دوره آموزش داده کاوی در معماری برای معماران و شهرسازان؟
دوره آموزش داده کاوی در معماری برای معماران و شهرسازان که به صورت ویژه به آموزش کاربردی داده کاوی و تمام مباحث مربوط به فرمول ها و محاسبات آن در صنعت ساختمان می پردازد و به طور مشخصتر موضوعات پژوهشی که مرتبط با صنعت ساختمان و هوش مصنوعی است در این دوره دنبال میشود شامل موارد زیر است:
مباحث روش ها و اصول داده کاوی از طریق فرمول ها و مباحث آماری بر پایه داده های معماری
آشنایی با مبانی داده کاوی شامل (آمار توصیفی، متغیرها، طبقه بندی، جداول و نمودارها)
بحث و بررسی در رابطه با موضوعات گوناگون داده کاوی در صنعت ساختمان
آشنایی با داده کاوی، برای معماران و شهرسازان
تعریف کلی داده کاوی را می توان این گونه بیان نمود که یکی از شاخههای بسیار مهم علم داده و هوش مصنوعی است که در آن تلاش می گردد از روش های محاسباتی و فرمول های مرتبط برای استخراج دانش از داده ها بهره برداری نمود. داده کاوی برای حل موضوعات گوناگون استفاده می گردد. در واقع در داده کاوی به ماشین ها می توان آموزش داد که برای حل مسائل گوناگون و ارائه راه حل های اثرگذار از روشها و فرمول های داده کاوی پیروی نماید، استفاده نماید.
هدف از برگزاری دوره آموزش داده کاوی برای معماران شهرسازان چیست؟
استفاده گسترده از الگوریتم های هوش مصنوعی در بسیاری از صنایع در حال رشد است. از صنعت حمل و نقل تا گردشگری و پزشکی به نحوی که هر فرآیند مرتبط با هوشمندی باشد از هوش مصنوعی در آن علم و تکنولوژی استفاده می شود. به همین دلیل است که در دنیایی از صنایع مختلف تا تکنولوژیهای گوناگون، تقریبا هیچ موردی را نمیتوان پیدا کرد که در آن ردپایی از هوش مصنوعی دیده نشود. اما برای بهره گیری از هوش مصنوعی ابتدا نیاز است دانش موجود در داده های مرتبط با آن حوزه دانشی را استخراج نمود و تابع ها و فرمول های اثرگذار در آن حوزه را شناخت تا به این ترتیب، دانش جدیدی را برای مسائل جدید خلق نمود. در واقع اصلیترین هدف این دوره آموزش کاربردی داده کاوی در صنعت ساختمان است تا دانش پژوهان بتوانند از این تکنولوژی در دانش معماری و شهرسازی استفاده نمایند.
در این دوره دانش پژوهان با ابزارها و تکنیک های بسیار مهم داده کاوی به صورت عملیاتی و کاربردی آشنا می شوند و جزئیات لازم برای پیادهسازی این الگوریتمها در فرایندهای مرتبط با صنعت ساختمان را فراگیری می نمایند.
دوره آموزش داده کاوی برای معماران و شهرسازان برای چه افرادی مناسب است؟
محتوای این دوره مناسب افرادی است که در ابتدای ورود به حوزه معماری و هوش مصنوعی می باشند و با مبانی و اصول اولیه هوش مصنوعی آشنایی دارند و به دنبال ایجاد تغییرات در زمینه های شغلی خود هستند. در واقع این دوره آموزشی مبانی تئوری و اصول داده کاوی را آموزش می دهد، دانش پژوهان این دوره می توانند مسائل دنیای واقعی صنعت ساختمان را مثل جمع آوری داده ها، تولید جداول مرتبط، ترسیم نمودارها و تحلیل آن ها را انجام دهند. بنابراین این دوره مناسب متخصصینی خواهند بود که علاقهمند به مباحث هوش مصنوعی و چالشهای مرتبط با لبهی تکنولوژی و دانش هستند.
در انتهای دوره آموزش داده کاوی برای معماران و شهرسازان چه دستاوردی خواهد داشت؟
با توجه به محتوایی این دوره دانش پژوهان با موارد زیر آشنا خواهند شد:
آمار توصیفی Descriptive Statistics
متغیرها Variables
جداول و نمودارها Tables and charts
شاخص های آماری Statistical indicators
انواع میانگین ها Types of averages
شاخص های پراکندگی Scattering indices
فرایند کشف دانش KDD
دسته بندی Data classification
خوشه بندی Data clustering
داده های گسسته Discrete data
داده های پیوسته Continuous data
وجه تمایز دوره داده کاوی برای معماران و شهرسازان نسبت به سایر دوره های مشابه چیست؟
در این دوره دانش پژوهان پس از شناخت مفهوم داده کاوی، وارد جزئیات و روش های پیادهسازی داده کاوی با مثال ها و نمونه های مرتبط با صنعت ساختمان می شوند. در این پیادهسازی هدف فقط توضیح فرمول های طولانی و پیچیده نیست، بلکه تلاش می گردد با جزئیات تمام به بررسی و بحث درباره تمام خطهای این پیاده سازی پرداخته شود. یعنی شما در ادامه مسیر آموزش کار با الگوریتم های هوش مصنوعی را فراگیری می نماید و در ادامه نیز میتوانید این دانش جدید را در پیاده سازی حوزه تخصصی خود به صورت مباحث تکنیکی و کدنویسی استفاده کنید. استاد دوره سعی خواهد کرد مباحث را با سادهترین زبان و به همراه مثال های مرتبط با صنعت ساختمان بیان نماید. در این دوره هر گامی که برداشته می شود دلیل و منطق آن در حوزه صنعت ساختمان نیز شرح داده خواهدشد.
زمان مورد نیاز برای گذراندن دوره
3 ساعت
مجموع محتوای آموزشی
3 ساعت
برگزار کننده
لابراتوار معماری و هوش مصنوعی
سرفصلهای دوره آموزش داده کاوی در معماری
فصل اول: مباحث آماری
آمار توصیفی
جداول فراوانی
نمودارهای ترسیمی
میانگین ها و شاخص ها
فصل دوم: استخراج دانش
چرا داده کاوی
هرم دانش
فرایندهای پردازش
دسته بندی و خوشه بندی
استخراج الگوهای دانشی
ابعاد داده کاوی
فصل سوم: جمع آوری داده
ساختار انواع داده
انواع داده و فراداده
داده های گسسته و پیوسته
انواع توزیع داده
فصل چهارم: ترسیم داده ها
تکنیک های ترسیم داده
تکنیک های تحلیل داده
فصل پنجم: تشابه سنجی داده ها
شباهت داده ها
عدم شباهت داده ها
مجاروت و نزدیکی داده ها
درمورد استاد دوره
دکتر رضاباباخانی عضو فدراسیون جهانی مخترعین و دارنده نشان نقره ای مخترع سال 2022 از IFIA می باشد. ایشان مخترع و پژوهشگر حوزه معماری و هوش مصنوعی در ایران است. او دکتری معماری از دانشگاه علوم و تحقیقات تهران دارد و در همین دانشگاه به عنوان موسس و مدیر لابراتوار معماری و هوش مصنوعی مشغول پژوهش و تولید الگوریتم های مرتبط با حوزه صنعت ساختمان است.
همچنین دکتر رضاباباخانی داور نشریات مختلفی همچون علوم و تکنولوژی، مرمت و معماری، پژوهشنامه پردازش و مدیریت اطلاعات، مطالعات محیطی هفت حصار، معماری شناسی، Journal of Architectural Engineering Technology، space ontology journal
حد نصاب قبولی در دوره
70.0 نمره
ویژه آموزش کاربردهای داده کاوی و تمام مباحث مرتبط با داده کاوی در صنعت ساختمان
مباحث آماری و استخراج دانش ویدئو
فصل اول
جمع آوری داده و ترسیم داده ها ویدئو
فصل دوم
تشابه سنجی داده ها ویدئو
فصل سوم
ضمانت بازگشت وجه ۷ روزه بدون ریسک
در صورت عدم تطابق دوره با سرفصلها، وجه پرداختی شما را بازگشت خواهیم داد.
دوره های مرتبط
دوره دکوراسیون داخلی و واقعیت افزوده
این دوره شامل محتوای دروس اصلی دکوراسیون داخلی و واقعیت افزوده و هوش مصنوعی است و دانش پژوهان می توانند مباحث دکوراسیون داخلی با رویکرد واقعیت افزوده فراگیری نمایند.
پارادایم شناسی
دوره آموزش مباحث پارادایم شناسی در معماری برای معماران و شهرسازان؟ دوره آموزش مباحث پارادایم شناسی در معماری برای…
رویکردهای پیشرفته مدلسازی انرژی
دوره آموزش رویکردهای پیشرفته مدلسازی انرژی در معماری برای معماران و شهرسازان؟ دوره آموزش رویکردهای پیشرفته مدلسازی انرژی در…
دوره یادگیری ماشین
یادگیری ماشین یک به شما کمک می کنید تا شما بتوانید از طریق کتابخانه های عمومی زبان برنامه نویسی پایتون ایده ها و داده های خودکار تحلیل نمایید و رابطه هریک از این ها را به طور صحیح استخراج نمایید.
