آموزش نرم افزار Matlab

آموزش نرم افزار Matlab

این دوره جامع، تمام مباحث کلیدی نرم‌افزار Matlab از محاسبات عددی و نمادین، تحلیل آماری، جبر خطی، درون‌یابی و برازش منحنی تا حل انواع معادلات دیفرانسیل و بهینه‌سازی را پوشش می‌دهد. با اجرای مثال‌های کاربردی، فراگیران مهارت لازم برای مدل‌سازی، شبیه‌سازی و تحلیل داده در پروژه‌های مهندسی، پژوهشی و صنعتی را به‌طور کامل به دست خواهند آورد.

قیمت دوره:

۱,۲۵۰,۰۰۰ تومان

مدرس دوره: استاد..
نحوه تدریس: آفلاین

پیش نیاز: ندارد

مدت آموزش: 16 ساعت

دانلود سرفصل‌ها

معرفی دوره

این دوره به صورت جامع و کاربردی برای افرادی طراحی شده است که می‌خواهند تسلط کامل بر قابلیت‌های محاسباتی، تحلیلی و شبیه‌سازی نرم‌افزار Matlab پیدا کنند. آموزش از مباحث پایه آغاز شده و در درس نخست، حل معادلات جبری و ریشه‌یابی بررسی می‌شود. فراگیران با روش‌های محاسبه ریشه‌های چندجمله‌ای، حل معادلات غیرخطی با توابع متلب، انجام محاسبات پارامتریک و ترسیم نتایج آشنا خواهند شد و استفاده از توابع پیشرفته برای تنظیمات حل‌کننده‌ها را فرا می‌گیرند.

در درس دوم، تولید اعداد تصادفی، محاسبات و تحلیل‌های آماری آموزش داده می‌شود. روش تولید انواع توزیع‌های تصادفی، ترسیم هیستوگرام‌ها، محاسبه شاخص‌های آماری، نمونه‌برداری از توزیع‌های چندمتغیره، انجام تحلیل همبستگی، رگرسیون خطی و برازش توزیع‌های احتمالی از دیگر موارد این بخش است. همچنین کار با ابزارهای اختصاصی تولید اعداد تصادفی و برازش داده‌ها تشریح می‌شود.

درس سوم به انتگرال‌گیری و مشتق‌گیری عددی اختصاص دارد. شرکت‌کنندگان روش‌های عددی محاسبه مشتق، گرادیان، اپراتورهای مشتق روی تصاویر، انتگرال‌گیری چندگانه و دوبعدی و تحلیل‌های مرتبط مانند محاسبه سرعت و شتاب را فرا می‌گیرند.

در درس چهارم، محاسبات نمادین با استفاده از Symbolic Math Toolbox آموزش داده می‌شود. این بخش شامل تعریف متغیرهای نمادین، ساده‌سازی عبارات، حل معادلات به صورت نمادین و عددی، محاسبه مشتق و انتگرال نمادین، سری‌های ریاضی و تبدیل‌ها مانند لاپلاس است.

درس پنجم به جبر خطی در Matlab می‌پردازد. عملیات ماتریسی پیشرفته، روش‌های حل دستگاه معادلات، محاسبه مقادیر و بردارهای ویژه، تجزیه‌های ماتریسی، کاربرد SVD در فشرده‌سازی تصویر و ارتباط آن با PCA در این بخش ارائه می‌شود.

درس ششم شامل درون‌یابی، تقریب توابع و برازش منحنی و سطح است. انواع روش‌های درون‌یابی یک، دو و سه‌بعدی، برازش‌های چندجمله‌ای، فوریه و اسپیلاین و استفاده از ابزارهای تخصصی برازش داده‌ها مانند Curve Fitting Toolbox مورد بررسی قرار می‌گیرد.

در درس هفتم، بهینه‌سازی کلاسیک در متلب آموزش داده می‌شود. مدل‌های برنامه‌ریزی خطی، عدد صحیح، درجه دو و غیرخطی بدون قید همراه با توابع و حل‌کننده‌های مرتبط شرح داده می‌شوند و نمونه‌مسائل عملی برای درک بهتر اجرا خواهند شد.

درس هشتم به حل معادلات دیفرانسیل اختصاص دارد. معادلات ODE، BVP، DDE و PDE با استفاده از روش‌ها و توابع مختلف متلب آموزش داده می‌شوند. شبیه‌سازی سیستم‌های دینامیکی، مدل‌سازی‌های علمی مانند مدل قلب و عروق، تحلیل تأثیر پارامترها، استفاده از ابزار PDE و استخراج نتایج از آن از جمله مباحث این بخش است. روش‌های مختلف حل عددی و نمایش نتایج، تنظیم شرایط مرزی و مش‌بندی نیز آموزش داده می‌شود.

این دوره با پوشش کامل و مثال‌های متنوع، مهارت لازم برای استفاده تخصصی از Matlab در رشته‌های مهندسی، علوم پایه و تحلیل داده را به فراگیران می‌دهد و آنها را برای انجام پروژه‌های پیشرفته تحقیقاتی و صنعتی آماده می‌کند.

سرفصل‌های دوره

درس یکم: حل معادلات جبری و ریشه یابی در متلب
حل معادلات جبری و ریشه یابی
مقدمه ای بر معادلات جبری
معرفی تابع roots برای محاسبه ریشه های چند جمله ای
تعیین چند جمله ای مشخصه یک ماتریس و محاسبه ریشه های آن
حل معادلات جبری غیر خطی با تابع fzero
حل چند مثال عددی در خصوص معادلات جبری غیر خطی
حل پارامتریک معادلات جبری غیر خطی و ترسیم راه حل بر حسب پارامتر
تنظیمات تابع fzero با استفاده از تابع optimset
درس دوم: اعداد تصادفی، محاسبات و تحلیل آماری در متلب
مقدمه ای بر تولید اعداد تصادفی (Random Number Generation) و نمونه برداری در متلب
تولید اعداد تصادفی گسسته یکنواخت با استفاده از تابع randi
تولید جایگشت تصادفی با استفاده از تابع randperm
انتخاب بدون جایگذاری با استفاده از تابع randsample
تولید اعداد تصادفی پیوسته یکنواخت با استفاده از تابع rand و unifrand
تولید اعداد تصادفی با توزیع نرمال (Normal Distribution) با استفاده از تابع randn
ترسیم هیستوگرام (Histogram) داده های تصادفی با استفاده از دستور hist و histfit
محاسبه میانگین (Mean) و واریانس (Variance)، انحراف معیار (Standard Deviation) و سایر گشتاورهای آماری کمیت های تصادفی
امکانات پنجره Figure برای نمایش ویژگی های آماری
تولید اعداد تصادفی چند متغیره
نمونه برداری از توزیع نرمال (Normal Distribution) چند متغیره
آنالیز همبستگی (Correlation Test)
بررسی دو تابع XOR و XNOR
آشنایی با مفهوم Seed در تولیدکننده های اعداد تصادفی
تولید رشته های تصادفی عمومی با استفاده از توابع RandStream و Stream
محاسبه چولگی (Skewness) و اوج توزیع (Kurtosis)
رگرسیون خطی (Linear Regression)
آشنایی با ابزار تولید کننده اعداد تصادفی (RandTool)
ترسیم تابع توزیع تجمعی (Cumulative Distribution Function) برای نمونه های تصادفی
ابزار برازش توزیع احتمالی (Dfittool)
محاسبه ضریب تعیین (Coefficient of Determination) یا R2
تحلیل آماری یک مساله مدل سازی ساده

سرفصل‌های دوره

درس سوم: انتگرال گیری و مشتق گیری عددی در متلب
مروری بر مفهوم مشتق و محاسبه مشتق عددی
محاسبه مشتق عددی یک دنباله با استفاده از تابع diff
محاسبه گرادیان (Gradient) توابع چند متغیره به صورت عددی
نمایش گرادیان به صورت میدان برداری (Vector Field)
انتگرال گیری عددی
استفاده از تابع quad برای انتگرال گیری به روش سیمپسون (Simpson’s Method)
آشنایی با تابع quadv یا نسخه برداری برای تابع quad
انتگرال گیری دو بعدی عددی و انتگرال چندگانه عددی
اعمال اپراتورهای مشتق گیری بر روی یک تصویر دیجیتال
حل یک مساله تخمین و محاسبه سرعت و شتاب برای یک متحرک
درس چهارم: محاسبات نمادین در متلب
آشنایی با مبانی محاسبات نمادین در متلب و Symbolic Math ToolBox
تعریف علائم و نمادها
دریافت لیست متغیرهای ظاهر شده در یک عبارت نمادین
تعریف توابع از متغیرهای نمادین
تبدیل چند جمله ای عددی به چند جمله ای نمادین
فاکتورگیری و ساده سازی عبارت های جبری
تغییر، تبدیل و بازنویسی عبارت های جبری به صورت نمادین
حل معادلات جبری به صورت نمادین و عددی
تعریف ماتریس های حاوی متغیرهای نمادین
حساب دیفرانسیل (Differential) و انتگرال با استفاده از متغیرهای نمادین
سری تیلور (Taylor Series)، سری فوریه (Fourier Series)، تبدیل لاپلاس (Laplace Transform) و معکوس آن ها به صورت نمادین
درس پنجم: جبر خطی (Linear Algebra) در متلب
محاسبه ضرب داخلی (Inner Product) و ضرب خارجی (Cross Product) ماتریسی در متلب
محاسبه ضرب کرونکر (Kronecker Product) در متلب
جداسازی بخش های مختلف ماتریس شامل قطر، مثلث بالا و مثلث پایین
معکوس و شبه معکوس ماتریس ها
حل مساله کمترین مربعات (Least Squares) به صورت ماتریسی
استفاده از گالری ماتریس ها برای تولید ماتریس های با خاصیت مشخص
حل دستگاه معادلات خطی با استفاده از تابع linsolve
مقدار ویژه (Eigen Value) و بردار ویژه (Eigen Vector) ماتریس
چند جمله ای مشخصه ماتریس ها
محاسبه فرم ماتریس ها
توابع ماتریسی از جمله ریشه دوم ماتریس ها

سرفصل‌های دوره

تجزیه ماتریس ها به روش های مختلف
تجزیه مقادیر تکین (Singular Value Decomposition) یا به اختصار SVD و کاربردهای آن
بررسی کاربرد SVD در فشرده سازی تصویر دیجیتال (Image Compression Digital)
ارتباط میان تحلیل مولفه اساسی (Principal Component Analysis) یا PCA با SVD
حل مساله کمترین مربعات تعمیم یافته با استفاده از تابع Lscov
محاسبه سطح محصور حاصل از اتصال چند نقطه در صفحه
درس ششم: درون یابی، تقریب تابع و برازش منحنی و سطح در متلب
برازش منحنی با استفاده از چند جمله ای با استفاده از دستور Polyfit
درون یابی یک متغیره با استفاده از تابع interp1 به روش های مختلف
درون یابی با استفاده از اسپیلاین (Spline)
برازش منحنی با استفاده از مدل های چند جمله ای تکه ای
برازش سطح (برازش دو متغیره) با استفاده از تابع interp2 به روش های مختلف
برازش حجم (برازش سه متغیره) با استفاده از تابع interp3 به روش های مختلف
برازش منحنی یک متغیره با استفاده از تبدیل فوریه سریع (Fast Fourier Transform) یا به اختصار FFT از طریق تابع interpft
ابزارهای پایه برازش منحنی از طریق پنجره Figure
ابزار حرفه ای پردازش منحنی (Curve Fitting Toolbox) یا به اختصار cftool
بررسی انواع مدل های برازش منحنی قابل استفاده در متلب
استفاده از دستور fit برای حل مسائل برازش منحنی پیچیده
درس هفتم: بهینه سازی کلاسیک در متلب
آشنایی با مدل های برنامه ریزی خطی (Linear Programming) و توابع linprog (روش سیمپلکس (Simplex)) و BINTPROG (برنامه ریزی عدد صحیح و باینری)
حل مسائل بهینه سازی درجه دو (Quadratic) با استفاده از تابع quadprog
حل مسائل بهینه سازی غیر خطی بدون قید با استفاده از توابع fminsearch و fminunc
بررسی خروجی توابع حل کننده مسائل بهینه سازی کلاسیک
حل چند مساله عملی برای آشنایی با کاربرد توابع معرفی شده
درس هشتم: حل انواع مختلف معادلات دیفرانسیل (Differential Equations) در متلب
معادلات دیفرانسیل معمولی (Ordinary Differential Equations) یا به اختصار ODE
مروری بر مفهوم معادلات دیفرانسیل
حل معادلات دیفرانسیل خطی (Linear Differential Equation) با استفاده از تابع lsim
تبدیل معادلات دیفرانسیل خطی معمولی به سیستم دینامیکی (Dynamical System)
معرفی حل کننده های معادلات ODE و بررسی ویژگی های آن ها
حل معادلات دیفرانسیل غیر خطی به صورت عددی
افزودن پارامتر به معادلات دیفرانسیل و حل پارامتریک
افزودن ورودی به معادلات دیفرانسیل و حل با فرض اعمال ورودی
شبیه سازی و پیاده سازی نوسان ساز Van der Pol

سرفصل‌های دوره

ترسیم حالات و نمودارهای صفحه فاز ناشی از حل معادلات دیفرانسیل
پیاده سازی سیستم آشوبی لورنز (Lorenz)
حل مسائل مقدار مرزی (Boundary Value Problem) یا به اختصار BVP با استفاده از تابع bvp4c
آماده سازی و حدس راه حل اولیه مسائل مقدار مرزی با تابع bvpinit
بررسی تاثیر حدس اولیه در پاسخ نهایی با ارائه یک مثال
معادلات دیفرانسیل تاخیری (Delay Differential Equations) یا به اختصار DDE
معرفی عامل تاخیر در یک معادله دیفرانسیل
بررسی و معرفی انواع تاخیر ممکن
حل معادله دیفرانسیل با تاخیرهای ثابت با استفاده از تابع dde23
مدل سازی، شبیه سازی و حل عددی فرایند مربوط به فشار خون سرخرگی (شریانی)، سیاهرگی (وریدی) و نرخ ضربان قلب
بررسی مدل Cardiovascular و تاثیر جهش و تغییر پارامترها در پاسخ آن
حل معادلات دیفرانسیل با تاخیرهای وابسته به حالت و زمان با استفاده از تابع ddesd
حل معادلات دیفرانسیل تاخیری با وجود تاخیر مشتق با استفاده از تابع ddensd
حل مثال های کاربردی برای همه توابع بررسی شده
هموارسازی راه حل خروجی از حل کننده های معادلات دیفرانسیل با استفاده از تابع deval
معادلات دیفرانسیل با مشتقات جزئی (Partial Differential Equations) یا به اختصار PDE
حل معادله دیفرانسیل سهموی – بیضوی (Parabolic-Elliptic PDE) با استفاده از تابع pdepe
حل دو مثال از معادلات سهموی – بیضوی
نمایش راه حل های بدست آمده از تابع pdepe
معرفی انواع PDE قابل حل در متلب شامل معادلات:
بیضوی (Eclliptic)
سهموی (Parabolic)
هذلولی (Hyperbolic)
مقدار ویژه ای (Eigenmods)
معرفی ابزار گرافیکی حل معادلات PDE موسوم به Partial Differential Equation Toolbox یا به اختصار pdetool
معرفی حالات کاری ابزار Pdetool
انتخاب نوع معادله و راه حل و تعیین پارامترها
مشخص کردن ناحیه مورد بررسی با ترسیم و فرمول بندی
مشخص کردن شرایط مرزی
مش بندی ناحیه حل
حل معادله دیفرانسیل PDE و نمایش نتایج حاصل از آن
استخراج نتایج به دست آمده از Pdetool و استفاده از آن ها در متلب
تنظیمات مربوط به نمایش راه حل های به دست آمده از حل PDE

سوالات متداول

آیا با شرکت در این دوره ها میتوانیم وارد بازار کار شویم؟

دوره‌هایی که دارای زمان ضبط شده بیش از 20 ساعت هستند در زمینه ورود به بازار کار خیلی به شما کمک کنند اما دوره هایی که دارای ساعت تدریس کمتر از ۵ ساعت هستند بیشتر بابت آشنایی شرکت کنندگان با آن حوزه کاری آماده و تولید شده اند و جهت ورود به بازار کار نیاز به گذراندن دوره های تکمیلی خواهند داشت.

در صورت ثبت نام در دوره منابع کمک آموزشی نظیر فیلم ها، جزوات و استانداردها و ... برای ما ارسال خواهد شد؟

بله – دسترسی شما جهت دانلود تمام فایل ها و فیلم های آموزشی پست از ثبت نام و پرداخت وجه باز خواهد شد.

کدام ورژن از نرم افزار ها تدریس می شود؟

در تمامی دوره‌ها از پایدارترین و محبوبترین نسخه نرم افزار استفاده می‌شود.

ویدیو ها بر روی چه سیستمی قابلیت اجرا دارند؟

کلیه دوره‌هایی که به صورت آفلاین (پکیج دانلودی) تهیه شده است بر روی نرم افزار اسپات پلیر در سیستم عامل ویندوز و مک قابل مشاهده هستند.

چگونه از زمان شروع دوره‌های حضوی و آنلاین اطلاع پیدا کنم؟

در صفحه تقویم آموزشی میتوانید تاریخ و ساعت شروع دوره‌های حضوری و آنلاین را مشاهده کنید. مشاهده تقویم آموزشی

آیا با پایه صفر هم میتوان در این دوره آموزشی شرکت کرد؟

اگر پیش نیاز برای دوره‌ای وجود داشته باشد در همین صفحه در ستون سمت راست به شما اعلام خواهد شد.

چگونه میتوانم برای خرید دوره مشاوره دریافت کنم؟

اگر نیاز به مشاوره و راهنمایی جهت ثبت نام در دوره‌ها را دارید میتوانید در ساعات اداری با شماره‌های 02166123188 - 02166422865 تماس حاصل بفرمایید.

آیا امکان ثبت نام اقساطی در دوره‌ها وجود دارد؟

برای برخی از دوره‌ها امکان خرید اقساطی وجود دارد. جهت دریافت اطلاعات بیشتر با پشتیبانی تماس حاصل فرمائید.

درخواست ویدیو دوره

مجتمع فنی فلات قاره این امکان را برای شما فراهم کرده است که برای بررسی دقیق تر دوره نمونه ویدیو های بیشتری از این دوره را برای شما ارسال کند تا پس از بررسی کامل، با خیالی راحت دوره را خریداری کنید. جهت ارسال ویدیو های بیشتر کافیست درخواست خود را از طریق فرم زیر برای ما ارسال کنید.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “آموزش نرم افزار Matlab”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *