1 |
معرفی درس و نحوه تدریس - مقدمه |
|
2 |
مدلهای عددی، استوکستیک، مدلهای دادهمبنا |
|
3 |
آموزش مقدماتی MATLAB |
|
4 |
آموزش مقدماتی MATLAB |
|
5 |
آموزش مقدماتی Python |
|
6 |
آموزش مقدماتی Python |
|
7 |
آموزش مقدماتی Python |
|
8 |
پیاده سازی پروژه مدل شبکه عصبی (regression+Giovanni Database) |
|
9 |
پیاده سازی پروژه مدل شبکه عصبی (ERA5/Prism+Regression) |
|
10 |
طبقهبندی توسط مدلهای داده مبنا |
|
11 |
طبقهبندی توسط مدلهای داده مبنا |
|
12 |
آشنایی با SQL |
|
13 |
آشنایی با SQL |
|
14 |
آشنایی با SQL |
|
15 |
دادهکاوی و دادهپردازی |
|
16 |
دادهکاوی و دادهپردازی |
|
17 |
پیاده سازی مدل استوکستیک (Hydrus+MATLAB) |
|
18 |
پیاده سازی مدل استوکستیک (Hydrus+MATLAB) |
|
19 |
آشنایی با QGIS + Model Builder |
|
20 |
آشنایی با QGIS + Model Builder |
|
21 |
بهینه سازی و یا یادگیری تقویتی |
|
22 |
آشنایی با یادگیری عمیق (Deep Learning) |
|
23 |
ارائه کلاسی |
|
24 |
سخن پایانی |
|