| 1 |
جایگاه درس در برنامه درسی دوره |
درس اختیاری دوره دکتری برای دانشجویان گرایش آبیاری زهکشی و سازه های آبی |
| 2 |
هدف کلی |
آشنایی دانشجویان دکتری با روش های مدل سازی هوش مصنوعی و بهینه سازی |
| 3 |
شایستگی های پایه |
آشنایی با مفاهیم پایه مدلسازی |
| 4 |
اهداف یادگیری |
یادگیری انجام مدل سازی داده مبنا (یادگیری ماشین) با مدل های هوش مصنوعی نظیر انواع شبکه عصبی و بهینه سازی مسائل مهندسی |
| 5 |
روش تدریس |
تدریس به صورت تئوری و عملی و پروژه محور |
| 6 |
وظایف دانشجو |
انجام تمرین ها و پروژه های داده شده با داده های واقعی |
| 7 |
مواد و امکانات آموزشی |
کامپیوترهای مجهز به نرم افزار متلب و اکسل |
| 8 |
نحوه ارزشیابی |
بر اساس تمرینها و پروژه ها و امتحان نهایی |
| 9 |
منبع |
|
| 10 |
سیاست استفاده از هوش مصنوعی در درس |
موارد زیر برای دانشجویان شرح داده خواهد شد:
1- موارد مجاز: توضیح در مورد شرایط و موقعیتهایی که استفاده از ابزارهای هوش مصنوعی - مانند ابزارهای ترجمه، بهبود نگارش، تحلیل داده و غیره - مجاز شمرده میشود.
2- موارد غیرمجاز: بیان موقعیتهایی که استفاده از این ابزارها خلاف مقررات آموزشی محسوب شده و تخلف آموزشی به حساب میآید؛ مانند انجام تکالیف یا پروژهها بهطور کامل توسط ابزار هوش مصنوعی.
3- شفافیت و استناد: تأکید بر لزوم اعلام صریح استفاده دانشجو از این ابزارها، در صورت بهکارگیری در انجام تکالیف یا پژوهشها.
4- رعایت اصول اخلاقی و امانتداری علمی: یادآوری اینکه استفاده از ابزارهای هوش مصنوعی نباید جایگزین خلاقیت و تلاش فردی دانشجو شود، بلکه باید به عنوان ابزار کمکی به کار رود. |