آموزش مقدماتی Machine Learning


  • مدرس: احسان بابائی
  • مخاطب: برنامه‌نویسان

رایگان

برای دسترسی به ویدئوهای آموزشی، ابتدا به بخش «دوره‌های رایگان» در حساب کاربری خود مراجعه کنید. سپس، روی «اطلاعات بیشتر» در کنار دوره مورد نظر کلیک کنید. توجه داشته باشید که پس از تایید ایمیل، امکان دانلود ویدئوهای هر قسمت فراهم می‌شود.

 آموزش یادگیری ماشین برای برنامه‌نویسان:

کسب مهارت‌های پیشرفته برای رقابت در عصر هوش مصنوعی.


 

✅ یادگیری ماشین برای برنامه‌نویسان سی‌شارپ
✅ کاربرد یادگیری ماشین در اپلیکیشن‌های تجاری
✅ مقایسه سی‌شارپ و پایتون در یادگیری ماشین
✅ آشنایی با الگوریتم‌های رایج: رگرسیون، درخت تصمیم، k-NN
✅ آشنایی با کتابخانه‌های یادگیری ماشین و یادگیری عمیق
✅ کار با کتابخانه ML.NET در سی‌شارپ
✅ پیاده‌سازی یادگیری ماشین با ML.NET

 

 

هوش مصنوعی چیست؟

هوش مصنوعی به کارگیری کامپیوترها برای انجام کارهایی است که نیاز به هوش انسانی دارد. این فناوری قادر است الگوها را تشخیص داده و تصمیم‌گیری مشابه انسان‌ها انجام دهد. یکی از کاربردهای هوش مصنوعی یادگیری ماشین است که به کشف الگوها و تحلیل داده‌ها کمک می‌کند. این روش به برنامه‌نویسان امکان می‌دهد تا با استفاده از الگوریتم‌ها و مدل‌های پیشرفته، پیش‌بینی‌های دقیق‌تری انجام دهند و به تصمیم‌گیری‌های بهتری در پروژه‌های تجاری و صنعتی برسند.

یادگیری ماشین چیست؟

یادگیری ماشین زیرشاخه‌ای از هوش مصنوعی است که به کامپیوتر‌ها امکان یادگیری و بهبود عملکرد بدون برنامه‌نویسی صریح می‌دهد. برای مثال، سیستم‌های توصیه‌گر در فروشگاه‌های آنلاین با استفاده از یادگیری ماشین محصولات مرتبط با علایق کاربر را پیشنهاد می‌کنند.


پس از گذراندن این دوره ، چه مفاهیمی را یاد خواهید گرفت؟


مفاهیم کلیدی یادگیری ماشین

مسیر جذاب یادگیری ماشین: کشف مفاهیم اولیه و زبان‌های برنامه‌نویسی مناسب


آشنایی با فرایند یادگیری ماشین

یادگیری روند جمع‌آوری داده، پاکسازی، انتخاب مدل و بهینه‌سازی مدل برای پیاده سازی یک سیستم یادگیری ماشین.


انواع یادگیری ماشین

آشنایی با انواع یادگیری ماشین نظارت شده و بدونه نظارت.


الگوریتم‌های پایه یادگیری ماشین

با الگوریتم‌های پایه‌ای یادگیری ماشین، از جمله رگرسیون، درخت تصمیم و K-Nearest Neighbor (KNN) آشنا می‌شوید. با این دانش، شما می‌توانید بهتر تصمیم بگیرید که کدام الگوریتم را برای حل مسائل مختلف یادگیری ماشین به کار ببرید.


کتابخانه‌های مهم یادگیری ماشین

در این دوره آموزشی، شما با کتابخانه‌های معروف یادگیری ماشین از جمله ML.Net، Accord.Net، TensorFlow، Infer.Net و CNTK آشنا می‌شوید. این دوره به شما کمک می‌کند تا قابلیت‌ها و کاربردهای این کتابخانه‌ها را درک کنید.


توانایی کار با کتابخانه ML.NET

 در این دوره آموزشی، شما با کتابخانه ML.NET و استفاده از آن در سی شارپ آشنا می‌شوید. به کمک مثال عملی از دنیای واقعی، مهارت‌های خود را در کار با این کتابخانه تقویت می‌کنید و آماده‌ی استفاده از آن در پروژه‌هایتان می‌شوید.

 

آشنایی با شبکه‌های عصبی و یادگیری عمیق

با مبانی شبکه‌های عصبی و یادگیری عمیق آشنا می‌شوید و کاربردهای متنوع آن‌ها را می‌آموزید.

 

 از این فرصت استثنایی برای یادگیری ماشین استفاده کنید! 💡

🚀 با مفاهیم کلیدی یادگیری ماشین آشنا شوید
🚀 با کتابخانه‌های مهم و پرکاربرد آشنا شوید
🚀 و اولین پروژه هوش مصنوعی خودتان را در زبان سی شارپ انجام دهید

با ما همراه شوید و مهارت‌های خود را به روز کنید تا در عصر هوش مصنوعی رقابت کنید. ✨ رایگان دانلود کنید و وارد دنیای یادگیری ماشین شوید! 🌐



نگاهی به دوره آموزش مقدماتی Machine Learning
مدرس احسان بابائی
مخاطب برنامه‌نویسان
فصل 6‌
مدت زمان 05:46:01 دوره در حال برگزاری می‌باشد و قسمت‌های جدید اضافه می‌شوند
سطح مبتدی
وضعیت در حال برگزاری 🟢
تعداد جلسات 38 دوره در حال برگزاری می‌باشد و قسمت‌های جدید اضافه می‌شوند
قابل مشاهده دانلودی
قیمت رایگان
سرفصل‌های دوره آموزش مقدماتی Machine Learning

فصل 1 : مقدمه ای بر یادگیری ماشین

فصل اول دوره آموزشی مقدماتی یادگیری ماشین به معرفی این تکنولوژی پر کاربرد و نقش آن در علم داده می‌پردازد. ابتدا تعریف یادگیری ماشین و کاربردهای متعدد آن در صنعت، پزشکی، تجارت و ... بررسی می‌شود. سپس به افراد و نقش‌های مختلفی که در فرآیند یادگیری ماشین دخیل هستند، پرداخته می‌شود. یکی از موضوعات مهم این فصل، نیاز برنامه‌نویسان به یادگیری این تکنولوژی است. در این قسمت، تاکید بر چراهای این نیاز و چگونگی استتفاده از یادگیری ماشین در کارهای برنامه‌نویسی می‌شود. همچنین، با زبان‌های برنامه‌نویسی مختلفی که می‌توان برای پروژه‌های یادگیری ماشین استفاده کرد، آشنا می‌شویم. به‌ویژه تفاوت‌ها و مزایا/عیوب استفاده از زبان‌های C# و پایتون برای این منظور مورد بررسی قرار می‌گیرد. در نهایت، نقش کلیدی ریاضیات در علم یادگیری ماشین و چگونگی استفاده از آن در مدل‌سازی و پردازش داده‌ها توضیح داده می‌شود. هدف این فصل، فراهم کردن یک بستر مقدماتی جامع برای ورود به دنیای یادگیری ماشین است.

فصل 2 : فرآیند یادگیری ماشین

فصل دوم دوره به بررسی مراحل کلیدی فرآیند یادگیری ماشین از جمع‌آوری داده‌ها گرفته تا بهینه‌سازی مدل می‌پردازد. این فصل شما را با اصول جمع‌آوری و پاکسازی داده‌ها، انتخاب و آموزش مدل مناسب، و در نهایت ارزیابی و بهینه‌سازی عملکرد مدل آشنا می‌کند. هدف، توضیح فرآیندها و تکنیک‌های ضروری برای پیاده‌سازی یک پروژه یادگیری ماشین موفق است.

فصل 3 : انواع یادگیری ماشین

فصل سوم به معرفی انواع مختلف یادگیری ماشین می‌پردازد، شامل یادگیری نظارت‌شده و یادگیری بدون نظارت. در قسمت یادگیری نظارت‌شده، مدل‌ها با استفاده از داده‌های برچسب‌دار آموزش می‌بینند، در حالی که در یادگیری بدون نظارت، مدل تلاش می‌کند الگوها و ساختارهای موجود در داده‌ها را بدون استفاده از برچسب‌ها یاد بگیرد. همچنین، به معرفی الگوریتم‌های کلیدی که در هر نوع یادگیری ماشین استفاده می‌شوند، پرداخته می‌شود. هدف این فصل، آشنایی با روش‌ها و الگوریتم‌های مختلف یادگیری ماشین و کاربردهای آنها است.

فصل 4 : الگوریتم‌های پایه یادگیری ماشین

فصل چهارم به بررسی الگوریتم‌های پایه‌ای در یادگیری ماشین می‌پردازد، شامل رگرسیون، درخت تصمیم، و k-NN (k-Nearest Neighbors). رگرسیون برای پیش‌بینی مقادیر عددی مورد استفاده قرار می‌گیرد، در حالی که درخت تصمیم برای تصمیم‌گیری بر اساس یک سری قوانین مورد استفاده است. k-NN یک الگوریتم دسته‌بندی است که بر اساس فاصله یا تشابه به نزدیک‌ترین همسایه‌ها، داده‌ها را دسته‌بندی می‌کند. هدف از این فصل، آشنایی با این الگوریتم‌ها و نحوه‌ی کارکرد آن‌ها در پروژه‌های یادگیری ماشین است.

فصل 5 : معرفی کتابخانه‌های مهم یادگیری ماشین و یادگیری عمیق

فصل پنجم به معرفی و بررسی کتابخانه‌های کلیدی در زمینه یادگیری ماشین و یادگیری عمیق می‌پردازد. ابتدا به مزیت‌های استفاده از کتابخانه‌ها، از جمله کاهش زمان توسعه و افزایش دقت مدل‌ها، پرداخته می‌شود. سپس، با کتابخانه‌های مختلفی از جمله ML.NET، Accord.Net، TensorFlow، CNTK، و Infer.Net آشنا می‌شویم. هدف از این فصل، آشنایی با ابزارها و کتابخانه‌هایی است که می‌توان در پروژه‌های یادگیری ماشین و یادگیری عمیق از آن‌ها استفاده کرد.

فصل 6 : پروژه پیش بینی قیمت مسکن

فصل ششم به پروژه عملی پیش‌بینی قیمت مسکن با استفاده از کتابخانه ML.Net می‌پردازد. این فصل به صورت مرحله به مرحله شما را از جمع‌آوری داده‌ها تا استفاده از مدل آموزش دیده در یک پروژه Asp.Net Core همراهی می‌کند. ابتدا به جمع‌آوری و پاک‌سازی داده‌ها پرداخته می‌شود. سپس، با استفاده از ML.Net، مراحل پیش‌پردازش داده‌ها مانند جایگذاری داده‌های گمشده، تبدیل داده‌های اعشاری به عدد صحیح، نرمال‌سازی و کدگذاری داده‌ها انجام می‌شود. پس از آموزش مدل و رفع احتمالی خطاها، به ساخت موتور پیش‌بینی و ارزیابی مدل با استفاده از متریک‌های مختلف می‌پردازیم. در نهایت، نحوه‌ی استفاده از این مدل در یک پروژه Asp.Net Core آموزش داده می‌شود. هدف این فصل، ارائه یک مثال عملی از چگونگی پیاده‌سازی یک مدل یادگیری ماشین در یک پروژه واقعی است.

برای ارسال دیدگاه، لطفاً وارد حساب کاربری خود شوید.

36 دیدگاه برای آموزش مقدماتی Machine Learning
Ali Kamankesh
1402/06/08

سلام

ضمن تشکر بابت آموزش دوره های مفید. مخصوصا این دوره، سوالی دارم که برای سومین بار مطرح می کنم، امیدوارم این بار جواب بگیرم.

از وقتی ماشین لرینیگ و کاربردهاشو دیدم، بفکر تهیه مدلی برای پیش بینی قیمت چارتهای بازارهای مالی فارکس و کریپتو افتادم.

اگر بتونیم مدلهایی با دقت بالا، در تخمین قیمت چارتهای مختلف مثل طلاف جفت ارزها و کریپتوها بسازیم، و با استفاده از این مدلها، سیگنالهای معاملاتی تولید کنیم و روی متاتریدر با زبان  mql اچرا کنیم، عملا یک ماشین پولسازی خیلی خوب بدست می آریم.

سوالم اینه : برای ایجاد همچین مدلهایی، به دنبال چه منابعی باشیم ؟
ایا در دوره ستارگان، بطور تخصصی به این امر پرداخته میشه ؟

من براحتی با  mql می تونم رباتهای معامله گر ایجاد کنم، اگر با استفاده از ماشین لرنینگ بتونیم سیگنالهایی با دقت بالای 80 یا 90 درصد تولید کنیم. عملا می تونیم دلار پارو کنیم. 

ممنون میشم به این سوالم پاسخ بدین. 

پاسخ توسط احسان بابائی
1402/06/09

سلام ممنونم از توجه شما.

نکته اول این که من تخصصی در بازار های مالی ندارم 

از نظر فنی، مدل‌های یادگیری ماشین می‌توانند در تحلیل و پیش‌بینی داده‌های بازارهای مالی کاربرد داشته باشند. اما چند نکته مهم وجود دارد:

  1. نیاز به داده‌های کافی: یکی از موانع اصلی، تهیه داده‌های با کیفیت بالا و تعداد مناسب می باشد. که تهیه این داده ها شاید کار دشواری باشد.

  2. پیچیدگی بازار: بازارهای مالی تحت تاثیر عوامل بسیاری هستند که همه آن‌ها در مدل‌های یادگیری ماشین قابل‌ پیاده سازی نیستند.

  3. ریسک براورد غلط: حتی با یک مدل با دقت بالا، همچنان ریسک وجود دارد. هیچ مدلی 100٪ قطعیت ندارد.

  4. مهارت‌های متخصص: برای تولید یک مدل موفق، علاوه بر دانش برنامه نویسی نیاز به دانش عمیق در   بازارهای مالی هم دارید.

با Ml.Net می توانید همچین مدلی ایجاد کنید. اما من در دوره ستارگان ماشین لرنینگ همچین مثالی رو پیاده سازی نمیکنم.

توصیه من این است که برای یادگیری تخصصی این موضوع، به دنبال کتاب‌ها، مقالات علمی، و دوره‌های تخصصی در حوزه "فین‌تک"  در معاملات مالی باشد.


salar asadi
1402/06/02

خسته نباشید میگم به آقای بابایی و تیم باگتو
من این دوره رو تا جایی که بارگزاری شده دیدم. مثل همه دوره های آقای بابایی تمرکز اصلی روی کاربردی بودن دوره هست و این عالیه.
من قبلا دوره هایی مثل آموزش ماشین لرنینگ با پایتون جادی رو هم دیدم. دو مورد که اینجا به عنوان ضعف دیدم و بنظرم خداکنه توی پیشرفته نباشه این ضعف ها:))( چون میخوام پیشرفته این دوره رو هم بخرم) یکیش عدم نمایش بصری داده ها روی نمودار ها هست. پایتون ابزار های رسم نمودار معرکه ای داره که میشه باهاش چینش داده ها رو دید و این خیلی روی شناخت داده ها کمک میکنه. قطعا .NET هم این ابزار ها رو داره و کاش روی نمایش بصری داده ها با خود .NET بیشتر کار میشد. مورد دوم اینه که آقای بابایی بخاطر ساده تر شدن فهم مطالب، توضیح الگوریتم های ریاضی مثل رگرسیون یا الگوریتم های پیش بینی خطا رو کاملا حذف کردن که این بیشتر از این که ساده کنه کار رو، داره پیچیدگی رو بالا میبره چون شخصی که تا حالا با ریاضیات، جبر ومثلثات سر و کله نزده، عدم وجود این توضیحات برای اون شخص باعث گیجی کاملش میشه. 
به هر حال امیدوارم توی دوره پیشرفته این جور مسائل هم اوکی بشه تا شاهد یه دوره عالی از آقای بابایی و تیم خوبشون باشیم.
با آرزوی موفقیت بیشتر

پاسخ توسط احسان بابائی
1402/06/04

سلام جناب اسدی
ممنونم از پیام شما.
نکته اول: در این دوره سعی بر این بود بدونه درگیر شدن با ریاضیات به هدف اصلی، که پیشبینی قیمت مسکن می باشد برسیم. البته کتابخانه ها همه ریاضیات را انجامم یدهند و نیازی نیست برنامه نویس خودش فرمول های ریاضی حل کند.

اما در این مورد حق با شما می باشد و در دوره ستارگان یادگیری ماشین، فرمول های مورد نیاز دقیق بررسی شده اند و به ساده ترین شکل ممکن هم اموزش داده ایم که حتی برنامه نویسانی که هیچ دانش ریاضی ندارند به سادگی بتوانند ریاضیات مورد نیاز یادگیری ماشین را درک کنند.

نکته دوم: برای رسم نودارها یاد درواقع همان (EDA) می توانیم از زبان برنامه نویسی R و محیط R استادیو استفاده کنیم که این مورد هم برای قسمت های مختلف دوره ستارگان ماشین لرنینگ انجام شده و نمودارهای مختلف مثل Scatter Plot و... را در R ترسیم می کنیم.

ممنونم از پیشنهاد شما و حتما در قسمت های تکمیلی این دوره این موارد هم اضافه خواهد شد.
 


محمد میرمصطفی
1402/05/04

سلام. وقت بخیر.

آیا امکان دانلود همه فیلمها، یکجا هست؟

پاسخ توسط روشن احمدی
1402/05/04

سلام روزتون بخیر
 خیرجداگانه باید دانلود بشه


Backupdriv Backupdrive
1402/05/04

عالییی


سیدعلی سیدحمزه
1402/04/24

سلام. دوره رو کامل دیدم. من قبلا  خودم بر حسب علاقه و کنجکاوی رفته بودم سراغش اما چیزای جدیدی توی این دوره یاد گرفتم مخصوصا بخش نرمال سازی و و پایپ لاین ها و این چیزارو نمی دونستم و جالب شد برام. مرسی از آموزش.


اعظم امینی
1402/02/22

سلام و خسته نباشید.

استاد جان در معرفی دوره، سورس کد داشتن ذکر شده ولی من در دانلودهام ندیدم.

مراجعه به سورس برای وقتی که خودمون قدم به قدم پیاده سازی میکنیم و جایی گیر میکنیم ، خیلی راحتتره تا گشتن و پاز و پلی کردن فیلمها.

با سپاس.

پاسخ توسط احسان بابائی
1402/02/22

سلام خانم امینی

در همین صفحه، هرکدام از قسمت ها سورس کد داشته باشند یک دکمه سبز رنگ دانلود  وجود دارد.

با کلیک روی این دکمه می توانید سورس هر قسمت را جداگانه دانلود نمائید.


Ali Mohajer
1402/02/19

ممنون از لطف و محبت شما 


Ali Mohajer
1402/02/19

سلام 

پروژه پیش بینی قیمت مسکن شامل این پکیج نمی شود؟ 

پاسخ توسط احسان بابائی
1402/02/19

سلام
پروژه پیش بینی قیمت مسکن با Ml.Net هم جزئی از همین دوره است و امروز ویدئوهای این فصل در سایت آپلود می شوند.


اعظم امینی
1402/02/18

استاد عزیز .

سپاس فراوان از دوره های خوب و نحوه تدریس عالیتون.

پاسخ توسط احسان بابائی
1402/02/19

سلام خانم امینی ،

خوشحالم که دوره‌ها و تدریس من برای شما مفید و کارآمد بوده است. از لطف و نظر لطیف شما سپاسگزارم.

با آرزوی موفقیت‌های روزافزون برای شما.🌹


نرگس السادات خضوعی
1402/02/17

سلام. آرزوی موفقیت دارم برای آقای بابایی عزیز که همیشه راههای جدیدی از دانش رو پیش پایمان می گذارند. به حق که همیشه عالی هستین. من امروز این مبحث رو آغاز می کنم و به امید انتشار دوره ستارگان آن هستم.. با تشکر

پاسخ توسط احسان بابائی
1402/02/19

سلام خانم خضوعی !

ممنون از لطف و محبت شما. من هم از صمیم قلب برای شما آرزوی موفقیت دارم. امیدوارم که مبحث جدید برای شما مفید و جذاب باشد.

موفق و پیروز باشید!🌹


Pouria Anushiravani
1402/02/17

سپاس از دوره های بسیار خوبتون . بی صبرانه منتظر دوره ستارگان Machine Learning هستیم ❤️😍

پاسخ توسط احسان بابائی
1402/02/17

تشکر از شما که پیام مثبت و گرم خود را برای ما ارسال کرده اید جناب انوشیروانی.

خوشحالیم که دوره‌های ما برای شما مفید و جذاب بوده‌اند.

دوره ستارگان Machine Learning نیز به زودی منتشر خواهد شد و مطمئن باشید در دوره ستارگان لذت بیشتری و اطلاعات باورنکردی کسب می کنید.🌹


babak
1402/02/14

بسیار عالی

فیلدی هست که  برای همه ما یادگیری اون ضروریه خصوصا در زمینه کاری من بسیار پرکاربرد هست. از انتخابتون بسیار سپاسگزارم.

من هم منتظر قسمتهای بعدی و ستارگان Machine Learning هستم.

پاسخ توسط احسان بابائی
1402/02/17

 تشکر اقای توکلی عزیز

طی روزهای آینده، دوره ستارگان Machine Learning بر روی سایت منتشر خواهد شد.

منتظر قسمت‌های بعدی باشید!🌹


Ali Moradi
1402/02/14

مثل همیشه عالی بودید ودر اوج. امیدوارم همواره در اوج بدرخشید

پاسخ توسط احسان بابائی
1402/02/17

 تشکر  آقای مرادی عزیز بابت این پیام پر انرژی و مثبت که برای ما ارسال کرده اید.🌹

 هدف ما در باگتو این هست که بتوانیم بهترین‌ها را برای شما ارائه دهیم.


mohsen tavakoli
1402/02/13

بسیار از زحمات شما دوست باهوش و خلاق متشکرم


بهزاد رزاقی
1402/02/13

مثل همیشه عالی

پاسخ توسط احسان بابائی
1402/02/17

سپاسگزارم از شما جناب رزاقی🌹


ramin gh
1402/02/12

سلام ممنون بابت دوره تون اگه این دوره واقعا بدرد بخور باشه و ببینیم که چیز های زیادی یاد گرفتیم حتما دوره پیشرفته میخریم دستتون درد نکنه

پاسخ توسط احسان بابائی
1402/02/17

سلام! از بازخورد خوب شما سپاس‌گزاریم.

به شما اطمینان می دهم که در همین دوره رایگان نیز شما مطالبی یاد خواهید گرفت که به راحتی در جایی دیگر نمی‌توانید پیدا کنید.

در وبسایت باگتو، هدف ما ارائه آموزش‌های کاربردی است که برای کاربران ما واقعاً مفید باشند و به آن‌ها کمک کند تا در پروژه‌های عملی خود از این آموزش‌ها استفاده کنند.🌹


amiralish
1402/02/12

سلام ممنونم که دانشتون با ما به اشتراک میزارید می خواستم اگر میشه لطف کنید راجب پردازش تصویر در وبسایت ها و پیشنهاد محصول به کاربران با هوش مصنوعی یک پروژه کوچیک اموزش بدید.

پاسخ توسط احسان بابائی
1402/02/17

سلام

در این دوره، یک پروژه عملی برای پیش‌بینی قیمت مسکن در تهران با استفاده از داده‌های واقعی را پیاده‌سازی کرده‌ایم. به زودی ویدیوهای مربوط به این بخش‌ها در سایت منتشر خواهند شد. همچنین در دوره (ستارگان Machine Learning)، آموزش‌های جامعی در زمینه پیشنهاد محصول به کاربران و پردازش تصویر در نظر گرفته شده است.

از شما سپاس‌گزاریم که برای ارتقای دانش خود از باگتو استفاده می کنید.

موفق باشد🌹


Sohaib Papi
1402/02/12

سپاس بخاطر مطلب بسیار مفیدتون. منتظر دوره پیشرفته هستیم.

پاسخ توسط احسان بابائی
1402/02/12

سلام آقای پاپی

خیلی خوشحالم که دوره یادگیری ماشین برای شما مفید بوده است.

 از نظرات مثبت و انگیزه‌دهنده شما سپاسگزارم.

بعد از اتمام این دوره خیلی سریع دوره ستارگان Machine Learning را هم در سایت منتشر می کنیم.

موفق باشید.🌹


سجاد
1402/02/12

درود استاد

خدا قوت

خیلی ممنون برای برگزاری این دوره واقعا به همچین دوره ای نیاز داشتم

پاسخ توسط احسان بابائی
1402/02/12

سلام جناب خلقی
خوشحالم که دوره برای شما مفید بوده است.

موفق باشد.🌹


محمدرضا هاشمی
1402/02/12

سلام و وقت بخیر

ممنون از اینکه دانشتون رو با ما به اشتراک میذارید.

لطفا لینک های فصل پنجم رو چک کنید. ارور not found میده متاسفانه

با تشکر

پاسخ توسط پشتیبانی باگتو
1402/02/12

سلام جناب هاشمی،

فایل‌ها در حال آپلود بودند و به همین دلیل قابل دانلود نبودند.

تا قسمت 23 آپلود شده است و شما می‌توانید آن‌ها را دانلود کنید و از این دوره فوق‌العاده لذت ببرید.

موفق باشید.🌹


x
💣400.000 هزارتومان تخفیف دوره Background Tasks در Asp.Net Core