برنامه مسیر ۸ ماهه تا کنکور: مشاوره خصوصیت با استاد رضوی رو رزرو کن!
رزرو مشاوره
کنکور کامپیوتر
0
ورود | ثبت نام
نظرات
اشتراک
بالا
علاقه‌مندی

اشتراک
 

دروس دکتری هوش مصنوعی

این صفحه عالی دروس دکتری هوش مصنوعی را معرفی کرده است و دروس دکتر هوش در دانشگاه تهران و شریف را نیز گفته است و همچنین طول دوره دکتری هوش را بررسی کرده است

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 (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 چیستعلوم 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؟شبکه 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 سادهآموزش 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

ردیفعنوان درستعداد واحد
1 برنامه‌ریزی در هوش مصنوعی (Artificial Intelligence Planning) 3
2 هوش مصنوعی پیشرفته (Advanced Artificial Intelligence) 3
3 پردازش زبان‌های طبیعی (Natural Language Processing) 3
4 هوش مصنوعی محاسباتی (Computational Intelligence) 3
5 هوش مصنوعی توزیع شده (Distributed Artificial Intelligence) 3

جدول زمینه تخصصی دوم: یادگیری ماشین

ردیفعنوان درستعداد واحد
1 یادگیری ماشین (Machine Learning) 3
2 یادگیری عمیقیادگیری عمیق چیست؟ معرفی کامل یادگیری عمیق به زبان سادهیادگیری 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

ردیفعنوان درستعداد 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 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؟بینایی 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

ردیفعنوان درستعداد واحد
1 زیست‌شناسی سامانه‌ای محاسباتی (Computational Systems Biology) 3
2 ژنومیک محاسباتی (Computational Genomics) 3
3 بیوانفورماتیک ساختاری (Structural Bioinformatics) 3
4 الگوریتم‌های بیوانفورماتیکگرایش 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

ردیفعنوان درستعداد واحد
1 فرایندهای تصادفی (Stochastic Processes) 3
2 نظریه الگوریتمی بازی‌ها (Algorithmic Game Theory) 3
3 بهینه‌سازی محدب (Convex Optimization) 3
4 نظریه اطلاعات و کدینگ (Information Theory and Coding) 3
5 شبکه‌های پویای پیچیده (Complex Dynamical Networks) 3

مقررات اخذ دروس

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

ردیفعنوان درستعداد واحدساعات تدریس
1 شناسایی الگو 3 48
2 رایانش تکاملی 3 48
3 ربات‌های متحرکت خودگردان 3 48
4 یادگیری ماشین 3 48
5 هوش مصنوعی پیشرفته 3 48
6 فرایندهای تصادفی 3 48
7 شبکه‌های عصبی 3 48
8 سیستم‌های چندعاملی 3 48

جدول دروس گروه 2

ردیفعنوان درستعداد واحدساعات تدریس
1 برنامه‌ریزی هوشمند 3 48
2 الگوریتم‌های هوش جمعی 3 48
3 مجموعه‌ها و سیستم‌های فازی 3 48
4 یادگیری تقویتی 3 48
5 نظریه یادگیری آماری 3 48
6 مدل‌های گرافی احتمالی 3 48
7 تصویرپردازی رقمی 3 48
8 بینایی کامپیوتر 3 48
9 پنهان‌سازی اطلاعات 3 48
10 سنجش‌ازدور 3 48
11 پردازش زبان‌های طبیعی 3 48
12 پردازش آماری زبان‌های طبیعی 3 48
13 ترجمه ماشینی 3 48
14 فهم زبان 3 48
15 پردازش سیگنال‌های رقمی 3 48
16 گفتار پردازی رقمی 3 48
17 شناسایی گفتار و گوینده 3 48
18 تبدیل متن به گفتار 3 48
19 رویکردهای هوش مصنوعی در بازی‌ها 3 48
20 رفتارهای هوشمند جمعی در بازی‌ها 3 48
21 تصمیم‌گیری، استراتژی و مسیریابی در بازی‌ها 3 48
22 معماری بازی‌های رایانه‌ای 3 48
23 طراحی و توسعه بازی‌های رایانه‌ای 3 48
24 سیستم‌های چند رباتی 3 48
25 یادگیری تقویتی و کنترل ربات 3 48
26 رباتیکز شناختی 3 48
27 ریاضیات برای رباتیکز 3 48
28 فیزیولوژی و آناتومی سیستم اعصاب 3 48
29 علم اعصاب سلولی 3 48
30 علوم‌شناختی 3 48
31 پردازش سلولی و مولکولی 3 48
32 مدل‌های رایانشی در سیستم‌های جمعی 3 48
33 نظریه بازی‌ها 3 48
34 بهینه‌سازی 3 48
35 داده‌کاوی پیشرفته 3 48
36 پردازش سیگنال آماری 3 48
37 تحلیل و پردازش زمان – فرکانس 3 48
38 شناسایی مقاوم و بهسازی گفتار 3 48
جدول دروس گروه 3
ردیفعنوان درستعداد واحدساعات تدریس
1 مباحث ویژه 1 در هوش مصنوعی 3 48
2 مباحث ویژه 2 در هوش مصنوعی 3 48
3 مباحث ویژه 3 در هوش مصنوعی 3 48
4 مفاهیم پیشرفته 1 در هوش مصنوعی 3 48
5 مفاهیم پیشرفته 2 در هوش مصنوعی 3 48
6 مفاهیم پیشرفته 3 در هوش مصنوعی 3 48
7 یک درس از سایر گرایش‌ها یا دانشکده‌ها با تأیید دانشکده 3 48

باتوجه‌به حوزه‌ای که دانشجوی مقطع دکتری در آن فعالیت می‌کند، دروس اخذ شده می‌تواند بسیار متفاوت باشد که با کمک استاد راهنما دروس مربوطه شناسایی و اخذ می‌شوند.

دکتری هوش مصنوعی چند سال است؟

از سؤالاتی که برای داوطلبان دکتری هوش مصنوعی پیش می‌آید این است که طول دوره تحصیلی دانشجویان در مقطع دکتری چند سال یا چند ترم است. حداقل طول تحصیل دکتری هوش مصنوعی 9 ترم یا 4.5 سال است که البته در بسیاری از موارد تا ترم 10 یعنی سال پنجم نیز هزینه ای از دانشجو گرفته نمی‌شود. با توجه به حوزه های فعالیتی دانشجویان و تحقیق های آنها، ممکن است نیاز به زمان بیشتری برای فارغ التحصیلی داشته باشند. در بعضی از موارد طول دکتری هوش مصنوعی به سال های 6 و 7 نیز می‌رسد.

تحصیل بعد از ترم 9 (و در بعضی موارد ترم 10) منوط به پرداخت هزینه ای ثابت است که طبق شیوه نامه مصوب موسسه دریافت می‌شود. اگر دانشجو در این مدت فارغ التحصیل نشود، پرونده وی برای تصمیم گیری در خصوص ادامه تحصیل به کمیسیون موارد خاص موسسه ارجاع می‌‎شود.

جمع‌بندی

گرایش هوش مصنوعی از گرایش‌های جذاب رشته کامپیوتر محسوب می‌‎شود. دانشجویان مقطع دکترا در طول دوران تحصیلی خود تحقیقات مختلفی را در حوزه هوش مصنوعی انجام می‌دهند. از مسائل بهینه‌سازی گرفته تا ایجاد الگوریتم‌ها و ابداع روش‌های نوین در زمینه‌های مختلف. همچنین دانشجویان در این مقطع می‌بایست دروس ارائه شده برای رشته هوش مصنوعی را به کمک استاد راهنمای خود و در جهت انجام رساله‌شان اخذ کنند. در این مقاله به بررسی  پرداختیم و قواعد مربوط به اخذ آنها را ذکر کردیم.

تعداد دروسی که در گرایش هوش مصنوعی در مقطع دکتری می‌بایست اخذ شود چقدر است؟

تعداد دروسی که دانشجو می‌بایست در طول دوران تحصیلات خود در مقطع دکترا اخذ کند باتوجه‌به دانشگاه و شرایط دانشجو می‌تواند متفاوت باشد. به‌عنوان‌مثال اگر دانشجو تعداد دروس مرتبط با کار خود را در دوران کارشناسی‌ارشد گذرانده باشد، ممکن است تنها نیاز باشد 4 درس را اخذ کند. یا مثلا در دانشگاه تهران دانشجویان می‌بایست 6 درس اخذ کنند.

امتیازدهی5 1 1 1 1 1 1 1 1 1 15.00 امتیاز (2 رای)
اشتراک
بارگذاری نظرات
تلگرام اینستاگرام تماس با پشتیبانی: 09378555200 تماس با پشتیبانی: 09378555200