توضیحات
در دوره های استادی قرار است همچون یک استاد بر محتوای دوره مسلط شوید و در انتها بتوانید تدریس کنید. در دوره های استادی قرار است از آموخته ها و تجربیات دست اول صحبت کنیم. قرار است تجربه را تجربه نکنید بلکه تجربه را فرابگیرید و بکار ببندید.
در کلاس های مختلفی که در طول سالهای متمادی در خصوص مدل ها و نرم افزارهای مهندسی آب و محیط زیست در خدمت دانشجویان عزیز بودیم، همیشه یه سوال مشترک بین همه دانشجویان وجود داشت، سوالی که پاسخ اون ایده تولید دوره استادی MATLAB شد. همیشه دانشجویان پس از پایان کلاس می پرسیدند که چه نرم افزاری رو یاد بگیریم که از بسیاری از مدل ها و نرم افزارهای رشته مون بی نیاز بشیم؟! چه نرم افزاری رو کار کنیم که قدرت خلق کنندگی به ما بده و بتونیم هر طوری که دوست داریم مدل خودمون رو اجرا کنیم و وابسته به المان های از پیش تعریف شده اش نباشیم؟ چه نرم افزاری رو یاد بگیریم که بتونیم مدل های تجاری بسازیم و بین همه حرفه ای ها حرفی برای گفتن داشته باشیم؟ و ….
همه این سوالات و خیلی از سوالات دیگه، یک پاسخ بیشتر نداشت و اونم استفاده از نرم افزار MATLAB بود. اگر دانشجویان به نرم افزار MATLAB مسلط می شدند دیگه خودشون می تونستند هر مدلی رو اجرا کنند و به سلیقه خودشون بنویسند. اگر دانشجویان به کدنویسی Matlab اشراف داشتند می تونستند به راحتی نرم افزار های معروف رشته مهندسی آب مثل HEC-HMS،WaterGEMS،SewerGEMS،SWMM،SSA ، WEAP، GMS و ده ها نرم افزار کاربردی دیگه رو به راحتی در محیط متلب پیاده سازی کنند و هر طوری که می خواستند تعریفشون کنند. شاید باور کردنش سخت باشه، اما چنین کاری توسط مدرسین دوره انجام گرفته.
دوره استادی MATLAB دوره ای است که در 210 ساعت طراحی و برنامه ریزی شده؛ در 70 جلسه در ۳ سطح برگزار میشه؛ از صفر تا حرفه ای را در بر می گیره؛ بیش از ۳ سال زمان صرف تولید مثال ها و پروژه های واقعی اون شده؛ با افتخار هیچ نمونه داخلی یا خارجی نداره و در یک جمله در هیچ دانشگاهی به صورت کاملا منسجم و پیوسته و با این طرح درس تدریس نمی شه.
هر کسی که وارد دنیای برنامه‌نویسی یا وارد دنیای دانشگاه و محیط آکادمیک میشود، خواه یا ناخواه اسم متلب (MATLAB) به گوشش می‌خورد. متلب یک محیط برنامه نویسی کامل با زبان برنامه نویسی خاص خود و کتابخانه ای غنی با toolbox های فراوان. اما واقعنِ واقعن متلب چیست و به چه دردی می‌خورد؟
ویکی گفته:
متلب (به انگلیسی: MATLAB) یک محیط نرم‌افزاری برای انجام محاسبات عددی و یک زبان برنامه‌نویسی نسل چهارم است. واژهٔ متلب هم به معنی محیط محاسبات رقمی و هم به معنی خود زبان برنامه‌نویسی مربوطه است که از ترکیب دو واژهٔ Matrix (ماتریس) و Laboratory (آزمایشگاه) ایجاد شده‌است. این نام حاکی از رویکرد ماتریس محور برنامه است، که در آن حتی اعداد منفرد هم به عنوان ماتریس در نظر گرفته می‌شوند.
تصور عمومی و اشتباهی که از متلب وجود دارد، این است که متلب صرفن یک ماشین حساب خیلی بزرگ است و برای محاسبات خیلی پیچیده از آن استفاده میشود. متلب صرفن یک ماشین حساب نیست، بلکه یک محیط برنامه‌نویسی است. متلب با سی و سی پلاس پلاس نوشته شده ولی این بدان معنا نیست که برای کار کردن با متلب باید این زبان‌ها را بلد باشید، متلب زبان برنامه‌نویسی مخصوص خودش را دارد. زبان متلب سطح بالا است بدان معنا که به زبان انسان نزدیک‌تر است بدین جهت برای اجرای سریع ایده‌ها و تولید نمونه اولیه بسیار مناسب است و خیلی راحت‌تر میتوانید آن را یاد گرفته و به کار ببرید.
نرم افزار متلب یکی از نرم افزارهای پرکاربرد در رشته مهندسی آب و محیط زیست است که استفاده می شود و اساساً در هر شغل و حرفه ای که نیازمند تجزیه و تحلیل داده ها است کاربرد وسیع دارد. با توجه به اینکه در عصر حاضر دیتا و اطلاعات جزء مهم ترین و راهبردی ترین ارکان یک سازمان می باشد، بنابراین تحلیل داده ها و انجام محاسبات ریاضی و آماری با نرم افزار متلب از اهمیت چشمگیری برخوردار است و این برای شما بسیار ارزشمند است که قادر هستید به سرعت و به راحتی دیتا های خود را تحلیل نمایید.
- آشنایی با مفهوم Multi-Objective و Many Objectives
- شرط لازم برای استفاده از متدهای بهینه سازی چند هدفه
- مدل ریاضی الگوریتم های بهینه ساز چند هدفه
- بحث در خصوص فضای اهداف و فضای متغیرهای تصمیم
- آشنایی با مفهوم Pareto-Front
- آشنایی با عمده ترین تفاوتهای بهینه یابی تک هدفه و چند هدفه
- آشنایی با مفهوم Dominance و غلبهء قوی
- سناریوهای مغلوب و غیر مغلوب را شناسایی کنیم
- شرایط لازم و کافی برای ایجاد سناریوی غیر پست
- بردار هدف ایده آل
- بردار هدف فوق ایده آل
- بردار اوج
- نحوه نرمال سازی توابع چند هدفه
- بحث در خصوص فضاهای محدب و نحوه تشخیص آن در مسائل بهینه یابی
- حالات مختلف موجود برای ترسیم منحنی تبادل
- جواب موثر قوی و ضعیف
- آشنایی با الگوریتم های کلاسیک بهینه یابی چند هدفه
- کدنویسی صفر تا صد متد مجموع وزن دار (Weighted Sum Method)
- آشنایی با محدودیت های استفاده از متد مجموع وزن دار
- تشریح و کدنویسی صفر تا صد روش معیار جامع
- ضعف عمده استفاده از متد LP-Metric چیست
- نحوه ترسیم فضای اهداف
- تشریح و کدنویسی صفر تا صد متد برنامه ریزی آرمانی (Goal Programming)
- تشریح و کدنویسی صفر تا صد متد حدی (Epsilon Constraint Method)
- آشنایی با متدهای تکاملی
- بحث در خصوص نخبه گرایی
- تشریح گام به گام الگوریتم ژنتیک چند هدفه (MOGA)
- رتبه بندی سناریوهای موجود چگونه انجام می شود
- تشریح مفهوم تسلط به زبان آدمیزاد
- تشریح مفهوم تسلط به زبان ماشین
- صفر تا صد تعیین Rank با رسم شکل و به زبان ساده
- تشریح مفهوم Crowding Distance و آموزش گام به گام روال محاسبه آن
- نحوه انتخاب چند سناریوی خاص از بین مجموعه سناریوهای موجود
- بحث مفصل در خصوص Spread و ذکر یک مثال کاربردی جهت محاسبه گام به گام
- مراحل اجرایی الگوریتم MOGA
- آشنایی با کلیه پارامترهای ورودی و خروجی الگوریتم ژنتیک چند هدفه
- آشنایی با نحوه کدنویسی برداری جهت افزایش سرعت انجام محاسبات
- آشنایی با انواع محدودیت های موجود در الگوریتم MOGA و روال کدنویسی آن در متلب
- آشنایی با کلیه Name-Value های الگوریتم ژنتیک چند هدفه
- متدهای مورد استفاده جهت تزویج در MOGA برای استفاده در مهندسی عمران
- معادلات حاکم بر ایجاد جهش ژنتیکی در MOGA با تکیه بر کاربرد آن در مهندسی علوم آب
- استفاده از Option های مختلف موجود در MOGA را بیاموزیم
- استفاده از تابع Goal Attainment درون الگوریتم ژنتیک چند هدفه به عنوان تابع هیبرید
- آشنایی با کلیه دستورات ترسیم در MOGA
- بهترین روال تعیین شرط خاتمه برای الگوریتم ژنتیک چند هدفه را شناسایی کنیم
- تشریح گام به گام الگوریتم NSGA-II از صفر تا صد
- مراحل اجرای NSGA-II
- نحوه مرتب سازی جمعیت در NSGA-II و بیان تفاوتهای آن با ژنتیک تک هدفه
- توصیف و کدنویسی صفر تا صد عملگر انتخاب برای الگوریتم NSGA-II
- آشنایی با کلیه معادلات حاکم بر الگوریتم NSGA-II جهت تزویج و جهش ژنتیکی در علوم آب
- روش های ترسیم و ارزیابی منحنی تبادل بهینه اهداف
- با روش ماتریس پراکنده آشنا شویم
- مقایسه منحنی های تبادل در صورت وجود سه هدف و بیشتر با استفاده از Value Path Method
- استفاده از Visual Method جهت مقایسه چند منحنی تنادل با هم
- با معیارهای عملکرد جهت ارزیابی جواب های غیر پست آشنا شویم
- آشنایی با شاخص درصد بهبودی و تشریح صفر تا صد روال کدنویسی آن (IP)
- آشنایی با متد Shortest Distance جهت انتخاب یک منحنی تبادل از بین مجموعه سناریوهای بهینه
- آشنایی با شاخص گسترش و تشریح گام به گام روال کدنویسی این شاخص در متلب
- آشنایی با روال مقایسه دو منحنی تبادل در زمان اجرای برنامه بصورت لحظه ای و Real Time
دکتر محمود محمدرضاپورطبری
- دانشیار منابع آب و محیط زیست | دانش آموخته دانشگاه امیرکبیر | بیش از ۱۵ سال سابقه تدریس دروس مهندسی آب و محیط زیست
- ۱۵ سال سابقه در طرح های مطالعاتی و اجرایی وزارت نیرو و سازمان حفاظت محیط زیست
- کارشناس ارشد و مدیر پروژه های مطالعاتی شرکت های مشاور آب | کارشناس ارشد دفتر سدهای شرکت مدیریت منابع آب ایران
مهندس محسن محمدرضاپورطبری
- بنیانگذار انجمن تخصصی مهندسی علوم آب | دانش آموخته کارشناسی ارشد دانشگاه تهران
- مدرس در وزارت نیرو، مجتمع فنی تهران، شهرداری تهران،دانشگاه تهران، دانشگاه امام حسین، و مراکز مختلف دولتی و دانشگاهی
- منتور دانشگاه تربیت مدرس، دانشگاه ارومیه | اجرای بیش از ۱۰۰۰ نفر ساعت سخنرانی و 90 کارگاه آموزشی
مهندس آرش ازکیا
- استاد منتخب در دانشگاه های استان البرز
- عضو ارشد و معاون روابط بین الملل گروه مخترعین برتر کشور
- بیش از ۱۰ سال سابقه در زمینه طراحی و اجرای شبکه های آبرسانی و سیستم های آبیاری
شاید بعد از سال ها فعالیت در زمینه نرم افزارهای مختلف مهندسی آب و محیط زیست و کارکردن با ترم افزار MATLAB و دیدن اساتید و دانشجویان مختلف می توانم بگویم استادان MATLAB افرادی هستند که فقط ۲ چیز بهتر از دیگران دارند آن دو چیز یکی علم است و دیگری تجربه در زمینه نرم افزار MATLAB.
تجربه ای که شاید چند برابر علم ارزشمند باشد اما بدون علم تقریبا بی ارزش است و در اصل ارزشش را کنار علم به دست می آورد.به عبارت دیگر، وقتی شما بخواهید در یک حوزه در زمینه های مختلف اطلاعات بدست آورید با تحقیق به منابع مختلفی برخورد میکنید که در درجه‌ی اول باید مطمئن شوید که آن اطلاعات در آن حوزه کامل و صحیح و برزو میباشد و در مرحله بعد، اطلاعاتی که بدست آورده اید برای ادامه‌ی مسیر برای شما مناسب است یا خیر ؟
در این مسیر تجربه‌هایی که در دوره مطرح میشود از فردی که این مسیر را کامل رفته است و راه های مختلف را تست کرده است میتواند راهنمای خوبی برای شما باشد.
نمیخواهیم بگوییم که تجربه، جای علم را میگیرد ولی علم + تجربه زمان را برای شما ذخیره میکند و شما را به هدف میرساند. درضمن شما میتوانید جای زمان طولانی که برای تحقیق و تست روش های مختلف این اطلاعات صرف کنید، این اطلاعات را در یک دوره‌ی علمی-عملی بدست آورید و با اطلاعات بدست آمده به سراغ انجام پروژه ها بروید. در دوره استادی MATLAB، هدف ما انتقال علم و تجربه در کنار هم به شرکت کنندگان دوره است.
- دانشجویان رشته‌های: عمران، کشاورزی، زمین شناسی، محیط زیست،منابع طبیعی، جغرافیا و همه کسانی که علاقمند به حوزه مهندسی آب و علوم محیطی می باشند
- مناسب برای اساتید رشته های مرتبط با مهندسی آب و محیط زیست
- کارشناسان شرکت های مهندس مشاور
- علاقه‌مندان به حوزه کدنویسی و R&D
- تمام کسانی که دوست دارند مدل های شخصی خود را تولید کنند
- برای تمام کسانی که به فکر تولید یک پایان نامه و رساله قوی هستند.
- افرادی که میخواهند در حوزه مهندسی آب و محیط زیست حرفی برای گفتن داشته باشند
- افرادی که می خواهند در حوزه کدنویسی در محیط متلب به درجه استادی برسند
- افرادی که میخواهند وارد دنیای درآمدزایی از طریق پروژه های کدنویسی در متلب شوند.
- افرادی که خدمات کدنویسی میدهند، و میخواهند سطح و قیمت پروژه های خود را افزایش دهند.
تمام دانشجویان حضوری و غیرحضوری پس از ثبت نام به پنل کاربری دوره دسترسی دارند و با توجه به تمرینات و پروژه هایی که در طول دوره کار میکنند میتوانند از پشتیبانی راهنمایی بگیرند.
پشتیبانی به ۴ روش:
- امکان ثبت تیکت در پنل کاربری
- ارتباط از طریق تلگرام با پشتیبان ویژه دوره
- پشتیبانی از طریق تلفن ثابت
- ملاقات حضوری با هماهنگی قبلی در دفتر انجمن تخصصی مهندسی علوم آب با مدرس دوره
نقد و بررسی‌ها
هیچ دیدگاهی برای این محصول نوشته نشده است.