برنامه درسی

لیست برنامه های درسی

عنوان اصول سیستمهای عامل
مقطع تحصیلی کارشناسی
زمان برگزاری شنبه (14-16)* و دوشنبه (10-12)
مکان برگزاری گروه علوم کامپیوتر
تعداد واحد ۳
پیش نیاز درس

ساختمان داده ها

نحوه ارزیابی

- کوئیز (10%)

- آزمون میان ترم (20%)

 آزمون پایان ترم (70%)

روش تدریس

مباحث درس بر اساس کتاب درسی مرجع در طول ترم تدریس خواهد شد.

زمان بندی و نحوه ارائه درس

- شنبه 14-16 (یک هفته در میان)

- دوشنبه 10-12 (هر هفته)

منابع

Operating Systems: Internals and Design Principles

by: William Stallings

طرح درس
  • هفته اول: نگاهی به سخت افزار سیستم
  • هفته دوم: اهداف و وظایف سیستم عامل
  • هفته سوم: مدیریت فرآیندها
  • هفته چهارم: مدلسازی فرآیندها
  • هفته پنجم: زمان‌بندی پردازنده
  • هفته ششم: همگام‌سازی فرآیندها
  • هفته هفتم: انحصار متقابل
  • هفته هشتم: انحصار متقابل - استفاده از سمافور و ناظر
  • هفته نهم: مدیریت بن بست
  • هفته دهم: الگوریتمهای حل مشکل بن بست
  • هفته یازدهم: مدیریت حافظه اصلی
  • هفته دوازدهم: مدیریت حافظه - بخش بندی
  • هفته سیزدهم: مدیریت حافظه - صفحه بندی و قطعه بندی
  • هفته چهاردهم: مدیریت حافظه ثانویه
  • هفته پانزدهم: زمانبندی فرآیندها
  • هفته شانزدهم: الگوریتمهای زمانبندی
هدف از طرح درس

هدف از ارائه این درس، آشنائی با اصول و مفاهیم سیستم عامل به عنوان مهمترین نرم افزار سیستمی قابل اجرا بر روی کامپیوتر می باشد. مرور وظایف و تاریخچه تکامل سیستم عاملها، اجزاء سیستم عامل و واحدهای مختلف آن برای مدیریت فرآیندها و اجزاء سخت افزار کامپیوترها جزء مباحث اصلی این درس می باشد.

عنوان هوش مصنوعی پیشرفته
مقطع تحصیلی کارشناسی ارشد
زمان برگزاری شنبه (10-12)* و یکشنبه (10-12)
مکان برگزاری گروه علوم کامپیوتر
تعداد واحد ۳
پیش نیاز درس

هوش مصنوعی

نحوه ارزیابی

- پروژه های برنامه نویسی (25%)

- سمینار (5%)

- آزمون پایان ترم (70%) 

روش تدریس

مباحث درس بر اساس مطالب کتاب درسی مرجع در طول ترم تدریس خواهد شد.

زمان بندی و نحوه ارائه درس

- شنبه 10-12 (یک هفته در میان)

- یکشنبه 10-12 (هر هفته)

منابع

Artificial Intelligence: A Guide to Intelligent Systems

By: Michael Negnevitsky

طرح درس
  • هفته اول: نگاهی به تاریخچه سیستمهای هوشمند
  • هفته دوم: سیستمهای مبتنی بر دانش
  • هفته سوم: استنتاج و استخراج دانش
  • هفته چهارم: مدیریت عدم قطعیت - قانون بیز
  • هفته پنجم: مدیریت عدم قطعیت - فاکتور قطعیت
  • هفته ششم: تئوری فازی
  • هفته هفتم: استنتاج فازی
  • هفته هشتم: ساخت یک سیستم هوشمند مبتنی بر منطق فازی
  • هفته نهم: شبکه های عصبی - مدل پرسپترون
  • هفته دهم: شبکه عصبی چندلایه
  • هفته یازدهم: شبکه عصبی هاپفیلد
  • هفته دوازدهم: شبکه عصبی خود سازمانده
  • هفته سیزدهم: شبکه های عصبی عمیق
  • هفته چهاردهم: سیستمهای هوشمند ترکیبی
  • هفته پانزدهم: شبکه عصبی فازی
  • هفته شانزدهم: ارائه سمینار
هدف از طرح درس

هدف از این درس، آشنائی با سیستمهای نوین هوشمند و تکنیکهای مورد استفاده می باشد. سیستمهای مبتنی بر دانش شامل سیستمهای خبره و سیستمهای فازی، انواع مدلهای شبکه عصبی و سیستمهای هوشمند ترکیبی در این درس مورد بحث و بررسی قرار می گیرد.

عنوان یادگیری ماشین
مقطع تحصیلی کارشناسی ارشد
زمان برگزاری یکشنبه (16-18*) و سه شنبه (14-16)
مکان برگزاری دانشکده ریاضی، آمار و علوم کامپیوتر
تعداد واحد ۳
پیش نیاز درس

هوش مصنوعی

نحوه ارزیابی

- پروژه های برنامه نویسی (30%)

- آزمون پایان ترم (70%) 

روش تدریس

مباحث درس بر اساس مطالب کتاب درسی مرجع در طول ترم تدریس خواهد شد.

زمان بندی و نحوه ارائه درس

- یکشنبه 16-18 (یک هفته در میان)

- سه شنبه 14-16 (هر هفته)

منابع
  1. E. Alpaydin, Introduction to Machine Learning, MIT Press, 2010.
  2. S. Marsland, Machine Learning, an Algorithmic Perspective, CRC Press, 2009.
  3. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
  4. J. Brownlee, Machine Learning Algorithms from Scratch with Python, 2018
طرح درس
  • هفته اول: معرفی یادگیری ماشین، اصول و مفاهیم و انواع مدلهای یادگیری ماشین
  • هفته دوم: یادگیری با نظارت
  • هفته سوم: تئوری تصمیم گیری بیزی
  • هفته چهارم: روشهای پارامتریک
  • هفته پنجم: مدلهای چندمتغیره
  • هفته ششم: روشهای پارامتریک - رگرسیون لجستیکی
  • هفته هفتم: کاهش ابعاد داده ها
  • هفته هشتم: روشهای غیر پارامتریک
  • هفته نهم: شبکه های عصبی - مدل پرسپترون
  • هفته دهم: شبکه عصبی چندلایه
  • هفته یازدهم: شبکه عصبی عمیق
  • هفته دوازدهم: درخت تصمیم گیری
  • هفته سیزدهم: ماشین بردار پشتیبان
  • هفته چهاردهم: یادگیری ترکیبی
  • هفته پانزدهم: یادگیری تقویتی
  • هفته شانزدهم: ارزیابی سیستمهای یادگیری ماشین
هدف از طرح درس

هدف اصلی در این درس، آشنائی با اصول، مفاهیم، تکنیکها و مراحل ساخت سیستمهای هوشمند مبتنی بر یادگیری ماشین می باشد.