<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>دوره‌ها &#8211; مدرسه پردازش و تحلیل داده دقیقه</title>
	<atom:link href="https://d-learn.ir/courses/feed/" rel="self" type="application/rss+xml" />
	<link>https://d-learn.ir</link>
	<description>یادگیری گام به گام علوم داده و تحلیل داده</description>
	<lastBuildDate>Wed, 30 Sep 2026 10:19:08 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://d-learn.ir/wp-content/uploads/2021/10/cropped-Picture1-e1633785514326-150x150.png</url>
	<title>دوره‌ها &#8211; مدرسه پردازش و تحلیل داده دقیقه</title>
	<link>https://d-learn.ir</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>دوره یادگیری ماشین و مهندسی هوش مصنوعی (شریف)</title>
		<link>https://d-learn.ir/courses/mlai/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Wed, 30 Sep 2026 10:19:07 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=104875</guid>

					<description><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/mlai/">دوره یادگیری ماشین و مهندسی هوش مصنوعی (شریف)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/mlai/">دوره یادگیری ماشین و مهندسی هوش مصنوعی (شریف)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>دوره آموزشی تحلیل داده با پایتون</title>
		<link>https://d-learn.ir/courses/pyda</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Tue, 29 Sep 2026 07:06:17 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=100676</guid>

					<description><![CDATA[<p>این رویداد آموزشی برای افرادی طراحی شده که می‌خواهند داده‌های واقعی را با پایتون تحلیل کنند و نتایج آن را به شکلی قابل فهم ارائه دهند، اما پیش‌زمینه‌ای در برنامه‌نویسی، آمار یا ابزارهای تحلیل داده ندارند.<br />
محتوای این دوره با رویکردی کارگاهی طراحی شده تا شرکت‌کنندگان مفاهیم و روش‌هایی که یاد می‌گیرند را بلافاصله روی داده‌های واقعی به کار ببرند و خروجی‌های ملموس تولید کنند.<br />
ابزار اصلی این دوره پایتون است که از ابتدا به طور کامل آموزش داده می‌شود. کتابخانه‌هایی مانند Pandas، NumPy و Matplotlib در بستر مسائل واقعی معرفی خواهند شد تا یادگیری آن‌ها هدفمند و کاربردی باشد.<br />
در این دوره علاوه بر تمرین‌های هفتگی در هر موضوع، یک پروژه گروهی در پایان ارائه خواهد شد تا با تحلیل یک مجموعه داده واقعی، آموخته‌های خود را در عمل محک بزنید.<br />
در طول دوره جلسات رفع اشکال و حل تمرین به صورت منظم برگزار خواهد شد تا مشکلات و سؤال‌های خود را با پشتیبان‌های آموزشی در میان بگذارید.<br />
اگر به دنبال یادگیری تحلیل داده از پایه، با تمرین و چالش و پروژه واقعی هستید، این دوره برای شماست!</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/pyda">دوره آموزشی تحلیل داده با پایتون</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/pyda">دوره آموزشی تحلیل داده با پایتون</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>اکسل برای تحلیل داده‌های کسب‌وکار (۰۵)</title>
		<link>https://d-learn.ir/courses/xlsbl/</link>
		
		<dc:creator><![CDATA[امیرخسرو بهادری]]></dc:creator>
		<pubDate>Sat, 26 Sep 2026 10:39:12 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=104548</guid>

					<description><![CDATA[<p>اکسل (Excel) تنها یک ابزار حرفه‌ای تحلیل داده‌های کسب‌وکار نیست، بلکه یک ابزار عمومی برای مدیریت فعالیت‌ها نیز هست. بسیاری از ما در فعالیت‌های روزمره و کاریِ خود با موقعیت‌هایی مواجه می‌شویم که باید در آن‌ها مجموعه متنوعی از اطلاعات را مرتب کنیم؛ مثل زمانی که باید حساب و کتاب یک فعالیت را به عهده بگیریم یا مثلا زمانی که می‌خواهیم دخل و خرج‌مان را مدیریت کنیم. در بسیاری مواقع این محاسبات روی کاغذ یا ماشین‌حساب انجام می‌شوند، در حالی که اکسل فضا و امکاناتی در اختیارمان قرار می‌دهد که مدیریت داده‌ها در آن به مراتب ساده‌تر و کارآمدتر است.</p>
<p>اکسل اساسی‌ترین ابزار در تهیه جداول، گزارش‌ها، نمودارها و داشبوردهای اطلاعاتی در بسیاری از کسب‌و‌کارها است و در شاخه‌های بسیاری مثل فروش، بازاریابی، برنامه‌ریزی تولید، منابع انسانی، حسابداری، مالی، انباداری و کنترل موجودی، طرح و برنامه، زنجیره تامین، توسعه کسب و کار، مدیریت محصول و برند، کنترل پروژه و … به صورت روزمره مورد استفاده قرار می‌گیرد.</p>
<p>در دوره آموزشی «اکسل برای تحلیل داده‌های کسب‌وکار» قبل از هر چیزی سراغ آموزش مفاهیم ابتدایی اکسل می‌رویم و کار با اکسل را بدون هیچ پیش‌نیازی شروع می‌کنیم، بعد از آن روی روش‌های سازماندهی داده‌های کسب‌وکار در جداول اکسل تمرکز می‌کنیم، سپس جداول، نمودارها و فرمول‌های پیشرفته را فرا می‌گیریم. در نهایت بحث گزارشات مدیریتی، کاربرد هوش مصنوعی (AI) در اکسل و داشبوردهای مدیریتی را بررسی می کنیم. برای یادگیری و تسلط مناسب، در طی دوره چندین مسئله واقعی کسب‌وکار را با همکاری یکدیگر در نرم‌افزار اکسل حل می‌کنیم.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/xlsbl/">اکسل برای تحلیل داده‌های کسب‌وکار (۰۵)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="elementor-element elementor-element-1af28a5 elementor-widget elementor-widget-text-editor" data-id="1af28a5" data-element_type="widget" data-widget_type="text-editor.default">
<div class="elementor-widget-container"><b>اکسل (Excel)</b> تنها یک ابزار حرفه‌ای تحلیل داده‌های کسب‌وکار نیست، بلکه یک<b> ابزار عمومی</b> برای مدیریت فعالیت‌ها نیز هست. بسیاری از ما در فعالیت‌های روزمره و کاریِ خود با موقعیت‌هایی مواجه می‌شویم که باید در آن‌ها مجموعه متنوعی از اطلاعات را مرتب کنیم؛ مثل زمانی که باید حساب و کتاب یک فعالیت را به عهده بگیریم یا مثلا زمانی که می‌خواهیم دخل و خرج‌مان را مدیریت کنیم. در بسیاری مواقع این محاسبات روی کاغذ یا ماشین‌حساب انجام می‌شوند، در حالی که اکسل فضا و امکاناتی در اختیارمان قرار می‌دهد که مدیریت داده‌ها در آن به مراتب ساده‌تر و کارآمدتر است. اکسل اساسی‌ترین ابزار در تهیه جداول، گزارش‌ها، نمودارها و داشبوردهای اطلاعاتی در بسیاری از کسب‌و‌کارها است و در شاخه‌های بسیاری مثل <b>فروش</b>، <b>بازاریابی</b>، <b>برنامه‌ریزی تولید</b>، <b>منابع انسانی</b>، <b>حسابداری</b>، <b>مالی</b>، <b>انباداری </b>و <b>کنترل موجودی</b>، <b>طرح و برنامه</b>، <b>زنجیره تامین</b>، <b>توسعه کسب و کار</b>، <b>مدیریت محصول</b> و <b>برند</b>، <b>کنترل پروژه</b> و … به صورت روزمره مورد استفاده قرار می‌گیرد.</div>
</div>
<div class="elementor-element elementor-element-86e8c4c elementor-widget elementor-widget-text-editor" data-id="86e8c4c" data-element_type="widget" data-widget_type="text-editor.default">
<div class="elementor-widget-container">در دوره آموزشی «<strong>اکسل برای تحلیل داده‌های کسب‌وکار</strong>» قبل از هر چیزی سراغ آموزش مفاهیم ابتدایی اکسل می‌رویم و کار با اکسل را بدون هیچ پیش‌نیازی شروع می‌کنیم، بعد از آن روی روش‌های سازماندهی داده‌های کسب‌وکار در جداول اکسل تمرکز می‌کنیم، سپس جداول، نمودارها و فرمول‌های پیشرفته را فرا می‌گیریم. در نهایت بحث گزارشات مدیریتی، کاربرد هوش مصنوعی (AI) در اکسل و داشبوردهای مدیریتی را بررسی می کنیم. برای یادگیری و تسلط مناسب، در طی دوره چندین مسئله واقعی کسب‌وکار را با همکاری یکدیگر در نرم‌افزار اکسل حل می‌کنیم.</div>
</div>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/xlsbl/">اکسل برای تحلیل داده‌های کسب‌وکار (۰۵)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی</title>
		<link>https://d-learn.ir/courses/ai4sv/</link>
		
		<dc:creator><![CDATA[پدرام عطایی]]></dc:creator>
		<pubDate>Sun, 13 Sep 2026 12:37:10 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=99910</guid>

					<description><![CDATA[<p>هوش مصنوعی مسیرهای سنتی و زمان‌بر پژوهش را کوتاه‌تر کرده و افق‌های جدیدی را پیش روی محققان و تحلیل‌گران گشوده است؛ با این حال، به کارگیری اثربخش، دقیق و اصولی هوش مصنوعی در کارهای تخصصی، نیازمند توجه به ظرافت‌های روش‌شناختی، اصول اعتبارسنجی و شناخت دقیق چالش‌های این حوزه است.</p>
<p>نسخه‌های قبلی این کارگاه سال گذشته با استقبال گسترده پژوهشگران در تعدادی از معتبرترین دانشگاه‌های ایران و غرب آسیا برگزار شده است. در این کارگاه، شرکت‌کنندگان علاوه بر آشنایی با مراحل مختلفِ به کارگیری هوش مصنوعی در پروژه‌های واقعی، استفاده از آن را در پژوهش‌های دانشگاهی و صنعتی تمرین می‌کنند.</p>
<p>«کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی» برای شناخت عمیق‌تر هوش مصنوعی (مولد و عامل)، به کارگیری اثربخش و اعتبارسنجی خروجی‌های آن در حوزه‌‌‌‌های پژوهشی طراحی شده است. این رویداد آموزشی ویژه پژوهشگران، دانشجویان تحصیلات تکمیلی، تحلیل‌گران تخصصی کسب‌وکارها و استادان دانشگاه است که می‌خواهند پتانسیل واقعی این ابزارها را در مسیر ارتقای کیفیت و سرعت پروژه‌های خود به کار بگیرند. در این کارگاه، شرکت‌کنندگان ضمن آشنایی با رویکردهای تفکر انتقادی در مواجهه با ابزارهای مولد، کاملاً کاربردی و پروژه‌محور با استراتژی‌ها، نرم‌افزارها و ابزارهای کلیدی هوش مصنوعی برای مدیریت و اتوماسیون پژوهش آشنا خواهند شد.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/ai4sv/">کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<div class="elementor-element elementor-element-7a825c4 elementor-widget elementor-widget-text-editor" data-id="7a825c4" data-element_type="widget" data-widget_type="text-editor.default">
<div class="elementor-widget-container">
<p class="p1" dir="rtl" style="padding-right: 40px">هوش مصنوعی مسیرهای سنتی و زمان‌بر پژوهش را کوتاه‌تر کرده و افق‌های جدیدی را پیش روی محققان و تحلیل‌گران گشوده است؛ با این حال، به کارگیری اثربخش، دقیق و اصولی هوش مصنوعی در کارهای تخصصی، نیازمند توجه به ظرافت‌های روش‌شناختی، اصول اعتبارسنجی و شناخت دقیق چالش‌های این حوزه است.</p>
</div>
</div>
<div class="elementor-element elementor-element-da1e7ea elementor-widget elementor-widget-text-editor" data-id="da1e7ea" data-element_type="widget" data-widget_type="text-editor.default">
<div class="elementor-widget-container">
<blockquote>
<p class="p1" dir="rtl">نسخه‌های قبلی این کارگاه سال گذشته با استقبال گسترده پژوهشگران در تعدادی از معتبرترین دانشگاه‌های ایران و غرب آسیا برگزار شده است. در این کارگاه، شرکت‌کنندگان علاوه بر آشنایی با مراحل مختلفِ به کارگیری هوش مصنوعی در پروژه‌های واقعی، استفاده از آن را در پژوهش‌های دانشگاهی و صنعتی تمرین می‌کنند.</p>
</blockquote>
</div>
</div>
<div class="elementor-element elementor-element-3254f06 elementor-widget elementor-widget-text-editor" data-id="3254f06" data-element_type="widget" data-widget_type="text-editor.default">
<div class="elementor-widget-container">
<p class="p1" dir="rtl">«کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی» برای شناخت عمیق‌تر هوش مصنوعی (مولد و عامل)، به کارگیری اثربخش و اعتبارسنجی خروجی‌های آن در حوزه‌‌‌‌های پژوهشی طراحی شده است. این رویداد آموزشی ویژه پژوهشگران، دانشجویان تحصیلات تکمیلی، تحلیل‌گران تخصصی کسب‌وکارها و استادان دانشگاه است که می‌خواهند پتانسیل واقعی این ابزارها را در مسیر ارتقای کیفیت و سرعت پروژه‌های خود به کار بگیرند. در این کارگاه، شرکت‌کنندگان ضمن آشنایی با رویکردهای تفکر انتقادی در مواجهه با ابزارهای مولد، کاملاً کاربردی و پروژه‌محور با استراتژی‌ها، نرم‌افزارها و ابزارهای کلیدی هوش مصنوعی برای مدیریت و اتوماسیون پژوهش آشنا خواهند شد.</p>
</div>
</div>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/ai4sv/">کارگاه جامع به‌کارگیری هوش مصنوعی در پژوهش‌های دانشگاهی و صنعتی</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>ساخت سیستم پرسش‌وپاسخ هوشمند (RAG) با HuggingFace و LangChain</title>
		<link>https://d-learn.ir/courses/ragpip/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:01:04 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=99501</guid>

					<description><![CDATA[<p>در این پروژه شما یک سیستم پرسش‌وپاسخ مبتنی بر بازیابی اطلاعات (Retrieval-Augmented Generation - RAG) می‌سازید. این سیستم به جای اتکای صرف به دانش از پیش آموخته‌شده‌ی یک مدل زبانی بزرگ، ابتدا در یک مجموعه اسناد مشخص جستجو می‌کند، بخش‌های مرتبط را می‌یابد، و سپس با استفاده از یک مدل زبانی، پاسخی دقیق و مستند بر اساس همان اسناد تولید می‌کند.<br />
هدف اصلی پروژه، تجربه‌ی عملی ساخت یک پایپ‌لاین کامل RAG است که شامل مراحل زیر می‌شود:<br />
۱. آماده‌سازی و تقسیم‌بندی (Chunking) اسناد<br />
۲. ساخت بردارهای معنایی (Embedding) از اسناد و پرسش‌ها<br />
۳. بازیابی اطلاعات مرتبط از یک پایگاه‌داده برداری   (Vector Store)<br />
۴. تولید پاسخ نهایی با یک مدل زبانی، با استفاده از LangChain و در صورت نیاز LangGraph<br />
۵. ارائه‌ی نتیجه در قالب یک اپلیکیشن تعاملی با Gradio</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/ragpip/">ساخت سیستم پرسش‌وپاسخ هوشمند (RAG) با HuggingFace و LangChain</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
					<div data-elementor-type="wp-post" data-elementor-id="99501" class="elementor elementor-99501" data-elementor-post-type="courses">
											<content:encoded><![CDATA[		<section class="elementor-section elementor-top-section elementor-element elementor-element-1180f91a elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="1180f91a" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-66 elementor-top-column elementor-element elementor-element-375cd65f" data-id="375cd65f" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-6950b484 elementor-align-center elementor-widget elementor-widget-etlms-course-title tutor-addon etlms-course-title" data-id="6950b484" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-title.default">
				<div class="elementor-widget-container">
					<h2 class="tutor-course-details-title tutor-fs-4 tutor-fw-bold tutor-color-black tutor-mt-12 tutor-mb-0"> 
					<span>عنوان دوره</span>
			</h2>				</div>
				</div>
				<section class="elementor-section elementor-inner-section elementor-element elementor-element-7a51eaf1 elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="7a51eaf1" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-1369377e" data-id="1369377e" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-7241f5cc elementor-widget elementor-widget-shortcode" data-id="7241f5cc" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><span class="tutor-course-difficulty-level tutor-course-loop-level beginner">پروژه</span></div>
						</div>
				</div>
					</div>
		</div>
				<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-62879e07" data-id="62879e07" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-713008e6 elementor-widget elementor-widget-shortcode" data-id="713008e6" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><div class="tutor-course-loop-meta">
                <div class="tutor-single-loop-meta">
                    <span>191</span>
                    <i class="tutor-icon-user"></i>
                </div>
                <div class="tutor-single-loop-meta">
                    <i class="tutor-icon-clock"></i> 
                    <span dir="rtl"></span>
                </div>
            </div></div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
					</div>
		</div>
				<div class="elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-721ede64" data-id="721ede64" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<section class="elementor-section elementor-inner-section elementor-element elementor-element-24d25f88 elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="24d25f88" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-100 elementor-inner-column elementor-element elementor-element-3aaad68e" data-id="3aaad68e" data-element_type="column" data-e-type="column" data-settings="{&quot;background_background&quot;:&quot;classic&quot;}">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-793c20 elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="793c20" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				<div class="elementor-element elementor-element-2c6120b3 elementor-widget-divider--separator-type-pattern elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="2c6120b3" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider" style="--divider-pattern-url: url(&quot;data:image/svg+xml,%3Csvg xmlns=&#039;http://www.w3.org/2000/svg&#039; preserveAspectRatio=&#039;none&#039; overflow=&#039;visible&#039; height=&#039;100%&#039; viewBox=&#039;0 0 24 24&#039; fill=&#039;none&#039; stroke=&#039;black&#039; stroke-width=&#039;1&#039; stroke-linecap=&#039;square&#039; stroke-miterlimit=&#039;10&#039;%3E%3Cpolyline points=&#039;0,6 6,6 6,18 18,18 18,6 24,6 	&#039;/%3E%3C/svg%3E&quot;);">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
				<div class="elementor-element elementor-element-4062ff20 elementor-align-center elementor-layout-row elementor-widget elementor-widget-etlms-course-categories tutor-addon etlms-course-categories" data-id="4062ff20" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-categories.default">
				<div class="elementor-widget-container">
												</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				</div>
		<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/ragpip/">ساخت سیستم پرسش‌وپاسخ هوشمند (RAG) با HuggingFace و LangChain</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>طبقه‌بندی تصویر با شبکه عصبی پیچشی (CNN)</title>
		<link>https://d-learn.ir/courses/cnnpr/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:01:02 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=99579</guid>

					<description><![CDATA[<p>در این پروژه شما یک سیستم طبقه‌بندی تصویر (Image Classification) می‌سازید که تصاویر ورودی را در یکی از چند کلاس از پیش تعریف‌شده قرار می‌دهد. هدف اصلی پروژه، تجربه‌ی عملی سه مرحله‌ی کلیدی در کار با شبکه‌های عصبی پیچشی است:<br />
۱. طراحی و آموزش یک شبکه CNN از صفر (بدون استفاده از وزن‌های از پیش آموزش‌دیده)<br />
۲. استفاده از یک مدل از پیش آموزش‌دیده (Pretrained) با روش Transfer Learning<br />
۳. مقایسه‌ی علمی این دو رویکرد از نظر دقت، سرعت آموزش، و رفتار مدل روی داده‌های جدید<br />
۴. ارائه‌ی نتیجه در قالب یک اپلیکیشن تعاملی با Gradio که کاربر بتواند تصویر آپلود کند و خروجی مدل را ببیند.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/cnnpr/">طبقه‌بندی تصویر با شبکه عصبی پیچشی (CNN)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/cnnpr/">طبقه‌بندی تصویر با شبکه عصبی پیچشی (CNN)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل احساسات متن فارسی (Persian Sentiment Analysis)</title>
		<link>https://d-learn.ir/courses/snta/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:00:59 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=99546</guid>

					<description><![CDATA[<p>در این پروژه شما یک سیستم تحلیل احساسات می‌سازید که متن فارسی (نظر کاربر درباره یک محصول یا خدمت) را دریافت کرده و آن را در یکی از کلاس‌های احساسی (مثبت / منفی، یا مثبت/منفی/خنثی بسته به دیتاست) طبقه‌بندی می‌کند. هدف اصلی پروژه، مقایسه‌ی سه رویکرد متفاوت برای حل یک مساله‌ی واحد پردازش زبان طبیعی است:<br />
۱. یک روش کلاسیک:  ترکیب Embedding با یک الگوریتم یادگیری ماشین سنتی<br />
۲. یک روش شبکه عصبی بازگشتی   LSTM  یا  GRU<br />
۳. یک روش مبتنی بر مدل از پیش آموزش‌دیده  (Pretrained) </p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/snta/">تحلیل احساسات متن فارسی (Persian Sentiment Analysis)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
					<div data-elementor-type="wp-post" data-elementor-id="99546" class="elementor elementor-99546" data-elementor-post-type="courses">
											<content:encoded><![CDATA[		<section class="elementor-section elementor-top-section elementor-element elementor-element-30a7ac51 elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="30a7ac51" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-66 elementor-top-column elementor-element elementor-element-5c5eecd0" data-id="5c5eecd0" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-61138afe elementor-align-center elementor-widget elementor-widget-etlms-course-title tutor-addon etlms-course-title" data-id="61138afe" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-title.default">
				<div class="elementor-widget-container">
					<h2 class="tutor-course-details-title tutor-fs-4 tutor-fw-bold tutor-color-black tutor-mt-12 tutor-mb-0"> 
					<span>عنوان دوره</span>
			</h2>				</div>
				</div>
				<section class="elementor-section elementor-inner-section elementor-element elementor-element-a96e39 elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="a96e39" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-566095a0" data-id="566095a0" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-5c6e5398 elementor-widget elementor-widget-shortcode" data-id="5c6e5398" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><span class="tutor-course-difficulty-level tutor-course-loop-level beginner">پروژه</span></div>
						</div>
				</div>
					</div>
		</div>
				<div class="elementor-column elementor-col-50 elementor-inner-column elementor-element elementor-element-3dc0d6a6" data-id="3dc0d6a6" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-5b74fa3d elementor-widget elementor-widget-shortcode" data-id="5b74fa3d" data-element_type="widget" data-e-type="widget" data-widget_type="shortcode.default">
				<div class="elementor-widget-container">
							<div class="elementor-shortcode"><div class="tutor-course-loop-meta">
                <div class="tutor-single-loop-meta">
                    <span>192</span>
                    <i class="tutor-icon-user"></i>
                </div>
                <div class="tutor-single-loop-meta">
                    <i class="tutor-icon-clock"></i> 
                    <span dir="rtl"></span>
                </div>
            </div></div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
					</div>
		</div>
				<div class="elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-5282138d" data-id="5282138d" data-element_type="column" data-e-type="column">
			<div class="elementor-widget-wrap elementor-element-populated">
						<section class="elementor-section elementor-inner-section elementor-element elementor-element-1376293a elementor-section-boxed elementor-section-height-default elementor-section-height-default" data-id="1376293a" data-element_type="section" data-e-type="section">
						<div class="elementor-container elementor-column-gap-default">
					<div class="elementor-column elementor-col-100 elementor-inner-column elementor-element elementor-element-76da4ed8" data-id="76da4ed8" data-element_type="column" data-e-type="column" data-settings="{&quot;background_background&quot;:&quot;classic&quot;}">
			<div class="elementor-widget-wrap elementor-element-populated">
						<div class="elementor-element elementor-element-1e172820 elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="1e172820" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				<div class="elementor-element elementor-element-3b17baf4 elementor-widget-divider--separator-type-pattern elementor-widget-divider--view-line elementor-widget elementor-widget-divider" data-id="3b17baf4" data-element_type="widget" data-e-type="widget" data-widget_type="divider.default">
				<div class="elementor-widget-container">
							<div class="elementor-divider" style="--divider-pattern-url: url(&quot;data:image/svg+xml,%3Csvg xmlns=&#039;http://www.w3.org/2000/svg&#039; preserveAspectRatio=&#039;none&#039; overflow=&#039;visible&#039; height=&#039;100%&#039; viewBox=&#039;0 0 24 24&#039; fill=&#039;none&#039; stroke=&#039;black&#039; stroke-width=&#039;1&#039; stroke-linecap=&#039;square&#039; stroke-miterlimit=&#039;10&#039;%3E%3Cpolyline points=&#039;0,6 6,6 6,18 18,18 18,6 24,6 	&#039;/%3E%3C/svg%3E&quot;);">
			<span class="elementor-divider-separator">
						</span>
		</div>
						</div>
				</div>
				<div class="elementor-element elementor-element-7d0bff52 elementor-align-center elementor-layout-row elementor-widget elementor-widget-etlms-course-categories tutor-addon etlms-course-categories" data-id="7d0bff52" data-element_type="widget" data-e-type="widget" data-widget_type="etlms-course-categories.default">
				<div class="elementor-widget-container">
												</div>
				</div>
					</div>
		</div>
					</div>
		</section>
				</div>
		<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/snta/">تحلیل احساسات متن فارسی (Persian Sentiment Analysis)</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>تحلیل داده‌های دیوار</title>
		<link>https://d-learn.ir/courses/rslisting/</link>
		
		<dc:creator><![CDATA[علیرضا کدیور]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:00:56 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=91561</guid>

					<description><![CDATA[<p>پروژه پایانی «تحلیل داده‌ آگهی‌های دیوار»، فرصتی است برای تجربه‌ی چرخه‌ی کامل تحلیل داده بر بستر یک مجموعه‌ی واقعی و بزرگ از داده‌های منتشرشده در پلتفرم دیوار — یکی از پربازدیدترین بازارهای آنلاین ایران. این پروژه بر پایه‌ی داده‌های بیش از یک میلیون آگهی املاک طراحی شده است؛ داده‌هایی که بازتابی زنده از رفتار اقتصادی، قیمت‌گذاری، ترجیحات کاربران و پویایی‌های بازار مسکن در ایران‌اند. در این پروژه، شما با مراحل اساسی پروژه‌های علوم داده از پاک‌سازی و تحلیل اکتشافی تا مدلسازی، خوشه‌بندی و پردازش زبان طبیعی در محیط پایتون آشنا می‌شوند و می‌آموزند چگونه از داده‌های خام، بینش‌های معنادار و ارزشمند از منظر کسب‌وکار استخراج کنند.</p>
<p>در طول پروژه، شما گام‌به‌گام با پرسش‌هایی واقعی روبه‌رو می‌شوید: از ارزیابی کیفیت داده و کشف الگوهای قیمتی گرفته تا خوشه‌بندی املاک و پیش‌بینی قیمت آگهی‌ها. همچنین، با استفاده از متن آگهی‌ها و روش‌های NLP، مدلی برای تشخیص نوع ملک و نوع کاربر (شخصی یا مشاور املاک) ساخته می‌شود تا هوشمندی پنهان در زبان طبیعی آگهی‌ها آشکار شود. هدف نهایی این پروژه آن است که نشان دهد چگونه ترکیب تحلیل داده، یادگیری ماشین و پردازش زبان‌های طبیعی می‌تواند به درکی عمیق‌تر از موضوعات واقعی منجر شود و مسیر تصمیم‌گیری مبتنی بر داده را برای ذی‌نفعان مختلف در یک بازار هموار کند.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/rslisting/">تحلیل داده‌های دیوار</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p data-start="274" data-end="920">پروژه «تحلیل داده‌ آگهی‌های دیوار»، فرصتی است برای تجربه‌ی چرخه‌ی کامل تحلیل داده بر بستر یک مجموعه‌ی واقعی و بزرگ از داده‌های منتشرشده در پلتفرم <strong data-start="454" data-end="463">دیوار</strong> — یکی از پربازدیدترین بازارهای آنلاین ایران. این پروژه بر پایه‌ی داده‌های بیش از یک میلیون آگهی املاک طراحی شده است؛ داده‌هایی که بازتابی زنده از رفتار اقتصادی، قیمت‌گذاری، ترجیحات کاربران و پویایی‌های بازار مسکن در ایران‌اند. در این پروژه، شما با مراحل اساسی پروژه‌های علوم داده از پاک‌سازی و تحلیل اکتشافی تا مدلسازی، خوشه‌بندی و پردازش زبان طبیعی در محیط پایتون آشنا می‌شوند و می‌آموزند چگونه از داده‌های خام، بینش‌های معنادار و ارزشمند از منظر کسب‌وکار استخراج کنند.</p>
<p data-start="922" data-end="1464">در طول پروژه، شما گام‌به‌گام با پرسش‌هایی واقعی روبه‌رو می‌شوید: از ارزیابی کیفیت داده و کشف الگوهای قیمتی گرفته تا خوشه‌بندی املاک و پیش‌بینی قیمت آگهی‌ها. همچنین، با استفاده از متن آگهی‌ها و روش‌های NLP، مدلی برای تشخیص نوع ملک و نوع کاربر (شخصی یا مشاور املاک) ساخته می‌شود تا هوشمندی پنهان در زبان طبیعی آگهی‌ها آشکار شود. هدف نهایی این پروژه آن است که نشان دهد چگونه ترکیب تحلیل داده، یادگیری ماشین و پردازش زبان‌های طبیعی می‌تواند به درکی عمیق‌تر از موضوعات واقعی منجر شود و مسیر تصمیم‌گیری مبتنی بر داده را برای ذی‌نفعان مختلف در یک بازار هموار کند.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/rslisting/">تحلیل داده‌های دیوار</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>پردازش متن در پایتون: از واکشی داده تا مدل‌سازی زبانی</title>
		<link>https://d-learn.ir/courses/nlmpy-project/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:00:52 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=76316</guid>

					<description><![CDATA[<p>این پروژه با هدف آشنایی عملی با مباحث پردازش متن و مدل‌سازی زبان‌های طبیعی، به ویژه در حوزه متون موجود در اینترنت، انجام می‌شود. در این پروژه، داده‌های متنی از منابع مختلف مانند ویکی‌پدیا، سایت‌های خبری فارسی زبان، گنجور و نظرات کاربران در سایت‌های فروشگاهی جمع‌آوری و پس از پاکسازی و پیش‌پردازش، برای آموزش مدل‌های یادگیری ماشین یا فاین‌تونینگ مدل‌های پیش‌آموزش شده در محیط پایتون مورد استفاده قرار می‌گیرند.</p>
<p>هدف از این پروژه، جمع‌آوری و پاکسازی داده‌های متنی و  انجام یکی از وظایف دسته‌بندی متون، مدل‌سازی عناوین، تشخیص موجودیت‌های نامدار، تحلیل احساسات، تولید متن، خلاصه‌سازی متن یا پاسخ به سوالات است (بخش اختیاری). در نهایت، عملکرد مدل‌های آموزش دیده بر روی داده‌های آزمون ارزیابی و نتایج در قالب گزارش، اسلاید و کد کامل پروژه ارائه می‌شود.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/nlmpy-project/">پردازش متن در پایتون: از واکشی داده تا مدل‌سازی زبانی</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p data-sourcepos="3:1-3:387">این پروژه با هدف آشنایی عملی با مباحث پردازش متن و مدل‌سازی زبان‌های طبیعی، به ویژه در حوزه متون موجود در اینترنت، انجام می‌شود. در این پروژه، داده‌های متنی از منابع مختلف مانند ویکی‌پدیا، سایت‌های خبری، گنجور و نظرات کاربران در سایت‌های فروشگاهی جمع‌آوری و پس از پاکسازی و پیش‌پردازش، برای آموزش مدل‌های یادگیری ماشین یا فاین‌تونینگ مدل‌های پیش‌آموزش شده در محیط پایتون مورد استفاده قرار می‌گیرند.</p>
<p data-sourcepos="5:1-5:452">هدف از این پروژه، جمع‌آوری و پاکسازی داده‌های متنی و  انجام یکی از وظایف دسته‌بندی متون، مدل‌سازی عناوین، تشخیص موجودیت‌های نامدار، تحلیل احساسات، تولید متن، خلاصه‌سازی متن یا پاسخ به سوالات است (بخش اختیاری). در نهایت، عملکرد مدل‌های آموزش دیده بر روی داده‌های آزمون ارزیابی و نتایج در قالب گزارش، اسلاید و کد کامل پروژه ارائه می‌شود.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/nlmpy-project/">پردازش متن در پایتون: از واکشی داده تا مدل‌سازی زبانی</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
		<item>
		<title>پیش‌بینی خطر ابتلا به دیابت</title>
		<link>https://d-learn.ir/courses/diabetes/</link>
		
		<dc:creator><![CDATA[سعید مجیدی]]></dc:creator>
		<pubDate>Fri, 11 Sep 2026 18:00:48 +0000</pubDate>
				<guid isPermaLink="false">https://d-learn.ir/?post_type=courses&#038;p=56461</guid>

					<description><![CDATA[<p>دیابت یکی از شایع‌ترین بیماری‌ها در دنیاست که هر ساله بر زندگی میلیون‌ها نفر تأثیر می‌گذارد و بار مالی قابل توجهی را بر اقتصاد کشورها به دنبال دارد. دیابت یک بیماری مزمن و پیش‌رونده است که در آن افراد قابلیت تنظیم سطح قند خون را به خوبی از دست می‌دهند. این وضعیت در نهایت منجر به کاهش کیفیت زندگی و کاهش امید به زندگی می‌شود.<br />
پیش‌بینی احتمال مبتلا شدن به دیابت می‌تواند بسیار حیاتی باشد. داده‌های موجود در خصوص سبک زندگی معمولا می‌توانند پیش‌بینی کننده مناسبی برای تشخیص ابتلا به دیابت باشد.<br />
در این پروژه ابتدا توضیحاتی در خصوص نحوه پیش‌بینی و سوالاتی که در هنگام کار با دادهه‌ها مطرح می‌شود توضیح داده می‌شود و سپس داده‌های مرتبط ارائه شده است.</p>
<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/diabetes/">پیش‌بینی خطر ابتلا به دیابت</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></description>
										<content:encoded><![CDATA[<p>The post <a rel="nofollow" href="https://d-learn.ir/courses/diabetes/">پیش‌بینی خطر ابتلا به دیابت</a> appeared first on <a rel="nofollow" href="https://d-learn.ir">مدرسه پردازش و تحلیل داده دقیقه</a>.</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
