یادگیری ماشین در معماری سه
Machine lerningفصل یک تا شش
خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، ویدئوهای دوره ها در پروفایل شما قرار خواهد گرفت و هر گونه فروش در سایت های دیگر قابل پیگیری خواهد بود.
- دسترسی به ویدئو دوره ها در پروفایل خود
- تضمین کیفیت آموزش ها
- فعالسازی آنی ویدئوهای دوره ها
- به صورت رایگان یک یا چند آموزش را دریافت می کنید.
دوره آموزش یادگیری ماشین 3 در معماری برای معماران و شهرسازان؟
در این دوره آموزشی به یادگیری ماشین با استفاده از زبان برنامه نویسی پایتون پرداخته می شود. دوره آموزش یادگیری ماشین برای معماران و شهرسازان به این صورت برنامهریزی شده است که تمام مثال ها و نمونه های عملی براساس داده ها و مساله های موجود در صنعت ساختمان باشد تا از این طریق درک مطالب آموزشی راحتر گردد، همچنین دوره از مقدمات شروع و به مباحث پیشرفته و جدید یادگیری ماشین با پایتون میپردازد.
دوره آموزش یادگیری ماشین لابراتوار معماری و هوش مصنوعی در چند بخش تدوین شده است؛ در بخش اول شما باهدف یادگیری ماشین و کاربرد آن در دنیای واقعی به صورت نظری و نمونه موردی ها مرتبط با صنعت ساختمان آشنا خواهید شد. در بخش دوم این دوره یک نمای کلی از مباحث یادگیری ماشین مانند یادگیری تحت نظارتی و غیر نظارتی، ارزیابی مدلها و الگوریتمهای یادگیری ماشین به دانش پژوهان ارائه خواهد نمود. در بخش سوم به تجزیه و تحلیل مقالات و پژوهش های تدوین شده با الگوریتم ها و کتابخانه های یادگیری ماشین پرداخته می شود.
هدف از آموزش دوره یادگیری ماشین 3 با پایتون برای معماران و شهرسازان چیست؟
هدف از برگزاری این دوره، آموزش یادگیری ماشین بهصورت مرحلهبهمرحله از مباحث مقدماتی تا مباحث جدید و پیشرفته با کمک مثال های مرتبط با صنعت ساختمان است. حضور شما در این دوره آموزشی به شما کمک خواهد کرد تا با داده های محیط واقعی و کاربردی صنعت ساختمان برای آموزش دادن الگوریتم های یادگیری ماشین از طریق زبان برنامه نویسی پایتون استفاده کنید و مهارت خود را در زمینه کاربرد هوش مصنوعی در رشته های معماری، شهرسازی، مدیریت پروژه، عمران، تاسیسات و غیره افزایش دهید.
در انتهای این دوره شما دانش پژوهان عزیز چه مهارتهایی را باید کسب نماید؟
با حضور در این دوره علاوه بر آشنایی با کلیات و جزئیات یادگیری ماشین شما با مباحث دیگری از مانند:
- یادگیری نظارتی و غیر نظارتی ماشین ها
- نحوه عملکرد الگوریتمهای یادگیری ماشین
- نحوه عملکرد بخشی از کتابخانه های یادگیری ماشین
ویژگی متمایز دوره یادگیری ماشین برای معماران و شهرسازان نسبت به دوره های مشابه چیست؟
مدرس این دوره دکتر رضاباباخانی است. این دوره توسط لابراتوار معماری و هوش مصنوعی که یه مجموعه تخصصی است، تضمین گردیده، همچنین تفاوت دیگر استفاده از مثال ها، نمونه های مرتبط با صنعت ساختمان در آموزش است که یادگیری آن را برای رشته های معماری، شهرسازی، مدیریت پروژه، عمران، تاسیسات و غیره آسان تر می نماید و نقطه قوت دیگر دوره استفاده از بروزترین مقالات منتشر شده مرتبط با صنعت ساختمان است که در پژوهش آن از الگوریتم های یادگیری ماشین استفاده شده است.
در کنار این موارد در تمام طول دوره شما میتوانید سوالات و ابهامات خود را با استاد دوره در میان بگذارید و پاسخ همه سوالات خود را دریافت نمایید، همچنین در پایان دوره و پس از انجام آزمون در صورت کسب نمره قبولی مدرک معتبر (قابل ترجمه و استعلام آنلاین) از لابراتوار معماری و هوش مصنوعی مربوط به گذراندن این دوره برای دانش پژوه محترم صادر خواهد شد و شما با استفاده از این مدرک می توانید شرایط خود را در آزمون استخدامی، مصاحبه ها، مهاجرت و دریافت موقعیت های تحصیلی بهبود ببخشید.
زمان مورد نیاز برای گذراندن دوره
30 ساعت
مجموع محتوای آموزشی
15 ساعت
برگزار کننده
لابراتوار معماری و هوش مصنوعی
سرفصلهای دوره آموزش یادگیری ماشین با پایتون
فصل اول:کتابخانه های پرکاربرد یادگیری ماشین
Comparison of Calibration of Classifiers
Multidimensional scaling
Multilabel classification
Multiple linear regression
Multiple linear regression2
Naive Bayesian
Polynomial Regression
Polynomial Regression2
Support Vector Machine Polynomial
Swiss Roll reduction with LLE
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
Comparison of Calibration of Classifiers
8دقیقهMultidimensional scaling
9دقیقهMultilabel classification
8دقیقهMultiple linear regression
12دقیقهMultiple linear regression2
6دقیقهNaive Bayesian
10دقیقهPolynomial Regression
10دقیقهPolynomial Regression2
8دقیقهSupport Vector Machine Polynomial
9دقیقهSwiss Roll reduction with LLE
10دقیقهفارسی بنویسید و از کیبورد فارسی استفاده کنید. بهتر است از فضای خالی (Space) بیشازحدِ معمول، شکلک یا ایموجی استفاده نکنید و از کشیدن حروف یا کلمات با صفحهکلید بپرهیزید.
نظرات خود را براساس تجربه و استفادهی عملی و با دقت به نکات فنی ارسال کنید؛ بدون تعصب به محصول خاص، مزایا و معایب را بازگو کنید و بهتر است از ارسال نظرات چندکلمهای خودداری کنید.
هنوز بررسیای ثبت نشده است.