|
آموزش تحلیل و پیش بینی سری های زمانی
مدرس: دکتر پژمان بهرامیان تحلیل سری های زمانی به عنوان مبحثی کاربردی در تمامی رشته های علمی از قبیل مهندسی، اقتصاد، جغرافیا، مدیریت و ... استفاده می شود. بررسی گذشته داده ها به منظور شناسایی و تعیین ماهیت یک پدیده قدم اول در یک مدل سازی اصولی است که با استفاده از آن می توان در گام بعدی به یک پیش بینی صحیح و قابل اتکا دست یافت. لذا این فرادرس بنای آن دارد که با استفاده از نرم افزارهای معتبر شناخته شده، مبانی نظری به روز و اساسی این حوزه را در قالبی مدون، ساده و کاربردی در اختیار مخاطبان و هموطنان عزیز قرار دهد. |
|
آموزش مبانی و روش های اقتصاد سنجی با Eviews
مدرس: دکتر پژمان بهرامیان به عنوان یک اقتصاد دان، یک پژوهشگر علوم اجتماعی و یا حتی یک مدیر شرکت تجاری مطالعه نظام مند مولفه های موثر در فرایند تصمیم گیری و شناخت پدیده های قابل ارزیابی بر اساس شواهد موجود، اولویتی روشن است. چگونگی مطالعه این عوامل به منظور یافتن یک الگوی ملموس، هنر دانشی به نام اقتصاد سنجی است. این آموزش به معرفی و مرور روش ها و مبانی اقتصاد سنجی با استفاده از نرم افزار Eviews که سادگی و انعطاف پذیری آن باعث شده که به عنوان یکی از مهم ترین نرم افزارهای مورد استفاده محققان در سطح دنیا قلمداد شود، می پردازد. |
|
آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش دوم
مدرس: مهندس پژمان اقبالی در ادامه مسیر شروع شده در آموزش های الگوریتم ژنتیک در پایتون مقدماتی و تکمیلی بخش اول، در این فرادرس مسائل دیگری را به کمک الگوریتم ژنتیک در پایتون بهینه سازی می کنیم. تا بدین جا مسائل گوناگون بهینه سازی از سطح ساده انتخاب شده و در هر درس مساله پیچیده تری که نیازمند الگوریتم ژنتیک کامل تری بود را بررسی کردیم. همین روند در این آموزش نیز دنبال می شود. در پایان این آموزش شما با حل مساله های بهینه سازی جدید و پیچیده تری نسبت به آموزش های مقدماتی و تکمیلی بخش اول آشنا خواهید شد و قادر خواهید بود برای حل یک مساله بهینه سازی از الگوریتم ژنتیک در پایتون استفاده کنید. |
|
آموزش همبستگی و رگرسیون خطی در SPSS
مدرس: آرمان ری بد درک رابطه بین متغیرها، برای ایجاد مدل های آماری بسیار ضروری است. به کمک شاخص های مربوطه قادر به کشف میزان رابطه بین متغیرها هستیم. ولی برای نشان دادن مدل رابطه بین متغیرها از یک روش آماری به نام معادله خط برگشت یا رگرسیون (Regression) استفاده می کنیم، تا شکل رابطه بین متغیرها به زبان آماری نوشته شود. با این کار قادر به پیش بینی و تعیین مقدار متغیر وابسته برحسب متغیر مستقل خواهیم بود. در این میان آزمون های مربوط به مدل ارائه شده از اهمیت زیادی برخوردار است، تا اطمینان داشته باشیم، که مدل ارائه شده از کارایی مناسب برخوردار است و شرایط مربوط به برآورد مدل در آن لحاظ شده است. |
|
آموزش پیاده سازی الگوریتم ژنتیک در Python - مقدماتی
مدرس: مهندس پژمان اقبالی الگوریتم ژنتیک روشی است برای حل مسائل بهینه سازی مقید و نامقید که براساس انتخاب طبیعی کار می کند. این الگوریتم مرتبا جمعیتی از راه حل های منحصر به فرد را اصلاح می کند. این الگوریتم بسیار پرکاربرد است و امروزه در تمام شاخه های علوم و مهندسی به منظور بهینه سازی استفاده می شود. در این فرادرس، پیاده سازی الگوریتم ژنتیک برای بهینه سازی در Python (پایتون) به بحث گذاشته می شود، چرا که امروزه حجم بسیاری از محاسبات علمی با Python انجام می شود که آن هم به دلیل ساده بودن برنامه نویسی با آن و قدرتمند بودن این زبان برنامه نویسی است. |
|
آموزش طراحی سیستم های فازی عصبی یا ANFIS با استفاده از الگوریتم های فراابتکاری و تکاملی
مدرس: دکتر سید مصطفی کلامی هریس طراحی و آموزشی سیستم های استنتاج فازی (FIS) و سیستم های تطبیقی استنتاج عصبی فازی (انفیس یا ANFIS) معمولا با استفاده از رویکردهای کلاسیک، نظیر گرادیان نزولی (Gradient Descend) و پس انتشار (Back-Propagation) انجام می شود. اما در این آموزش، کاربرد الگوریتم های تکاملی و فراابتکاری در طراحی بهینه سیستم های فازی نوع تاکاگی-سوگنو-کانگ (TSK) مورد بحث واقع شده است. |
|
آموزش پیاده سازی الگوریتم ژنتیک در Python - تکمیلی - بخش اول
مدرس: مهندس پژمان اقبالی الگوریتم ژنتیک، یک ابزار قدرتمند بهینه سازی و زبان برنامه نویسی پایتون، یک زبان قدرتمند برنامه نویسی است. امروزه بسیاری از مسائل محاسباتی در پروژه های مختلف علوم و مهندسی با استفاده از پایتون و بسیاری از مسائل بهینه سازی با استفاده از الگوریتم ژنتیک حل می شوند. این فرادرس به شما کمک می کند که بتوانید مسائل محاسباتی که نیازمند بهینه سازی با الگوریتم ژنتیک هستند را در پایتون پیاده سازی کنید که هم از قدرت پایتون در محاسبات و هم از قدرت الگوریتم ژنتیک در بهینه سازی در کنار هم بهره ببرید. |
|
آموزش شبکه عصبی GMDH به همراه پیاده سازی عملی در متلب
مدرس: دکتر سید مصطفی کلامی هریس در «فیلم آموزشی شبکه عصبی GMDH در متلب»، پس از تشریح کامل مبانی تئوری و شیوه عملکرد الگوریتم GMDH چند جمله ای، پیاده سازی عملی و گام به گام این نوع از شبکه عصبی، به صورت کامل در محیط متلب انجام شده است. در ادامه نیز، با استفاده از برنامه نوشته شده برای ایجاد ساختارهای GMDH، مسائل مختلفی در حوزه های متعدد حل و بررسی شده اند. |
|
آموزش برآورد مدل اقتصادسنجی ARDL با نرم افزار Eviews و Microfit
مدرس: دکتر سید محمد میرهاشمی نرم افزارهای EViews و میکروفیت (Microfit)، دو نرم افزار مهم در برآورد مدل های اقتصادسنجی هستند. در نرم افزار EViews می توان با استفاده از داده های مقطعی، سری زمانی و همچنین پانلی به برآورد مدل های اقتصادسنجی پرداخت و این در حالی است که نرم افزار میکروفیت یک نرم افزار تخصصی برای داده های سری زمانی است. با توجه به اینکه یکی از مدل های پرکاربرد در داده های سری زمانی، مدل خودرگرسیونی با وقفه های توزیعی (ARDL) است، توانایی برآورد این مدل ها در نرم افزارهای Eviews و میکروفیت می تواند اهمیت فراوانی برای دانشجویان و محققان داشته باشد. در این آموزش به مخاطبان آموزش داده می شود که برای برآورد یک مدل ARDL چه آزمون هایی قبل و بعد از برآورد مدل باید انجام شود. ضمن اینکه با برآورد مدل ARDL در دو نرم افزار EVeiws و Microfit محققان می توانند چگونگی برآورد این مدل را در این دو نرم افزار پرکاربرد با یکدیگر مقایسه کنند. |
|
آموزش رگرسیون یا Regression
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس جامع رگرسیون یا Regression، پس از مرور کلی بر مفاهیم رگرسیون و مدل سازی، تعدادی از روش های پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند. |
|
آموزش شناسایی سیستم و مدل سازی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک
مدرس: دکتر سید مصطفی کلامی هریس سیستم دینامیکی غیر خطی که در این فرادرس مورد بررسی قرار گرفته است، مدل شکار و شکارچی یا Predator-Prey Model است. این مدل کاربردهای فراوانی در حوزه مهندسی زیست-پزشکی (Biomedical Engineering) و اقتصاد (Economics) دارد. مدل های دینامیکی توصیف کننده رفتار دینامیکی بیماری هایی نظیر ایدز، هپاتیت و سرطان از توسعه مدل شکار و شکارچی به دست آمده اند. برای توصیف بازار رقابتی و مدل سازی چرخه عرضه و تقاضا نیز از مدل شکار و شکارچی استفاده های فراوانی شده است. |
|
آموزش درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس، دانشجویان عزیز، با مباحث مختلف درونیابی توابع شعاعی پایه یا RBF با الگوریتم رقابت استعماری آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، مبانی مدل سازی و برازش منحنی، پیاده سازی مسأله مدل سازی RBF، نمایش گرافیکی نتایج حاصل از حل مسأله مدل سازی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. |
|
آموزش درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب
مدرس: دکتر سید مصطفی کلامی هریس فرادرس درون یابی، تقریب تابع، و برازش منحنی و سطح در متلب، ششمین بخش از مجموعه فرادرس های متلب برای علوم و مهندسی است. در این فرادرس، دانشجویان عزیز، با مباحث مختلف درون یابی، تقریب تابع، و برازش منحنی و سطح آشنا می شوند. سرفصل هایی که در این آموزش به آن پرداخته می شود، برازش منحنی با استفاده از چند جمله ای، درون یابی یک متغیره، برازش منحنی و ... می باشد. نقطه قوت این آموزش این است که به طور کامل به توضیح مباحث مربوطه پرداخته شده است و آموزش توسط یکی از بهترین مدرسین متخصص در این زمینه، انجام شده است. |
|
آموزش شبکه های عصبی پرسپترون چند لایه یا MLP در متلب
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس قصد داریم جامع شبکه های عصبی پرسپترون چند لایه یا MLP در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی MLP، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. |
|
آموزش شبکه های عصبی شعاعی پایه یا RBF در متلب
مدرس: دکتر سید مصطفی کلامی هریس در این آموزش قصد داریم فرادرس جامع شبکه های عصبی RBF در متلب را معرفی کنیم که در آن علاوه بر مرور تئوری ها مربوط به شبکه های عصبی مبتنی بر توابع شعاعی پایه یا RBF، پیاده سازی عملی این نوع شبکه ها در محیط متلب نیز به طور کامل، مورد بررسی قرار گرفته است. برنامه هایی که در این فیلم پیاده سازی شده اند، به حل مسائل تخمین و تقریب توابع (Function Approximation) و پیش بینی سری های زمانی (Time-Series Prediction) اختصاص دارند. |
|
آموزش برازش منحنی و مدل سازی با استفاده از الگوریتم PSO
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس شیوه اضافه کرد عمل جهش (Mutation) به الگوریتم PSO توضیح داده شده است. به این الگوریتم اصطلاحا Enhanced PSO یا به اختصار EPSO گفته می شود. به دلیل این که مسأله برازش منحنی یک مسأله بهینه سازی پیوسته است، لذا از جهش برای محیط های پیوسته، که به صورت توزیع نرمال (گوسی) تعریف شده است، در ساختار EPSO استفاده شده است. |
|
آموزش طراحی و پیاده سازی سیستم استنتاج عصبی-فازی تطبیقی یا ANFIS در متلب
مدرس: دکتر سید مصطفی کلامی هریس در این فرادرس، ابتدا به مرور مفاهیم یادگیری و مدل سازی پرداخته می شود و سپس رویکرد کلی برای طراحی سیستم فازی تطبیقی ارائه می شود. در ادامه با معرفی ساختار شبکه ای ANFIS نحوه عملکرد این سیستم، مورد بحث و بررسی قرار می گیرد. |
|
آموزش روش های کاهش مرتبه مدل های دینامیکی خطی در متلب
مدرس: دکتر سید مصطفی کلامی هریس در فرادرس روش های کاهش مرتبه مدل های دینامیکی خطی در متلب، ابزارهای و امکاناتی که در تولباکس (جعبه ابزار) مهندسی کنترل نرم افزار متلب برای کاهش مرتبه مدل های دینامیکی خطی تعبیه شده اند، به صورت کاملا عملی مورد بررسی قرار گرفته اند و نکات مهمی در خصوص استفاده از این ابزارها در کاربردهای عملی، ارائه شده اند. |
موضوعات آموزشی مرتبط
به همراه دهها آموزش دیگر مرتبط با مجموعه آموزش مدل سازی، برازش و تخمین
برای مشاهده آموزش های مرتبط دیگر، در میان بیش از ده هزار ساعت آموزش منتشر شده در فرادرس، جستجو کنید ...
فرادرس در رسانه ها و جشنواره ها
