Control Engineering

Cluster Analysis and Unsupervised Machine Learning in Python | دوره آموزشی تجزیه و تحلیل خوشه ای و یادگیری ماشینی بدون نظارت در زبان #پایتون آنچه در دوره Cluster Analysis and Unsupervised Machine Learning in Python یاد خواهید گرفت : الگوریتم منظم K-Means را درک کنید الگوریتم K-Means Clustering را در حالت های soft یا fuzzy را درک کنید خوشه بندی سلسله مراتبی را درک کنید کتابخانه Scipy Hierarchical Clustering را روی داده ها اعمال کنید مدل مخلوط Gaussian و نحوه استفاده از آن برای تخمین چگالی را بدانید توضیح دهید که چه زمانی GMM معادل K-Means Clustering است درک کنید که چگونه GMM بر برخی از معایب K-Means غلبه می کند

Beginner to Advanced LabVIEW | دوره آموزش مقدماتی تا پیشرفته #LabVIEW آنچه در دوره آموزشی Beginner to Advanced LabVIEW 2022 فرا خواهید گرفت: اصول مقدماتی و اولیه نرم افزار LabVIEW داشبورد داده ها در LabVIEW انواع تول باکس های پیشرفته #LabVIEW مانند Fuzzy ،PID، کنترل و شبیه سازی و … آمادگی برای آزمون CLAD ایجاد رابط میان برد Arduino و LabVIEW از طریق سنسورهای مختلف کارت داده‌برداری با استفاده از MY DAQ استفاده از برنامه ها، توابع و کدبیس های پایتون در LabVIEW و یکپارچه سازی آن ها با یکدیگر طراحی و توسعه اپلیکیشن های اینترنت اشیا (IoT) در LabVIEW

Practical Introduction to Fuzzy Logic with Matlab | دوره آموزشی کنترل و طراحی #فازی با استفاده از نرم افزار #متلب مواردی که در این دوره آموزش داده می‌شود: درک مفهوم منطق فازی و کدنویسی در مطلب یادگیری جعبه ابزار فازی مطلب کار با جعبه ابزار منطق فازی در مطلب ایجاد کنترلرهای پیچیده با منطق فازی در مطلب بدون برنامه نویسی یادگیری منطق فازی و عملیات کنترل فازی و فلسفه طراحی ایجاد کنترلرهای با عملکرد بالا برای حل مسائل روزمره

The Ultimate Beginners Guide to Fuzzy Logic in Python | دوره راهنمای مبتدیان نهایی برای منطق فازی در #پایتون آنچه در دوره آموزشی The Ultimate Beginners Guide to Fuzzy Logic in Python فرا خواهید گرفت: درک مفاهیم نظری #منطق_فازی مانند: متغیرهای زبانی، مقدمات، نتیجه، عضویت، فازی سازی و فازی سازی محاسبات #فازی سازی را با استفاده از روش های زیر بیاموزید: مرکز، نیمساز، MOM، SOM و LOM پیاده سازی سیستم های فازی با استفاده از کتابخانه skfuzzy برای انتخاب درصد انعام که در یک رستوران داده می شود، یک سیستم فازی را شبیه سازی کنید. شبیه سازی سیستم فازی برای تنظیم قدرت مکش جاروبرقی با توجه به نوع سطح و میزان کثیفی اجرای خوشه بندی داده ها با استفاده از الگوریتم c-means فازی

Deep Learning: Recurrent Neural Networks in Python |دوره آموزشیی یادگیری عمیق و هوش مصنوعی با محوریت توسعه شبکه های عصبی بازگشتی (RNN) آنچه در دوره Deep Learning: Recurrent Neural Networks in Python یاد خواهید گرفت: استفاده از #شبکه_عصبی RNN به منظور پیش بینی توالی وقایع و سری زمانی توسعه یک پروژه قدرتمند به منظور پیش بینی قیمت سهام در آینده بهره برداری از RNN در پروژه های طبقه بندی تصویری کار با کتابخانه های Numpy ،Matplotlib و Tensorflow توسعه یک ابزار هوشمند به منظور طبقه بندی متون و شناسایی خودکار اسپم ها آشنایی کامل با فرآیند Natural Language Processing آشنایی با سایر معماری های موجود و مقایسه مزیت ها و معایب هر کدام اصول اولیه علم یادگیری ماشین و نورون ها توسعه شبکه های عصبی به منظور طبقه بندی و رگرسیون مدل سازی داده های توالی مدل سازی داده های سری زمانی مدل سازی داده های متنی برای پردازش زبان های طبیعی ساخت شبکه های عصبی بازگشتی با کتابخانه Tensorflow 2 #پایتون

The Complete Neural Networks Bootcamp: Theory, Applications | دوره آموزش توسعه شبکه های عصبی و سیستم های مبتنی بر #یادگیری_عمیق با زبان برنامه نویسی پایتون و کتابخانه PyTorch آنچه در دوره The Complete Neural Networks Bootcamp: Theory, Applications فرا خواهید گرفت: تئوری و شیوه کار شبکه های عصبی مصنوعی توسعه الگوریتم های پس انتشار (Backpropagation) توابع فعال ساز در شبکه های عصبی توابع هزینه یا زیان (loss functions) و کاربرد آن ها در یادگیری عمیق و شبکه های عصبی تکنیک های بهینه سازی مختلف برای رسیدن به نقطه بهینه در شبکه های عصبی الگوریتم بهینه سازی گرادیان کاهشی (Gradient Descent) الگوریتم بهینه سازی گرادیان کاهشی تصادفی (Stochastic Gradient Descent) الگوریتم بهینه سازی تکانه (Momentum) روش گرادیان انطباقی (AdaGrad) الگوریتم RMSProp روش تخمین تکانه تطبیق‌پذیر (Adam) تکنیک های منظم سازی (regularization techniques) در شبکه های عصبی آشنایی با پدیده بیش‌برازش (overfitting) و تکنیک های جلوگیری از آن تکنیک حذف تصادفی برای کاهش بیش‌برازش در شبکه‌های عصبی تکنیک های نرمال سازی (normalization) بچ نرمالیزیشن (batch normalization) نرمال سازی لایه (Layer Normalization) فریمورک یادگیری عمیق پایتورچ (PyTorch) نصب و پیکربندی فریمورک PyTorch #شبکه_عصبی پیشخور (Feed Forward Neural Network) طبقه بندی ارقام دست نویس با شبکه عصبی پیشخور طبقه بندی افراد دیابتی با استفاده از شبکه عصبی پیشخور تمرین دادن و آموزش شبکه عصبی مصنوعی روی مجموعه ای از دیتاست های مختلف مصورسازی و نمایش گرافیکی فرآیند یادگیری و تمرین شبکه های عصبی جداسازی داده های غیر خطی طراحی و توسعه شبکه های عصبی بدون کتابخانه ها و فریمورک های خاص و تنها با استفاده از زبان برنامه نویسی پایتون و کتابخانه numpy شبکه عصبی پیچشی (Convolutional Networks) معماری ها و الگوهای توسعه پر استفاده در توسعه پروژه های مبتنی بر یادگیری عمیق معماری الکس نت (AlexNet) شبکه‌ی عصبی وی جی جی نت (VGGNet) معماری Inception Net شبکه باقیمانده عمیق (Residual Network) تشخیص شئ یا Object Detection در یادگیری عمیق یادگیری انتقال (Transfer Learning) پیاده سازی تکنیک های تشخیص تصاویر و طبقه بندی تصاویر خودرمزگذار (Autoencoders) شبکه عصبی بازگشتی (Recurrent Neural Networks) حافظه طولانی کوتاه-مدت (LSTM) مدل های جاسازی کلمه (Word Embedding models)

دوره آموزش شبکه عصبی گراف | Graph Neural Network این دوره مناسب چه برای چه کسانی است: دانشجویان تحصیلات تکمیلی مهندسی دانشجویان تحصیلات تکمیلی علوم کامپیوتر Data Scientists توسعه دهندگان پایتون علاقه مند به یادگیری شبکه عصبی گراف هستند مهندسین #یادگیری_عمیق مهندسین #یادگیری_ماشین مهندسین پردازش سیگنال افراد مشتاق به یادگیری شبکه عصبی انچه در دوره Graph Neural Network یاد خواهید گرفت: آموزش نمایش نمودار #شبکه_عصبی نمودار (GNN) تجزیه و تحلیل نمودار DeepWalk Node2Vec شبکه پیچیدگی نمودار (GCN) شبکه توجه نمودار (GAT) Simplifying Graph Convolution (SGC) Pytorch Geometric

Data Science: Deep Learning and Neural Networks in Python | بوتکمپ آموزش شبکه های عصبی و یادگیری عمیق آنچه در دوره Data Science: Deep Learning and Neural Networks in Python فرا خواهید گرفت: بیاموزید که #یادگیری_عمیق چگونه واقعا کار می کند بیاموزید که چگونه یک #شبکه_عصبی از بلوک های اصلی ساختمان (نرون) ساخته می شود. یک شبکه عصبی را از ابتدا در پایتون و numpy کدنویسی کنید کدگذاری یک شبکه عصبی با استفاده از TensorFlow گوگل انواع مختلف شبکه های عصبی و انواع مختلفی از مشکلاتی که برای آنها استفاده می شود را شرح دهید قانون پس انتشار را از اصول اول استخراج کنید با استفاده از نرم افزار softmax یک شبکه عصبی با خروجی با کلاس های K> 2 ایجاد کنید اصطلاحات مختلف مرتبط با شبکه‌های عصبی مانند «activation»، «backpropagation» و «feedforward» را توضیح دهید. TensorFlow را نصب کنید

چنتا از دوره های خوب سایت Udemy رو سایت downloadly گذاشته این زیر میزارم انشالله که بدردتون بخوره و باعث رشد فردی و تیمیتون بشه روی لینک ها کلیک کنین و اطلاعات کاملشون رو بخونین اکثر دوره ها زیرنویس انگلیسی دارن

دوستان معدل خودتون رو جهت ویرایش ثبت نام کنکور تا آخر ترم قبل وارد کنید

هشتگ های موجود در کانال، جهت سهولت دسترسی به مطالب : #کنترل_خطی #کنترل_غیرخطی #رباتیک #کنترل_هوشمند #جبرخطی #کنترل_صنعتی #کنترل_دیجیتال #کنترل_مدرن #مکاترونیک #ابزار_دقیق #تحقیق_در_عملیات #ROS & #ROS2 #Matlab & #متلب #python & #پایتون #الگوریتم_ژنتیک #یادگیری_ماشین #یادگیری_عمیق #شبکه_عصبی #منطق_فازی #فازی #PID #PLC & #EPLAN #AI #هوش_مصنوعی

بچه ها اگه کسی واسه رباتیک، جبر، تحقیق در عملیات جزوه مینویسه لطفا بهم پیام بده @alireza_jmo

#اطلاعیه

📡پنجمین خط ارتباطی نشریه علمی مخابرات دانشگاه تبریز به همّت محققین و مهندسین این عرصه در دانشگاه تبریز وصل شد. 📌صاحب امتیاز: انجمن علمی مخابرات دانشگاه تبریز ✍️مدیر مسئول: میلاد رنجبریه ✍️سردبیر: هادی خدایی جوشین در این شماره از نشریه خواهید دید: ✅مصاحبه با دکتر فرزاد، مدیرکل وزارت ارتباطات در استان آذربایجان شرقی ✅رمزنگاری کوانتومی ✅متاورس و.... ⬅️شما خوانندگان نشریه علمی مخابرات دانشگاه تبریز، می‌توانید نسخه الکترونیکی پنجمین شماره از مجله مخابرات را از کانال تلگرامی @TabrizITU دانلود و مطالعه بفرمایید. ⬅️مشتاق شنیدن نقطه نظرات شما دوستان عزیز هستیم. 📱ارتباط با سردبیر: Telegram: @HKJ91 email : hadikhodaei.j@gmail.com 📱کانال انجمن علمی مخابرات: @TabrizITU

امروز ساعت 12 منتظر حضور گرم شما هستیم ☘

#اطلاع_رسانی #کنکور_ارشد #کنکور_دکتری ⭕️ کارت ورود به جلسه کنکور ارشد و دکتری ۱۴۰۲ منتشر شد. 🔗 برای مشاهده به سایت سنجش مراجعه کنید 👇 Sanjesh.org

درس کنترل فرایندهای صنعتی دکتر ایمان ایزدی دانشگاه صنعتی اصفهان #کنترل_صنعتی