You are not allowed to perform this action
هوش مصنوعی و تحول دیجیتال
Artificial Intelligence and Digital Transformation
| مقطع: کارشناسی | گرایش: |
| نوع درس: نظری | تعداد واحد: ۲ |
| پیش‌نیاز: برنامه‌سازی کامپیوتر، آمار و احتمال مهندسی | هم‌نیاز: – |
هدف کلی
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.
سرفصل‌ها
- مقدمه‌ای بر تحول دیجیتال: تعریف و تاریخچه مختصر، مفاهیم کلیدی، نقش تحول دیجیتال در دنیای امروز
- آشنایی با فناوری‌های تحول‌آفرین: هوش مصنوعی و یادگیری ماشین، اینترنت اشیاء، کلان‌داده و تحلیل داده‌ها، بلاک‌چین، رایانش ابری
- مقدمه‌ای بر هوش مصنوعی و ارتباط آن با تحول دیجیتال
- چالش‌های هوش مصنوعی و تحول دیجیتال: چالش‌های فنی و اجرایی، ملاحظات اخلاقی و حریم خصوصی، تاثیرات اقتصادی و اجتماعی
- مفاهیم پایه یادگیری ماشین: ویژگی‌ها، بهینه‌سازی، رگرسیون، مسائل ارضای محدودیت، تابع هدف، تابع هزینه، تابع ضرر، نزول در راستای گرادیان
- آشنایی با مفاهیم دسته‌بندی و خوشه‌بندی: یادگیری باناظر و بی‌ناظر، یادگیری تقویتی
- آماده‌سازی مجموعه داده: تکنیک‌های پیش‌پردازش داده، مدیریت داده‌های نامتوازن و پرت، بیش‌برازش و زیربرازش
- شاخص‌های ارزیابی و انتخاب مدل، پارامتر‌ها و ابرپارامتر
- 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.
ارزیابی پیشنهادی
- تمرین‌ها و پروژه: ۳۰ درصد نمره
- آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره
منابع پیشنهادی
- A. Lindholm, N. Wahlström, F. Lindsten, and T. B. Schön. Machine Learning: A First Course for Engineers and Scientists. Cambridge University Press, 2022.
- T. M. Siebel. Digital Transformation: Survive and Thrive in an Era of Mass Extinction. Rodin Books, 2019.
- E. Hossain. Machine Learning Crash Course for Engineers. Springer, 2024.