئله های کلان داده با استفاده از ابزار آپاچی اسپارک
• ارائه راه‌حل جهت دریافت و جمع ‌آوری جریان داده‌ها
• ذخیره‌سازی داده‌های جریانی بصورت لحظه‌ایی
• توانایی توسعه برنامه پردازش داده‌های جریانی

Apache Spark

• توضیح در خصوص کلان داده و سیستم های توزیع شده
• آماده سازی محیط کدنویسی و اجرا
  1. مقدمه بر زبان برنامه نویسی جاوا
  2. نصب و راه اندازی IDE
• بررسی پروژه آپاچی Spark
• راه اندازی و پیکربندی کلاستر Spark
• توسعه و اجرای برنامه های نمونه با استفاده از پروژه Spark
  1. بررسی و کار با مفاهیم RDD
  2. Transformation و Action
  3. بررسی تابع‌های UDF
• بررسی فرمت فایل‌های مورد استفاده در کلان داده و چگونگی نحوه استفاده از آنها در اسپارک
• بررسی زیرساخت‌های ذخیر‌ه‌سازی داده و استفاده آنها همراه با اسپارک
  1. HDFS
  2. Object Storage
  3. Cassandra
  4. MongoDB
• توسعه برنامه با استفاده از مولفه SparkSQL
  1. تحلیل داده‌های دارای ساختار توسط پرس‌وجوهای sql در اسپارک
  2. DataFrame
  3. Dataset
• توسعه برنامه با استفاده از مولفه MLib در پروژه اسپارک
• بررسی مولفه Graphframe به منظور پردازش داده‌های گراف در اسپارک
• بررسی زیرساخت‌های استقرار پروژه اسپارک
  1. Yarn
  2. Mesos
  3. Docker
  4. Kubernetes
  5. Cloud Computing - IaaS

Apache Kafka

Introduction to Stream Data Processing

• Definition
• Origin and history of Big Data
• Webpages in Big Data projects
• Big Data problems
• Types of Big Data processing
  • Batch
  • Stream
  • Data processing in (almost) real time
  • Definition
  • Advantages and disadvantages
  • Examples
  • Types of message delivery guarentee
    • at-most-once
    • at-least-once
    • exactly-once
  • Tools:
    • Apache Kafka
    • Apache NiFi
    • ELK Stack
    • Apache Flume
    • Fluentd

  • Introduction to Apache Kafka

  • What Kafka is and why it was created
  • The Kafka Architecture
  • The main components of Kafka
  • Some of the use cases for Kafka

  • Kafka Command Line

  • The contents of Kafka's /bin directory
  • How to start and stop Kafka
  • How to create new topics
  • How to use Kafka command line tools to produce and consume messages
  • Kafka terminologies
    • Broker
    • Topic
    • Partition
    • Producer
    • Consumer

  • Kafka Producer Java API

  • The Kafka producer client
  • Some of the KafkaProducer configuration settings and what they do
  • How to create a Kafka producer using the Java API and send messages both synchronously and asynchronously

Kafka Consumer Java API

• The Kafka consumer client
• Some of the KafkaConsumer configuration settings and what they do
• How to create a Kafka consumer using the Java API

Kafka Connect and Spark Streaming

• How to use Kafka and Spark Streaming together

Streaming Platform Concept

• Spark Streaming
• Apache Storm
• Apache Flink
• Apache Kafka Streaming

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

امکان تحلیل و ساخت برنامه کاربردی در حوزه یادگیری عمیق

• مروری بر مفاهیم شبکه عصبی عمیق 
  • مروری بر انواع توابع آتش
  • مروری بر نحوه محاسبه گرادیان و انواع توابع خطا
  • مروری بر روال کلی backpropagation​
  • مروری بر روال های دسته بندی و رگرسیون  
  • مروری بر روال آموزش شبکه های عصبی در تنسورفلو و کراس
• ​انواع Optimizationها در محاسبه گرادیان شبکه عصبی
  • - آپدیت وزن شبکه از طریق Random search​
  • محاسبه گرادیان از طریق AdaGrad
  •  محاسبه گرادیان از طریق RMSProp
  • محاسبه گرادیان از طریق Adam
• مقدمات آموزش شبکه های عصبی عمیق
  • Data preprocessing​
  • مروری بر PCA و روش های کاهش بعد
  • Weight Initialization
  • Batch Normalization
  • Hyperparameter Optimization
  • بررسی روال تغییرات learning rate
  • Regularization
  • L1 / L2 regularization
  • Dropout
  • Data Augmentation
• معرفی شبکه های عمیق Convolutional Neural Network
  • بیان ساختار کلی شبکه های عصبی کانولوشنالی
  • معرفی لایه های مختلف شبکه های CNN
  • آشنایی با مفاهیم dim و Stride و padding
  • معرفی معماری های مختلف شبکه های CNN
• معرفی شبکه های عمیق بازگشتیRecurrent Neural Network
  • مقدماتی بر شبکه های بازگشتی
  • معرفی شبکه بازگشتی LSTM
  • معرفی شبکه بازگشتی GRU
  • معرفی شبکه های بازگشتی دو طرفه
• معرفی شبکه های عمیقVariation Auto Encoders
  • مقدماتی بر یادگیری باناظر و بدون ناظر
  • معرفی شبکه های Generative
  • معرفی شبکه های Auto Encoder
  • معرفی Variational Auto Encoder
  • مقدماتی بر شبکه های عصبی Gan
• Generative Adversarial Networks
  • معرفی ساختارهای CyclicGan و Pix2Pix در شبکه های عصبی عمیق