برنامه درسی
لیست برنامه های درسی
| عنوان | داده‌کاوی |
|---|---|
| مقطع تحصیلی | کارشناسی ارشد |
| زمان برگزاری | دوشنبه ساعت 10-12 |
| مکان برگزاری | ساختمان 11- گروه علوم کامپیوتر کلاس C |
| تعداد واحد | ۲ |
| منابع | لطفا به فایل پیوست مراجعه شود. |
| فایل پیوست اول | tarh-data-mining.doc |
| طرح درس | لطفا به فایل پیوست مراجعه شود. |
| عنوان | داده‌کاوی |
|---|---|
| مقطع تحصیلی | کارشناسی ارشد |
| زمان برگزاری | یکشنبه ساعت 8-10 هفته زوج و سه شنبه ساعت 10-12 |
| مکان برگزاری | ساختمان 11 گروه علوم کامپیوتر کلاس C |
| تعداد واحد | ۳ |
| منابع | J. Han and M. Kamber. Data Mining: Concepts and Techniques, Morgan Kaufmann, 3rd ed., 2011 |
| فایل پیوست اول | tarh-data-mining.doc |
| طرح درس | لطفا به فایل پیوست مراجعه شود. |
| عنوان | مبانی نظریه محاسبه |
|---|---|
| مقطع تحصیلی | کارشناسی |
| زمان برگزاری | یکشنبه ساعت 10-12 و سه شنبه ساعت 10-12 هفته زوج |
| مکان برگزاری | ساختمان 11 گروه علوم کامپیوتر کلاس B |
| تعداد واحد | ۳ |
| فایل پیوست اول | tarh-atomata.docx |
| طرح درس | لطفا به فایل پیوست مراجعه شود. |
| عنوان | مبانی نظریه محاسبه |
|---|---|
| مقطع تحصیلی | کارشناسی |
| مکان برگزاری | علوم کامپیوتر ساختمان 11 |
| تعداد واحد | ۳ |
| پیش نیاز درس | ساختمان داده‌ها و الگوریتم‌ها |
| نحوه ارزیابی | فعالیت کلاسی 10% تکالیف 10% کوِئیز 10% امتحان 70% |
| زمان بندی و نحوه ارائه درس | به پیوست مراجعه شود |
| منابع | Languages and machines: an introduction to the theory of computer science (Thomas A. Sudkamp) |
| فایل پیوست اول | atomata.docx |
| طرح درس | به پیوست مراجعه شود |
| هدف از طرح درس | این درس درباره جنبه‌های نظری رشته کامپیوتر است و ارتباط بین مسایل و زبان‌ها را مشخص می‌کند. مباحث مورد بررسی شامل مدل‌های مختلف محاسباتی، توانایی محاسباتی این مدل‌ها، بیان رسمی مدل‌ها و گرامرها، خواص محاسبتی آن‌ها و کاربردهای آن‌ها است. |
| عنوان | داده‌کاوی |
|---|---|
| مقطع تحصیلی | کارشناسی ارشد |
| مکان برگزاری | علوم کامپیوتر ساختمان 11 |
| تعداد واحد | ۳ |
| پیش نیاز درس | هوش مصنوعی |
| نحوه ارزیابی | فعالیت کلاسی 10% تمرین‌های کلاسی 10% سمینار 20% پایان ترم 60% |
| زمان بندی و نحوه ارائه درس | به پیوست مراجعه شود |
| فایل پیوست اول | data mining.doc |
| طرح درس | به پیوست مراجعه شود |
| هدف از طرح درس | داده کاوی، ابزار مناسبی را برای تجزیه و تحلیل اطلاعات و کشف و استخراج روابط پنهان در مجموعه‌های داده‌ای سنگین فراهم می نماید. |
| عنوان | هوش مصنوعی |
|---|---|
| مقطع تحصیلی | کارشناسی |
| مکان برگزاری | علوم کامپیوتر ساختمان 11 |
| تعداد واحد | ۳ |
| پیش نیاز درس | برنامه سازی پیشرفته، ساختمان داده‌ها، منطق |
| نحوه ارزیابی | فعالیت کلاسی 10% تکالیف و پروژه 30% امتحان 60% |
| زمان بندی و نحوه ارائه درس | به پیوست مراجعه شود. |
| فایل پیوست اول | AI.doc |
| طرح درس | به پیوست مراجعه شود. |
| هدف از طرح درس | آشنایی با هوش مصنوعی و جنبه هایی از هوشمندی نظیر حل مساله، توانایی ذخیره دانش و استنتاج و برنامه ریزی. |
| عنوان | داده‌کاوی |
|---|---|
| مقطع تحصیلی | دکترای تخصصی |
| مکان برگزاری | علوم کامپیوتر |
| تعداد واحد | ۳ |
| پیش نیاز درس | هوش مصنوعی |
| نحوه ارزیابی | تکالیف و فعالیت کلاسی 20% سمینار کلاسی 20% پایان ترم 60% |
| زمان بندی و نحوه ارائه درس | به پیوست مراجعه شود |
| فایل پیوست اول | data mining.doc |
| طرح درس | به پیوست مراجعه شود |
| هدف از طرح درس | داده کاوی، ابزار مناسبی را برای تجزیه و تحلیل اطلاعات و کشف و استخراج روابط پنهان در مجموعه‌های داده‌ای سنگین فراهم می نماید. |
| عنوان | مباحث ویژه در محاسبات نرم |
|---|---|
| مقطع تحصیلی | کارشناسی ارشد |
| مکان برگزاری | علوم کامپیوتر |
| تعداد واحد | ۳ |
| پیش نیاز درس | هوش مصنوعی |
| منابع | Witold Pedrycz,Granular Computing: Analysis and Design of Intelligent Systems, CRC Press, 2018. |
| فایل پیوست اول | mabahes.doc |
| طرح درس | به پیوست مراجعه شود. |
| هدف از طرح درس | به پیوست مراجعه شود |