سرفصل های دوره هوش مصنوعی عمران (سطح پیشرفته ویژه گرایش سازه های هیدرولیکی و آب)

آشنایی با تغییر اقلیم و منابع آب

• مفاهیم پایه تغییر اقلیم
• چرخه هیدرولوژی و اثرات تغییر اقلیم
• کاربرد هوش مصنوعی در منابع آب
• معرفی پروژه‌های موفق دنیا
• انواع داده‌های هیدرولوژی و اقلیم
• معرفی پایگاه‌های داده

پیش‌پردازش داده‌های اقلیمی و هیدرولوژی

• خواندن داده‌ها در Python
• پاکسازی داده‌ها
• داده‌های گمشده
• تشخیص داده‌های پرت
• نرمال‌سازی
• استانداردسازی
• Feature Engineering
• ساخت Lag Features
• Rolling Window

یادگیری ماشین (بخش اول)

• Linear Regression
• Ridge
• Lasso
• Elastic Net
• Decision Tree
• Random Forest

یادگیری ماشین (بخش دوم)

• Gradient Boosting
• XGBoost
• LightGBM
• CatBoost
• HistGradientBoosting

تنظیم Hyperparameter

Feature Importance

مدل‌های یادگیری عمیق

• شبکه عصبی مصنوعی
• MLP
• CNN
• RNN
• LSTM
• Bi-LSTM
• GRU

مدل‌های پیشرفته یادگیری عمیق

• Seq2Seq
• Attention
• Transformer
• CNN-LSTM
• Autoencoder-LSTM

ارزیابی مدل‌ها

تحلیل خطا

هوش مصنوعی قابل تفسیر

• SHAP
• Permutation Importance
• Partial Dependence Plot
• ICE Plot

تحلیل اهمیت متغیرها

کاربردهای هوش مصنوعی در منابع آب

پروژه جامع

مراحل

• ورود داده
• پیش‌پردازش
• انتخاب ویژگی
• آموزش مدل
• تنظیم Hyperparameter
• ارزیابی
• تفسیر نتایج
• تهیه نمودارهای علمی
• مقایسه مدل‌ها