🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: کشف الگوهای اجتماعی-اقتصادی در شهرها با استفاده از شبکه‌های رفت و آمد و مدل‌سازی گرافی

موضوع کلی: علوم داده و تحلیل شهری

موضوع میانی: یادگیری ماشینی و تحلیل شبکه‌های شهری

📋 سرفصل‌های دوره (100 موضوع)

• 1. معرفی دوره: اهداف، ساختار و پیش‌نیازها
• 2. مقدمه‌ای بر تحلیل شهری: نیاز به شهرهای داده‌محور
• 3. نابرابری‌های اجتماعی-اقتصادی در محیط‌های شهری
• 4. شبکه‌های رفت و آمد چیست؟ یک نگاه اولیه
• 5. مقدمه‌ای بر علم شبکه: چرا از گراف‌ها استفاده می‌کنیم؟
• 6. مروری بر مقاله الهام‌بخش: "Urban Delineation…"
• 7. نصب و راه‌اندازی محیط توسعه (پایتون، ژوپیتر)
• 8. انواع داده‌های شهری: سرشماری، موبایل، اداری
• 9. منابع داده‌های رفت و آمد: حمل و نقل عمومی، GPS، نظرسنجی‌ها
• 10. مبانی داده‌های مکانی: مختصات، سیستم‌های تصویر
• 11. مفاهیم سیستم‌های اطلاعات جغرافیایی (GIS)
• 12. تکنیک‌های پاکسازی داده: مقادیر گمشده، داده‌های پرت
• 13. چالش‌های یکپارچه‌سازی داده: ادغام مجموعه‌داده‌های متنوع
• 14. کدگذاری جغرافیایی (Geocoding) و اتصال مکانی (Spatial Joins)
• 15. تجمیع داده‌ها به مناطق شهری (مانند بلوک‌های آماری)
• 16. ملاحظات اخلاقی در داده‌های شهری: حریم خصوصی و سوگیری
• 17. استراتژی‌های ذخیره‌سازی و مدیریت داده
• 18. مقدمه‌ای بر Pandas برای دستکاری داده‌ها
• 19. تجسم داده‌های خام شهری
• 20. قابلیت بازتولید در پروژه‌های علوم داده
• 21. مبانی نظریه گراف: گره‌ها، یال‌ها، ویژگی‌ها
• 22. نمایش داده‌های رفت و آمد به عنوان گراف: ماتریس‌های مبدأ-مقصد
• 23. انواع گراف‌ها: جهت‌دار، بی‌جهت، وزن‌دار، چندگرافی
• 24. نمایش گراف در کد: ماتریس مجاورت، لیست مجاورت
• 25. ویژگی‌های اساسی گراف: درجه، چگالی، طول مسیر
• 26. معیارهای مرکزیت: درجه، نزدیکی، بینابینی
• 27. مرکزیت بردار ویژه و PageRank
• 28. الگوریتم‌های کشف جامعه: پیمانه، روش Louvain
• 29. شناسایی حفره‌های ساختاری و پل‌ها در شبکه
• 30. شبکه‌های دنیای کوچک و بدون مقیاس
• 31. شبکه‌های مکانی: ویژگی‌ها و چالش‌های منحصر به فرد
• 32. قوت و تاب‌آوری شبکه
• 33. شبکه‌های زمانی: ثبت رفت و آمدهای پویا
• 34. مقدمه‌ای بر کتابخانه‌های NetworkX و igraph
• 35. تجسم شبکه‌های شهری
• 36. آمار توصیفی جریان‌های رفت و آمد
• 37. توزیع مکانی مبدأها و مقصدهای رفت و آمد
• 38. مدل‌های گرانشی برای پیش‌بینی رفت و آمد
• 39. تحلیل کارایی و تراکم رفت و آمد
• 40. شناسایی کریدورهای اصلی رفت و آمد
• 41. الگوهای زمانی رفت و آمد: ساعات اوج، آخر هفته‌ها
• 42. تأثیر زیرساخت‌ها بر شبکه‌های رفت و آمد
• 43. تحلیل جریان و نمودارهای Sankey
• 44. اندازه‌گیری مسافت‌ها و زمان‌های رفت و آمد
• 45. مقایسه الگوهای رفت و آمد در شهرهای مختلف
• 46. پارادایم‌های یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
• 47. مقدمه‌ای بر یادگیری نظارت‌شده: رگرسیون و طبقه‌بندی
• 48. مقدمه‌ای بر یادگیری بدون نظارت: خوشه‌بندی
• 49. مهندسی ویژگی در بافت شهری
• 50. آموزش، اعتبارسنجی و آزمون مدل
• 51. بیش‌برازش و کم‌برازش: تعادل بایاس-واریانس
• 52. معیارهای ارزیابی برای طبقه‌بندی (دقت، صحت، بازیابی، F1)
• 53. معیارهای ارزیابی برای رگرسیون (MAE، MSE، R-squared)
• 54. تکنیک‌های اعتبارسنجی متقاطع
• 55. مقدمه‌ای بر Scikit-learn برای وظایف ML
• 56. انگیزه برای جاسازی گراف: چرا گراف‌ها را جاسازی کنیم؟
• 57. کاهش ابعاد سنتی بر روی ویژگی‌های گره (PCA, t-SNE)
• 58. روش‌های فاکتورگیری ماتریسی برای گراف‌ها (SVD بر روی ماتریس مجاورت)
• 59. تکنیک‌های جاسازی گره: یک مرور کلی
• 60. جاسازی‌های مبتنی بر گام تصادفی: DeepWalk
• 61. بهینه‌سازی گام‌های تصادفی برای جاسازی گره‌ها
• 62. Node2Vec: یادگیری تعریف‌های انعطاف‌پذیر محله
• 63. پارامترهای طول و تعداد گام‌ها
• 64. نمونه‌گیری منفی در Word2Vec/Node2Vec
• 65. مقدمه‌ای بر شبکه‌های عصبی گراف (GNNs)
• 66. شبکه‌های پیچشی گراف (GCNs): نظریه و کاربرد
• 67. GraphSAGE: یادگیری جاسازی‌های استقرایی
• 68. مکانیزم‌های توجه در GNNs (GATs)
• 69. ساخت و آموزش مدل‌های GNN با PyTorch/TensorFlow
• 70. ارزیابی جاسازی‌های گره: پیش‌بینی پیوند، طبقه‌بندی گره
• 71. تجسم جاسازی‌های گراف در 2D/3D
• 72. تنظیم پارامترها برای مدل‌های جاسازی گراف
• 73. مقیاس‌پذیری الگوریتم‌های جاسازی گراف
• 74. موضوع پیشرفته: جاسازی‌های زیرگراف
• 75. موضوع پیشرفته: جاسازی‌های گراف پویا
• 76. تعریف شاخص‌های اجتماعی-اقتصادی: درآمد، تحصیلات، اشتغال
• 77. منابع داده‌های اجتماعی-اقتصادی در سطح مناطق شهری
• 78. یکپارچه‌سازی جاسازی‌های شبکه رفت و آمد با داده‌های اجتماعی-اقتصادی
• 79. خوشه‌بندی مناطق شهری بر اساس جاسازی‌ها
• 80. تفسیر خوشه‌ها: آن‌ها چه چیزی را از نظر اجتماعی-اقتصادی نشان می‌دهند؟
• 81. طبقه‌بندی نظارت‌شده گروه‌های اجتماعی-اقتصادی با استفاده از جاسازی‌ها
• 82. تحلیل اهمیت ویژگی از مدل‌های ML
• 83. نقشه‌برداری مناطق شهری مرزبندی‌شده
• 84. مقایسه مرزبندی‌ها با مرزهای اداری سنتی
• 85. درک نقش الگوهای رفت و آمد در تفکیک اجتماعی
• 86. مطالعه موردی: بازتولید روش "Urban Delineation…"
• 87. اعتبارسنجی مرزبندی اجتماعی-اقتصادی
• 88. آزمون پایداری نتایج مرزبندی
• 89. کاوش تحرک اجتماعی-اقتصادی از طریق تغییرات رفت و آمد
• 90. ملاحظات استنباط علّی در تحلیل شهری
• 91. پیامدهای سیاستی مرزبندی اجتماعی-اقتصادی
• 92. کاربردها در برنامه‌ریزی و توسعه شهری
• 93. هدف‌گذاری خدمات عمومی و سرمایه‌گذاری زیرساختی
• 94. تحلیل تأثیر سیاست‌های شهری بر شبکه‌های رفت و آمد
• 95. هوش مصنوعی اخلاقی و انصاف در تصمیم‌گیری‌های شهری
• 96. چالش‌ها و محدودیت‌های تحلیل مبتنی بر رفت و آمد
• 97. مسیرهای تحقیقاتی آینده: یکپارچه‌سازی داده‌های چندوجهی
• 98. مدل‌های شهری پویا و مرزبندی بلادرنگ
• 99. نقش هوش مصنوعی در ایجاد شهرهای عادلانه‌تر
• 100. پروژه نهایی: کاربرد مفاهیم در یک شهر جدید

کشف الگوهای اجتماعی-اقتصادی در شهرها با استفاده از شبکه‌های رفت و آمد و مدل‌سازی گرافی

معرفی دوره

آیا می‌خواهید پرده از رازهای پنهان شهرهایمان بردارید؟ آیا به دنبال درک عمیق‌تری از الگوهای اجتماعی-اقتصادی حاکم بر جوامع شهری هستید؟ با دوره جامع “کشف الگوهای اجتماعی-اقتصادی در شهرها با استفاده از شبکه‌های رفت و آمد و مدل‌سازی گرافی” این امکان برای شما فراهم شده است. این دوره با الهام از مقاله علمی پیشرو “Urban delineation through the lens of commute networks: Leveraging graph embeddings to distinguish socioeconomic groups in cities” طراحی شده است و به شما ابزارهای قدرتمندی برای تحلیل و درک پویایی‌های شهری ارائه می‌دهد.

مقاله مذکور نشان می‌دهد که چگونه می‌توان با استفاده از داده‌های مربوط به شبکه‌های رفت و آمد و تکنیک‌های یادگیری ماشینی، مناطق شهری را بر اساس ویژگی‌های اجتماعی-اقتصادی متمایز کرد. این دوره با ارائه یک رویکرد عملی و گام به گام، شما را قادر می‌سازد تا این تکنیک‌ها را در پروژه‌های واقعی خود به کار ببرید و به بینش‌های ارزشمندی دست یابید. دیگر نیازی به صرف زمان و تلاش زیاد برای جمع‌آوری و تحلیل دستی داده‌ها نیست. با این دوره، می‌توانید با سرعت و دقت بیشتری به تحلیل الگوهای شهری بپردازید و تصمیمات آگاهانه‌تری اتخاذ کنید.

درباره دوره

این دوره آموزشی جامع، شما را با مفاهیم کلیدی علوم داده، یادگیری ماشینی و تحلیل شبکه‌های شهری آشنا می‌کند و به شما می‌آموزد که چگونه از این ابزارها برای تحلیل شبکه‌های رفت و آمد و کشف الگوهای اجتماعی-اقتصادی در شهرها استفاده کنید. تمرکز اصلی دوره بر روی کاربرد عملی تکنیک‌ها است و با ارائه مثال‌های واقعی و پروژه‌های عملی، به شما کمک می‌کند تا مهارت‌های لازم برای تحلیل داده‌های شهری را کسب کنید. این دوره ارتباط نزدیکی با مقاله “Urban delineation through the lens of commute networks…” دارد و شما را با روش‌های استفاده شده در این مقاله و همچنین روش‌های پیشرفته‌تر آشنا می‌کند.

موضوعات کلیدی

• مبانی علوم داده و تحلیل شهری
• آشنایی با یادگیری ماشینی و الگوریتم‌های مرتبط
• تحلیل شبکه‌های پیچیده و شبکه‌های اجتماعی
• کاربرد شبکه‌های عصبی گرافی (GNN) در تحلیل شهری
• مدل‌سازی شبکه‌های رفت و آمد شهری
• استخراج ویژگی‌های کلیدی از داده‌های رفت و آمد
• خوشه‌بندی و تقسیم‌بندی مناطق شهری بر اساس ویژگی‌های اجتماعی-اقتصادی
• تجسم‌سازی داده‌ها و ارائه نتایج تحلیل
• کاربرد تحلیل شهری در سیاست‌گذاری و برنامه‌ریزی شهری

مخاطبان دوره

این دوره برای طیف وسیعی از افراد مناسب است، از جمله:

• دانشجویان و فارغ‌التحصیلان رشته‌های شهرسازی، جغرافیا، علوم کامپیوتر، آمار و اقتصاد
• تحلیلگران داده و دانشمندان داده علاقه‌مند به حوزه تحلیل شهری
• متخصصان GIS و متخصصان برنامه‌ریزی شهری
• پژوهشگران و محققان در حوزه مطالعات شهری
• سیاست‌گذاران و تصمیم‌گیران در حوزه مدیریت شهری
• هر کسی که به درک عمیق‌تری از پویایی‌های شهری علاقه‌مند است

چرا این دوره را بگذرانیم؟

گذراندن این دوره به شما کمک می‌کند تا:

• مهارت‌های تحلیل داده‌های شهری خود را به طور چشمگیری ارتقا دهید.
• با جدیدترین تکنیک‌های یادگیری ماشینی و تحلیل شبکه‌های شهری آشنا شوید.
• بتوانید الگوهای اجتماعی-اقتصادی پنهان در شهرها را کشف کنید.
• تصمیمات آگاهانه‌تری در زمینه برنامه‌ریزی و سیاست‌گذاری شهری اتخاذ کنید.
• فرصت‌های شغلی جدیدی در حوزه تحلیل شهری و علوم داده پیدا کنید.
• پروژه‌های تحقیقاتی و کاربردی خود را با رویکردی نوآورانه و مبتنی بر داده انجام دهید.
• از رقبای خود در بازار کار متمایز شوید.

سرفصل‌های دوره

این دوره شامل 100 سرفصل جامع است که به طور کامل مباحث مربوط به تحلیل شبکه‌های رفت و آمد و کشف الگوهای اجتماعی-اقتصادی در شهرها را پوشش می‌دهد. برخی از سرفصل‌های کلیدی عبارتند از:

• مقدمه‌ای بر علوم داده و تحلیل شهری
• آشنایی با زبان برنامه‌نویسی پایتون برای تحلیل داده‌ها
• مقدمه‌ای بر یادگیری ماشینی و الگوریتم‌های خوشه‌بندی
• تحلیل شبکه‌های اجتماعی با استفاده از پایتون
• کاربرد شبکه‌های عصبی گرافی (GNN) در تحلیل شهری
• جمع‌آوری و پیش‌پردازش داده‌های مربوط به رفت و آمد شهری
• استخراج ویژگی‌های کلیدی از داده‌های رفت و آمد
• مدل‌سازی شبکه‌های رفت و آمد با استفاده از GNN
• خوشه‌بندی و تقسیم‌بندی مناطق شهری بر اساس ویژگی‌های اجتماعی-اقتصادی
• تجسم‌سازی داده‌ها و ارائه نتایج تحلیل
• ارزیابی عملکرد مدل و اعتبارسنجی نتایج
• کاربردهای عملی تحلیل شهری در حوزه‌های مختلف (حمل و نقل، مسکن، آموزش، بهداشت)
• مطالعه موردی: تحلیل شبکه‌های رفت و آمد در شهرهای مختلف جهان
• پروژه عملی: کشف الگوهای اجتماعی-اقتصادی در یک شهر فرضی
• آینده تحلیل شهری و روندهای نوظهور
• و بسیاری سرفصل‌های دیگر…

همین امروز در این دوره ثبت‌نام کنید و قدمی بزرگ در راستای تبدیل شدن به یک متخصص تحلیل شهری بردارید!

ثبت‌نام در دوره

📚 محتوای این محصول آموزشی (پکیج کامل)

🎁 محتویات کامل بسته دانلودی

• ویدیوهای آموزشی فارسی — آموزش قدم‌به‌قدم، کاربردی و قابل فهم
• پادکست‌های صوتی فارسی — توضیح مفاهیم کلیدی و نکات تکمیلی
• کتاب PDF فارسی — شامل کلیهٔ سرفصل‌ها و محتوای آموزشی
• کتاب خلاصه نکات ویدیوها و پادکست‌ها – نسخه PDF — مناسب مرور سریع و جمع‌بندی مباحث
• کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
• کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد، علمی و مناسب چاپ
• کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
  — هر سؤال بلافاصله همراه با پاسخ کامل و شفاف ارائه شده است؛ مناسب درک عمیق مفاهیم و رفع ابهام.
• کتاب صدها پرسش و پاسخ چهارگزینه‌ای – نسخه PDF (نسخه یادگیری سریع)
  — پاسخ‌ها بلافاصله پس از سؤال قرار دارند؛ مناسب یادگیری سریع و تثبیت مطالب.
• کتاب صدها پرسش و پاسخ چهارگزینه‌ای – نسخه PDF (نسخه خودآزمایی پایان‌بخش)
  — پاسخ‌ها در انتهای هر بخش آمده‌اند؛ مناسب آزمون واقعی و سنجش میزان یادگیری.
• کتاب تمرین‌های درست / نادرست (True / False) – نسخه PDF
  — مناسب افزایش دقت مفهومی و تشخیص صحیح یا نادرست بودن گزاره‌ها.
• کتاب تمرین‌های جای خالی – نسخه PDF
  — تقویت یادگیری فعال و تسلط بر مفاهیم و اصطلاحات کلیدی.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل آموزش تصویری، صوتی، کتاب‌ها، تمرین‌ها و خودآزمایی .

---

ℹ️ نکات مهم هنگام خرید

• این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
• تمامی فایل‌ها و کتاب‌ها کاملاً فارسی هستند.
• توجه: لینک‌های اختصاصی دوره طی ۴۸ ساعت پس از ثبت سفارش ارسال می‌شوند.
• نیازی به درج شماره موبایل نیست؛ اما برای پشتیبانی سریع‌تر توصیه می‌شود.
• در صورت بروز مشکل در دانلود با شماره 09395106248 تماس بگیرید.
• اگر پرداخت انجام شده ولی لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا پیامک: 09395106248
تلگرام: @ma_limbs