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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: 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

• 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