تازگی گردآوری
تا حدی تازه- آخرین مشاهده موفق
- 2026-08-15 03:13 UTC
- وضعیت گردآوری
- ok
- نسخه تجزیهگر
- web-v3

مطالب كانال:🔹 معماری پارامتریک🔹 ساخت دیجیتالی🔹 معماری رباتیک🔹 کنفرانس های معماری دیجیتال🔹 فرصت های دکتری معماری دیجیتال🔹 کتاب های معماری دیجیتال 🔹 ورکشاپ های معماري ديجيتال و پارامتريك
مشاهدات عمومی نمایه؛ این اعداد توسط مالک کانال ارائه نشدهاند.
تازگی نسبی · اطمینان پایین · 3 نمونه پست
دسترسی برابر است با میانه بازدید پستهای منتشرشده در ۳۰ روز گذشته تقسیم بر آخرین تعداد مشاهدهشده اعضا. خط تیره یعنی داده تاریخی کافی نیست. (channel-v1)
هفت روز اخیر
این بخش آنچه دایرکتوری واقعاً مشاهده کرده نشان میدهد و امتیاز ترکیبی اعتبار یا کیفیت تولید نمیکند.
ویرایش و حذف پست از داده تجمیعی فعلی در دسترس نیست؛ بنابراین بهجای صفر، ناموجود نمایش داده میشود.
بازه 2026-08-10 تا 2026-08-16 · ذخیره موقت ۱۵ دقیقه · channel-evidence-7d-v2
سرفصلهای دوره:بخش اول: Python برای هوش مصنوعی (۸ جلسه) - Python، محیط برنامهنویسی و مفاهیم پایه - ساختار داده، توابع، الگوریتمها و برنامهنویسی شیءگرا - کار با فایل و دادهها - تحلیل داده با NumPy و Pandas - مصورسازی داده با Matplotlib بخش دوم: Deep Learning با PyTorch (۸ جلسه) - شبکههای عصبی مصنوعی (ANN) و مبانی Deep Learning - پیادهسازی مدلهای رگرسیون و طبقهبندی- CNN، Autoencoder، VAE و GAN بخش سوم: LLM و توسعه سیستمهای هوشمند (۵ جلسه) - معماری LLM و Transformerها - مدلهای زبانی محلی و ابری - Prompt Engineering و کاربرد LLM در معماری - سیستمهای RAG، Context-Aware و Agentهای هوشمند - طراحی اپلیکیشنهای مبتنی بر LLM بخش چهارم: روش تحقیق و نگارش مقالات علمی (۲ جلسه) - تعریف مسئله و سوال تحقیق - مرور ادبیات و طراحی روش تحقیق - اصول نگارش و آمادهسازی مقاله علمیبخش پنجم: Scientific Research Studio - پژوهش گروهی تحت هدایت استاد - انتخاب موضوع و توسعه ایده تحقیقاتی - طراحی چارچوب پژوهش و مدل هوش مصنوعی - نگارش مقاله و آمادهسازی برای ارسال علمیسرفصلهای دوره:بخش اول: Python برای هوش مصنوعی (۸ جلسه) - Python، محیط برنامهنویسی و مفاهیم پایه - ساختار داده، توابع، الگوریتمها و برنامهنویسی شیءگرا - کار با فایل و دادهها - تحلیل داده با NumPy و Pandas - مصورسازی داده با Matplotlib بخش دوم: Deep Learning با PyTorch (۸ جلسه) - شبکههای عصبی مصنوعی (ANN) و مبانی Deep Learning - پیادهسازی مدلهای رگرسیون و طبقهبندی- CNN، Autoencoder، VAE و GAN بخش سوم: LLM و توسعه سیستمهای هوشمند (۵ جلسه) - معماری LLM و Transformerها - مدلهای زبانی محلی و ابری - Prompt Engineering و کاربرد LLM در معماری - سیستمهای RAG، Context-Aware و Agentهای هوشمند - طراحی اپلیکیشنهای مبتنی بر LLM بخش چهارم: روش تحقیق و نگارش مقالات علمی (۲ جلسه) - تعریف مسئله و سوال تحقیق - مرور ادبیات و طراحی روش تحقیق - اصول نگارش و آمادهسازی مقاله علمیبخش پنجم: Scientific Research Studio - پژوهش گروهی تحت هدایت استاد - انتخاب موضوع و توسعه ایده تحقیقاتی - طراحی چارچوب پژوهش و مدل هوش مصنوعی - نگارش مقاله و آمادهسازی برای ارسال علمی
معمارى پارامتريك و ديجيتال pinned a photo
دوره پژوهشمحور هوش مصنوعی در معماری و شهرسازی (Python + Deep Learning + LLM + Scientific Research Studio)هوش مصنوعی در حال تغییر فرآیندهای طراحی، تحلیل و پژوهش در معماری و شهرسازی است. این دوره مسیر یادگیری AI را از برنامهنویسی و توسعه مدلهای هوشمند تا انجام پژوهش علمی و نگارش مقاله دنبال میکند.در این دوره، دانشجویان مهارت توسعه پروژههای کاربردی و انجام تحقیقات علمی در حوزه معماری و شهرسازی را کسب خواهند کرد. مدرس: دکتر مرتضی رهبر عضو هیئت علمی دانشگاه علم و صنعت ایران، مدیر آزمایشگاه طراحی رایانشی و هوش مصنوعی در معماری زمان برگزاری:بخش اول: یکشنبهها، ساعت ۱۸ تا ۲۱ (آنلاین)بخش دوم، سوم و چهارم: شنبهها، ساعت ۱۸ تا ۲۱ (آنلاین)شروع دوره از یکشنبه ۲۵ مرداداین دوره بهصورت یک مسیر آموزشی پیوسته طراحی شده است؛ بهگونهای که دانشجویان پس از یادگیری مبانی هر مرحله، وارد مرحله بعدی شده و در نهایت به اجرای یک پروژه پژوهشی کامل خواهند رسید.جهت کسب اطلاعات تکمیلی و ثبتنام: @iarch_lab_admin