نیمسال اول ۱۴۰۱-۱۴۰۰

نیمسال اول ۱۴۰۱-۱۴۰۰

با عرض سلام به همه دانشجویان عزیز، برنامه کلاسی نیمسال اول ۱۴۰۱-۱۴۰۰ من بصورت زیر است:

هر یک از جداول زیر، اطلاعات یک درس ارائه شده در نیمسال جاری را نشان می‌دهد. در این جداول علاوه بر مشخصات دروس، کلیه هماهنگی‌ها و اطلاع‌رسانی‌های مربوط به آن دروس نیز درج خواهند شد. لذا مراجعه مستمر به این وبسایت و بررسی روزانه آن توصیه می‌شود.

 

  هوش مصنوعی و سیستم‌های خبره Artificial Intelligence and Expert Systems
نوع درس: درس اصلی مقطع کارشناسی تعداد واحدها:

۳ واحد تئوری

پیش نیازها: ساختمان های داده هم نیازها: -
تاریخ اطلاعیه متن اطلاعیه
۲۷ شهریور  ۱۴۰۰

مجموعه اسلایدهای بروزشده هوش مصنوعی را می توانید از اینجا دانلود کنید:

سرفصل درس

دو اسلاید در هر صفحه

شش اسلاید در هر صفحه

فایل مثالهای هرس آلفابتا

۲۷ شهریور  ۱۴۰۰

آزمون میانترم روز چهارشنبه ۳ آذر ۱۴۰۰ و تا انتهای فصل ۴ خواهد بود.

   

 

  سیستم‌های عامل Operating Systems
نوع درس: درس اصلی مقطع کارشناسی تعداد واحدها:

۳ واحد تئوری

پیش نیازها: ساختمان های داده، معماری کامپیوتر هم نیازها: -
تاریخ اطلاعیه متن اطلاعیه
۲۷ شهریور  ۱۴۰۰

مجموعه اسلایدهای بروزشده سیستم های عامل را می توانید از اینجا دانلود کنید.

دو اسلاید در هر صفحه

شش اسلاید در هر صفحه

نسخه بروزشده اسلایدهای فصل 9 (زمانبندی تک پردازنده ای)

کتاب اصلی مرجع درس نیز از لینک زیر قابل دانلود است:

کتاب اصول سیستمهای عامل استالینگز

۲۷ شهریور  ۱۴۰۰

آزمون میانترم روز شنبه ۲۹ آبان ۱۴۰۰ و تا انتهای فصل ۵ خواهد بود.

 

  پردازش تصاویر دیجیتال Digital Image Processing
نوع درس: درس اختیاری مقطع کارشناسی ارشد تعداد واحدها:

۳ واحد نظری

پیش نیازها: ندارد هم نیازها: -
تاریخ اطلاعیه متن اطلاعیه
۲۷ شهریور  ۱۴۰۰

کتاب مرجع اصلی درس را از اینجا دانلود کنید:

پردازش تصاویر دیجیتال (گونزالس) ویرایش چهارم 

پردازش تصاویر دیجیتال با استفاده از متلب (گونزالس) ویرایش دوم

اسلایدهای درس به مرور در این بخش گذاشته خواهند شد:

۰-سرفصل درس

۱- مقدمه

۲- اصول پایه تصاویر رقمی

۳- بهسازی تصویر

۴- فیلترینگ در حوزه فرکانس  (جدید)

۹-مورفولوژی تصویر

۱۰- قطعه بندی تصویر

۲۷ شهریور  ۱۴۰۰

آزمون میانترم درس پردازش تصاویر دیجیتال روز شنبه ۶ آذر ۱۴۰۰ خواهد بود. 

۱۵ بهمن ۱۴۰۰

پروژه پایانی درس (3 نمره):

با استفاده از زبان برنامه نویسی پایتون و کتابخانه OpenCV، تعداد سکه های تصویر زیر را به دست آورید:

راهنمایی: برای پیش پردازش تصویر باید پس از تبدیل تصویر به تصویر دودویی، ناهمواری ها با استفاده از عملیات مورفولوژیک حذف شوند به نحوی که قبل از عمل شمارش فقط تعدادی دایره در تصویر باقی بماند.

خروجی پروژه باید یک تصویر با ابعاد تصویر ورودی باشد که در مرکز هر سکه یک عدد منحصر به فرد قرار داشته باشد و بیشترین عدد موجود در تصویر تعداد سکه ها را نشان بدهد.

فایل گزارش پروژه باید شامل توضیح کد های هر مرحله از پیش پردازش و همچنین خروجی آن مرحله باشد و همچنین پروژه باید به صورت انفرادی انجام شود.

آخرین مهلت انجام و ارسال این پروژه از طریق سامانه LMS، یکشنبه ۱۵ اسفند ۱۴۰۰ است. تحویل حضوری آن پس از این تاریخ اعلام خواهد شد. 
آدرس جدید سایت LMS برای نیمسال اول ۱۴۰۱-۱۴۰۰:

https://lms4001.birjand.ac.ir/
۲۵ بهمن ۱۴۰۰ امتحان پایانترم ساعت ۱۸ روز چهارشنبه ۲۷ بهمن خواهد بود.

 

  یادگیری عمیق Deep Learning
نوع درس: درس تخصصی اختیاری مقطع کارشناسی ارشد علم داده تعداد واحدها:

۳ واحد نظری

پیش نیازها: ندارد هم نیازها: ندارد
تاریخ اطلاعیه متن اطلاعیه
۱۵ آبان ۱۴۰۰

کتاب مرجع اصلی درس را از اینجا دانلود کنید:

یادگیری ماشین (گودفیلو)

شبکه های عصبی و یادگیری عمیق (نیلسون)

اسلایدهای درس نیز در سامانه LMS آپلود شده اند. 

۱۵ بهمن ۱۴۰۰

تکلیف دسته بندی تصاویر:

هدف از این تمرین بررسی عملکرد یک دسته بند تصاویر است. یک شبکه کانولوشنی برای پایگاه داده ی CIFAR-10 طراحی شده و کد مربوط به آن در لینک زیر قرار دارد:

https://colab.research.google.com/drive/1yDfGwU039IxFduee6vG4cyV-T87NuMM7?usp=sharing

قسمت اول: در مورد دیتاست 10-CIFAR و 100-CIFAR تحقیق کنید و موضوع دیتاست و چند تا از کلاس های از آن را معرفی کنید.

قسمت دوم: پس از آموزش مدل، نمودار های خطای آموزش و تست را رسم کرده و تحلیل کنید.

قسمت سوم: Confusion Matrix، F1-score، Precision و Recall را توضیح داده و مقادیر آنها را پس از آموزش مدل اعلام کنید.

قسمت چهارم: چند تصویر دلخواه خود را پس از آموزش جهت ارزیابی به مدل بدهید و نتایج را در گزارش خود نمایش دهید.

نام فایل گزارش باید به صورت EX1_0000000000.pdf و شامل شماره دانشجویی شما باشد. همچنین تمرین باید به صورت فردی انجام شود.
آخرین مهلت ارسال تمرین از طریق سامانه LMS، ساعت 24 روز شنبه 30 بهمن 1400 خواهد بود. 
آدرس جدید سایت LMS برای نیمسال اول ۱۴۰۱-۱۴۰۰:

https://lms4001.birjand.ac.ir/

 

۲۵ بهمن ۱۴۰۰

پروژه نهایی درس یادگیری عمیق:

هدف از این پروژه بررسی یکی از کاربرد های مهم یادگیری عمیق به نام توصیف تصویر است. کد پایتون توصیف تصویر در لینک زیر قرار دارد:

https://colab.research.google.com/drive/1WJWrfsC4KtA6e0oh43N5qqJRy2VWR9ND?usp=sharing

قسمت اول: در مورد پایگاه داده ی مورد استفاده (Flickr8K) تحقیق کنید و چند نمونه از داده های موجود در آن را در گزارش خود ذکر کنید.

قسمت دوم: مساله توصیف تصویر را با جزئیات کامل توضیح داده و ساختار شبکه های عصبی مورد نیاز برای انجام این امر و ورودی و خروجی هر یک را مشخص کنید.

قسمت سوم: همانطور که مشاهده می شود در نتیجه اجرای نمونه کد، تعداد تکرار های آموزش شبکه برابر ۳۰ تعیین شده ولی پس از ۱۶ تکرار آموزش متوقف شده است. دلیل این امر توقف زودهنگام یا Early Stopping می باشد. در مورد شرایط مختلف قابل تعریف برای توقف زودهنگام آموزش در کتابخانه Keras تحقیق کنید و نتایج را ذکر کنید.

قسمت چهارم: در مراحل پیش پردازش از لایه ای به نام Text Vectorization استفاده شده است. در مورد این لایه تحقیق کنید و کاربرد آن در این مساله را توضیح دهید.

قسمت پنجم: پس از آموزش مدل، چند نمونه از تصاویر و توصیف های متنی متناظر را تولید کرده و نتایج را از لحاظ دقت توصیف بررسی کنید.

  • نام فایل گزارش باید به صورت EX2_0000000000.pdf و شامل شماره دانشجویی شما باشد. 
  • پروژه باید به صورت انفرادی انجام شود.
  • آخرین مهلت ارسال تمرین، ساعت 24 روز جمعه 20 اسفند 1400 خواهد بود.
  • آدرس جدید سایت LMS برای نیمسال اول ۱۴۰۱-۱۴۰۰:
    https://lms4001.birjand.ac.ir/

 

  کارآموزی Internship
نوع درس: درس تخصصی مقطع کارشناسی تعداد واحدها: ۱ واحد عملی
پیش نیازها: گذراندن ۸۰ واحد هم نیازها: -
تاریخ اطلاعیه متن اطلاعیه
۱ مهر ۱۴۰۰ به اطلاع دانشجویان محترمی که با اینجانب درس کارآموزی را داشته اند می رساند تا حداکثر انتهای مهرماه گزارش کارآموزی را تایپ شده و با فرمت pdf برای اینجانب از طریق ایمیل ارسال نمایند.
۱ مهر ۱۴۰۰

گزارش کارآموزی بر اساس قالب زیر تهیه و تدوین شود:

قالب گزارش