إي هاب

مخطط شهادة مهارات البناء الرسمية (CSCS)
معرف الدورة: 2501050108809ESH

تواريخ الدورة: 05/01/25 مدة الدورة: يوم/أيام دراسية واحد مكان الدورة: لندن، المملكة المتحدة
فئة الدورة: برامج فريدة
الفئات الفرعية للمقرر:
التعليم والتطوير المهني الصحة والسلامة والرفاهية القيادة والإدارة الاستدامة والممارسات البيئية سلامة البناء الاستدامة البيئية الصحة والرفاهية القيادة والتواصل ضمان الجودة إدارة المخاطر تطوير المهارات الفنية

معلومات الدورة
مقدمة
تم تصميم هيكل دورتنا لتكون دورة مكثفة ليوم واحد، حيث ستتعلم مواد الصحة والسلامة في مجال الإنشاءات اللازمة لاجتيازها. بعد إكمال الدورة، ستخضع لاختبار إلكتروني يعتمد على ما تعلمته خلال اليوم.
أهداف
بعد اجتياز نتائج الاختبار، سيتم تأكيد بطاقة CSCS الخاصة بك. بعد ذلك، ستتلقى تأكيدًا بنتائج الاختبار وبطاقة CSCS الخاصة بك. ستصل بطاقة CSCS الأصلية مع شهادتك خلال 10 أيام عمل.
من ينبغي أن يحضر؟
أي شخص يرغب بالعمل في مواقع البناء أي شخص يرغب في البدء في التقدم بطلب للحصول على وظيفة في مجال البناء أي شخص يرغب في دخول أي موقع بناء في جميع أنحاء المملكة المتحدة (إلزامي)
طريقة التدريب
• التقييم المسبق • التعليم الجماعي المباشر • استخدام أمثلة واقعية ودراسات حالة وتمارين • المشاركة والمناقشة التفاعلية • عرض تقديمي باستخدام برنامج باور بوينت وشاشة LCD ولوحة التقليب • الأنشطة الجماعية والاختبارات • التقييم اللاحق
دعم البرنامج
يدعم هذا البرنامج ما يلي: * المناقشات التفاعلية * لعب الأدوار * دراسات الحالة وتسليط الضوء على التقنيات المتاحة للمشاركين.
الأجندة اليومية
صباحًا أجندة: * 9:00-9:30 (تقييم أولي، واستكمال السجل والحضور) * 9:30-11:30 (جلسة تقنية) * 11:30-11:45 (استراحة القهوة) * 11:45-12:45 (جلسة تقنية) * 12:45-1:00 (استراحة المراجعة) * 1:00-2:00 (اختبار CSCS) مساءً أجندة: * 14:30-15:00 (تقييم أولي، واستكمال السجل والحضور) * 15:00-18:30 (جلسة تقنية) * 18:30-18:45 (استراحة القهوة) * 18:45-19:45 (جلسة تقنية) * 19:45-20:00 (استراحة المراجعة) * 20:00-21:00 (CSCS اختبار)

Course Outlines
Overview of Machine Learning and its Applications
Types of Machine Learning: Supervised, Unsupervised, and Reinforcement Learning
Key Concepts: Features, Labels, and Datasets
Setting Up a Machine Learning Environment
Day 2: Data Preprocessing and Exploration
Importance of Data Preprocessing in Machine Learning
Techniques: Cleaning, Normalization, and Feature Scaling
Data Visualization and Insights Extraction
Splitting Data: Training, Validation, and Testing Sets
Day 3: Core Machine Learning Algorithms
Linear Regression and Logistic Regression
Decision Trees and Random Forests
K-Nearest Neighbors (KNN) and Support Vector Machines (SVM)
Hands-on Session: Building a Simple Predictive Model
Day 4: Model Evaluation and Optimization
Metrics for Evaluating Model Performance (Accuracy, Precision, Recall, F1 Score)
Understanding Overfitting and Underfitting
Hyperparameter Tuning Techniques
Cross-Validation Methods
Day 5: Practical Applications and Ethical Considerations
Real-World Applications of Machine Learning (e.g., Healthcare, Finance, Marketing)
Tools and Libraries: Scikit-learn, TensorFlow, and PyTorch
Ethical Issues in Machine Learning: Bias, Fairness, and Privacy
Final Project: Developing and Evaluating a Basic Machine Learning Model
الأسبوع 02
الأسبوع 02
الأسبوع 03
الأسبوع 03
الأسبوع 04
الأسبوع 04
الأسبوع 05
الأسبوع 05
الأسبوع 06
الأسبوع 06
الأسبوع 07
الأسبوع 07
الأسبوع 08
الأسبوع 08
الأسبوع 09
الأسبوع 09