مدیریت دانش در معماری

دوره آموزش مدیریت دانش در معماری برای معماران و شهرسازان؟

دوره آموزش مدیریت دانش  در معماری برای معماران و شهرسازان که به صورت ویژه به آموزش کاربردی مدیریت دانش و تمام مباحث مربوط به مدیریت دانش  در راستای داده های 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:

داده، فراداه و اطلاعات

فرایند خلق دانش

فرایند انتقال دانش

فرایند مدیریت دانش

هرم دانش و خرد

آشنایی با مدیریت دانش ، برای معماران و شهرسازان

لزوم یادگیری مدیریت دانش را می توان این گونه بیان نمود که یکی دیگر از گام های بسیار مهم در پیاده سازی علم داده و هوش مصنوعی است که در آن تلاش می گردد از طریق مدیریت دانش  و تکنیک های مرتبط با آن برای تولید الگوریتم های هوشمند استفاده نمود. مدیریت دانش برای مستند سازی و حل موضوعات پیچیده و گوناگون هوش مصنوعی استفاده می گردد. در واقع با مدیریت دانش  می توان مبنای انتقال دانش به ماشین ها را بهتر ادراک نمود.

هدف از برگزاری دوره آموزش مدیریت دانش  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 چرایی مدیریت دانش را فراگیری نمود تا رابطه گام های گوناگون این حوزه را بهتر درک نمود. در واقع اصلی‌ترین هدف این دوره بیان شیوه های استفاده از مدیریت دانش در فرایندهای صنعت ساختمان است تا دانش پژوهان بتوانند از این دانش در معماری و شهرسازی استفاده نمایند.

در این دوره دانش پژوهان با ابزارها و تکنیک های بسیار مهم مدیریت دانش  به صورت عملیاتی و کاربردی آشنا خواند شد و جزئیات لازم برای پیاده‌سازی الگوریتم‌ها در فرایندهای مرتبط با صنعت ساختمان را فراگیری می نمایند.

دوره آموزش مدیریت دانش  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 مدیریت دانش  را آموزش می دهد.

در انتهای دوره آموزش مدیریت دانش  برای معماران و شهرسازان چه دستاوردی خواهد داشت؟

با توجه به محتوایی این دوره دانش پژوهان با موارد زیر آشنا خواهند شد:

مدیریت دانش چیست؟

مترادف های مدیریت دانش

هرم دانش و داده و فراداده و اطلاعات

تعاریف داده، فراداده، اطلاعات، دانش

ماتریس DIKW

مفاهیم اساسی مدیریت دانش

سیستم مدیریت دانش

وجه تمایز دوره مدیریت دانش برای معماران و شهرسازان نسبت به سایر دوره ‌های مشابه چیست؟

در این دوره دانش پژوهان پس از شناخت مفاهیم مدیریت دانش، وارد جزئیات و روش های پیاده‌سازی مدیریت دانش  با مثال ها، نرم افزارها و نمونه های مرتبط با صنعت ساختمان می شوند. در این پیاده‌سازی هدف فقط  توضیح مدیریت دانش  نیست، بلکه تلاش می گردد با جزئیات تمام به بررسی و بحث درباره انواع شیوه های مدیریت دانش در معماری پرداخته شود. 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 خواهد شد.

زمان مورد نیاز برای گذراندن دوره

1 ساعت

مجموع محتوای آموزشی

1 ساعت

برگزار کننده

لابراتوار معماری و هوش مصنوعی

سرفصل‌های دوره آموزش مدیریت دانش  در معماری

فصل اول: آشنایی با  مدیریت دانش

مدیریت دانش چیست؟

مترادف های مدیریت دانش

مفاهیم اساسی مدیریت دانش

سیستم مدیریت دانش

فصل دوم: هرم دانش

داده

فراداده

اطلاعات

دانش

خرد

فصل سوم: ماتریس دانش

ماتریس DIKW

ماتریس KDD

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