دروس دکتری هوش مصنوعی

یکی از گرایش‌های بسیار محبوب و جذاب که این سال‌ها چه در داخل کشور و چه در خارج از کشور بسیار طرف‌دار پیدا کرده است، گرایش هوش مصنوعیهوش مصنوعی (AI) چیست؟ انواع، کاربردها، مزایا و معایبهوش مصنوعی یا Artificial Intelligence یا به اختصار AI، امروزه کاربردهای بسیاری پیدا کرده و به یکی از داغ‌ترین حوزه‌های بشر تبدیل شده است، اما با این وجود بسیاری از افراد با کاربردهای آن آشنایی کامل ندارند، به همین علت در این صفحه کاربردها، مزایا و معایب AI بطور کامل بررسی شده است است. گرایش هوش مصنوعی در رشته مهندسی کامپیوتر در مقاطع کارشناسی‌ارشد و دکتری ارائه می‌شود. دانشجویان گرایش هوش مصنوعی یا AI در مقطع دکترا، بر تحقیقات پیشرفته در زمینه هوش مصنوعی تمرکز دارند. می‌توان گفت هوش مصنوعی یک گرایش چندرشته‌ای است که شامل علوم کامپیوترعلوم کامپیوتر یا کامپیوتر ساینس چیستدر این صفحه به بررسی و موشکافی رشته علوم کامپیوتر اعم از بررسی بازار کار، گرایش‌ها، دروس و چارت درسی این رشته، میزان درآمد و حقوق فارغ التحصیلان این رشته و ادامه تحصیل در این رشته پرداخته‌ شده است.، ریاضیات، آمار،شبکه های عصبیشبکه عصبی یا شبکه عصبی مصنوعی (nueral network) چیست؟این مقاله عالی به معرفی شبکه عصبی یا شبکه عصبی مصنوعی (nueral network) پرداخته، همچنین الگوریتم شبکه عصبی، انواع و کاربرد و تاریخچه شبکه های عصبی بررسی شده، علوم‌شناختی و مهندسی می‌‎شود. دکتری هوش مصنوعی معمولاً به پیشینه قوی در علوم کامپیوتر و ریاضیات و یا زمینه‌های مرتبط نیاز دارد. از داوطلبان دکترای هوش مصنوعی انتظار می‌رود که تحقیقات بدیع و نوآورانه‌ای انجام دهند که اغلب منجر به ایجاد الگوریتمآموزش طراحی الگوریتم به زبان سادهدرس طراحی الگوریتم‌ یکی از مهم‌ترین و بنیادیترین دروس‌ رشته کامپیوتر است. هدف از این درس، معرفی روش‌های مختلف طراحی الگوریتم‌ها برای حل مسائل گوناگون است، در این صفحه به معرفی و آموزش طراحی الگوریتم پرداخته شده است. ها، مدل‌ها و یا سیستم‌های جدیدی می‌‎شود که به پیشرفت حوزه هوش مصنوعی منجر می‌‎شود.

دروس دکتری هوش مصنوعی دانشگاه شریف

دانشجویان رشته کامپیوتر در گرایش هوش مصنوعی در مقطع دکتری می‌بایست قبل از نوشتن و دفاع از پروپوزال رساله خود، دروسی را پاس کنند که در این قسمت می‌خواهیم به دروس تصویب شده برای این گرایش بپردازیم.

به‌طورکلی 5 زمینه تخصصی وجود دارد که هرکدام را جداگانه در جداول زیر آورده ایم:

جدول زمینه تخصصی اول: هوش نمادین

جدول زمینه تخصصی دوم: یادگیری ماشین

ردیف	عنوان درس	تعداد واحد
1	یادگیری ماشین (Machine Learning)	3
2	یادگیری عمیقیادگیری عمیق چیست؟ معرفی کامل یادگیری عمیق به زبان سادهاین مقاله به سوالات رو به رو پاسخ داده : یادگیری عمیق چیست و چگونه کار می‌کند؟ آیا یادگیری عمیق همان شبکه عصبی است؟ تفاوت یادگیری عمیق با یادگیری ماشین چیست؟ (Deep Learning)	3
3	یادگیری ماشین آماری (Statistical Machine Learning)	3
4	مدل‌های گرافی احتمالی (Probabilistic Graphical Models)	3
5	نظریه یادگیری ماشین (Machine Learning Theory)	3
6	الگوشناسی آماری (Statistical Pattern Recognition)	3
7	شبکه‌های عصبی مصنوعی و سامانه‌های فازی(Neural Networks and Fuzzy Systems)	3
8	شبکه‌های عصبی (Neural Networks)	3

جدول زمینه تخصصی سوم: سیگنال

ردیف	عنوان درس	تعداد واحد
1	پردازش علائم دیجیتال (Digital Signal Processing)	3
2	پردازش تصویرپردازش تصویر دیجیتال چیست؟ چه انواعی دارد؟ چه مراحلی را شامل می‌شود؟ پردازش تصویر یکی از فیلدهای پرطرفدار مرتبط با گرافیک کامپیوتر، بینایی کامپیوتر، هوش مصنوعی، یادگیری ماشین، و الگوریتم‌ها و محاسبات است که ارتباط تنگاتنگی میان تمام آنهاست. در نتیجه در این صفحه علاوه بر معرفی این فیلد، نقشه راهی نیز برای علاقه‌مندان این حوزه ارائه کرده‌ایم. (Image Processing)	3
3	پردازش پیشرفته علائم دیجیتال (Advanced Digital Signal Processing)	3
4	بینایی پیشرفته سه‌بعدی کامپیوتری (Advanced 3D Computer Vision)	3
5	بینایی ماشینبینایی کامپیوتر و کاربردهای آن چیست و چگونه کار می‌کند؟کامپیوتر ویژن یا بینائی کامپیوتر، در ارتباط با مدلسازی و تقلید از حس بینایی انسانی از طریق استفاده از نرم‌افزار یا سخت‌افزار دیجیتالی می‌باشد. در این صفحه بینایی ماشین را بصورت کامل بررسی شده است. (Computer Vision)	3
6	پردازش گفتار (Speech Processing)	3
7	فناوری رباتیک (Robotics Technology)	3
8	بازشناسی گفتار (Speech Recognition)	3
9	پردازش سیگنال‌های ویدئویی (Video Signal Processing)	3
10	بهسازی گفتار (Speech Enhancement)	3

جدول زمینه تخصصی چهارم: بیوانفورماتیک

ردیف	عنوان درس	تعداد واحد
1	زیست‌شناسی سامانه‌ای محاسباتی (Computational Systems Biology)	3
2	ژنومیک محاسباتی (Computational Genomics)	3
3	بیوانفورماتیک ساختاری (Structural Bioinformatics)	3
4	الگوریتم‌های بیوانفورماتیکگرایش بیوانفورماتیکبیوانفورماتیک از رشته‌های نو، جذاب و میان رشته‌ای است، با توجه به اطلاعات کمی که در این زمنیه وجود دارد در این مقاله سعی کرده‌ایم هر آنچه در مورد بیوانفورماتیک باید بدانید را به شما بگوییم، با این مقاله کامل و جذاب با ما همراه باشید (Algorithms for Bioinformatics)	3

جدول زمینه تخصصی پنجم: ریاضی و آمار

مقررات اخذ دروس

• دانشجویان گرایش هوش مصنوعی در مقطع دکترا می‌بایست حداقل 5 درس از دروس جداول بالا را در دوره کارشناسی ارشد و دکترا، با موافقت استاد راهنما بگذرانند که حداقل سه درس آن باید از سه زمینه تخصصی متفاوت باشد.
• دانشجویان نمی‌توانند دروسی را که قبلاً در دوره کارشناسی و یا کارشناسی‌ارشد اخذ کرده‌اند را مجدداً اخذ کنند.
• امتحان جامع شامل چهار درس است که سه درس آن باید از سه زمینه تخصصی مختلف انتخاب شده باشد و درس چهارم نیز توسط استاد راهنما تعیین می‌شود.
• اخذ دو درس داده کاویداده‌ کاوی چیست؟ بررسی 0 تا 100 دیتا ماینینگ (data mining)این مقاله عالی بررسی کرده که داده کاوی یا دیتا ماینینگ (data mining) چیست و چه کاربردی دارد، سپس انواع روش های داده کاوی و مزایای دیتا ماینینگ را بررسی کرده و یادگیری ماشین در طول دوره مجاز نیست و در صورت اخذ هر دو درس توسط دانشجو، یکی از آنها زائد محسوب می‌شود.

دروس دکتری هوش مصنوعی دانشگاه تهران

دروس دکتری هوش مصنوعی و مقررات ذکر شده در قسمت قبل، مربوط به دانشگاه صنعتی شریف است. کلیات دروس و مقررات دانشگاه‌های دیگر ممکن است تا حدودی، بسته به قوانین دانشگاه متفاوت باشد. به‌عنوان‌مثال دروس ارائه شده برای دکتری در دانشگاه تهران، مشابه با دروس ارائه شده برای مقطع کارشناسی‌ارشد است و دانشجوی دکتری موظف است در طول دوران تحصیلی خود حداقل 6 درس را اخذ کند.

دروس گروه هوش مصنوعی در دانشگاه تهران، در سه گروه قرار می‌گیرند که در جداول زیر آنها را مشاهده می‌کنید:

جدول دروس گروه 1

جدول دروس گروه 2

مطالب مرتبط

همه مقالات

ظرفیت پذیرش مهندسی کامپیوتر

بررسی شغل های رشته کامپیوتر برای خانم ها

کنکور ارشد مهندسی فناوری اطلاعات (آی تی)

مهندسی کامپیوتر دانشگاه حکیم سبزواری