| 1 |
مروری بر انواع مدل ها و تفکر استفاده از آنها، جایگاه مدل های داده مبنا در کنار سایر مدل ها |
|
| 2 |
شرح مراحل انجام فرآیند مدل سازی شامل پیش پردازش داده ها، واسنجی، صحت سنجی و اعتبار سنجی مدل ها |
|
| 3 |
شرح انواع شاخص های ارزیابی مدل ها در مراحل واسنجی، صحت سنجی و اعتبار سنجی |
|
| 4 |
مدل سازی خطی با استفاده از مدل رگرسیون یک و چند متغیره |
|
| 5 |
انجام یک پروژه عملی با استفاده از نرم افزارهای متلب و اکسل برای انواع مدل سازی خطی |
|
| 6 |
معرفی روش های مدلسازی غیرخطی و مدل سازی غیر خطی تک متغیره با استفاده از متلب و اکسل |
|
| 7 |
معرفی مدل های مبتنی بر هوش مصنوعی و تفکر ساختاری آنها |
|
| 8 |
معرفی روش های پیش پردازش داده ها برای ورود به شبکه های عصبی مصنوعی |
|
| 9 |
اجرای روش های پیش پردازش داده ها بر اساس داده های واقعی با نرم افزار متلب |
|
| 10 |
ارائه مدل پایه ای شبکه عصبی مصنوعی: آشنایی با ساختار |
|
| 11 |
آموزش روش مدل سازی با شبکه عصبی مصنوعی در متلب با داده های واقعی |
|
| 12 |
ارائه مدل شبکه عصبی با تنظیمات و ساختار پیشرفته |
|
| 13 |
آموزش کدنویسی شبکه عصبی پیشرفته در متلب |
|
| 14 |
آموزش اجزای یک مسئله بهینه سازی و انواع مسائل بهینه سازی |
|
| 15 |
آموزش بهینه سازی با الگوریتم ژنتیک |
|