رزومه


EN
مجید عبدالرزاق نژاد

مجید عبدالرزاق نژاد

دانشیار

abdolrazzagh@birjandut.ac.ir

دانشکده/پردیس: دانشکده مهندسی کامپیوتر و صنایع

گروه/دانشکده گروه علوم کامپیوتر

مقطع تحصیلی: دکتری

رزومه
EN
مجید عبدالرزاق نژاد

دانشیار مجید عبدالرزاق نژاد

abdolrazzagh@birjandut.ac.ir
دانشکده/پردیس: دانشکده مهندسی کامپیوتر و صنایع - گروه/دانشکده گروه علوم کامپیوتر مقطع تحصیلی: دکتری |

دانشیار پایه 15 علوم کامپیوتر گرایش محاسبات هوشمند، دانشگاه صنعتی بیرجند

حوزه ‌های تخصصی علوم داده و محاسبات نرم - سیستمهای نادقیق و فازی - مسائل زمان بندی -  بهینه سازی چندهدفه

ارائه و چاپ بیش از 90 مقاله علمی-پژوهشی در کنفرانسها و مجلات معتبر در حوزه علوم داده و هوش مصنوعی

نمایش بیشتر

برنامه درسی

لیست برنامه های درسی

منابع

1. هوش مصنوعی – راسل – ترجمه جعفرنژاد – انتشارات علوم رایانه

2. هوش مصنوعی (ارشد) – تالیف شادی – تاشر: پوران پژوهش

3.کتاب ارشد هوش مصنوعی- عبدی پور و خلیلی – انتشارات راهیان ارشد

4.هوش مصنوعی – تالیف دکتر فهیمی – نشر جلوه

ویا هرکتابی با نام هوش مصنوعی

اطلاعات کلاس

یکشنبه 10-12 (ثابت) و سه شنبه 8-10 (فرد)
اتاق 210
منابع

1. داده کاوی مفاهیم و تکنیک ها– نویسندگان: ژیاوی هان، میشلین کمبر و ژان پی – ترجمه مهدی اسماعیلی – انتشارات نیاز دانش

2. داده کاوی کاربردی– نویسندگان: محمد صنیعی اباده و سینا محمودی

اطلاعات کلاس

سه شنبه 8-10 (زوج) و چهارشنبه 8-10 (ثابت)
منابع

1.       داده کاوی مفاهیم و تکنیک ها– نویسندگان: ژیاوی هان، میشلین کمبر و ژان پی – ترجمه مهدی اسماعیلی – انتشارات نیاز دانش

2.          داده کاوی کاربردی– نویسندگان: محمد صنیعی اباده و سینا محمودی

اطلاعات کلاس

سه‌شنبه 10-12 (ثابت) و یکشنبه 12-14 (زوج)
دانشکده مهندسی کامپیوتر و صنایع

اطلاعات کلاس

یک‌شنبه 12-14 ( ثابت) و سه‌شنبه 8-10 (فرد)
دانشکده مهندسی کامپیوتر و صنایع
منابع

1.         هوش مصنوعی – راسل – ترجمه جعفرنژاد – انتشارات علوم رایانه

2.         هوش مصنوعی (ارشد) – تالیف شادی – تاشر: پوران پژوهش

3.         کتاب ارشد هوش مصنوعی- عبدی پور و خلیلی – انتشارات راهیان ارشد

4.         هوش مصنوعی – تالیف دکتر فهیمی – نشر جلوه

فایل پیوست اول طرح درس هوش مصنوعی - 4 واحد.pdf

اطلاعات کلاس

شنبه 10-12 (ثابت)، دوشنبه 12-14 (فرد) و سه‌‍شنبه 8-10 (عملی)
دانشکده مهندسی کامپیوتر و صنایع
منابع

1.         هوش مصنوعی – راسل – ترجمه جعفرنژاد – انتشارات علوم رایانه

2.         هوش مصنوعی (ارشد) – تالیف شادی – تاشر: پوران پژوهش

3.         کتاب ارشد هوش مصنوعی- عبدی پور و خلیلی – انتشارات راهیان ارشد

4.         هوش مصنوعی – تالیف دکتر فهیمی – نشر جلوه

اطلاعات کلاس

یک‌شنبه 14-16 (ثابت) و دوشنبه 14-16 (فرد)
دانشکده مهندسی کامپیوتر و صنایع
منابع

.1 آمار و احتمال )کتاب درس و تست(، دکتر نیکوکار
.2 آمار و احتمال، جان فروند، ترجمه عمیدی، مرکز نشر دانشگاهی
.3 احتمالات و آمار کاربردی، والپول، ترجمه آریانژاد، انتشارات دانشگاه علم و صنعت
.4 مقدمه ای بر نظریه آمار، مود، ترجمه مشکانی، انتشارات دانشگاه فردوسی
.5 نخستین درس احتمال، راس، ترجمه آذرنوش، انتشارات دانشگاه فردوسی
.6 آمار و احتمال، دگروت، ترجمه عین الله پاشا

اطلاعات کلاس

دوشنبه 12-14 (ثابت) و سه‌شنبه 10-12 (زوج)
دانشکده مهندسی کامپیوتر و صنایع
منابع

شبیه سازی سیستم های گسسته-پیشامد – نویسندگان: جری بنکس و جان کارسن – ترجمه هاشم محلوجی – انتشارات دانشگاه صنعتی شریف

فایل پیوست اول طرح درس شبیه سازی.pdf
هدف از طرح درس

سیستمهای دنیای واقعی به دو دسته ساده یا کمتر پیچیده و بسیار پیچیده تقسیم می شوند. برای دسته اول حلهای جبری، احتمالی، حساب دیفرانسیل و یا هوش مصنوعی وجود دارد ولی برای دسته دوم به سبب پیچیدگی بالا این سیستمها، اقدام به تقلید رفتار سیستم با گذشته زمان می نمایند. شبیه سازی با ایجاد ساختگی تاریخچه سیستم، به بررسی آن به منظور دستیابی به خصوصیات عملکردی واقعی سیستم منجرب میشود. این امر امکان مطالعه سیستم ها با هزینه پایین و قابلیت انعطاف بالا را فراهم می نماید. در این درس به شناخت سیستم های گسسته پیشامد و نحوه شبیه سازی عملکرد آنها می پردازد.

هدف کلی درس:

این درس اصول و مفاهیم شبیه‌سازی سیستم‌های گسسته پیشامد را پوشش می‌دهد. آشنایی با مفاهیم پایه در یک شبیه‌سازی، بررسی مثال‌های مختلف از شبیه‌سازی سیستم‌های مختلف، آشنایی با روش‌های آماری مورد استفاده در انجام شبیه‌سازی، از جمله نحوه مدلسازی ورودی و تحلیل خروجیها و نیز اعتبار سنجی مدل شبیه سازی مورد توجه قرار می گیرد.

اهداف جزئی:

  1. مفاهیم پایه و مراحل دهگانه انجام یک شبیه‌سازی
  2. آشنایی نمونه‌هایی از شبیه‌سازی سیستم‌های صف، موجودی، تعمیر و نگهداری
  3. مدل‌های آماری در شبیه‌سازی
  4. تحلیل آماری داده‌های ورودی و خروجی شبیه‌سازی
  5. تولید اعداد تصادفی و شبه تصادفی
  6. آشنایی و بررسی ابزارهای شبیه‌سازی