برنامه درسی

لیست برنامه های درسی

عنوان محاسبات آماری
مقطع تحصیلی کارشناسی
زمان برگزاری شنبه 12-10 و دوشنبه 12-10 (هفته های زوج)
مکان برگزاری دانشکده ریاضی، آمار و علوم کامپیوتر، گلاس 203
تعداد واحد ۳
پیش نیاز درس

طرح آزمایش های 1

روش های عددی و شبیسه سازی

نحوه ارزیابی

امتحان میان ترم: 6 نمره، پروژه 4 نمره، امتحان نهایی: 10 نمره

روش تدریس

روش تدریس این درس بوسیله اسلاید و آموزش برخط با انجام مثال ها و کد نویسی با استفاده از نرم افزار R می باشد.

منابع

Ritzzo, M. L. Statistical Computing with R, Chapman &Hall, 2008

راهنمای نرم افزار R تالیف دکتر اسماعیلیان، انتشارات دانشگاه محقق اردبیلی

طرح درس

 

سرفصل مطالب و زمان بندی ارائه درس
هفته مبحث
1 آشنایی مقدماتی با R  و نحوه نصب آن
2 آشنایی با اشیائ R: بردارها و عامل ها
3 آشنایی با اشیائ R: ماتریس ها و آرایه ها
4 آشنایی با اشیائ R: لیست ها و دیتافریم
5 توابع ریاضی در R
6 حسابان در R: مشتق، انتگرال و ...
7 اعمال جبری روی اشیائ در R: معکوس ماتریسها، مقادیر ویژه، بردارهای ویژه و ...
8 توابع توزیع در R: محاسبه تابع چگالی، چندک ها، احتمالات توزیع ها، تولید اعداد تصادفی از توزیع ها
9 آزمون میان ترم
10 رسم نمودارهای آماری در R
11 آشنایی با بسته های نرم افزاری (پکیج ها) در R
12 آزمون فرض های پارامتری و ناپارامتری در R
13 رگرسیون و همبستگی در R
14 تحلیل واریانس در R
15 بهینه سازی در R
16 شبیه سازی در R

 

هدف از طرح درس

هدف از ارائه این درس کسب مهارت دانشجویان در استفاده از نرم افزار آماری R و ایجاد توانایی تحلیل داده به روش های آماری توسط این نرم افزار به وسیله دانشجویان می باشد.

عنوان مبانی علم داده ها
مقطع تحصیلی کارشناسی ارشد
زمان برگزاری یکشنبه 12-10 (هفته های زوج)، سه شنبه 12-10
مکان برگزاری دانشکده ریاضی، آمار و علوم کامپیوتر، کلاس 203
تعداد واحد ۳
پیش نیاز درس

ندارد

نحوه ارزیابی

میان ترم: 6 نمره، پروژه: 4 نمره، امتحان نهایی: 10 نمره

روش تدریس

سخنرانی، کار با نرم افزارهای R   و پایتون، پرسش و پاسخ و بحث مشارکتی

منابع

Blum, A., Hopcoft, J., & Kanan, R. (2017), Foundations of Data Science. Vorabversioneines Lehbuchs.

James, G., Witten, D. Hastie, T. & Tibshirani, R. (2023), An Introduction to Stattistical learning with Application in R. New Yourk: Springer

طرح درس
سرفصل مطالب و زمان بندی ارائه درس
هفته مبحث
1 مقدمه، تاریخچه و بیان کاربردها و ضرورت درس
2 آشنایی با مفاهیم و اصطلاحات علم داده
3 ارزیابی دقت مدل
4 رگرسیون لجستیک
5 روش های طبقه بندی
6 اعتبار سنجی متقابل
7 بوت استرپ
8 انتخاب و تنظیم مدل های خطی
9 آزمون میان ترم
10 روش های کاهش ابعاد
11 رگرسیون اسپلاین
12 مدل های تجمعی تعمیم یافته
13 مبانی درختان تصمیم
14 ماشین‌های بردار پشتیبان
15 یادگیری عمیق
16 یادگیری بدون نظارت

 

هدف از طرح درس

هدف این درس آشنایی اولیه با مباحث زیربنایی علم داده ها است که در فهم بنیادی دانشجویان از انواع داده ها و چگونگی مدیریت، اکتشاف، نمایش، پردازش و تحلیل آن ها است.

عنوان داده کاوی پیشرفته
مقطع تحصیلی دكتری تخصصی PhD
زمان برگزاری سه شنبه 10-8
مکان برگزاری دانشکده ریاضی، آمار و علوم کامپیوتر، کلاس 201
تعداد واحد ۴
پیش نیاز درس

ندارد

نحوه ارزیابی

آزمون های میان ترم و پایان ترم، پروژه

روش تدریس

سخنرانی، مباحثه و حل مثالهای عددی با نرم افزارهای R و پایتون

منابع

Han, J., Kamber, M., and Pei. J. (2011), Data mining: concepts and techniques, 3rd Ed. Morgan Kaufmann, USA

Hastie, T. and Tibshirani, R. (2009), The element of statistical learning: Data Mining, Inference and Prediction, 2nd Ed. USA

طرح درس
سرفصل مطالب و زمان بندی ارائه درس
هفته مبحث
1 مفهوم و اهمیت داده کاوی
2 فرآیند و فنون داده کاوی
3 کاربردها و چالش های داده کاوی
4 رابطه داده کاوی با آمار و یادگیری ماشین
5 تغییر مقیاس، تبدیل داده ها، بی واحد سازی و حذف نوفه
6 تشخیص داده های دورافتاده و نابهنجار (پرت)
7 تلخیص، فروکاهی بعد و دیداری سازی داده ها
8 فناوری مکعب داده
9 الگوهای متداول استخراج، مشارکتها و همبستگی ها
10 استخراج الگوی پیشرفته
11 طبقه بندی
12 تحلیل خوشه ای
13 خوشه بندی داده های با ابعاد بالا
14 خوشه بندی داده های شبکه
15 داده کاوی داده های پیچیده
16 تشخیص داده های پرت در داده های با ابعاد بالا

 

هدف از طرح درس

هدف این درس کشف دانش در دادگان ها (پایگاه داده ها) است.

توضیحات

توضیح: این در بصورت مشترک با دکتر ایمانی ارائه می شود

عنوان مباحث پیشرفته در آمار کاربردی
مقطع تحصیلی دكتری تخصصی PhD
زمان برگزاری یکشنبه 18-16 ، چهارشنبه 10-8
مکان برگزاری دانشکده ریاضی، آمار و علوم کامپیوتر، کلاس 201
تعداد واحد ۴
پیش نیاز درس

کنترل کیفیت آماری دوره کارشناسی آمار

نحوه ارزیابی

امتحانات میان ترم و پایان ترم، پروژه

روش تدریس

سخنرانی و حل مثالهای عددی با نرم افزارهای Minitab و R

منابع
Montgomery, D. C. (2019). Introduction to statistical quality control. John wiley & sons.
مقالات روز منتشر شده در زمینه طراحی نمودارهای کنترل
طرح درس
سرفصل مطالب و زمان بندی ارائه درس
هفته مبحث
1 فلسفه کنترل کیفیت آماری
2 مروری بر نمودارهای کنترل برای متغیرها
3 مروری بر نمودارهای کنترل برای وصفی ها
4 نمودارهای کنترل چند متغیره
5 نمودارهای کنترل ترکیبی (Synthetic)
6 نمودار کنترل تی-دو با اندازه نمونه متغیر
7 نمودار کنترل تی-دو با فاصله نمونه گیری متغیر
8 نمودار کنترل تی-دو با اندازه نمونه و فاصله نمونه گیری متغیر
9 آزمون میان ترم
10 طراحی های آماری و اقتصادی نمودارهای کنترل
11 طراحی آماری- اقتصادی نمودارهای کنترل
12 مدل اقتصادی دانکن
13 مدل اقتصادی لورنزن-ونس
14 مدل اقتصادی کاستا-رحیم
15 میانگین طول زمان چرخه در مدل اقتصادی بنرجی-رحیم
16 میانگین هزینه چرخه در مدل اقتصادی بنرجی-رحیم

 

هدف از طرح درس

هدف کلی این درس آشنایی با مباحث جدید آمار کاربردی است

توضیحات

این درس بر اساس امکانات و نیاز گروه ارائه می شود و سرفصل آن بر اساس مباحث مورد نیاز، توسط گروه مشخص می شود.