بایگانی‌های رویدادها و اخبار

همایش ملی فناوری های هوشمند در صنعت ساختمان
گالری
همایش ملی فناوری های هوشمند در صنعت ساختمان

همایش ملی فناوری های هوشمند در صنعت ساختمان

مهدی کوهستانی2026-09-06T16:20:05+03:30

درباره کنفرانس با توجه به پیشرفت روزافزون فناوری و نیاز مبرم به به‌کارگیری روش‌ها و راهکارهای هوشمند در صنعت و ساختمان، برگزاری همایش‌هایی با محوریت مطالعات و فناوری‌های هوشمند از اهمیت ویژه‌ای برخوردار است. "همایش ملی فناوری‌های هوشمند در صنعت ساختمان با رویکرد توسعه پایدار" با هدف گردهم‌آوردن پژوهشگران، فناوران و صنایع مرتبط با این حوزه، فرصتی بی‌نظیر برای تبادل دانش و تجربیات فراهم می‌آورد. این همایش بستری مناسب برای معرفی جدیدترین دستاوردهای علمی و فناورانه، بحث و بررسی چالش‌ها و فرصت‌های پیش‌رو و ایجاد زمینه‌های همکاری و ارتباط بیشتر میان محققان و فعالان صنعت و ساختمان خواهد بود. همچنین، [...]

همایش ملی فناوری های هوشمند در صنعت ساختمانمهدی کوهستانی2026-09-06T16:20:05+03:30

آموزش عطرسازی دستی
گالری
آموزش عطرسازی دستی

آموزش عطرسازی دستی

مجتمع فنی تهران - واحد رشت2026-08-25T09:53:36+03:30

آموزش عطرسازی دستی عطرسازی یکی از قدیمی‌ترین هنرهای بشر است؛ هنری که از ترکیب طبیعت، خلاقیت، شناخت رایحه‌ها و دانش شیمی شکل گرفته و طی هزاران سال از تهیه روغن‌ها و عصاره‌های گیاهی به یک صنعت پیشرفته و چند میلیارد دلاری تبدیل شده است. در کنار صنعت بزرگ و کارخانه‌ای عطر، عطرسازی دستی یا Handcrafted Perfumery نیز جایگاه ویژه‌ای دارد. در این شیوه، فرد با شناخت مواد اولیه، اسانس‌ها، روغن‌های معطر و اصول ترکیب رایحه‌ها، به‌صورت مستقل اقدام به ساخت عطر می‌کند. امروزه آموزش عطرسازی دستی تنها یک مهارت هنری نیست؛ بلکه می‌تواند مسیری برای ورود به کسب‌وکارهای کوچک، تولید [...]

آموزش عطرسازی دستیمجتمع فنی تهران - واحد رشت2026-08-25T09:53:36+03:30

تاریخچه عطرسازی در جهان؛ از آیین‌های باستانی تا صنعت مدرن عطر
گالری
تاریخچه عطرسازی در جهان؛ از آیین‌های باستانی تا صنعت مدرن عطر

تاریخچه عطرسازی در جهان؛ از آیین‌های باستانی تا صنعت مدرن عطر

مجتمع فنی تهران - واحد رشت2026-08-24T17:37:21+03:30

تاریخچه عطرسازی در جهان؛ از آیین‌های باستانی تا صنعت مدرن عطر عطر یکی از قدیمی‌ترین هنرهای بشر برای ایجاد زیبایی، هویت، آرامش و حتی ارتباط با جهان معنوی است. انسان از هزاران سال پیش متوجه شد که برخی گل‌ها، گیاهان، چوب‌ها، صمغ‌ها و ادویه‌ها رایحه‌ای دلپذیر دارند و می‌توان از آن‌ها برای خوشبو کردن بدن، لباس، محیط زندگی و مکان‌های مذهبی استفاده کرد. تاریخ عطرسازی در واقع داستانی طولانی از پیوند هنر، طبیعت، تجارت و علم شیمی است؛ مسیری که از سوزاندن صمغ‌های معطر در تمدن‌های باستانی آغاز شد و امروزه به کارخانه‌های پیشرفته و آزمایشگاه‌های تخصصی تولید میلیون‌ها نوع [...]

تاریخچه عطرسازی در جهان؛ از آیین‌های باستانی تا صنعت مدرن عطرمجتمع فنی تهران - واحد رشت2026-08-24T17:37:21+03:30

بررسی رویکرد نزدیکترین همسایه (KNN)
گالری
بررسی رویکرد نزدیکترین همسایه (KNN)

بررسی رویکرد نزدیکترین همسایه (KNN)

مهدی کوهستانی2026-06-07T16:15:39+03:30

بررسی رویکرد نزدیکترین همسایه (KNN) معرفی رویکرد KNNImputer و استفاده از آن برای پیش‌پردازش داده‌ها KNNImputer یک روش پیشرفته برای جایگزینی مقادیر گمشده (Missing Value Imputation) در داده‌ها است که از ایده الگوریتم K نزدیکترین همسایه استفاده می‌کند. برخلاف روش‌های ساده مثل جایگزینی با میانگین یا میانه (که ساختار داده را نادیده می‌گیرند)، KNNImputer برای هر نمونه‌ای که دارای مقدار گمشده است، K نمونه مشابه (از نظر سایر ویژگی‌ها) را پیدا کرده و سپس مقدار گمشده را بر اساس میانگین (یا میانه) وزنی آن همسایه‌ها تخمین می‌زند. مراحل کار: فاصله بین نمونه‌ها را با استفاده از ویژگی‌های موجود (بدون مقادیر [...]

بررسی رویکرد نزدیکترین همسایه (KNN)مهدی کوهستانی2026-06-07T16:15:39+03:30

دسته‌ بندی داده‌ ها و مدل‌ های طبقه‌ بندی

مهدی کوهستانی2026-06-07T15:11:23+03:30

بررسی رویکردهای گوناگون دسته‌بندی داده‌ها و ارزیابی مدل‌های طبقه‌بندی بررسی رویکردهای مختلف دسته‌بندی اطلاعات دسته‌بندی داده‌ها (Classification) یکی از شاخه‌های اصلی یادگیری نظارت شده (Supervised Learning) است که در آن هدف، پیش‌بینی یک برچسب گسسته برای هر نمونه ورودی است. به عبارت دیگر، به مدل یاد می‌دهیم که یک ورودی را به یکی از چندین کلاس (دسته) نسبت دهد. رویکردهای گوناگونی برای دسته‌بندی وجود دارد که بر اساس تعداد کلاس‌ها و نحوه تخصیص برچسب‌ها تعریف می‌شوند. انتخاب رویکرد مناسب به مسئله کسب‌وکاری شما بستگی دارد: آیا فقط دو حالت وجود دارد؟ (مثلاً «خرید می‌کند / نمی‌کند») آیا چندین کلاس مجزا [...]

دسته‌ بندی داده‌ ها و مدل‌ های طبقه‌ بندیمهدی کوهستانی2026-06-07T15:11:23+03:30

روش های آماده سازی مجموعه دادگان
گالری
روش های آماده سازی مجموعه دادگان

روش های آماده سازی مجموعه دادگان

مهدی کوهستانی2026-06-07T14:22:23+03:30

روش های آماده سازی مجموعه دادگان آماده‌سازی مجموعه دادگان (Data Preparation) مهم‌ترین گام در هر پروژه یادگیری ماشین است – اغلب بیش از ۸۰٪ زمان یک دیتا ساینتیست صرف این مرحله می‌شود. روش‌های گوناگونی برای آماده‌سازی داده وجود دارد که بسته به نوع داده (عددی، متنی، تصویری) و الگوریتم انتخابی متفاوت است. مهم‌ترین این روش‌ها عبارتند از: پاکسازی داده (Data Cleaning): حذف یا جایگزینی مقادیر گمشده (با میانگین، میانه، یا روش‌های پیشرفته‌تر مانند KNN Imputer)، شناسایی و حذف داده‌های پرت (Outliers) با روش Z-Score یا IQR. تبدیل داده (Data Transformation): نرمال‌سازی (Min-Max Scaling) برای بازه [0,1]، استانداردسازی (Standardization) با میانگین [...]

روش های آماده سازی مجموعه دادگانمهدی کوهستانی2026-06-07T14:22:23+03:30

مروری بر آنالیز داده
گالری
مروری بر آنالیز داده

مروری بر آنالیز داده

مهدی کوهستانی2026-06-07T14:08:22+03:30

مروری بر آنالیز داده قبل از ورود به الگوریتم‌های یادگیری ماشین، باید درک عمیقی از تحلیل داده (Data Analysis) داشته باشید. آنالیز داده فرآیندی است شامل جمع‌آوری، پاکسازی، تبدیل و مدل‌سازی داده با هدف کشف اطلاعات مفید و پشتیبانی از تصمیم‌گیری. چرخه تحلیل داده شامل مراحل: شناخت مسئله، جمع‌آوری داده، پاکسازی (حذف مقادیر گمشده و پرت)، تبدیل (نرمال‌سازی، استانداردسازی، مهندسی ویژگی)، مدل‌سازی، ارزیابی و استقرار است. در این بخش از دوره Machine Learning، ابتدا تمام مفاهیم پایه‌ای تحلیل داده را مرور می‌کنیم – همان‌هایی که در جلسات قبل با جزئیات یاد گرفتید – اما این بار با تمرکز بر نیازهای [...]

مروری بر آنالیز دادهمهدی کوهستانی2026-06-07T14:08:22+03:30

تحلیل اکتشافی داده (EDA) – آمار تفسیری
گالری
تحلیل اکتشافی داده (EDA) – آمار تفسیری

تحلیل اکتشافی داده (EDA) – آمار تفسیری

مهدی کوهستانی2026-06-07T13:53:28+03:30

تحلیل اکتشافی داده (EDA) – آمار تفسیری معرفی آمار تفسیری آمار تفسیری (Inferential Statistics) یا آمار استنباطی، شاخه‌ای از علم آمار است که با استفاده از داده‌های یک نمونه (نمونه)، نتیجه‌گیری و استنتاج درباره کل جامعه (population) انجام می‌دهد. در حالی که آمار توصیفی به خلاصه‌سازی و نمایش داده می‌پردازد، آمار تفسیری به ما اجازه می‌دهد فرضیه‌ها را تست کنیم، روابط بین متغیرها را تعمیم دهیم و پیش‌بینی انجام دهیم. اجزای اصلی آمار تفسیری شامل: تخمین پارامترها (با استفاده از فاصله اطمینان) آزمون فرضیه (تأیید یا رد ادعاهای آماری) مدل‌سازی پیش‌بینی در علم داده، شما همیشه به همه داده‌ها دسترسی [...]

تحلیل اکتشافی داده (EDA) – آمار تفسیریمهدی کوهستانی2026-06-07T13:53:28+03:30

پکیج های مختلف نمایش داده
گالری
پکیج های مختلف نمایش داده

پکیج های مختلف نمایش داده

مهدی کوهستانی2026-05-18T15:35:10+03:30

پکیج‌های مختلف نمایش داده آشنایی با پکیج Matplotlib Matplotlib قدرتمندترین و محبوب‌ترین کتابخانه مصورسازی داده در پایتون است که توسط John Hunter ساخته شده است. این کتابخانه به شما امکان می‌دهد هر نوع نمودار دلخواهی را با کنترل کامل روی تمام جزئیات رسم کنید. برای نصب، کافی است اجرا کنید: pip install matplotlib (در Anaconda از قبل نصب است). نحوه import استاندارد به صورت import matplotlib.pyplot as plt است. سبک کاری Matplotlib شبیه به نرم‌افزار MATLAB است – با توابعی مثل plt.plot()، plt.scatter() و غیره. در این بخش از دوره، قدم به قدم انواع نمودارهای پرکاربرد را با مثال‌های واقعی [...]

پکیج های مختلف نمایش دادهمهدی کوهستانی2026-05-18T15:35:10+03:30

پیش پردازش و آنالیز داده
گالری
پیش پردازش و آنالیز داده

پیش پردازش و آنالیز داده

مهدی کوهستانی2026-05-18T15:32:51+03:30

پیش پردازش و آنالیز داده معرفی رویکردهای گوناگون فهم داده و لزوم آن در دنیای داده‌محور امروز، شناخت داده (Data Understanding) اولین و مهم‌ترین گام در هر پروژه تحلیل داده و یادگیری ماشین است. قبل از اینکه به سراغ مدل‌سازی بروید، باید بدانید با چه داده‌ای سر و کار دارید. رویکردهای گوناگون فهم داده شامل مشاهده بصری، آمار توصیفی، تشخیص الگوها و شناسایی داده‌های پرت است. تحلیل اکتشافی داده (EDA) به شما کمک می‌کند ساختار، توزیع، کیفیت و روابط پنهان بین متغیرها را کشف کنید. چرا این کار اینقدر مهم است؟ چون اگر داده را خوب نشناسید، انتخاب الگوریتم اشتباه [...]

پیش پردازش و آنالیز دادهمهدی کوهستانی2026-05-18T15:32:51+03:30

12 بعدی

اطلاعات تماس