مرکز تحقیقات آلودگی هوا | کارگاهای آموزشی

	یادگیری ماشین و پردازش طبیعی مدرس: دکتر مریم سلیمانی علیار آموزش مقدماتی زبان برنامه‌نویسی پایتون به‌عنوان ابزار پایه تحلیل داده‌ها مفاهیم و الگوریتم‌های یادگیری ماشین شامل مدل‌های طبقه‌بندی، رگرسیون و خوشه‌بندی آشنایی اولیه با یادگیری عمیق (Deep Learning) و ساختار شبکه‌های عصبی مبانی پردازش زبان طبیعی (NLP) شامل پیش‌پردازش متون، تحلیل احساسات، و مدل‌سازی زبان
	پایش بیولوژیکی مواجهه با آلاینده ها مدرس: جناب آقای دکتر حسین ارفعی نیا تعریف پایش بیولوژیکی: مفاهیم و اصطلاحات پایه بیومارکرها و متابولیت ها در پایش بیولوژیک اهمیت پایشی بیولوژیک در ارزیابی مواجهه با آلاینده ملاحضات نمونه برداری و انجام آنالیزها در پایش بیولوژیک
	یادگیری ماشین-مقدماتی مدرس: دکتر مریم سلیمانی علیار مروری بر مفاهیم پایه ای پایتون مورد نیاز برای یادگیری ماشین (نصب، آشنایی با محیط پایتون، آشنایی با انواع داده ها، انواع حلقه های شرطی، تعریف تابع در محیط پایتون، تعریف کلاس) آشنایی با کتابخانه NumPy اشنایی با کتابخانه Pandas آشنایی با کتابخانه های مصورسازی Matplotlib and Seaborn پیش پردازش داده ها یادگیری ماشین و انواع آن: بانظارت، بدون نظارت رگرسیون، دسته بندی و انواع آن Underfitting and Overfitting مرور برخی از الگوریتم های یادگیری ماشین پروژه
	مدلسازی در نرم افزار PHAST مدرس: دکتر صابر مردای حنیفی آشنایی با محیط نرم افزار PHAST مدل‏ سازی تخلیه (Discharge) مدل‏ سازی انتشار (Dispersion) تعریف سناریوهای رهایش در نرم افزار PHAST مدل سازی محدوده ایمن Flare & Stack مدل سازی پیامد انتشار گازهای سمی ( کلر و آمونیاک) مدل سازی انتشار از خط لوله انتقال سیال مدل سازی انتشار مواد سمی در Wearhouse
	مهندسی داده ها مدرسین: دکتر مریم سلیمانی علیار، دکتر فاطمه بلوری در دنیای امروز، داده‌ها یکی از مهمترین منابع در دسترس سازمان‌ها و کسب‌وکارها هستند. مهارت در تحلیل و مدیریت داده‌ها می‌تواند تفاوت قابل توجهی در تصمیم‌گیری‌های استراتژیک ایجاد کند. کارگاه مجازی مهندسی داده‌ها با هدف آشنایی شما با مفاهیم پایه و ابزارهای پیشرفته این حوزه برگزار می‌شود. آشنایی با ساختار داده و انواع آن: در این بخش با انواع داده‌ها، ساختارهای مختلف و نحوه ذخیره‌سازی و مدیریت آن‌ها آشنا خواهید شد. مصورسازی داده: با تکنیک‌های مختلف مصورسازی داده و ابزارهای مربوطه آشنا می‌شوید و یاد می‌گیرید چگونه داده‌ها را به شکل گرافیکی و قابل فهم ارائه دهید. پیش پردازش داده: این بخش شامل تکنیک‌ها و ابزارهایی است که برای آماده‌سازی داده‌ها قبل از تحلیل استفاده می‌شود. مباحثی چون پاکسازی داده‌ها، نرمال‌سازی و تبدیل داده‌ها در این بخش پوشش داده می‌شود.

Change the font color:

main color:

second color:

انتخاب رنگ پس زمینه:

تغییر اندازه فونت ها:

Change the spacing between words:

Change the distance between the lines:

Change mouse type:

Change the font