فرادرس
اسماعیل آتشپز گرگری

اسماعیل آتشپز گرگری

  • عضو هیأت علمی دانشگاه National - ایالات متحده آمریکا
  • دکترای تخصصی مهندسی برق
  • دانشگاه تگزاس A&M آمریکا

دکتر اسماعیل آتشپز گرگری دانش آموخته دکتری مهندسی برق از دانشگاه Texas A&M است. ایشان سابقه همکاری با مراکز طراز اول بیوانفورماتیک، پردازش سیگنال های ژنومیک و کار در لبه علم و تکنولوژی این حوزه را دارند. ایشان در حال حاضر به عنوان عضو هیات علمی در دانشگاه National در ایالات متحده آمریکا به تدریس و پژوهش مشغول هستند.

الگوریتم رقابت استعماری که به عنوان الگوریتم بهینه سازی مبتنی بر مدل سازی روند بر هم کنش میان کشورها در فرایند استعمار که با چندین هزار بار ارجاع، استفاده مستقیم و مستقل در مقالات و پایان نامه ها، یکی از الگوریتم های شناخته شده حوزه بهینه هوشمند به حساب می آید، توسط ایشان معرفی شده است.

علایق پژوهشی حال حاضر ایشان در زمینه بازشناسی الگو، تخمین خطا و پردازش سیگنال های ژنومیک است.

سوابق تحصیلی

مقطع تحصیلی رشته تحصیلی دانشگاه / موسسه آموزشی
دکترای تخصصی مهندسی برق دانشگاه تگزاس A&M آمریکا
کارشناس ارشد مهندسی برق-کنترل دانشگاه تهران
کارشناسی مهندسی برق-الکترونیک دانشگاه تبریز
دانشجویان۱۳,۸۸۴ دانشجو
حضور دانشجویان در کلاس۲/۸ میلیون دقیقه
مدت زمان آموزش‌ها۶۳۳ دقیقه
تعداد آموزش‌ها۶ عنوان آموزشی

تعلیم این تعداد دانشجو در نظام آموزشی رایج، نیازمند حداقل ۱۸ سال فعالیت آموزشی است.

آموزش‌ها

1

آموزش انتخاب ویژگی یا Feature Selection

در این فرادرس، در شروع بحث، مفاهیم پایه مرتبط با کاهش ابعاد (استخراج و انتخاب ویژگی) را با هم مرور خواهیم کرد. تمرکز ما در این بحث بر روی روش های انتخاب ویژگی خواهد بود و روش های استخراج ویژگی از آن جهت که در فرادرس دیگری به صورت مفصل مورد بررسی قرار گرفته اند، محور بحث نخواهند بود.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۱ ساعت و ۴۶ دقیقه
یادگیری را شروع کنید
2

آموزش تخمین خطای طبقه بندی یا Classifier Error Estimation

تخمین خطای کلاسیفایر (Classifier Error Estimation) اگر مهم ترین بخش طراحی یک کلاسیفایر (Classifier - طبقه بندی کننده) نباشد، قطعا یکی از مهم ترین قسمت های این فرایند است. به عنوان مثال فرایند انتخاب ویژگی (Feature Selection) بدون داشتن یک تخمین گر خطا (Error Estimator) مناسب یک روند عبث خواهد بود. به خاطر همین اهمیت بسیار بالا، در این فرادرس ما به موضوع تخمین خطای کلاسیفایر می پردازیم و در طی آن روش هایی همانند: تخمین گر Resubstitution، تخمین گر Cross-Validation، تخمین گر Leave-One-Out، تخمین گر Bootstrap را مورد بررسی قرار داده و نقاط ضعف و قوت هر یک را بیان می کنیم.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۱ ساعت و ۴۹ دقیقه
یادگیری را شروع کنید
3

‫آموزش شاخص های هدف گذاری و ارزیابی وضعیت پژوهشی‬‎‬‎

با توسعه و پیشرفت علمی و نیز در دسترس قرار گرفتن داده ها و ابزارهای «کمی سازی کیفیت پژوهش»، استفاده از شاخص های ارزیابی وضعیت و موفقیت پژوهشی، روز به روز اهمیت بیشتری پیدا می کند. این شاخص ها تلاش می کنند تا دیدی خلاصه و کمی سازی شده از وضیعت پژوهشی یک مجموعه پژوهشی و یا یک پژوهشگر را ارائه نمایند. به گونه ای که اندیس هایی همانند: اندیس h یا (h-index) و اندیس g یا (g-index) با تقریب خوبی می توانند موفقیت پژوهشی یک پژوهشگر و یا یک مجموعه پژوهشی را نشان دهند.

در این فرادرس می خواهیم نگاهی به پر استفاده ترین شاخص های ارزیابی وضعیت پژوهشی و نحوه محاسبه آن ها داشته باشیم و نقاط قوت و ضعف هر اندیس را بررسی کنیم.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۲ ساعت و ۳۴ دقیقه
یادگیری را شروع کنید
4

آموزش شیوه ارائه علمی

متاسفانه در کنار اهمیت آشنایی با روش های اصولی ارائه علمی، به این موضوع در دانشگاه های کشور به میزان کافی پرداخت نمی شود و دانش محدود دانشجویان در این موضوع نیز نه در طی یک فرایند آموزشی مدون، که بر مبنای سعی و خطا به دست می آید. این موضوع باعث می شود که در موارد متعددی، نتایج علمی به دست آمده توسط دانشجویان و پژوهشگران، در حاشیه و در سایه یک ارائه ضعیف مانده و دیده نشوند. فرادرس «اسلوب و شیوه ارائه علمی»، دقیقا بر همین موضوع تمرکز دارد. این فرادرس می خواهد مباحث پایه و اساسی مرتبط با ارائه علمی را به ساده ترین حالت ممکن بررسی نماید و نکاتی را مطرح نماید که رعایت آن ها، اثر بسیار زیادی بر روی کیفیت ارائه آثار علمی خواهد داشت.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۲ ساعت و ۴۶ دقیقه
یادگیری را شروع کنید
5

آموزش پیاده سازی و برنامه نویسی الگوریتم ازدحام ذرات (PSO) گسسته باینری

این فرادرس به گونه ای تهیه شده است که در کنار ارائه کاربردی و برنامه نویسی عملی الگوریتم گسسته ازدحام ذرات، آن را با زبان ساده برای افراد مبتدی نیز مفید می کند. استفاده از این فرادرس نیاز به داشتن هیچ پیش نیازی ندارد. تنها آشنایی با زبان برنامه نویسی متلب برای درک بخش آموزش برنامه نویسی آن توصیه می شود.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۱ ساعت و ۴۰ دقیقه
یادگیری را شروع کنید
6

مجموعه آموزش های کاربردی شبکه های عصبی مصنوعی

مجموعه فرادرس های شبکه عصبی، شامل پنج فرادرس در زمینه شبکه های عصبی مصنوعی و کاربردهای آن ها، حتما یکی از بهترین انتخاب های علمی شما برای ورود به این حوزه علمی خواهد بود. آینده در هر حوزه ای در دست آن هایی است که نگاهی رو به جلو در محور زمان دارند.

مدرس: دکتر اسماعیل آتشپز گرگری مدت زمان آموزش: ۸ ساعت و ۳۸ دقیقه
یادگیری را شروع کنید