كارگاه داده‌كاوي و همايش معادلات ديفرانسيل در اصفهان برگزار مي‌شود

كارگاه داده‌كاوي و همايش معادلات ديفرانسيل در اصفهان برگزار مي‌شود

كارگاه آموزشي داده‌كاوي و هشتمين همايش ديفرانسيل، سيستم‌هاي ديناميكي و كاربردهاي آن خرداد و تيرماه در دانشگاه صنعتي اصفهان برگزار مي‌شود.

به گزارش روز چهارشنبه روابط عمومي دانشگاه صنعتي اصفهان، دكتر"حميدرضا ظهوري" دبير اين همايش گفت: اين نشست با هدف تبادل نظر علمي محققان علوم رياضي و مهندسي هر دو سال يك بار برگزار و پيش بيني مي‌شود حدود ‪ ۲۰۰‬محقق داخلي و خارجي در آن شركت كنند.

وي افزود: در برگزاري اين همايش دانشگاههاي صنعتي اصفهان، شريف و انجمن رياضي مشاركت دارند و مجموعه مقالات ارائه شده در آن به عنوان ويژه‌نامه در بولتن انجمن رياضي ايران چاپ مي‌شود.

وي تصريح كرد:علاقه‌مندان به شركت در اين نشست مي‌توانند مقالات خود را تا ‪ ۱۱‬خرداد ماه به آدرس اينترنتي ‪ http://deds8.math.iut.ac.ir‬ارسال كنند.

همچنين"محمد روزبه"دبير كارگاه آموزشي داده‌كاوي نيز گفت: اين كارگاه با همكاري‌مركز كارآفريني دانشگاه صنعتي‌اصفهان و شهرك علمي و تحقيقاتي اصفهان از ‪ ۳۱‬ارديبهشت تا دوم خرداد برگزار مي‌شود.

وي افزود: دراين كارگاه، " غلامرضا نخعي‌زاده " استاد دانشگاه" كالسروهه" آلمان كه مدير سابق دپارتمان داده‌كاوي شركت مرسدس بنز بوده، طي سه روز تجربيات علمي خود را در اختيار شركت‌كنندگان در اين كارگاه قرار مي‌دهد.

وي تصريح كرد: علاقه‌مندان به‌شركت دراين كارگاه تا ‪ ۲۰‬ارديبهشت مي‌توانند درخواست خود را به پايگاه اينترنتي ‪ www.ep-dm.com‬ارائه كنند.

منبع : irna.ir

 

 

معرفی موسسه پژوهشی داده پردازان گیتا

معرفی موسسه پژوهشی داده پردازان گیتا

سایت موسسه : http://www.gitadatamining.com

موسسه پژوهشی داده پردازان گیتا در سال 1383 بعنوان اولین موسسه پژوهشی تخصصی در زمینه داده کاوی در ایران توسط آقای دکتر جمال شهرابی عضو هیات علمی دانشکده مهندسی صنایع دانشگاه صنعتی امیرکبیرو با همکاری جمعی از فارغ التحصیلان مهندسی صنایع دانشگاه، با هدف بسط، گسترش و بکارگیری دانش نوین داده کاوی در کشور تاسیس گردید.
برگزاری سمینارها و دوره های آموزشی، کنفرانسهای ملی و بین المللی، اجرای پروژه های پژوهشی داده کاوی در موسسات، وزارتخانه ها و سازمان های کشور و چاپ کتب مرتبط از جمله فعالیتهای موسسه پژوهشی داده پردازان گیتا می باشد.
موسسه پژوهشی داده پردازان گیتا با همکاری موسسات و دانشگاههای معتبر خارج از کشور تلاش دارد که در جهت نشر و گسترش تکنولوژیهای نوین در کشور گام بردارد. برخی از محورهای تخصصی پژوهشی موسسه عبارتند از:
- داده کاوی Data Mining
- داده کاوی مکان محور در سیستمهای اطلاعات جغرافیایی Spatial Data Mining
- طراحی سیستمهای مکان یابی و مسیریابی Location and Routing Analysis Systems
- تحقیقات بازار Market Research
- آنالیز های چند متغیره داده Multivariate Data Analysis
از جمله دستاوردهای موسسه پژوهشی داده پردازان گیتا انجام چندین پروژه موفق در کشور، انتشار چندین عنوان کتاب و انتشار چندین مقاله علمی در نشریات و کنفرانسهای معتبر علمی جهان می باشد.
معرفی و طرح موضوع داده کاوی در کشور و ابتکار برگزاری کنفرانس داده کاوی ایران و برگزاری کارگاه های آموزشی تخصصی داده کاوی که برای اولین بار بصورت چند رسانه ای و بصورت کاملا حرفه ای برگزار میگردد از جمله دستاورد های اخیر موسسه پژوهشی داده پردازان گیتا میباشد.

 

زمينه هاي کاري و تحقيقاتي رشته مهندسي کامپيوتر ( مهندسی نرم افزار )

زمينه هاي کاري و تحقيقاتي رشته مهندسي کامپيوتر ( مهندسی نرم افزار )

سيستم هاي عامل (Operating Systems)

سيستم عامل برنامه ايست که بر روي يک سيستم سخت افزاري (مثل کامپيوتر) قرار مي گيرد و وظيفه آن عبارت است از ايجاد ارتباط بين نرم افزار ها و قسمت هاي مختلف سخت افزاري و همچنين مديريت و کنترل قسمت هاي مختلف سيستم.

·  اتوماسيون اداري (Office Automation)

اتوماتيک کردن روند فعاليت هاي يک اداره، موسسه يا سازمان بوسيله کامپيوتر.

· برنامه نويسي همروند (Concurrent Programming)

به وجود آوردن امکان اجراي همزمان چند برنامه در کامپيوتر و مديرت آنها.

· الگوريتم هاي موازي (Parallel Algorithms)

شکستن يک الگوريتم به قسمت هايي که مي توانند به صورت همزمان توسط چند پردازنده (چند کامپيوتر) انجام شوند، به منظور افزايش سرعت اجراي الگوريتم.

·   طراحي و ساخت کامپايلرها (Design & Implementation of Compilers)

کامپايلرها (در حالت خاص) برنامه هايي هستند که زبانهاي برنامه نويسي را به زبان کامپيوتر تبديل مي کنند.

·  شبيه سازي کامپيوتري (Computer Simulation)

شبيه سازي يک پديده خارجي در کامپيوتر با استفاده از قوانين (رياضي) حاکم بر آن پديده.

·  گرافيک کامپيوتري (Computer Graphics)

 ·  محاسبات عددي (Numerical Methods of Calculation)

انجام محاسبات رياضي (نظير مشتق گيري، انتگرال گيري، بدست آوردن ريشه معادلات، حل معادلات ديفرانسيل) بوسيله محاسبات تخميني (به جاي روشهاي نمادين و کلاسيک) مي توان گفت اين روش از جهت در مقابل شاخه محاسبات نمادين قرار دارد. (به قسمت هوش مصنوعي رجوع کنيد)

3.  علوم کامپيوتر (Computer Science)

· ساختمان هاي گسسته (Discrete Structures)

اين مبحث، شامل همان مطالبي است که در دبيرستان با عنوان رياضيات گسسته مي خوانديد. البته در اين مبحث مطالب رياضيات گسسته به صورت گسترده تر و مرتبط تر با علوم کامپيوتر و الگوريتم نويسي گفته مي شود. همانطور که رياضيات پيوسته (حساب ديفرانسيل) پايه و اساس رشته هايي مانند مکانيک، برق و الکترونيک و... را تشکيل مي دهد، رياضيات پيوسته پايه و اساس علوم کامپيوتر و نرم افزار است. مطالبي که در آن مطرح مي شوند عبارتند از: منطق رياضي، گزاره ها، نظريه مجموعه ها، (استنتاج، استقرا، برهان خلف، اصل لانه کبوتر و...)، رابطه ها، نظريه گراف، درخت ها، توابع، روابط بازگشتي، اصول شمارش، احتمالات و... که تمام اين مطالب در قسمت هاي مختلف علوم کامپيوتر کاربردهاي زيادي دارند.

·  ساختمان داده ها (Data Structures)

شناخت و بوجود آوردن ساختارهايي در الگوريتم هاي کامپيوتري کاربرد هاي خاصي دارند.

· طراحي الگوريتم ها (Design of Algorithms)

روشهاي طراحي الگوريتم هاي بهينه، اثبات درست بودن (يا بهينه بودن) آنها بوسيله روشهاي رياضي، و محاسبه (يا تخمين) زماني که طول مي کشد تا يک الگوريتم وظيفه اي خاص را انجام دهد. همچنين آشنايي با انواع مختلف الگوريتم ها براي حل مساله.

· نظريه زبانها و ماشين ها (Theory of Languages & Automata)

 ·   نظريه محاسبات (Theory of Computation)

در حقيقت اين مبحث پس از بحث نظريه زبانها و ماشين ها مطرح مي گردد. در اين مبحث مدلهاي و روشهاي مختلف محاسبات (Computation) مورد مطالعه قرار مي گيرد. همچنين محدوديت هاي محاسبات (بوسيله الگوريتم هاي کامپيوتري) مورد مطالعه قرار مي گيرد. براي مثال در اين مبحث مسايلي مطرح مي شود که ثابت مي شود براي حل آنها الگوريتم کامپيوتري وجود ندارد. يا براي برخي مسايل الگوريتمي وجود دارد ولي ثابت مي شود، هر چقدر هم که تکنولوژي کامپيوتر پيشرفت کند، اين مسايل براي حل شدن نياز به زمانهاي بسيار زياد (مثلا هزاران قرن) دارند.

  · نظريه بازي ها (Game Theory)

روشهايي براي انتخاب بهترين گزينه، در حالي که پيش روي ما عواملي وجود دارد که مانع رسيدن ما به اهدافمان مي شوند. در حالت خاص مي توان به انتخاب بهترين حرکت در يک بازي دو يا چند نفره اشاره کرد. (مثل بازي هاي شطرنج که با کامپيوتر انجام مي دهيد.)

·  نظريه گراف (Graph Theory)

مبحثي که به بررسي خصوصيات گرافها، مسايل و الگوريتم هاي مربوط به گرافها مي پردازد.

4.  هوش مصنوعي  (Artificial Intelligence)

·   يادگيري ماشين (Machine Learning)

روشهايي که کامپيوتر را قادر مي سازد عملي شبيه به يادگيري و  تجربه را در حين انجام مکرر يک عمل انجام دهد. يعني با توجه به اعمالي که دفعات قبل آنجام داده و بررسي نتايج آنها، سعي کند در دفعات بعدي اعمالي بهتر، مطلوب تر و با خطاي کمتر انجام دهد.

·  شبکه هاي عصبي (Neural Networks)

روش جديد حل مسايل در هوش مصنوعي بوسيله شبکه اي از واحد هاي متصل به هم (نورون ها) که هر کدام قابليت پردازش داده ها، ارتباط با نورون هاي ديگر و همچنين ايجاد تغييرات در مشخصات شبکه را دارند و اين اعمال را در جهت بهينه سازي عملکرد شبکه انجام مي دهند. شبکه هاي عصبي معمولا در مسايلي نظير بهينه سازي، تخمين توابع، کنترل و... کاربرد دارند.

· پردازش تکاملي ( Processing)

شاخه اي جديد از هوش مصنوعي که با در نظر گرفتن يک يا چند جواب اوليه براي يک مساله، بوجود آوردن جوابهاي جديد از جوابهاي موجود و انتخاب جوابهاي بهتر سعي مي کند يک جوابي نسبتا بهينه براي مساله بدست آورد. (براي مثال پيدا کردن ماکزيمم يک تابع چند متغيره که بدست آوردن ماکزيمم آن با روشهاي معمولي مانند مشتق گيري بسيار سخت است.)

· رباتيک (Robotics)

طراحي ربات هاي کامپيوتري (مکانيکي يا نرم افزاري) براي انجام وظيفه اي خاص. رشته هاي مختلفي مي توانند در اين زمينه درگير باشند مانند مهندسي برق و مکانيک. اما برنامه ريزي و هوشمند ساختن ربات ها به عهده مهندسان کامپيوتر است. براي هوشمند ساختن ربات ها از الگوريتم هاي هوش مصنوعي مانند يادگيري، پردازش تصاوير، تشخيص گفتار و... استفاده مي شود.

· منطق فازي (Fuzzy Logic)

تعميمي است از منطق کلاسيک که در آن بجاي به جاي دو مقدار درست و غلط (True & False) يا 0 و 1، درجه درستي داريم که مي تواند بين عددي صفر و يک باشد.

  ·  پردازش زبان طبيعي (Natural Language Processing)

قسمتي از هوش مصنوعي که به پردازش متون زبانهاي طبيعي (مانند زبان فارسي) مي پردازد تا معاني آنها را استخراج کند. شايد عمده ترين مشکل در اين شاخه از هوش مصنوعي مبهم بودن زبانهاي طبيعي باشد.

·  سيستم هاي خبره (Expert Systems)

سيستم هايي که بوسيله جمع آوري داده ها و قوانين در يک زمينه خاص مي توانند در آن زمينه مانند يک فرد خبره و متخصص عمل کنند. (مانند سيستمي که به طور خودکار عيب يک وسيله را تشخيص مي دهد و حتي مي تواند آن را تعمير کند.)

·  پردازش تصوير (Image Processing)

انجام عمليات مختلف روي يک تصوير به منظور بهتر کردن مشخصات آن يا استخراج اطلاعات مورد نياز از درون آن. (براي مثال خواندن شماره پلاک خودرو ها بوسيله عکس برداري از آنها)

· تشخيص گفتار (Speech Recognition)

ساختن سيستم هايي که گفتار افراد را از يک ورودي (مانند ميکروفن) مي گيرند و آن را تفسير مي کنند. (مثلا مي توانند آن را به متن تبديل کنند يا تعيين کنند اين صدا مربوط به چه فردي است.)

· محاسبات نمادين (Symbolic Calculation)

انجام محاسباتي رياضي (مانند مشتق گيري، انتگرال گيري، حل معادله ديفرانسيل) به صورت نمادين. براي مثال وقتي به کامپيوتر ورودي x² را بدهيد تا مشتق آن را حساب کند به شما در خروجي 2x را بدهد. در مقابل اين روش روشهاي عددي قرار دارد که مثلا در مثال بالا فقط مي تواند مشتق را در نقطه اي خاص (آنهم به صورت تخميني) حساب کند.

شبکه هاي کامپيوتري (Computer Networks)

·  طراحي، پيکربندي و پياده سازي شبکه هاي کامپيوتري

·   برنامه نويسي تحت شبکه و وب

·  تجارت الکترونيک (E-Commerce)

خريد و فروش و انجام مبادلات تجاري از طريق شبکه هاي کامپيوتري به خصوص اينترنت.

·امنيت شبکه (Network Security)

مبحثي که در آن روشهاي به وجود آوردن امنيت و محرمانگي داده ها و منابع در شبکه هاي کامپيوتري بررسي مي شود.

· سيستم هاي توزيع شده (Distributed Systems)

سيستم هايي که مشکل از چند کامپيوتر مي باشند که بوسيله شبکه هاي کامپيوتري به يکديگر متصل شده اند و با هماهنگي با يکديگر وظيفه واحدي را انجام مي دهند. (براي مثال پايگاههاي داده توزيع شده، سيستم هاي عامل توزيع شده و...)

منبع : http://engcomputer.mihanblog.com/More-189.ASPX