| 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 |
|