سومین کارگاه یادگیری ماشینی در فیزیک: کاربردها در نجوم و کیهان‌شناسی

سومین کارگاه یادگیری ماشینی در فیزیک: کاربردها در نجوم و کیهان‌شناسی

۱۱ و ۱۲ اردیبهشت ۱۳۹۸ 
دانشکده فیزیک، دانشگاه شهید بهشتی

اطلاعیه کارگاه

سومین کارگاه یادگیری ماشینی در فیزیک با کاربردها در نجوم و کیهان‌شناسی در تاریخ ۱۱ و ۱۲ اردیبهشت ماه ۱۳۹۸ با همکاری آزمایشگاه میان‌رشته‌ای ابن‌سینا و انجمن فیزیک ایران در دانشکده فیزیک دانشگاه شهید بهشتی برگزار خواهد شد.

اهداف

یادگیری ماشین روشی برای پیش‌بینی رفتار مجموعه داده‌هاست که برخلاف روش‌های متداول درفیزیک به جای آنکه بر یک مدل شهودی مبتنی باشد  از یک مدل ریاضی و توابع دلخواه برای توصیف و پیش‌بینی رفتار سیستم‌ها استفاده می‌کند. به عنوان مثال با استفاده از شبکه‌های عصبی به عنوان یکی از روش‌های سنتی یادگیری ماشین می‌توان مجموعه‌ای از داده‌های ورودی را توسط تعدادی دلخواه از لایه‌های نهان میانی به نتایج خروجی تصویر کرد. برخلاف داده‌های ورودی و خروجی که کمیت‌های فیزیکی‌اند لایه‌های میانی لزوما معنی فیزیکی ندارند و به عبارت دیگر قید فیزیکی یر آنها وجود ندارد. به همین دلیل تعداد لایه‌های میانی و تعداد گره‌ها در هر لایه را می‌توان به دلخواه اتنخاب کرد و لذا این رهیافت در تصویر ورودی به خروجی کاملا انعطاف‌پذیر است. به ویژه وقتی ارتباط بین داده‌ها بسیار پیچیده باشد به طوری که مدل‌های رایج فیزیکی با تعداد محدودی پارامتر قابل تنظیم نتوانند با دقت کافی این ارتباط را توضیح دهند کارایی روش‌های غیرفیزیکی مبنتی بر یادگیری ماشین می‌تواند بسیار بالا باشد. 

 با توجه به رشد کیهان‌شناسی و نجوم و اخترفیزیک محاسباتی/ مشاهداتی در سال‌های اخیر  و نقش داده‌های مختلفی که به صورت کلان تولید می‌شود، استفاده از علم داده نقش مهمی پیدا کرده است  که استفاده از روش‌های یادگیری ماشینی با توجه به منعطف بودنشان در مواجهه با داده‌های پیچیده جایگاه روبه‌رشدی یافته‌اند.
در این کارگاه با مبانی علم یادگیری ماشین، معرفی الگوریتم‌ها و بسته‌های نرم‌افزاری و زیرروال‌های آن با محوریت کاربردها در نجوم و کیهان‌شناسی آشنا خواهید شد. در جلسات عملی، پیاده‌سازی الگوریتم‌ها و به کاربردن ابزارهای موجود در بسته‌های نرم‌افزاری را به‌طور عملی فراخواهید گرفت و مسایلی از کیهان‌شناسی و نجوم را حل خواهید کرد.

 
پیش‌نیازها

 برای پیاده سازی الگوریتم‌ها آشنایی با مفاهیم برنامه‌نویسی لازم است. در جلسات عملی فرض بر آن است که با سیستم عامل لینوکس و زبان برنامه نویسی پایتون کاملا آشتایی دارید. به همراه داشتن لپ تاپ برای استفاده از جلسات عملی الزامی است.

عناوین آموزشی

عناوین آموزشی کارگاه به صورت زیر پیش‌بینی شده است:

-    آشنایی با یادگیری ماشین و کاربردهای آن در نجوم و کیهان شناسی
-    آشنایی با یادگیری عمیق
-    آشنایی و حل مسئله با تنسورفلو

مدرسان

• احمد محمودی ازناوه (دانشگاه شهید بهشتی)
• علیرضا وفایی صدر (پژوهشگاه دانش‌های بنیادی)
• هادی ویسی (دانشگاه تهران)

کمیته برگزار کننده

• علی صادقی (دانشگاه شهید بهشتی و پژوهشگاه دانش‌های بنیادی)
• مرضیه فرهنگ (دانشگاه شهید بهشتی)
• سیدمهدی واعظ علایی (دانشگاه تهران و پژوهشگاه دانش‌های بنیادی)
• سیدمحمدصادق موحد (دانشگاه شهید بهشتی و پژوهشگاه دانش‌های بنیادی)
• علیرضا وفایی‌صدر (پژوهشگاه دانش‌های بنیادی)

ثبت نام
هزینه حق شرکت در کارگاه

دانشجویان عضو انجمن 100 هزار تومان

دانشجویان غیرعضو 120 هزار تومان

سایرین 150 هزار تومان

هزینه ناهار برای هر روز 20 هزار تومان

هزینه خوابگاه دانشجویی همراه با شام، شبی 20 هزار تومان (تعداد محدود است)

• آخرین مهلت ثبت‌نام برای شرکت در کارگاه: ۳۱ فروردین ۱۳۹۸

• ظرفیت کارگاه محدود  است. کمیته برگزار کننده لیست نهایی پذیرفته‌شدگان را پس از اتمام مهلت ثبت‌نام اعلام خواهد کرد.

کلیه علاقه‌مندان به شرکت در کارگاه بایستی پرسشنامه ثبت‌نام در کارگاه را تکمیل نمایند. پرسشنامه الکترونیکی ثبت‌نام در کارگاه باید فقط به زبان فارسی تکمیل شود.

درصورت انصراف شرکت‌کنندگان تا یک‌هفته پیش از زمان برگزاری کارگاه 30% حق ثبت‌نام کارگاه کسر و در مدت زمان کمتر از یک هفته 70% حق ثبت‌نام کارگاه کسر و مابقی به شرکت‌کننده بازگردانده خواهد شد. 

پس از ثبت‌نام نتیجه پذیرش از طریق پست الکترونیکی به اطلاعتان خواهد رسید و درصورت اخذ پذیرش لازم است نسبت به پرداخت آنلاین هزینه حق شرکت کارگاه از طریق سامانه با مراجعه به صفحه کاربری خود در کارگاه اقدام شود. 

اطلاعات تماس

تلفن کمیته اجرایی: 02129905055

نشانی انجمن فیزیک ایران

تهران، میدان انقلاب، ابتدای خیابان کارگر جنوبی، خیابان مهدی‌زاده، شماره ۵،  واحد ۸

تلفن: [phone] و 02166905247
نمابر: 02166905247
پست الکترونیکی:  [e-mail]

کانال تلگرام انجمن فیزیک ایران: http://t.me/psinews