Завочнае навучанне Курсы падвышэння кваліфікацыі Злучаныя Штаты Амерыкі, ЗША Інтэрнэт

КУРС

Вы можаце звычайна прымаюць вышэйшыя навучальныя ўстановы, калі вы старэйшыя за 18 гадоў. Яны рэгулярна выкладаюць ва ўніверсітэтах, каледжах і прафесійных устаноў, такіх як школы мастацтваў або сельскагаспадарчых каледжаў - амаль усе з якіх маюць свае ўласныя сайты. Вы можаце атрымаць шырокі спектр навыкаў, напрыклад, дыпломы, ступені бакалаўра, базавых ступеняў і аспірантаў градусаў.

Курс уяўляе сабой навучальны клас, які ахоплівае пэўны прадмет, і курсы разглядаюцца будаўнічыя блокі праграмы ступені. Курсы могуць ахопліваць перыяд часу ад некалькіх тыдняў да некалькіх месяцаў, у залежнасці ад прадмета, што яны ахопліваюць.

Дыстанцыйнае адукацыю або дыстанцыйнага навучання з'яўляецца спосабам дастаўкі адукацыі і навучання, часцяком на індывідуальнай аснове, для студэнтаў, якія фізічна не прысутнічаюць на тэрыторыі кампуса.

Злучаных Штатаў Амерыкі з'яўляецца вялікай краінай, у Паўночнай Амерыцы, часта называюць "ЗША ", "ЗША ", "ЗША ", "Амерыка " ці проста " дзяржавы ". Амерыканскія каледжы фінансуюцца за кошт "навучанне " зараджаны для студэнта, які часта даволі дарагія, вельмі часта пранікаюць у дзясяткі тысяч даляраў у год.

Завочнае навучанне Курсы Злучаныя Штаты Амерыкі, ЗША Інтэрнэт. Знайсці ўсю інфармацыю аб школе і звязацца з прыёмнай камісіяй 3 клікі!

Больш падрабязна

Вядома, у машынным навучанні (прамежкавы)

Coursera
Анлайн Вочна-завочна 8 месяца Open Enrollment Злучаныя Штаты Амерыкі ЗША Інтэрнэт

Гэтая спецыялізацыя прадугледжвае ўвядзенне выпадак, заснаванага на захапляльнае, высокім попытам галіне машыннага навучання. Вы навучыцеся аналізаваць вялікія і складаныя наборы дадзеных, ствараць прыкладанні, якія могуць рабіць прагнозы на аснове дадзеных, а таксама ствараць сістэмы, якія адаптуюцца і паляпшацца з цягам часу. [+]

. Гэтая спецыялізацыя прадугледжвае ўвядзенне выпадак, заснаванага на захапляльнае, высокім попытам галіне машыннага навучання. Вы навучыцеся аналізаваць вялікія і складаныя наборы дадзеных, ствараць прыкладанні, якія могуць рабіць прагнозы на аснове дадзеных, а таксама ствараць сістэмы, якія адаптуюцца і паляпшацца з цягам часу. У канчатковым праекце Capstone, вы будзеце прымяняць свае навыкі, каб вырашыць арыгінальную, рэальную праблему шляхам рэалізацыі алгарытмаў машыннага навучання. Курсы Machine Learning Асновы: Падыход Прыклад Ці ёсць у вас дадзеныя і цікава, што ён можа сказаць вам? вам неабходна больш глыбокае разуменне асноўных спосабаў, у якіх машыннага навучання можа палепшыць свой бізнэс? Вы хочаце, каб мець магчымасць мець зносіны са спецыялістамі пра што-небудзь ад рэгрэсіі і класіфікацыі да глыбокіх навучання і рэкамендацыйных сістэмы? У гэтым курсе, вы атрымаеце практычны досвед працы з машыннага навучання з серыі практычных тэматычных даследаванняў. У канцы першага курса вы вывучалі, як прадказаць цэны на жыллё, заснаваныя на асаблівасцях дома на ўзроўні, аналізаваць настрою ад водгукаў карыстальнікаў, атрымаць дакументы, якія прадстаўляюць інтарэс, рэкамендуюць прадукты, і пошук малюнкаў. З дапамогай практычных практыцы з гэтымі варыянтамі выкарыстання, вы будзеце мець магчымасць прымяняць метады машыннага навучання ў шырокім дыяпазоне абласцей. Гэта першы курс ставіцца метад машыннага навучання як чорны скрыню. З дапамогай гэтай абстракцыі, вы будзеце засяродзіцца на разуменні задач, якія ўяўляюць цікавасць, адпаведнасць гэтых задач машыннага навучання інструментаў, а таксама ацэнкі якасці прадукцыі. У наступных курсах, вы будзеце ўнікаць у кампаненты гэтага чорнага скрыні шляхам вывучэння мадэляў і алгарытмаў. Разам гэтыя часткі ўтвараюць машыннага навучання трубаправода, які вы будзеце выкарыстоўваць пры распрацоўцы інтэлектуальных прыкладанняў. Вынікаў навучання: Да канца гэтага курса вы зможаце: - вызначыць патэнцыйныя магчымасці прымянення машыннага навучання на практыцы. - Апішыце асноўныя адрозненні ў аналізах забяспечваных рэгрэсіі, класіфікацыі і кластарызацыі. - Абярыце неабходную машыну навучання задачу для патэнцыйнага прымянення. - Ужыць рэгрэсіі, класіфікацыі, кластарызацыі, пошуку, рэкамендацыйных сістэм, і глыбокае вывучэнне. - Уявіць дадзеныя ў выглядзе функцыі, каб служыць у якасці ўваходных дадзеных для машыннага навучання мадэляў. - Ацэнка якасці мадэлі з пункту гледжання адпаведных метрык памылак для кожнай задачы. - Выкарыстанне набору дадзеных, каб падабраць мадэль для аналізу новых дадзеных. - Пабудаваць прыкладанне з канца ў канец, які выкарыстоўвае машыннае навучанне ў яго ядры. - Укараненне гэтых метадаў у Python. Машыннае навучанне: рэгрэс Case Study - Прадказанне Цэны на жыллё У нашым першым даследаванні выпадку, прагназавання цэн на жыллё, вы будзеце ствараць мадэлі, якія прадказваюць бесперапыннае значэнне (кошт) ад ўваходных функцый (квадратныя метры, колькасць спальняў і ванных пакояў, ...). Гэта толькі адзін з многіх месцаў, дзе могуць быць ужытыя рэгрэсіі. Іншыя прыкладання вар'іруюцца ад прагназавання вынікаў аховы здароўя ў медыцыне, цэны на акцыі ў галіне фінансаў, а таксама спажыванне энергіі ў вобласці высокапрадукцыйных вылічэнняў, для аналізу якіх рэгулятары з'яўляюцца важнымі для экспрэсіі генаў. У гэтым курсе вы будзеце вывучаць регуляризованные мадэлі лінейнай рэгрэсіі для вырашэння задачы прагназавання і адбору прыкмет. Вы будзеце мець магчымасць працаваць з вельмі вялікімі наборамі функцый і выбраць паміж мадэлямі рознай складанасці. Вы таксама аналізаваць ўплыў аспектаў вашых дадзеных - такіх, як выкіды - на некаторых вашых мадэляў і прадказанняў. Каб падагнаць гэтыя мадэлі, вы будзеце рэалізоўваць алгарытмы аптымізацыі, якія маштабуюцца да вялікіх набораў дадзеных. Вынікаў навучання: Да канца гэтага курса вы зможаце: - апісваць ўваходныя і выходныя дадзеныя мадэлі рэгрэсіі. - Параўнайце і супастаўце зрушэнне і дысперсію пры мадэляванні дадзеных. - Ацаніць параметры мадэлі з выкарыстаннем алгарытмаў аптымізацыі. - Параметры гармануюць з крыжаванай праверкі. - Аналіз характарыстык мадэлі. - Апішыце паняцце разрэджанасці і як ласо прыводзіць да разрэджаных рашэнняў. - Разгортванне метадаў для выбару паміж мадэлямі. - Exploit мадэль для фарміравання прагнозаў. - Пабудова Рэгрэсійная мадэлі для прагназавання цэн з дапамогай жыллёвага масіва дадзеных. - Укараненне гэтых метадаў у Python. Машыннае навучанне: Класіфікацыя Прыклады: Аналіз Sentiment і незвароту крэдыту Прагноз У нашым выпадку даследаванні па аналізе настрою, вы будзеце ствараць мадэлі, прагназуюць клас (станоўчы / адмоўны) ад настрою ўваходных функцый (тэкст аглядаў, профіль карыстальніка інфармацыя, ...). У нашым другім прыкладзе для гэтага курса, прадказанне крэдыту па змаўчанні, вы будзеце вырашаць фінансавыя дадзеныя, і прадказаць, калі крэдыт можа быць рызыкоўным і бяспечным для банка. Гэтыя задачы з'яўляюцца прыкладамі класіфікацыі, адна з найбольш шырока выкарыстоўваюцца абласцей машыннага навучання з шырокім наборам прыкладанняў, у тым ліку рэкламнага таргетынгу, выяўлення спаму, медыцынскай дыягностыцы і класіфікацыі малюнкаў. У гэтым курсе вы будзеце ствараць класіфікатары, якія забяспечваюць укаранёны прадукцыйнасць розных задач. Вы пазнаёміцеся з найбольш паспяховых метадаў, якія найбольш шырока выкарыстоўваюцца на практыцы, у тым ліку лагістычнай рэгрэсіі, дрэў рашэнняў і павышэння. Акрамя таго, вы будзеце мець магчымасць распрацаваць і рэалізаваць асноўныя алгарытмы, якія могуць вывучыць гэтыя мадэлі ў маштабе, з выкарыстаннем стахастычнага градыенту ўздым. Вы будзеце рэалізоўваць гэтыя методыкі на рэальных буйнамаштабных задач машыннага навучання. Вы таксама вырашаць значныя задачы вы будзеце сутыкацца ў рэальных прыкладаннях ML, уключаючы апрацоўку адсутнічаюць дадзеных і дакладнасці вымярэнняў і ўспомніць, каб ацаніць класіфікатар. Гэты курс з'яўляецца практычным, футурыстычным, і поўныя візуалізацыі і ілюстрацыі таго, як гэтыя метады будуць паводзіць сябе на рэальных дадзеных. Мы таксама ўключылі дадатковы кантэнт у кожным модулі, якія ахопліваюць складаныя тэмы для тых, хто хоча пайсці яшчэ глыбей! Задачы навучання: Да канца гэтага курса вы зможаце: - апісваць ўваходныя і выходныя дадзеныя мадэлі класіфікацыі. - Займіцеся абодва бінарных і мультиклассируют задач класіфікацыі. - Укараненне мадэлі лагістычнай рэгрэсіі для буйнамаштабнай класіфікацыі. - Стварыць нелінейную мадэль з выкарыстаннем дрэў рашэнняў. - Павышэнне прадукцыйнасці любой мадэлі з дапамогай павышэння. - Маштабаваць метады з стахастычнага градыенту ўздыму. - Апішыце мяжы рашэнні, якія ляжаць у аснове. - Пабудаваць мадэль класіфікацыі, каб прадказаць настроі ў наборы дадзеных агляду прадукту. - Аналіз фінансавых дадзеных для прагназавання дэфолтаў па крэдытах. - Выкарыстанне метадаў для апрацоўкі адсутнічаюць дадзеных. - Ацэніце свае мадэлі з дапамогай метрыкі прэцызійныя водгуку. - Укараненне гэтых метадаў у Python (або на мове па вашаму выбару, хоць Python настойліва рэкамендуецца). Машыннае навучанне: кластарызацыя і індэксаванне Прыклады: Пошук аналагічных дакументаў A чытача зацікаўлены ў канкрэтнай артыкуле навін, і вы хочаце, каб знайсці падобныя артыкулы, каб рэкамендаваць. Што такое правільнае ўяўленьне падабенства? Акрамя таго, што, калі ёсць мільёны іншых дакументаў? Кожны раз, калі вы хочаце, каб працэс аднаўлення новага дакумента, вам трэба шукаць праз усе іншыя дакументы? Як групаваць аналагічныя дакументы разам? Як вы выявіце новыя, новыя тэмы, якія ахопліваюць дакументы? У дадзеным даследаванні трэцім выпадку, знайсці аналагічныя дакументы, вы будзеце вывучаць алгарытмы падабенства на аснове для пошуку. У гэтым курсе вы будзеце таксама вывучыць структураваныя прадстаўлення для апісання дакументаў у корпусе, у тым ліку кластарызацыю і змешаныя сяброўства мадэлі, такія як латэнтнай размеркавання Дирихле (LDA). Вы будзеце рэалізоўваць чакання максімізацыю (EM), каб вывучыць кластарызацыю дакументаў, і паглядзець, як маштабаваць метады з выкарыстаннем MapReduce. Вынікаў навучання: Да канца гэтага курса, вы зможаце: - стварыць сістэму пошуку дакументаў з дапамогай K-бліжэйшых суседзяў. - Вызначыць розныя метрыкі падабенства для тэкставых дадзеных. - Скарачэнне вылічэнняў у да-пошуку бліжэйшага суседа з дапамогай KD-дрэў. - Прадукцыя прыблізныя бліжэйшых суседзяў, выкарыстоўваючы лакальнасці адчувальную хэшавання. - Параўнайце і кантраляваныя і некантралюемыя навучальных задач. - Кластар дакументы па тэме з дапамогай K-сродкі. - Апішыце, як распараллелить K-сродкі з дапамогай MapReduce. - Вывучыць імавернасны падыходы кластарызацыі з выкарыстаннем сумесяў мадэляў. - Устанавіць сумесь гауссовой мадэлі з выкарыстаннем матэматычнага чакання максімізацыю (EM). - Правесці камбінаванае мадэляванне сяброўства з выкарыстаннем схаванага размеркавання Дирихле (LDA). - Апішыце этапы Гібса і як выкарыстоўваць свой выснову зрабіць высновы. - Параўнайце і метады ініцыялізацыі кантрасту для нявыпуклы задач аптымізацыі. - Укараненне гэтых метадаў у Python. Машыннае навучанне: Рекомендатор Systems & Памернасць Зніжэнне Прыклад: Рэкамендуючы прадукты Як Amazon рэкамендаваць прадукты вы можаце быць зацікаўлены ў куплі? Як Netflix вырашыць, якія фільмы або тэлешоў вы можаце глядзець? Што рабіць, калі вы пачатковец, то варта Netflix проста парэкамендаваць найбольш папулярныя фільмы? Хто б вы маглі стварыць новую спасылку з на Facebook або LinkedIn? Гэтыя пытанні з'яўляюцца эндэмічных для большасці паслуг на аснове галін прамысловасці, а таксама ляжаць у аснове паняцці сумеснай фільтрацыі і рэкамендацыйных сістэм, разгорнутых для вырашэння гэтых праблем. У гэтым чацвёртым даследаванні выпадку, вы будзеце даследаваць гэтыя ідэі ў кантэксце рэкамендацый прадуктаў на аснове водгукаў кліентаў. У гэтым курсе вы будзеце вывучаць метады зніжэння памернасці для мадэлявання шматмерных дадзеных. У выпадку рэкамендацыйных сістэм, вашы дадзеныя прадстаўлены ў выглядзе адносін карыстальнікам прадукту, з патэнцыйна мільёны карыстальнікаў і сотні тысяч прадуктаў. Вы рэалізаваць факторизации матрыц і схаваных мадэляў фактар ​​для вырашэння задачы прагназавання новых адносін карыстальнікам прадукту. Вы таксама можаце выкарыстоўваць дадатковую інфармацыю аб прадуктах і карыстальнікаў для паляпшэння прагнозаў. Вынікі навучання: Па заканчэнні гэтага курса вы зможаце: - стварыць сумесную сістэму фільтравання. - Паменшыць памернасць дадзеных з выкарыстаннем SVD, PCA і выпадковыя праекцыі. - Выкананне матрычнай прагонку з выкарыстаннем каардынатнага спуску. - Разгортванне схаваных мадэляў фактар ​​як сістэма рэкамендацыйных. - Ручка праблемы халоднага запуску з дапамогай дадатковай інфармацыі. - Вывучыць прыкладанне рэкамендацыі прадукту. - Укараненне гэтых метадаў у Python. Машыннае навучанне Capstone: Intelligent Application з паглыбленым вывучэннем Вы калі-небудзь задаваліся пытаннем, як будаваць Recommender прадукт? Як вы можаце вывесці асноўныя настрою з аглядаў? Як вы можаце здабываць інфармацыю з малюнкаў, каб знайсці візуальна падобныя прадукты рэкамендаваць? Як пабудаваць дадатак, якое робіць усе гэтыя рэчы ў рэальным часе, а таксама забяспечвае вопыт пярэдняга канчатковага карыстальніка? Гэта тое, што вы будзеце будаваць у гэтым курсе! Выкарыстоўваючы тое, што вы даведаліся пра машынным навучанні да гэтага часу, вы будзеце будаваць агульную сістэму Рекомендатор прадукт, які робіць значна больш, чым проста знайсці падобныя прадукты Вы камбінаваць малюнка прадукцыі з апісаннямі прадуктаў і іх агляды, каб стварыць па-сапраўднаму інавацыйныя інтэлектуальныя прыкладання. Вы, напэўна, чулі, што Deep Learning робіць навіны па ўсім свеце як адзін з найбольш перспектыўных метадаў у галіне машыннага навучання, асабліва для аналізу дадзеных малюнка. З кожнай галіне выдзялення сродкаў, каб разблакаваць глыбокі патэнцыял навучання, каб быць канкурэнтаздольнымі, вы хочаце выкарыстоўваць гэтыя мадэлі ў задачах, такіх як пазнака малюнкаў, распазнавання аб'ектаў, распазнання прамовы і аналізу тэксту. У гэтым замкавым, вы будзеце будаваць глыбокія мадэлі навучання з выкарыстаннем нейронавых сетак, даследаваць тое, што яны ёсць, што яны робяць, і як. Каб выдаліць бар'ер, уведзены праектавання, падрыхтоўкі і налады сетак, а таксама, каб мець магчымасць дамагчыся высокай прадукцыйнасці з меншай колькасцю пазначаных дадзеных, вы таксама будзеце будаваць глыбокія навучання класіфікатараў з улікам вашых канкрэтных задач з выкарыстаннем загадзя падрыхтаваных мадэляў, якія мы называем глыбокія рысы , У якасці асноўнай часткі гэтага праекта дыплёмным, вы будзеце ажыццяўляць глыбокую мадэль навучання для рэкамендацыі прадукту на аснове малюнка. Вы будзеце затым аб'яднаць гэтую візуальную мадэль з тэкставымі апісаннямі прадуктаў і інфармацыі з аглядаў пабудаваць захапляльны, ад канца да канца інтэлектуальнае прыкладанне, якое забяспечвае новы вопыт выяўлення прадукту. Вы затым разгарнуць яго ў якасці сэрвісу, які вы можаце падзяліцца з сябрамі і патэнцыйнымі працадаўцамі. Вынікі навучання: Да канца гэтага замкавым, вы зможаце: - Даследуйце набор дадзеных прадуктаў, агляды і малюнкаў. - Пабудаваць Рекомендатор прадукту. - Апішыце, як уяўляецца мадэлі нейронавай сеткі і як яна кадуе нелінейныя функцыі. - Аб'яднанне розных тыпаў слаёў і функцый актывацыі, каб атрымаць больш высокую прадукцыйнасць. - Выкарыстоўвайце pretrained мадэлі, такія як глыбокія асаблівасці, для новых задач класіфікацыі. - Апішыце, як гэтыя мадэлі могуць быць ужытыя ў галіне камп'ютэрнага гледжання, аналізу тэкстаў і распазнання прамовы. - Выкарыстоўвайце візуальныя магчымасці, каб знайсці прадукты, якія карыстальнікі хочуць. - Уключыць агляд настрояў у рэкамендацыі. - Пабудаваць прыкладанне ад канца да канца. - Разгарнуць яго ў якасці службы. - Укараненне гэтых метадаў у Python. [-]

прававыя аспекты кіравання спартыўнай

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Гэты курс ахоплівае федэральных, дзяржаўных і арганізацыйных палажэнняў, якія ўплываюць на спартыўнай індустрыі. [+]

Гэты курс ахоплівае федэральных, дзяржаўных і арганізацыйных палажэнняў, якія ўплываюць на спартыўнай індустрыі. Акцэнт робіцца на дамоўнае права, деликтное адказнасці, агенцтва права, працоўнае права, аўтарскае права, ліцэнзіі і правы інтэлектуальнай уласнасці ў дачыненні да спорту. Прававыя адносіны спартсменаў як асоб і як членаў каманды да кіравання спартыўнай індустрыі будуць абмяркоўвацца. Агульныя прававыя аспекты РВЗ , Пазітыўных дзеянняў і разнастайнасці ў складзе працоўнай сілы ажыццяўлення супрацоўнікаў прадпрыемства спартыўнай Таксама будуць разгледжаны. [-]

Спорт фінансавага кіравання

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Студэнты атрымаюць навыкі ў галіне фінансавага аналізу і ацэнкі фінансавага працэсу прыняцця рашэнняў у кіраванні спартыўных прадпрыемстваў. [+]

. Разгляд асноўных фінансавых і бухгалтарскіх праблем працы прадпрыемства спорту, вядома канцэнтруецца на унікальных характарыстык спартыўных арганізацый і праграм, і забяспечвае студэнтаў з навыкамі, неабходнымі для эфектыўнага кіравання значэння, рэсурсаў і даходаў. Студэнты атрымаюць навыкі ў галіне фінансавага аналізу і ацэнкі фінансавага працэсу прыняцця рашэнняў у кіраванні спартыўных прадпрыемстваў. [-]

спартыўны маркетынг і прасоўванне

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Гэты курс знаёміць студэнтаў з прынцыпамі спартыўнага маркетынгу і прымяненне гэтых прынцыпаў да спорту звязаных з ёй арганізацый. [+]

Гэты курс знаёміць студэнтаў з прынцыпамі спартыўнага маркетынгу і прымяненне гэтых прынцыпаў да спорту звязаных з ёй арганізацый. Асноўная ўвага надаецца планаванні, з дадатковым акцэнтам на кіраванне акцыях. [-]

грошай і банкаўскай справы

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Вывучэнне амерыканскай грашова-крэдытнай і фінансавай сістэм, і ролі, якую гэтыя сістэмы гуляюць у садзейнічанні вытворчасці багацця ў эканоміцы. [+]

. Вывучэнне амерыканскай грашова-крэдытнай і фінансавай сістэм, і ролі, якую гэтыя сістэмы гуляюць у садзейнічанні вытворчасці багацця ў эканоміцы. Тэмы ўключаюць прынцыпы грошы, Федэральная рэзервовая сістэма; дэтэрмінанты працэнтныя стаўкі, цэны на аблігацыі, а цэны на акцыі, розныя тыпы фінансавых устаноў; манетарнай тэорыі, а таксама грашова-крэдытнай палітыкі. [-]

глабальнай бізнес-асяроддзі

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Аналізу глабальных эканамічных, палітычных, і культурных мадэляў, якія ўплываюць міжнароднага бізнесу. [+]

Аналізу глабальных эканамічных, палітычных, і культурных мадэляў, якія ўплываюць міжнароднага бізнесу, гэты курс дае агляд тэорыі міжнароднага гандлю, плюсы і мінусы пратэкцыянізму, глабальнай фінансавай асяроддзя, і роля шматнацыянальных карпарацый. Яна аналізуе міжнародных крыніц, маркетынгу і стратэгічнага кіравання для глабальнага бізнесу. [-]

этыкі ў галіне права, бізнесу і кіравання

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Гэты курс з'яўляецца вывучэнне каштоўнасцяў і этыкі ў амерыканскім бізнесе выкарыстання дэбаты і пісьмовыя практыкаванні. Ён таксама лічыць, этычныя пытанні, якія ўзнікаюць у глабальнай дзелавой асяроддзі. [+]

. Гэты курс з'яўляецца вывучэнне каштоўнасцяў і этыкі ў амерыканскім бізнесе выкарыстання дэбаты і пісьмовыя практыкаванні. Ён таксама лічыць, этычныя пытанні, якія ўзнікаюць у глабальнай дзелавой асяроддзі. [-]

глабальны маркетынг

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Вывучэнне стратэгічнага планавання і арганізацыі па міжнароднаму маркетынгу, даследаванні сусветных рынкаў, маркетынг спажывецкіх тавараў, прамысловых тавараў. [+]

Вывучэнне стратэгічнага планавання і арганізацыі па міжнароднаму маркетынгу, даследаванні сусветных рынкаў, маркетынг спажывецкіх тавараў, прамысловых тавараў і паслуг на сусветным рынку, курс даследуе міжнародную рэкламу і прасоўванне намаганняў, асабістыя продажу і кіраванне персаналам, цэнаўтварэнне, сістэмы дыстрыбуцыі, экспартнай гандлю механікі і лагістыка, фінансавыя патрабаванні да міжнароднага маркетынгу, а таксама каардынацыі і кантролю глабальных аперацый. У ім таксама абмяркоўваецца ўплыў гандлёвых пагадненняў для міжнароднага бізнесу. [-]

кіраванне бізнес-аперацый

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Гэты курс ўяўляе сабой кліент-арыентаванай гледжання аперацый у рамках арганізацыі. [+]

. Гэты курс ўяўляе сабой кліент-арыентаванай гледжання аперацый у рамках арганізацыі. Кіруючыся стратэгічным планам арганізацыі, аперацыі дастаўкі прадуктаў і паслуг для кліентаў. Гэты курс даследуе, як гэтая дастаўка ажыццяўляецца з дзейснасць і эфектыўнасць. Кампаненты курсу ўключаюць у сябе пытанні якасці, фізічнага праектавання і сістэм кіравання. [-]

прынцыпы Electriconic бізнесу

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Увядзенне і агляд Інтэрнэт уключаны бізнес-аперацый з кіраўніцкай пункту гледжання. [+]

Увядзенне і агляд Інтэрнэт уключаны бізнес-аперацый з кіраўніцкай пункту гледжання. Вядома служыць асновай для праграмы E-Business і адрасы E-Business стратэгіі, Киберзаконе, інтэрнэт-маркетынг, Інтэрнэт-інфраструктуры і бяспекі, прыкладанняў электроннага бізнесу і вельмі актуальныя новыя мадэлі інтэрнэт-бізнэсу. [-]

Упраўленне маркетынгам

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Тлумачыць, маркетынгу інфармацыйных сістэм і выкарыстанне перадавых тэхналогій у галіне маркетынгу рашэнняў. [+]

. Паглыбленае вывучэнне маркетынгавай асяроддзя і дзейнасці ўздзеяння маркетынгу на дзейнасць арганізацыі ў канкурэнтнай, глабальнай, шматкультурнай асяроддзі бізнесу, курсе разглядаюцца як унутраныя, так і міжнародных рамках фундаментальных функцый маркетынгу прадукту, цэнаўтварэння, размеркавання і прасоўвання па службе. Яна даследуе і аналізуе сучасныя праблемы маркетынгу і рашэння ад канцэптуальных, прававых і этычныя аспекты. Гэта тлумачыць маркетынг інфармацыйных сістэм і выкарыстанне перадавых тэхналогій у галіне маркетынгу рашэнняў. [-]

вытворчасці і кіравання аперацыямі я

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Вытворчасць і кіраванне аперацыямі I. [+]

Агляд асноўных канцэпцый вытворчасці і кіравання аперацыямі, курс ахоплівае выкарыстанне колькасных метадаў і камп'ютэрных праграм для прагназавання, размеркавання рэсурсаў, тэорыі прыняцця рашэнняў, планавання, кіравання праектамі, кіравання запасамі і забеспячэння якасці. [-]

міжнародная эканоміка

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Студэнты прымяніць тое, чаму яны навучыліся ў папярэдніх курсаў эканомікі для аналізу глабальных эканамічных умоў. [+]

. Студэнты прымяніць тое, чаму яны навучыліся ў папярэдніх курсаў эканомікі для аналізу глабальных эканамічных умоў. Яны вывучаюць і ўжываюць закон параўнальных пераваг, каб зразумець, як усе людзі могуць атрымаць ад міжнароднага гандлю. Гандлёвыя пагадненні, такія, як ГАТТ і НАФТА, абмяркоўваюцца і аналізуюцца, а таксама валютныя рынкі і розныя тыпы грашовых сістэм. [-]

перадавых вэб-дызайну

National University, School of Business and Management
Ва ўніверсітэце або анлайн Вочна-завочна September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Гэты курс знаёміць Сучасныя прынцыпы Інтэрнэт Распрацоўка прыкладанняў за межамі візуальна прывабных карыстацкіх інтэрфейсаў. [+]

Гэты курс знаёміць Сучасныя прынцыпы Інтэрнэт Распрацоўка прыкладанняў за межамі візуальна прывабных карыстацкіх інтэрфейсаў. Канкрэтныя канцэпцый дызайну будуць прымяняцца да перадавых вэб-дызайну і вэб-канцэпцыі ў праект класа. Курс прысвечаны прынцыпам HTML, JAVA і XML-прыкладнога праграмавання. Практычныя заняткі будуць праводзіцца на працягу курса. [-]

E-дзелавой інфармацыі і сістэмы ведаў

National University, School of Business and Management
Ва ўніверсітэце або анлайн Дзённае навучанне September 2017 Злучаныя Штаты Амерыкі La Jolla Los Angeles Orange Camarillo San Bernardino South Bay Terraces Redding Henderson ЗША Інтэрнэт San Diego + 9 more

Курс знаёміць дадзеных інфармацыйна-ведах выведкі ланцугу і яе актуальнасці для E-Business прыбытковасці і росту. [+]

. Курс знаёміць дадзеных інфармацыйна-ведах выведкі ланцугу і яе актуальнасці для E-Business прыбытковасці і росту. Яна ўключае ў сябе вывучэнне ролі і разгортванне мадэлі дадзеных, сістэм баз дадзеных, сховішчаў дадзеных і бізнес-аналітыкі. [-]