اپلیکیشن اندرویدی فلش‌کارت آموزشی آموزش جامع نرم‌افزار متلب (MATLAB) برای کاربردهای مهندسی و محاسباتی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع نرم‌افزار متلب (MATLAB) برای کاربردهای مهندسی و محاسباتی

موضوع کلی: علوم کامپیوتر و مهندسی

موضوع میانی: برنامه‌نویسی و نرم‌افزارهای مهندسی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر نرم افزار متلب و محیط آن
• 2. آشنایی با پنجره های اصلی متلب (Command Window, Workspace, Current Folder)
• 3. مفاهیم اولیه متلب: متغیرها، انواع داده و عملگرها
• 4. کار با بردارها و ماتریس ها در متلب
• 5. عملیات پایه روی بردارها و ماتریس ها
• 6. اندیس گذاری و برش (Indexing and Slicing) در متلب
• 7. توابع ریاضی پرکاربرد در متلب
• 8. ترسیم نمودارهای دو بعدی پایه (Plotting 2D)
• 9. تنظیمات نمودارهای دو بعدی (Labels, Title, Legend)
• 10. ترسیم نمودارهای سه بعدی پایه (Plotting 3D)
• 11. توابع جبری خطی (Linear Algebra) در متلب
• 12. حل دستگاه معادلات خطی با متلب
• 13. محاسبات عددی و بهینه سازی در متلب
• 14. مقدمه ای بر برنامه نویسی در متلب (اسکریپت ها)
• 15. ساختار کنترل: دستورات شرطی (If-Else)
• 16. ساختار کنترل: حلقه ها (For, While)
• 17. توابع سفارشی در متلب (User-Defined Functions)
• 18. ذخیره و بارگذاری داده ها در متلب
• 19. کار با فایل های متنی (Text Files)
• 20. کار با فایل های اکسل (Excel Files)
• 21. مقدمه ای بر پردازش تصویر در متلب
• 22. خواندن و نمایش تصاویر در متلب
• 23. عملیات پایه روی تصاویر (تغییر اندازه، برش)
• 24. فیلتر کردن تصاویر (Filters)
• 25. تشخیص لبه در تصاویر (Edge Detection)
• 26. تکنیک های فشرده سازی تصاویر
• 27. مقدمه ای بر پردازش سیگنال در متلب
• 28. تولید سیگنال های پایه (سینوسی، مربعی)
• 29. آنالیز فوریه سیگنال ها (Fourier Analysis)
• 30. تبدیل موجک (Wavelet Transform)
• 31. فیلترینگ سیگنال ها (Signal Filtering)
• 32. مقدمه ای بر حل معادلات دیفرانسیل در متلب
• 33. حل معادلات دیفرانسیل معمولی (ODE Solvers)
• 34. حل معادلات دیفرانسیل جزئی (PDE Solvers)
• 35. مقدمه ای بر بهینه سازی در متلب
• 36. بهینه سازی توابع با متغیرهای پیوسته
• 37. بهینه سازی توابع با متغیرهای گسسته
• 38. مقدمه ای بر محاسبات نمادین (Symbolic Math Toolbox)
• 39. عملیات جبری نمادین
• 40. حل معادلات نمادین
• 41. مشتق گیری و انتگرال گیری نمادین
• 42. مقدمه ای بر شبکه های عصبی در متلب (Neural Network Toolbox)
• 43. ساخت و آموزش شبکه های عصبی پایه
• 44. کاربرد شبکه های عصبی در طبقه بندی
• 45. کاربرد شبکه های عصبی در پیش بینی
• 46. مقدمه ای بر الگوریتم های ژنتیک در متلب
• 47. پیاده سازی الگوریتم ژنتیک
• 48. کاربرد الگوریتم ژنتیک در بهینه سازی
• 49. مقدمه ای بر شبیه سازی در متلب (Simulink)
• 50. ساخت مدل های پایه در سیمولینک
• 51. شبیه سازی سیستم های دینامیکی
• 52. کار با بلوک های کتابخانه سیمولینک
• 53. مدل سازی سیستم های کنترل در سیمولینک
• 54. مقدمه ای بر کنترل کننده های PID
• 55. تنظیم پارامترهای PID
• 56. پیاده سازی کنترل کننده های پیشرفته
• 57. مقدمه ای بر تحلیل داده های بزرگ در متلب
• 58. کار با مجموعه داده های بزرگ
• 59. روش های پیش پردازش داده ها
• 60. تکنیک های کاهش ابعاد داده ها
• 61. مقدمه ای بر یادگیری ماشین در متلب (Machine Learning Toolbox)
• 62. الگوریتم های طبقه بندی (Classification Algorithms)
• 63. الگوریتم های رگرسیون (Regression Algorithms)
• 64. روش های ارزیابی مدل های یادگیری ماشین
• 65. مقدمه ای بر محاسبات موازی در متلب
• 66. استفاده از پردازنده های گرافیکی (GPU Computing)
• 67. کاربرد توابع موازی (Parallel Computing Toolbox)
• 68. بهینه سازی کد برای اجرای سریعتر
• 69. مقدمه ای بر اتصال متلب به سخت افزار
• 70. کار با برد آردوینو (Arduino)
• 71. کار با سنسورها و عملگرها
• 72. ارسال و دریافت داده از سخت افزار
• 73. مقدمه ای بر توسعه رابط کاربری گرافیکی (GUI) در متلب
• 74. طراحی پنجره های GUI
• 75. کار با کنترل های GUI (دکمه، متن)
• 76. مدیریت رویدادها در GUI
• 77. مقدمه ای بر کار با پایگاه داده در متلب
• 78. اتصال به پایگاه داده های مختلف
• 79. خواندن و نوشتن داده در پایگاه داده
• 80. عملیات پایه روی پایگاه داده
• 81. مقدمه ای بر محاسبات عددی پیشرفته
• 82. روش های حل عددی انتگرال ها
• 83. روش های حل عددی مشتقات
• 84. حل عددی مسائل مقدار مرزی
• 85. مقدمه ای بر تحلیل آماری در متلب
• 86. آمار توصیفی (Descriptive Statistics)
• 87. آزمون های فرض آماری (Hypothesis Testing)
• 88. تحلیل رگرسیون چندگانه (Multiple Regression)
• 89. مقدمه ای بر گراف ها و شبکه ها در متلب
• 90. نمایش و ترسیم گراف ها
• 91. تحلیل خواص گراف ها
• 92. کاربرد گراف ها در شبکه های اجتماعی
• 93. مقدمه ای بر بهینه سازی شبکه های عصبی عمیق
• 94. معماری های شبکه های عمیق
• 95. آموزش شبکه های عمیق
• 96. کاربرد شبکه های عمیق در بینایی ماشین
• 97. مقدمه ای بر محاسبات علمی در مهندسی برق
• 98. تحلیل مدارات الکتریکی
• 99. شبیه سازی سیستم های قدرت
• 100. پردازش سیگنال های مخابراتی