کارگاههای آموزشی کنفرانس

زمان: چهارشنبه 30 اردیبهشت  از ساعت 16 الی 17:30

شرکت در کارگاههای آمورشی رایگان هست

 

عنوان کارگاه پیشنهادی 1: آشنایی با ابزارهای تحلیل شبکه های اجتماعی

ارائه دهندگان: کمال برهمند

آشنایی با نرم افزارهای تحلیل شبکه مانندلgephi, UCINET، PAJEK، NodeXL و ... و اجرای مثال هایی به طور عملی در برخی از این محیطها.

 

عنوان کارگاه پیشنهادی 2: داده کاوی با استفاده از نرم افزار Apache Mahout

مشخصات ارائه دهندگان: دکتر حبیب ایزدخواه شیشوان، مهدی محمدپور سرای، احد رفعتی

چکیده :

یکی از چالش­های مهم جهان امروز مبحث داده ­بزرگ است برای اینکه رشد و وجود تکنولوژی­های نوین باعث تولید توده های عظیم­ داده با سرعت فزاینده شده است. در نتیجه ما با چهار چالش و مساله مهم روبرو هستیم شامل حجم، گوناگونی، سرعت و تنوع داده. همچنین متناسب با معماری سیستم­های بانک­ اطلاعاتی سنتی نبوده، بنابراین قابلیت و ظرفیت پردازش آن را ندارند. برای پردازش و بهره ­وری از این داده­ ها سیستم­های جدیدی نیاز داریم و نیز روش­های داده ­کاوی و استفاده از الگوریتم­های یادگیری ماشین برای محیطهای توزیع­ شده لازم می­باشد. ابزار کنونی در سه نوع طبقه ­بندی، شامل ابزارهای پردازش دسته ای، پردازش در جریان و تحلیل محاوره­ای متمرکز هستند. اغلب ابزارهای پردازش دسته­ای بر پایه زیرساخت آپاچی هدوپ هستند. مانند Mahout و Dryad اخیراً نیز برای تحلیل بلادرنگ مورد استفاده قرار می گیرد. استرم و S4 مثال کاربردی از پلت­فرم­ هایی برای تحلیل داده­ های جاری با اندازه بزرگ (داده­ بزرگ جریانی) می­باشد.

 

 

عنوان کارگاه پیشنهادی 3: داده کاوی با استفاده از نرم افزارWeka

مشخصات ارائه دهندگان: دکتر حبیب ایزدخواه شیشوان، مهدی محمدپور سرای، احد رفعتی

چکیده :

امروزه با گسترش سيستم‌هاي پايگاهي و حجم بالاي داده‌هاي ذخيره شده در اين سيستم‌ها، نياز به ابزاري است تا بتوان داده‌هاي ذخيره شده را پردازش کرد و اطلاعات حاصل از اين پردازش را در اختيار کاربران قرار داد. از هنگامي که رايانه در تحليل و ذخيره‌سازي داده‌ها به کار رفت (1950)، حدود 20 سال زمان به طول انجاميد تا حجم داده‌ها در پايگاه‌هاي داده دو برابر شد؛ ولي پس از گذشت دو دهه و همزمان با پيشرفت فناوري اطلاعات (IT) هر دو سال يک‌بار حجم داده‌ها، دو برابر شده و همچنين تعداد پايگاه داده‌ها با سرعت بيشتري رشد نموده است. اين در حالي است که تعداد متخصصين تحليل داده‌ها و آمار شناسان، با اين سرعت رشد نکرده است. حتي اگر چنين امري اتفاق مي‌افتاد، بسياري از پايگاه داده‌ها چنان گسترش يافته‌اند که شامل چند صد ميليون يا چند صد ميليارد رکورد ثبت شده هستند و امکان تحليل و استخراج اطلاعات با روش‌هاي معمول آماري از دل انبوه داده‌ها مستلزم چند روز کار با رايانه‌هاي موجود است. حال با وجود سيستم‌هاي يکپارچه‌ي اطلاعاتي، سيستم‌هاي يکپارچه‌ي بانکي و تجارت الکترونيک، لحظه به لحظه به حجم داده‌ها در پايگاه داده‌هاي مربوط اضافه شده و باعث به وجود آمدن انبارهاي عظيمي از داده‌ها شده است، به طوري که ضرورت کشف و استخراج سريع و دقيق دانش از اين پايگاه داده‌ها را بيش از پيش نمايان کرده است؛ چنان که در عصر حاضر گفته مي‌شود «اطلاعات طلاست».با استفاده از پرسش‌هاي ساده در SQL و ابزارهاي گوناگون گزارش گيري معمولي، مي‌توان اطلاعاتي را در اختيار کاربران قرار داد تا بتوانند به نتيجه گيري در مورد داده‌ها و روابط منطقي ميان آن‌ها بپردازند اما وقتي که حجم داده‌ها بالا باشد، کاربران هر چند زبر دست و با تجربه باشند نمي‌توانند الگوهاي مفيد را در ميان حجم انبوه داده‌ها تشخيص دهند و يا اگر قادر به اين کار هم باشند، هزينه عمليات از نظر نيروي انساني و مادي بسيار بالا است.

از سوي ديگر کاربران معمولاً فرضيه اي را مطرح مي‌کنند و سپس بر اساس گزارشات مشاهده شده به اثبات يا رد فرضيه مي‌پردازند، در حالي که امروزه نياز به روش‌هايي است که اصطلاحاً به کشف دانش بپردازند يعني با کمترين دخالت کاربر و به صورت خودکار الگوها و رابطه‌هاي منطقي را بيان نمايد. داده‌کاوي يکي از مهم‌ترين اين روش‌ها است که طي آن الگوهاي مفيد در داده‌ها با حداقل دخالت کاربران شناخته شده و اطلاعاتي در اختيار کاربران و تحليل‌گران قرار مي‌گيرد تا بر اساس آن‌ها تصميمات مهم و حياتي در سازمان‌ها اتخاذ شوند.

 

عنوان کارگاه پیشنهادی 4: شبیه سازی شبکه های کامپیوتری و مخابراتی با OPNET

ارائه کننده : امیر حسنی کرباسی ، از گروه ریاضی و مهندسی فناوری اطلاعات دانشگاه گیلان

چکیده :

با پیشرفت تکنولوژی و افزایش سیستم های متصل به هم از طریق شبکه های ارتباطی، بخصوص تولید انبوه ابزار های الکترونیکی سیار، سبب شد تا طراحان و متخصصین شبکه های کامپیوتری و مخابراتی احساس نیاز شدید به مدل ساز ها و شبیه ساز های شبکه کرده تا رفتار دقیق شبکه های بزرگ و پیچیده را بدون ایجاد واقعی شبکه ها، پیاده سازی کنند. بدین منظور شبیه سازهای گوناگونی طراحی شده و هرکدام دارای ساختار و پیچیدگی خاص خود هستند. شبیه ساز OPNET (Optimum Network Engineering Tool) در دانشگاه MIT و در سال 1987 ارائه شد و دارای قابلیت شی گرایـی است که روند شبیه سازی را برای طراح، بسیار ساده و قابل فهم می کند و یکی دیگر از قـابلیت های آن سلسله مـراتبی بـودن روند طرح ریزی مسئله در آن است و شایان ذکر است که با رابط گرافیکی توانمندش، مدل سازی انواع و اقسام شبکه های مخابراتی و کامپیوتری را تسهیل می بخشد. قابلیت های این نرم افزار در شبیه سازی جنبه های مختلف شبکه، از لایه کاربرد گرفته تا لایه های فیزیکی، حیرت انگیز است. این شبیه ساز در دو ورژن تجاری و دانشگاهی عرضه شده است و می توان به شبیه سازی در رنج های بسیار متنوع پرداخت. OPNET یک محیط مجازی شبکه را مدل سازی می کند که شامل رفتار مسیریاب ها، سویچ ها، پروتکل ها، سرور ها، کامپیوتر های شخصی و برنامه های کاربردی است. از طریق این محیط مجازی شبکه، مدیران IT ، محققین و دانشجویان تحصیلات تکمیلی می توانند کارایی، صحت، پیاده سازی، مشکلات و سایر رفتار های شبکه ای را سبک و سنگین کنند و سناریو های ایده آل را جهت رشد و توسعه شبکه ها، طرح ریزی کنند. قابلیت های این نرم افزار واقعاً پایان ناپذیر است و تجربه کار با شبیه ساز های رقیب، متخصصین را متقاعد کرده است که OPNET یکه تاز عرصه شبیه سازی شبکه ها است.

 

عنوان کارگاه پیشنهادی 5: آشنایی با نرم افزار Endnote X7

ارائه دهنده: خانم دکتر لیلا خلیلی، عضو هیئت علمی دانشگاه شهید مدنی آذربایجان

 

عنوان کارگاه پیشنهادی 6: آشنایی با متن کاوی در متلب

ارائه دهندگان: حمید احمدی بنی

 

 

Powered by: Sahand CMS