اپلیکیشن اندرویدی فلشکارت آموزشی یادگیری مدلسازی و شبیهسازی با متلب و پایتون: از مفاهیم تا پیادهسازی
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره یادگیری مدلسازی و شبیهسازی با متلب و پایتون: از مفاهیم تا پیادهسازی
موضوع کلی: شبیهسازی و مدلسازی
موضوع میانی: مدلسازی و شبیهسازی محاسباتی
📋 سرفصلهای دوره
- 1. مقدمهای بر مدلسازی و شبیهسازی
- 2. چرا مدلسازی میکنیم؟ اهداف و کاربردها
- 3. انواع مدلها: فیزیکی، ریاضی، و محاسباتی
- 4. فرایند گام به گام مدلسازی و شبیهسازی
- 5. اصطلاحات کلیدی: سیستم، حالت، رویداد، زمان
- 6. آشنایی با محیط متلب و رابط کاربری آن
- 7. ماتریسها و آرایهها: سنگ بنای متلب
- 8. اسکریپتنویسی و توابع در متلب
- 9. ترسیم و مصورسازی دادهها با دستور plot در متلب
- 10. مقدمهای بر جعبهابزار Symbolic Math
- 11. کار با دادهها: ورود و خروج فایلها در متلب
- 12. مقدمهای بر سیمولینک برای مدلسازی گرافیکی
- 13. ساخت یک مدل ساده در سیمولینک
- 14. نصب و راهاندازی پایتون برای محاسبات علمی
- 15. آشنایی با NumPy برای محاسبات عددی
- 16. کار با آرایههای NumPy: ایجاد و عملیات پایه
- 17. مقدمهای بر SciPy: کتابخانه علمی پایتون
- 18. مصورسازی دادهها با Matplotlib و Seaborn
- 19. مقدمهای بر Pandas برای تحلیل دادهها
- 20. محیطهای توسعه پایتون: Jupyter Notebook و Spyder
- 21. نوشتن توابع و ماژولها در پایتون
- 22. مروری بر حساب دیفرانسیل و انتگرال برای مدلسازی
- 23. معادلات دیفرانسیل معمولی (ODE): مفاهیم پایه
- 24. حل تحلیلی معادلات دیفرانسیل خطی
- 25. روشهای عددی برای حل ODEها: روش اویلر
- 26. روشهای پیشرفتهتر حل ODE: رانگ-کوتا
- 27. مبانی آمار و احتمالات برای مدلسازی
- 28. توزیعهای احتمالاتی کلیدی: یکنواخت، نرمال، پواسون
- 29. اعداد تصادفی و تولید آنها
- 30. زنجیرههای مارکوف: مفاهیم و کاربردها
- 31. مفاهیم اولیه جبر خطی: بردارها و ماتریسها
- 32. مدلسازی سیستمهای دینامیکی پیوسته
- 33. نمایش سیستمها با معادلات دیفرانسیل
- 34. پیادهسازی حلکننده ODE با متلب
- 35. استفاده از `ode45` و دیگر حلکنندههای داخلی متلب
- 36. مدلسازی رشد جمعیت: مدل نمایی و لجستیک
- 37. شبیهسازی مدل رشد جمعیت در متلب
- 38. مدلسازی سیستمهای مکانیکی: قانون دوم نیوتن
- 39. شبیهسازی آونگ ساده در متلب و سیمولینک
- 40. پیادهسازی حلکننده ODE با پایتون و SciPy
- 41. استفاده از `solve_ivp` در پایتون
- 42. شبیهسازی مدل رشد جمعیت در پایتون
- 43. مدلسازی مدارات الکتریکی RLC
- 44. شبیهسازی مدار RLC در پایتون
- 45. تحلیل فضای فاز و پایداری سیستمها
- 46. مقدمهای بر سیستمهای گسسته-رویداد
- 47. اجزای یک مدل گسسته-رویداد: موجودیتها، صفها، منابع
- 48. مکانیسم پیشروی زمان: گام ثابت در برابر رویداد بعدی
- 49. شبیهسازی صف ساده: مدل تکسرویسدهنده
- 50. معیارهای عملکرد در سیستمهای صف
- 51. پیادهسازی شبیهسازی صف با متلب
- 52. مقدمهای بر SimEvents در سیمولینک
- 53. مدلسازی یک سیستم بانکی با SimEvents
- 54. مقدمهای بر کتابخانه SimPy در پایتون
- 55. ساختارهای اصلی SimPy: محیط، فرایند، رویداد
- 56. پیادهسازی شبیهسازی صف با پایتون و SimPy
- 57. مدلسازی سیستمهای پیچیدهتر با SimPy
- 58. تولید متغیرهای تصادفی برای شبیهسازی گسسته
- 59. تحلیل دادههای خروجی در شبیهسازی گسسته
- 60. مقدمهای بر مدلسازی تصادفی (Stochastic)
- 61. مفهوم شبیهسازی مونت کارلو
- 62. تخمین عدد پی با روش مونت کارلو
- 63. پیادهسازی تخمین پی در متلب و پایتون
- 64. انتگرالگیری مونت کارلو
- 65. شبیهسازی فرآیندهای تصادفی: گام تصادفی
- 66. پیادهسازی گام تصادفی یکبعدی و دوبعدی
- 67. کاربرد مونت کارلو در مدیریت ریسک و مالی
- 68. روشهای کاهش واریانس در شبیهسازی مونت کارلو
- 69. تحلیل حساسیت در مدلهای تصادفی
- 70. جمعآوری و پیشپردازش دادههای شبیهسازی
- 71. آمار توصیفی برای تحلیل خروجیها
- 72. ساخت هیستوگرام و نمودارهای توزیع
- 73. فواصل اطمینان و آزمون فرضیه
- 74. تحلیل رگرسیون برای خروجیهای شبیهسازی
- 75. مصورسازی پیشرفته: نمودارهای سهبعدی و انیمیشن
- 76. ایجاد انیمیشن از نتایج شبیهسازی در متلب
- 77. ایجاد انیمیشن از نتایج شبیهسازی در پایتون
- 78. مدلسازی مبتنی بر عامل (Agent-Based Modeling)
- 79. مفاهیم کلیدی ABM: عاملها، محیط، تعاملات
- 80. پیادهسازی مدل تفکیک شلینگ با پایتون
- 81. مقدمهای بر کتابخانه Mesa برای ABM در پایتون
- 82. دینامیک سیستمها (System Dynamics)
- 83. نمودارهای علی و معلولی و نمودارهای جریان-انباشت
- 84. پیادهسازی یک مدل دینامیک سیستم ساده
- 85. بهینهسازی در شبیهسازی (Simulation Optimization)
- 86. استفاده از جعبهابزار Optimization متلب
- 87. بهینهسازی با SciPy.optimize در پایتون
- 88. مدلسازی سیستمهای چندمقیاسی (Multiscale Modeling)
- 89. شبکههای پتری و کاربرد آنها در مدلسازی
- 90. یادگیری ماشین و شبیهسازی: مدلهای جایگزین (Surrogate Models)
- 91. اعتبارسنجی و صحهگذاری (Verification and Validation)
- 92. تکنیکهای صحهگذاری مدل (Model Verification)
- 93. تکنیکهای اعتبارسنجی مدل (Model Validation)
- 94. مطالعه موردی ۱: مدلسازی اپیدمی (SIR/SEIR)
- 95. پیادهسازی مدل SIR در متلب و پایتون
- 96. مطالعه موردی ۲: شبیهسازی زنجیره تأمین
- 97. مطالعه موردی ۳: مدلسازی اکوسیستم شکارچی-شکار (Lotka-Volterra)
- 98. مطالعه موردی ۴: شبیهسازی ترافیک شهری
- 99. اخلاق در مدلسازی و شبیهسازی
- 100. روندهای آینده در شبیهسازی: دوقلوهای دیجیتال و هوش مصنوعی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.