-
- گروه آموزشی
سه بعدی سازی و انیمیشن3D & Animation
طراحی مهندسیCAD
برنامه نویسی و توسعهProgramming & Develop
فناوری اطلاعات - ITInformation Technology
طراحی ، گرافیک ، عکاسیDesign, Graphic, Photography
فیلم ، ویدیو ، صداFilm, Video, Audio
آموزش و یادگیری الکترونیکیEducation & Elearning
بیزنس و بازاریابیBusiness & Marketing
وبWeb
- نرم افزارها و ابزارها
- مسیرهای یادگیری
- مدرسان
- پنل کاربری
- تماس با ما
- راهنما
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.
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.
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".
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.
توصیه‌های خودکار در همه جا هستند: Netflix، آمازون، یوتیوب، و چیزهای دیگر. سیستم‌های پیشنهاد دهنده در مورد علایق منحصر به فرد شما یاد می‌گیرند و محصولات یا محتوای آنها را نشان می‌دهند که فکر می‌کنند شما آنها را دوست خواهید داشت. نحوه ساخت سیستم‌های توصیه‌گر خود را از یکی از پیشگامان در این زمینه کشف کنید. مدرس Frank Kane نه سال در شرکت Amazon، جایی که او رهبر توسعه بسیاری از فن آوری های توصیه شده شخصی محصول شرکت بود. در این درس، او الگوریتم های توصیه مبتنی بر فیلتر مشترک مبتنی بر همسایگی و تکنیک‌های مدرن تری، از جمله فاکتورگیری ماتریس و حتی یادگیری عمیق با شبکه‌های عصبی مصنوعی را پوشش می‌دهد. علاوه بر این، شما میتوانید از تجربه گسترده صنعت و درک چالش‌های دنیای واقعی در استفاده از این الگوریتم ها در یک مقیاس بزرگ با داده‌های دنیای واقعی را یاد بگیرید. همچنین میتوانید با توسعه فریمورک خود برای تست الگوریتم و ساخت شبکه‌های عصبی خود با استفاده از فن‌آوری‌هایی نظیر Amazon DSSTNE، AWS SageMaker و TensorFlow دست به کار شوید.
نمونه ویدیوی آموزشی ( فایلهای زیر نویس جدا از فیلم است و میتوانید آنرا نمایش ندهید ) :
00 Getting Started
___| 00_01 Install Anaconda, review course materials, and create movie recommendations
___| 00_02 Course roadmap
___| 00_03 Understanding you through implicit and explicit ratings
___| 00_04 Top-N recommender architecture
___| 00_05 Review the basics of recommender systems
01 Introduction to Python
___| 01_01 Data structures in Python
___| 01_02 Functions in Python
___| 01_03 Booleans, loops, and a hands-on challenge
02 Evaluating Recommender Systems
___| 02_01 Train test and cross-validation
___| 02_02 Accuracy metrics (RMSE and MAE)
___| 02_03 Top-N hit rate; Many ways
___| 02_04 Coverage, diversity, and novelty
___| 02_05 Churn, responsiveness, and A B tests
___| 02_06 Review ways to measure your recommender
___| 02_07 Walkthrough of RecommenderMetrics.py
___| 02_08 Walkthrough of TestMetrics.py
___| 02_09 Measure the performance of SVD recommendations
03 A Recommender Engine Framework
___| 03_01 Our recommender engine architecture
___| 03_02 Recommender engine walkthrough, part 1
___| 03_03 Recommender engine walkthrough, part 2
___| 03_04 Review the results of our algorithm evaluation
04 Content-Based Filtering
___| 04_01 Content-based recommendations and the cosine similarity metric
___| 04_02 K-nearest neighbors (KNN) and content recs
___| 04_03 Producing and evaluating content-based movie recommendations
___| 04_04 Bleeding edge alert; Mise-en-scene recommendations
___| 04_05 Dive deeper into content-based recommendations
05 Neighborhood-Based Collaborative Filtering
___| 05_01 Measuring similarity and sparsity
___| 05_02 Similarity metrics
___| 05_03 User-based collaborative filtering
___| 05_04 User-based collaborative filtering; Hands-on
___| 05_05 Item-based collaborative filtering
___| 05_06 Item-based collaborative filtering; Hands-on
___| 05_07 Tuning collaborative filtering algorithms
___| 05_08 Evaluating collaborative filtering systems offline
___| 05_09 Measure the hit rate of item-based collaborative filtering
___| 05_10 KNN recommenders
___| 05_11 Running user- and item-based KNN on MovieLens
___| 05_12 Experiment with different KNN parameters
___| 05_13 Bleeding edge alert; Translation-based recommendations
06 Matrix Factorization Methods
___| 06_01 Principal component analysis (PCA)
___| 06_02 Singular value decomposition (SVD)
___| 06_03 Running SVD and SVD++ on MovieLens
___| 06_04 Improving on SVD
___| 06_05 Tune the hyperparameters on SVD
___| 06_06 Bleeding edge alert; Sparse linear methods (SLIM)
07 Introduction to Deep Learning
___| 07_01 Deep learning introduction
___| 07_02 Deep learning prerequisites
___| 07_03 History of artificial neural networks
___| 07_04 Playing with TensorFlow
___| 07_05 Training neural networks
___| 07_06 Tuning neural networks
___| 07_07 Introduction to TensorFlow
___| 07_08 Handwriting recognition with TensorFlow, part 1
___| 07_09 Handwriting recognition with TensorFlow, part 2
___| 07_10 Handwriting recognition with TensorFlow, part 3
___| 07_11 Introduction to Keras
___| 07_12 Handwriting recognition with Keras
___| 07_13 Classifier patterns with Keras
___| 07_14 Predict political parties of politicians with Keras
___| 07_15 Intro to convolutional neural networks (CNNs)
___| 07_16 CNN architectures
___| 07_17 Handwriting recognition with CNNs
___| 07_18 Intro to recurrent neural networks (RNNs)
___| 07_19 Training recurrent neural networks
___| 07_20 Sentiment analysis of movie reviews using RNNs and Keras
08 Deep Learning for Recommender Systems
___| 08_01 Intro to deep learning for recommenders
___| 08_02 Restricted Boltzmann machines (RBMs)
___| 08_03 Recommendations with RBMs, part 1
___| 08_04 Recommendations with RBMs, part 2
___| 08_05 Evaluating the RBM recommender
___| 08_06 Tuning restricted Boltzmann machines
___| 08_07 Exercise results; Tuning a RBM recommender
___| 08_08 Auto-encoders for recommendations; Deep learning for recs
___| 08_09 Recommendations with deep neural networks
___| 08_10 Clickstream recommendations with RNNs
___| 08_11 Get GRU4Rec working on your desktop
___| 08_12 Exercise results; GRU4Rec in action
___| 08_13 Bleeding edge alert; Deep factorization machines
___| 08_14 More emerging tech to watch
09 Scaling It Up
___| 09_01 Introduction and installation of Apache Spark
___| 09_02 Apache Spark architecture
___| 09_03 Movie recommendations with Spark, matrix factorization, and ALS
___| 09_04 Recommendations from 20 million ratings with Spark
___| 09_05 Amazon DSSTNE
___| 09_06 DSSTNE in action
___| 09_07 Scaling up DSSTNE
___| 09_08 AWS SageMaker and factorization machines
___| 09_09 SageMaker in action; Factorization machines on one million ratings, in the cloud
10 Real-World Challenges of Recommender Systems
___| 10_01 The cold start problem (and solutions)
___| 10_02 Implement random exploration
___| 10_03 Exercise solution; Random exploration
___| 10_04 Stoplists
___| 10_05 Implement a stoplist
___| 10_06 Exercise solution; Implement a stoplist
___| 10_07 Filter bubbles, trust, and outliers
___| 10_08 Identify and eliminate outlier users
___| 10_09 Exercise solution; Outlier removal
___| 10_10 Fraud, the perils of clickstream, and international concerns
___| 10_11 Temporal effects and value-aware recommendations
11 Case Studies
___| 11_01 Case study; YouTube, part 1
___| 11_02 Case study; YouTube, part 2
___| 11_03 Case study; Netflix, part 1
___| 11_04 Case study; Netflix, part 2
12 Hybrid Approaches
___| 12_01 Hybrid recommenders and exercise
___| 12_02 Exercise solution; Hybrid recommenders
13 Conclusion
___| 13_01 More to explore
مهارت های موجود در این دوره:
برنامه نویسی و توسعه زبانهای برنامه نویسی Python فناوری اطلاعات (آی تی) اطلاعات حجیم (بیگ دیتا) - علم داده هوش مصنوعی و یادگیری ماشین
مدرس: Frank Kane - فرانک کین
فرانک کین بنیانگذار Sundog Education و Sundog Software LLC است. مأموریت آموزش Sundog Education ایجاد مهارت های شغلی بسیار ارزشمند در زمینه داده های بزرگ، علم اطلاعات و یادگیری ماشین برای هر کسی در جهان است. قبلا، فرانک 9 سال را در آمازون و IMDb گذراند، در حال توسعه و مدیریت فناوری بود که به طور خودکار توصیه های محصول و فیلم را به صدها میلیون مشتری ارائه می داد. فرانک دارای 17 امتیاز حق اختراع در زمینه محاسبات توزیع شده، داده کاوی و یادگیری ماشین است. در سال 2012، فرانک برای شروع شرکت خود، Sundog Software موفق شد، که در فن آوری محیط واقعیت مجازی تمرکز دارد و به دیگران در مورد تجزیه و تحلیل داده‌های بزرگ آموزش می‌دهد.
تلگرام 
اینستاگرام 
