هوش مصنوعی و تحول دیجیتال

هدف از این درس، آشنایی دانشجویان با مفاهیم اصلی تحول دیجیتال، فناوری‌های تشکیل‌دهنده‌ی آن و نقش آن در افزایش بهره‌وری در بخش‌های مختلف مهندسی است. به طور ویژه فناوری هوش مصنوعی و نقش آن در تحول دیجیتال مورد بررسی قرار می‌گیرد. در این درس با ارائه‌ی مفاهیم نظری، مطالعات موردی و فعالیت‌های عملی دانشجویان به درک مناسبی از کاربست هوش مصنوعی در رشته‌های مهندسی دست خواهند یافت.

1. مقدمه‌ای بر تحول دیجیتال: تعریف و تاریخچه مختصر، مفاهیم کلیدی، نقش تحول دیجیتال در دنیای امروز
2. آشنایی با فناوری‌های تحول‌آفرین: هوش مصنوعی و یادگیری ماشین، اینترنت اشیاء، کلان‌داده و تحلیل داده‌ها، بلاک‌چین، رایانش ابری
3. مقدمه‌ای بر هوش مصنوعی و ارتباط آن با تحول دیجیتال
4. چالش‌های هوش مصنوعی و تحول دیجیتال: چالش‌های فنی و اجرایی، ملاحظات اخلاقی و حریم خصوصی، تاثیرات اقتصادی و اجتماعی
5. مفاهیم پایه یادگیری ماشین: ویژگی‌ها، بهینه‌سازی، رگرسیون، مسائل ارضای محدودیت، تابع هدف، تابع هزینه، تابع ضرر، نزول در راستای گرادیان
6. آشنایی با مفاهیم دسته‌بندی و خوشه‌بندی: یادگیری باناظر و بی‌ناظر، یادگیری تقویتی
7. آماده‌سازی مجموعه داده: تکنیک‌های پیش‌پردازش داده، مدیریت داده‌های نامتوازن و پرت، بیش‌برازش و زیربرازش
8. شاخص‌های ارزیابی و انتخاب مدل، پارامتر‌ها و ابرپارامتر
9. کاربردهای هوش مصنوعی در مهندسی: چند مثال پرکاربرد شامل پیش‌بینی بار، تحلیل خطا و ناهنجاری، پردازش زبان طبیعی، پردازش تصویر و مثال‌های دیگر متناسب با رشته دانشجویان

انتظار‌ می‌رود در ارائه بخش آخر درس، متناسب با رشته دانشجویان مثال‌های مرتبط انتخاب و ارائه شود. در ضمن مثال‌های این بخش عمدتا با استفاده از نوت‌بوک‌های موجود در jupyter.org قابل انجام بوده و نیازی به برنامه‌نویسی از صفر نخواهند داشت.

• تمرین‌ها و پروژه: ۳۰ درصد نمره
• آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره