مجموعه آموزش هوش مصنوعی

مجموعه آموزش هوش مصنوعی

مدت زمان آموز‌ش‌های این صفحه
۱۶,۶۲۴ دقیقه
تعداد آموز‌ش‌های این صفحه
۲۸ عنوان آموزشی
1

آموزش یادگیری ماشین (Machine Learning) با پایتون (Python)

امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تأثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.

مدرس: سعید مظلومی راد مدت زمان آموزش: ۱۰ ساعت
یادگیری را شروع کنید
2

آموزش مبانی یادگیری عمیق (Deep Learning)

در این آموزش ویدئویی، یکی از محبوب ترین و پرکاربردترین علوم حوزه هوش مصنوعی، یعنی یادگیری عمیق (Deep Learning)، معرفی شده است. در این آموزش، علاوه بر آشنایی با مبانی تئوری یادگیری عمیق، تکنیک ها و مدل های مختلف آموزش شبکه های عصبی عمیق، قادر خواهید بود تا در عمل نیز به طراحی، پیاده سازی و آموزش این شبکه ها بپردازید. همچنین در این آموزش به کاربردهای آکادمیک و تحقیقاتی و هم به کاربردهای عملی یادگیری عمیق توجه شده است. در این آموزش، تمرکز بر روی محبوب ترین مدل و کاربرد یادگیری عمیق یعنی مدل شبکه عصبی کانولوشنی با کاربرد در بینایی ماشین و پردازش تصویر خواهد بود.

مدرس: سعید محققی مدت زمان آموزش: ۲ ساعت و ۵۵ دقیقه
یادگیری را شروع کنید
3

آموزش هوش مصنوعی - مقدماتی

در حال حاضر هوش مصنوعی به عنوان یکی از گرایش های رشته تحصیلی دانشگاهی مهندسی کامپیوتر در مقاطع کارشناسی ارشد و دکتری می باشد. همچنین هوش مصنوعی یکی از دورس مقطع کارشناسی، رشته مهندسی کامپیوتر و فناوری اطلاعات نیز می باشد. طرح درس در این آموزش به نحوی در نظر گرفته شده است که هم برای دانشجویان مقطع کارشناسی و عموم علاقه مندان مفید باشد و هم افرادی که قصد شرکت در آزمون کارشناسی ارشد و یا آزمون دکتری را دارند، بتوانند از این فیلم های آموزشی، برای منظور خود استفاده نمایند.

مدرس: دکتر محمد صبری مدت زمان آموزش: ۴ ساعت و ۳۴ دقیقه
یادگیری را شروع کنید
4

مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

مجموعه فرادرس های شبکه عصبی، شامل پنج فرادرس در زمینه شبکه های عصبی مصنوعی و کاربردهای آن ها، حتما یکی از بهترین انتخاب های علمی شما برای ورود به این حوزه علمی خواهد بود. آینده در هر حوزه ای در دست آن هایی است که نگاهی رو به جلو در محور زمان دارند.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۸ ساعت و ۳۸ دقیقه
یادگیری را شروع کنید
5

آموزش سیستم های فازی در متلب

مجموعه فرادرس های سیستم های فازی در متلب عنوان یک مجموعه آموزشی کامل است که شامل تقریبا ۲۱ ساعت فیلم آموزشی ناب به زبان فارسی است. این مجموعه آموزشی از چندین قسمت تشکیل شده است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲۰ ساعت و ۳۹ دقیقه
یادگیری را شروع کنید
6

آموزش پردازش تصویر در متلب

مجموعه فرادرس های پردازش تصویر در متلب عنوان مجموعه ای از فیلم های آموزشی است، که در مجموع شامل ۱۶ ساعت برنامه آموزشی تخصصی در زمینه پردازش تصویر و مباحث آن، پیاده سازی آن ها در محیط متلب و کاربردهای آن ها می باشد. در این فرادرس، دانشجویان عزیز، با مباحث مختلف پردازش تصویر در متلب آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، پردازش هیستوگرام، تبدیلات و فیلترهای حوزه مکان و فرکانس، حذف نویز و... است. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۱۵ ساعت و ۳۸ دقیقه
یادگیری را شروع کنید
7

آموزش نرم افزار گمز (GAMS)

نرم افزار گمز به عنوان یک ابزار قدرتمند و فراگیر برای حل مدل های ریاضی حتی در ابعاد بزرگ روز به روز نقش پررنگ تری در رشته های مهندسی ایفا می کند، یعنی هر جا نیاز به تصمیم گیری بهینه با محدودیت زمان، هزینه و منابع داشته باشیم باید از مدل سازی ریاضی استفاده کرده که گمز از ابزارهای بسیار کارآمد حل این نوع مدل ها است. در این آموزش علاوه بر آشنایی با قابلیت ها، ویژگی ها و روش های رفع خطاهای رایج نرم افزار گمز، برای حل و تحلیل مدل های ریاضی، با اصول و ساختار تشکیل مدل های ریاضی به صورت گام به گام و با حل مثال های آسان به سخت آشنا خواهیم شد تا بتوانیم با درکی درست، ارتباط بیشتری بین ساختار مدل سازی و قابلیت های نرم افزار گمز ایجاد کنیم.

مدرس: مسعود آتش پز مدت زمان آموزش: ۱۶ ساعت
یادگیری را شروع کنید
8

آموزش شبکه های عصبی مصنوعی در متلب

مجموعه فرادرس های شبکه های عصبی مصنوعی در متلب، مجموعه ای از هفت فرادرس جامع درباره شبکه های عصبی مصنوعی است. این بسته آموزشی بی نظیر، در مجموع شامل تقریبا ۲۷ ساعت برنامه آموزشی تخصصی است، که تمام بخش های آن به صورت تئوری و عملی ارائه شده اند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲۸ ساعت و ۲ دقیقه
یادگیری را شروع کنید
9

آموزش هوش مصنوعی – تکمیلی

در این آموزش با هدف پر نمودن خلا موجود در درس هوش مصنوعی برای دانشجویان، مخاطبان و داوطلبان آزمون های ورودی، سعی داریم همراه با تشریح مفاهیم مختلف، مثال های متعددی نیز حل کنیم. این آموزش به عنوان یک منبع قوی برای تمامی دانشجویان و داوطلبان برای تمامی آزمون ها و کنکورهای ارشد قابل استفاده می باشد.

مدرس: منوچهر بابایی مدت زمان آموزش: ۱۸ ساعت و ۵۵ دقیقه
یادگیری را شروع کنید
10

آموزش الگوریتم PSO — شامل مباحث تئوری و عملی

الگوریتم بهینه سازی ازدحام ذرات (Particle Swarm Optimization) به اختصار PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. در الگوریتم PSO اعضای جمعیت جواب ها به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته به حل مساله می پردازند. هدف این فرادرس آشنایی دانشجویان عزیز، با مباحث مختلف الگوریتم PSO شامل مباحث تئوری و عملی است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۹ ساعت و ۵۳ دقیقه
یادگیری را شروع کنید
11

آموزش ​اصول و روش های داده کاوی (Data Mining)

در اغلب مسائل، وجود حجم زیاد داده ها، منجر به ایجاد اشکالات جدی در امر شناسایی و کشف روابط و الگوهای پنهان در این داده ها شده است. دانش داده کاوی با هدف فراهم آوردن روش هایی برای پردازش هوشمند حجم زیاد داده ها و استخراج روال ها و قوانین حاکم بر آن ها، مطرح شده است. این دانش در کاربردهای مختلف و اصولا در هر جا با مساله تجزیه و تحلیل اطلاعات مواجه هستیم، قابل استفاده است. در این دوره به بیان اصول و روش های داده کاوی به منظور استخراج روندها و الگوهای پنهان در داده ها، پرداخته خواهد شد.

مدرس: دکتر امیر حسین کیهانی پور مدت زمان آموزش: ۲۵ ساعت و ۱ دقیقه
یادگیری را شروع کنید
12

آموزش بهینه سازی چند هدفه در متلب

اگر قصد دارید که در کمترین زمان ممکن و با بهترین کیفیت، مباحث تئوری و عملی مربوط به بهینه سازی چند هدفه را فرا بگیرید، حتما این پست را بخوانید. محصولی که در این پست قصد معرفی آن را داریم، مجموعه فرادرس های بهینه سازی چند هدفه در متلب است که نه تنها مشابه ایرانی، که مشابه خارجی نیز ندارد و محصولی واقعا بی نظیر است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۱۸ ساعت و ۵۳ دقیقه
یادگیری را شروع کنید
13

آموزش مقدماتی پردازش تصویر با OpenCV در Python (پایتون)

تلفیق پایتون و OpenCV، علاوه بر توانمندی های گسترده و چشم گیر خود، از یادگیری آسان و مناسبی برای فراگیری افرادی که در ابتدای مسیر پردازش تصویر و کدنویسی هستند نیز برخوردار است. آموزش این فرادرس، به صورت گام به گام با معرفی، نصب و بارگذاری تصاویر به شکل کاملا سریع و آسان آغاز شده و سپس با اعمال عملیات اصلی متداول روی تصاویر، اعمال عملیات ریاضی و تبدیلات هندسی ادامه پیدا کرده و فیلترهای کاربردی مختلف و نحوه پیاده سازی آن ها روی تصویر بیان خواهد شد. همچنین استفاده از پرکاربردترین روش ها برای تشخیص لبه، تبدیلات مورفلوژیک، هیستوگرام و اشاره چند روش تطبیق الگو که از مهم ترین بخش ها و اهداف هر برنامه پردازش تصویر است، به خوبی و آسانی تشریح خواهد شد.

مدرس: محمدجواد زمانی قلعه مدت زمان آموزش: ۳ ساعت و ۱۰ دقیقه
یادگیری را شروع کنید
14

آموزش مبانی محاسبات تکاملی و بهینه سازی هوشمند

در این آموزش که عملا درس شماره صفر تمام دروس آموزشی بهینه سازی می تواند باشد، مفاهیم پایه و اساسی مربوط به مسائل بهینه سازی و الگوریتم های مورد استفاده برای حل این مسائل، مورد بحث و بررسی قرار می گیرند. تمام افرادی که قصد آموزش تئوری یا عملی روش های بهینه سازی را دارند، به مشاهده این آموزش توصیه می شوند. دانستن مفاهیم مورد بحث در این فرادرس و تسلط بر این موضوعات، ضامن یادگیری بهتر و تسلط بیشتر بر مباحث آتی در حوزه بهینه سازی خواهد بود. لذا، مطالعه و یادگیری آموزش «مبانی محاسبات تکاملی و بهینه سازی هوشمند» یا درس شماره صفر بهینه سازی را از دست ندهید.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۶ ساعت و ۱۲ دقیقه
یادگیری را شروع کنید
15

آموزش پیاده سازی الگوریتم ژنتیک در Python - مقدماتی

الگوریتم ژنتیک روشی است برای حل مسائل بهینه سازی مقید و نامقید که براساس انتخاب طبیعی کار می کند. این الگوریتم مرتبا جمعیتی از راه حل های منحصر به فرد را اصلاح می کند. این الگوریتم بسیار پرکاربرد است و امروزه در تمام شاخه های علوم و مهندسی به منظور بهینه سازی استفاده می شود. در این فرادرس، پیاده سازی الگوریتم ژنتیک برای بهینه سازی در Python (پایتون) به بحث گذاشته می شود، چرا که امروزه حجم بسیاری از محاسبات علمی با Python انجام می شود که آن هم به دلیل ساده بودن برنامه نویسی با آن و قدرتمند بودن این زبان برنامه نویسی است.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۴ ساعت و ۲۸ دقیقه
یادگیری را شروع کنید
16

آموزش مقدماتی پیاده سازی مسائل بهینه سازی در پایتون (Python)

واضح است که مسائل بهینه سازی تقریبا در تمام علوم وجود دارند و شما همیشه به دنبال یافتن بهترین جواب از بین جواب های موجود برای مساله خود هستید. حل دستی بهینه سازی تنها برای مسائل خیلی کوچک امکان پذیر است و برای مسائل علمی که ما روزانه با آن درگیر هستیم، استفاده از کامپیوتر ضروری است. ما در این آموزش از زبان پایتون استفاده می کنیم چرا که همزمان هم برنامه نویسی را ساده کرده و هم بسیار قدرتمند است و به این ترتیب در پایان این آموزش شما هم با بهینه سازی و هم با پیاده سازی آن در پایتون آشنا می شوید که این به شما برای پیاده سازی مسائل بهینه سازی مربوط به خودتان کمک می کند.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۴ ساعت و ۳ دقیقه
یادگیری را شروع کنید
17

آموزش مباحث تئوری و عملی موجک ها در متلب

در این فرادرس، دانشجویان عزیز، با مباحث مختلف تئوری و عملی موجک ها در متلب (MATLAB) آشنا می شوند. دروسی که در این آموزش به آن ها پرداخته می شود، شامل: مبانی تبدیلات موجک (Wavelet Transform)، موجک پیوسته (Continuous Wavelet Transform) و گسسته (Continuous Wavelet Transform)، کاربرد تبدیلات موجک و... است. یکی از نقاط قوت این آموزش توضیح کامل مباحث مربوطه است. آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، تهیه شده است. مجموعه فرادرس های مباحث تئوری و عملی موجک ها در متلب، عنوان مجموعه ای از فرادرس هایی است که در مجموع شامل هفت و نیم ساعت برنامه آموزشی تخصصی در زمینه تبدیلات موجک، پیاده سازی آن ها در محیط متلب و کاربردهای آن ها است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۷ ساعت و ۲۵ دقیقه
یادگیری را شروع کنید
18

آموزش خوشه بندی با استفاده از الگوریتم های تکاملی و فراابتکاری

در فیلم آموزشی خوشه بندی با استفاده از الگوریتم های تکاملی و فراابتکاری، ابتدا مساله خوشه بندی به صورت عادی و سپس مساله خوشه بندی خودکار، به صورت مسائل بهینه سازی بیان شده اند و توسط چندین الگوریتم تکاملی و فراابتکاری، به صورت گام به گام و در محیط نرم افزار متلب، حل و بررسی شده اند. برای تبدیل مساله خوشه بندی به مساله بهینه سازی، ما نیازمند شاخص هایی هستیم که به این منظور، در این فرادرس، از چندین شاخص معروف در حوزه داده کاوی تکاملی، استفاده شده است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲ ساعت و ۴۶ دقیقه
یادگیری را شروع کنید
19

آموزش انتخاب ویژگی با استفاده از الگوریتم های فراابتکاری و تکاملی

در این فرادرس، سعی شده است با نگرشی جامع، رویکردهای تکاملی و فراابتکاری برای حل مساله انتخاب ویژگی مورد بحث و بررسی واقع شده اند و پیاده سازی عملی این روش ها، به صورت گام به گام در محیط متلب آموزش داده شده اند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۴ ساعت و ۸ دقیقه
یادگیری را شروع کنید
20

آموزش هوش مصنوعی (مرور و حل تست کنکور ارشد)

در این آموزش، سعی بر آن داریم تا مجموعه بزرگی از سؤالات درس هوش مصنوعی مشتمل بر سؤالات تألیفی، کنکورهای کارشناسی ارشد را حل کنیم. این مجموعه برای دانشجویان کارشناسی منبع بسیار مفیدی خواهد بود تا بتوانند با انواع مسائل در درس هوش مصنوعی آشنا شده و مرور ارزشمندی بر کلیه مطالب کتاب داشته باشند.

مدرس: منوچهر بابایی مدت زمان آموزش: ۱۵ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
21

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم

در ادامه مسیر شروع شده در آموزش های الگوریتم ژنتیک در پایتون مقدماتی و تکمیلی بخش اول، در این فرادرس مسائل دیگری را به کمک الگوریتم ژنتیک در پایتون بهینه سازی می کنیم. تا بدین جا مسائل گوناگون بهینه سازی از سطح ساده انتخاب شده و در هر درس مساله پیچیده تری که نیازمند الگوریتم ژنتیک کامل تری بود را بررسی کردیم. همین روند در این آموزش نیز دنبال می شود. در پایان این آموزش شما با حل مساله های بهینه سازی جدید و پیچیده تری نسبت به آموزش های مقدماتی و تکمیلی بخش اول آشنا خواهید شد و قادر خواهید بود برای حل یک مساله بهینه سازی از الگوریتم ژنتیک در پایتون استفاده کنید.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۶ ساعت و ۳۳ دقیقه
یادگیری را شروع کنید
22

آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش اول

الگوریتم ژنتیک، یک ابزار قدرتمند بهینه سازی و زبان برنامه نویسی پایتون، یک زبان قدرتمند برنامه نویسی است. امروزه بسیاری از مسائل محاسباتی در پروژه های مختلف علوم و مهندسی با استفاده از پایتون و بسیاری از مسائل بهینه سازی با استفاده از الگوریتم ژنتیک حل می شوند. این فرادرس به شما کمک می کند که بتوانید مسائل محاسباتی که نیازمند بهینه سازی با الگوریتم ژنتیک هستند را در پایتون پیاده سازی کنید که هم از قدرت پایتون در محاسبات و هم از قدرت الگوریتم ژنتیک در بهینه سازی در کنار هم بهره ببرید.

مدرس: پژمان اقبالی شمس آبادی مدت زمان آموزش: ۱۰ ساعت و ۱۶ دقیقه
یادگیری را شروع کنید
23

آموزش ارتباط نرم افزارهای GAMS و MATLAB

GAMS یک نرم افزار مدل سازی سطح بالا برای برنامه نویسی و حل مسائل بهینه سازی است. این نرم افزار شامل یک کامپایلر و مجموعه ای از حل کننده های جامع با توان اجرایی قوی هست. GAMS برای ساخت مدل های مرکب و در مقیاس بزرگ مناسب است و این امـکان را فراهم می کند که مدل های بزرگ ایجاد شده ذخیره شود و در صورت نیاز برای شرایط (مدل های) جدید تغییر یابد. از طرفی ایجاد خروجی و ارتباط با نرم افزار MATLAB می تواند توانایی و کاربرد این نرم افزار را افزایش دهد. با برقراری ارتباط بین دو نرم افزار MATLAB و GAMS می توان به حل بهتر مسائل Iterative (تکراری) پرداخت و مسائلی مانند بهینه سازی و جایابی و… را با استفاده از قابلیت های هر دو نرم افزار حل کرد.

مدرس: سید میثم عزتی مدت زمان آموزش: ۱ ساعت و ۵۷ دقیقه
یادگیری را شروع کنید
24

آموزش انتخاب ویژگی یا Feature Selection

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روش های انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۱ ساعت و ۴۶ دقیقه
یادگیری را شروع کنید
25

آموزش هوش مصنوعی توزیع شده

از زمان معرفی اولیه مفهوم هوش مصنوعی توزیع شده در دهه 1980، این مفهوم گسترش و تنوع زیادی یافته است و امروزه به یکی از حوزه های بسیار فعال تحقیقاتی تبدیل شده است و در عین حال، طی سال های اخیر، عامل های هوشمند و خودکار (Intelligent Autonomous Agents) در طیف وسیعی از کاربردهای مختلف نظیر حوزه فناوری اطلاعات، صنعت، ارتباطات، آموزش و نیز حوزه دفاعی و نظامی، به صورت موفقیت آمیزی مورد استفاده قرار گرفته اند.

مدرس: دکتر امیر حسین کیهانی پور مدت زمان آموزش: ۲۴ ساعت و ۸ دقیقه
یادگیری را شروع کنید
26

آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

تخمین خطای کلاسیفایر (Classifier Error Estimation) اگر مهم ترین بخش طراحی یک کلاسیفایر (Classifier - طبقه بندی کننده) نباشد، قطعا یکی از مهم ترین قسمت های این فرایند است. به عنوان مثال فرایند انتخاب ویژگی (Feature Selection) بدون داشتن یک تخمین گر خطا (Error Estimator) مناسب یک روند عبث خواهد بود. به خاطر همین اهمیت بسیار بالا، در این فرادرس ما به موضوع تخمین خطای کلاسیفایر می پردازیم و در طی آن روش هایی همانند: تخمین گر Resubstitution، تخمین گر Cross-Validation، تخمین گر Leave-One-Out، تخمین گر Bootstrap را مورد بررسی قرار داده و نقاط ضعف و قوت هر یک را بیان می کنیم.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۱ ساعت و ۴۹ دقیقه
یادگیری را شروع کنید
27

آموزش طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب

در فیلم آموزشی «طبقه بندی و بازشناسی الگو با شبکه های عصبی LVQ در متلب»، مبانی تئوری همه الگوریتم های مورد اشاره، به همراه ده ها مبحث تخصصی دیگر، به صورت کامل و به زبان ساده مورد بحث و بررسی قرار می گیرند. در ادامه، پس از تشریح مبانی تئوری، با استفاده از امکانات جعبه ابزار (تولباکس) شبکه عصبی متلب و توابع تعبیه شده در آن، با استفاده از متدهای برنامه نویسی متلب، شبکه عصبی LVQ در متلب پیاده سازی شده است و برای حل چند مساله طبقه بندی مورد استفاده قرار گرفته است.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۲ ساعت و ۴۱ دقیقه
یادگیری را شروع کنید
28

آموزش کاهش تعداد رنگ تصاویر با استفاده از روش های خوشه بندی هوشمند

روش های متعددی برای انجام کاهش رنگ یا Color Reduction (و یا Color Quantization) وجود دارند. اما در این آموزش، بر روی روش های مبتنی بر خوشه بندی تمرکز شده است و کاربرد سه روش خوشه بندی هوشمند برای کاهش رنگ در تصاویر رنگی، به صورت عملی مورد استفاده قرار گرفته اند.

مدرس: دکتر سید مصطفی کلامی هریس مدت زمان آموزش: ۱ ساعت و ۱۸ دقیقه
یادگیری را شروع کنید
موضوعات آموزشی مرتبط