اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی نرم‌افزار متلب و سیمولینک برای تحلیل و شبیه‌سازی مهندسی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی نرم‌افزار متلب و سیمولینک برای تحلیل و شبیه‌سازی مهندسی

موضوع کلی: مهندسی نرم‌افزار و ابزارهای محاسباتی

موضوع میانی: ابزارهای شبیه‌سازی و تحلیل داده

📋 سرفصل‌های دوره

• 1. آشنایی با محیط متلب
• 2. مقدمه‌ای بر سیمولینک
• 3. ایجاد و ذخیرهٔ پروژه‌ها
• 4. مفاهیم پایهٔ متغیرها و انواع داده
• 5. عملیات ریاضی در متلب
• 6. کار با بردارها و ماتریس‌ها
• 7. عملیات روی ماتریس‌ها
• 8. نمودارها و رسم توابع
• 9. توابع کاربردی متلب
• 10. دستورات شرطی (if, else, elseif)
• 11. حلقه‌های تکرار (for, while)
• 12. نوشتن توابع سفارشی در متلب
• 13. کار با فایل‌ها و داده‌ها
• 14. مقدمه‌ای بر پردازش سیگنال
• 15. فیلترهای دیجیتال در متلب
• 16. تحلیل سری‌های زمانی
• 17. مقدمه‌ای بر بهینه‌سازی
• 18. الگوریتم‌های ژنتیک در متلب
• 19. شبکه‌های عصبی در متلب
• 20. یادگیری ماشین با متلب
• 21. مقدمه‌ای بر کنترل سیستم‌ها
• 22. طراحی کنترل‌کننده‌های PID
• 23. شبیه‌سازی سیستم‌های دینامیکی
• 24. مدل‌سازی سیستم‌های فیزیکی
• 25. مقدمه‌ای بر پردازش تصویر
• 26. عملیات مورفولوژیکی در پردازش تصویر
• 27. شناسایی الگو در تصاویر
• 28. تحلیل داده‌های بزرگ
• 29. مقدمه‌ای بر محاسبات موازی
• 30. استفاده از GPU در متلب
• 31. بهینه‌سازی کد در متلب
• 32. اشکال‌زدایی برنامه‌ها
• 33. مستندسازی کد
• 34. کار با ابزارهای GUI متلب
• 35. ایجاد رابط‌های کاربری گرافیکی
• 36. مقدمه‌ای بر اتوماسیون مهندسی
• 37. شبیه‌سازی فرآیندهای صنعتی
• 38. تحلیل حساسیت مدل‌ها
• 39. پیش‌بینی عملکرد سیستم
• 40. مدل‌سازی آماری
• 41. آزمون فرض آماری
• 42. رگرسیون خطی
• 43. رگرسیون چندگانه
• 44. تحلیل واریانس (ANOVA)
• 45. تحلیل مولفه‌های اصلی (PCA)
• 46. تحلیل عاملی
• 47. طبقه‌بندی داده‌ها
• 48. خوشه‌بندی داده‌ها
• 49. کشف قوانین انجمنی
• 50. پردازش زبان طبیعی با متلب
• 51. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
• 52. کاربرد CNN در پردازش تصویر
• 53. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
• 54. کاربرد RNN در تحلیل سری‌های زمانی
• 55. مدل‌سازی حالت-فضا
• 56. تحلیل پایداری سیستم‌ها
• 57. طراحی ناظرها
• 58. کاربرد نظریه کنترل در مهندسی
• 59. مقدمه‌ای بر رباتیک
• 60. شبیه‌سازی ربات‌ها
• 61. مباحث پیشرفته در سیمولینک
• 62. مدل‌سازی سیستم‌های چند-زبانه‌ای
• 63. شبیه‌سازی سیستم‌های گسسته-پیشامد
• 64. مدل‌سازی سیستم‌های خودرو
• 65. مدل‌سازی سیستم‌های هوافضا
• 66. مدل‌سازی سیستم‌های مخابراتی
• 67. شبیه‌سازی شبکه‌های مخابراتی
• 68. مباحث پیشرفته در پردازش سیگنال
• 69. تحلیل طیفی سیگنال‌ها
• 70. تبدیل موجک
• 71. مباحث پیشرفته در یادگیری ماشین
• 72. یادگیری تقویتی
• 73. ماشین‌های بردار پشتیبان (SVM)
• 74. درخت‌های تصمیم
• 75. جنگل‌های تصادفی
• 76. مدل‌های گرافیکی
• 77. مقدمه‌ای بر محاسبات علمی
• 78. بهینه‌سازی عددی
• 79. حل معادلات دیفرانسیل
• 80. حل معادلات جبری
• 81. انتگرال‌گیری عددی
• 82. مقدمه‌ای بر شبیه‌سازی مونت‌کارلو
• 83. کاربرد شبیه‌سازی مونت‌کارلو در مهندسی
• 84. مباحث پیشرفته در پردازش تصویر
• 85. استخراج ویژگی از تصاویر
• 86. تشخیص اشیاء در تصاویر
• 87. رنگ‌شناسی در پردازش تصویر
• 88. مباحث پیشرفته در شبکه‌های عصبی
• 89. شبکه‌های مولد تخاصمی (GAN)
• 90. شبکه‌های گراف کانولوشنال (GCN)
• 91. یادگیری عمیق برای تحلیل سری‌های زمانی
• 92. مدل‌سازی پیش‌بینی‌کننده
• 93. تحلیل ریسک با متلب
• 94. مدیریت داده‌های علمی
• 95. استانداردسازی داده‌ها
• 96. پاک‌سازی داده‌ها
• 97. انتخاب ویژگی
• 98. مهندسی ویژگی
• 99. مدل‌سازی داده‌های مکانی
• 100. تحلیل داده‌های حسگر