در حال برگزاری: مسترکلاس کاربرد هوش مصنوعی و یادگیری ماشین در تحلیل و پیش بینی تغییرات اقلیمی

این دوره آموزشی، کاربرد هوش مصنوعی و یادگیری ماشین در تحلیل و پیش‌بینی تغییرات اقلیمی است.

این دوره بر اساس سرفصل‌های کتاب “کاربرد یادگیری ماشین و هوش مصنوعی در تغییرات اقلیمی” طراحی شده و به شرکت‌کنندگان می‌آموزد چگونه از الگوریتم‌های پیشرفته برای تحلیل داده‌های پیچیده اقلیمی مانند تغییرات دما، آلودگی هوا و تغییرات کاربری اراضی استفاده کنند.

هدف اصلی، توانمندسازی شرکت‌کنندگان برای اجرای پروژه‌های عملی و تحقیقاتی در یکی از مهم‌ترین حوزه‌های علمی امروز جهان است.

در این دوره از مجموعه‌ای از قدرتمندترین ابزارهای متن‌باز و ابری در حوزه علم داده استفاده می‌شود. سامانه Google Earth Engine برای دسترسی و پیش‌پردازش داده‌های ماهواره‌ای عظیم، محیط های Jupyter و Google Colab برای کدنویسی تعاملی و اجرای مدل های یادگیری ماشین و پلتفرم‌ها Kaggle و GitHub به عنوان منابعی غنی برای دسترسی به داده‌ها و نمونه کدها به کار گرفته می‌شوند.

این ترکیب ابزاری به شرکت‌کنندگان اجازه می‌دهد تا بدون نیاز به سخت‌افزار قدرتمند، پروژه‌های بزرگ مقیاس را اجرا کنند.

 

در این دوره، شما به صورت کاملاً عملی یاد می‌گیرید که چگونه نقشه‌ها را از صفر تا صد تولید کنید. در پایان دوره، شما به طور کامل قادر خواهید بود:

• نقشه‌های پیش‌بینی دما و خشکسالی را با شبکه‌های عصبی بازگشتی (LSTM) تولید کنید.
• نقشه‌های طبقه‌بندی پوشش زمین را با الگوریتم قدرتمند Random Forest بسازید.
• نقشه‌های دقیق توزیع آلودگی هوا را با یک شبکه عصبی مصنوعی (ANN) مدل سازی و تولید کنید.

 

در این بخش، یاد خواهید گرفت چگونه داده‌های 6 آلاینده کلیدی (NO₂, SO₂, CO, O₃, CH₄, و Aerosols) از ماهواره Sentinel-5P را با مجموعه‌ای از شاخص‌های قدرتمند محیطی و انسانی مرتبط کنید، از جمله:

• شاخص‌های پوشش زمین: NDVI, NDBI, NDWI, EVI از Sentinel-2
• دمای سطح زمین (LST): از سنجنده MODIS
• شاخص‌های سکونتگاه انسانی: از GHSL

این دوره فرصتی بی‌نظیر برای کسب مهارت‌های عملی و تخصصی در زمینه علوم داده‌های محیطی است.

 

---

معرفی مدرسین

🙎‍♂️ آرین سلطانی

• کارشناس ارشد برنامه ریزی شهری
• دارنده مدرک کارشناسی شهرسازی از دانشگاه خوارزمی
• دارنده مدرک کارشناسی ارشد برنامه ریزی شهری از دانشگاه تهران
• مترجم کتاب کاربرد یادگیری ماشین در تغییرات اقلیمی
• همکاری در پروژه تغییرات اقلیمی با سازمان مرکز مطالعات شهرداری تهران
• دارای مدرک علم یادگیری ماشین از دانشگاه صنعتی شریف
• دارای چندین مقاله isi در زمینه یادگیری ماشین  و هوش مصنوعی
• رتبه 4 کنکور ارشد برنامه ریزی شهری
• برنده طرح منتخب در رویداد هوای پاک شهر تهران (طرح هوشمند سازی پایش آلودگی هوای شهر تهران)
• عضو بنیاد حامیان نخبگان دانشگاه تهران

 

🙎‍♀️ نیلوفر میرزاخانی

• کارشناس ارشد برنامه ریزی شهری
• دارنده مدرک کارشناسی برنامه ریزی اجتماعی از دانشگاه علامه طباطبایی
• دارنده مدرک کارشناسی ارشد برنامه ریزی شهری از دانشگاه علم و صنعت
• مترجم کتاب کاربرد یادگیری ماشین در تغییرات اقلیمی
• همکاری در پروژه تغییرات اقلیمی با سازمان مرکز مطالعات شهرداری تهران
• دارای مدرک علم یادگیری ماشین از دانشگاه صنعتی شریف
• دارای چندین مقاله isi در زمینه یادگیری ماشین و هوش مصنوعی
• برنده طرح منتخب در رویداد هوای پاک شهر تهران (طرح هوشمند سازی پایش آلودگی هوای شهر تهران)

 

کتاب زیر توسط مدرسین این دوره ترجمه و منتشر شده است.

---

عناوین آموزشی

عناوین آموزشی در 7 بخش به شرح زیر درنظر گرفته شده است:

• بخش اول: توضیح کلی بر تغییرات اقلیمی (خشکسالی و دما)، معرفی داده‌ها، الگوریتم‌ها و ابزارهای دوره (GEE, Colab, Kaggle)
• بخش دوم: انجام پروژه عملی تحلیل تغییرات دما (از جمع‌آوری داده با سنجش از راه دور تا مدل سازی با یادگیری ماشین)
• بخش سوم: آشنایی با شاخص‌های آلودگی هوا و الگوریتم‌های مرتبط به همراه بررسی یک مثال کاربردی
• بخش چهارم: انجام پروژه عملی مدل سازی آلودگی هوا با استفاده از داده‌های سنجش از راه دور
• بخش پنجم: تحلیل تغییرات کاربری زمین و ارتباط آن با تغییرات اقلیمی به کمک الگوریتم‌های یادگیری ماشین
• بخش ششم: انجام پروژه کامل مدل سازی تغییرات کاربری زمین با داده‌های سنجش از راه دور
• بخش هفتم: جلسه پرسش و پاسخ و ارائه یک نقشه راه برای تعریف و پیشبرد اهداف پژوهشی شرکت‌کنندگان

---

 

یکی از خروجی‌های جذاب و کاربردی که در این دوره آموزش می بینید، ساخت یک وب اپلیکیشن برای پایش آنلاین آلودگی هوا است.

در این بخش از دوره، ما پا را از تحلیل داده فراتر گذاشته و مدل شبکه عصبی (ANN) که برای پیش‌بینی آلودگی هوا آموزش داده‌ایم را به یک داشبورد تعاملی و کاربردی تبدیل می‌کنیم.

شما یاد می‌گیرید که چگونه:

• یک رابط کاربری ساده و کاربرپسند برای مدل خود طراحی کنید.
• نتایج و پیش‌بینی‌های مدل را به صورت نقشه و نمودارهای تعاملی به نمایش بگذارید.
• یک پروژه کامل و قابل ارائه برای پورتفولیو خود بسازید که مهارت شما را از مدلسازی تا ارائه نهایی نشان دهد.
  

---

کاربرد

شرکت‌کنندگان پس از پایان این دوره قادر خواهند بود تکنیک‌های یادگیری ماشین را برای حل مسائل واقعی در حوزه تغییرات اقلیمی به کار گیرند. این مهارت‌ها شامل تحلیل روندهای دمایی، مدلسازی و پیش‌بینی آلودگی هوا، و ارزیابی اثرات تغییرات کاربری اراضی بر اقلیم است.

دانش‌آموختگان می‌توانند این تکنیک‌ها را در پروژه‌های تحقیقاتی، مطالعات دانشگاهی یا در سازمان‌های مرتبط با محیط زیست و مدیریت منابع طبیعی به صورت عملی پیاده‌سازی کنند.

---

مخاطبان

مخاطبان این دوره آموزشی گستره وسیعی از افراد را شامل می‌شود:

• دانشجویان و پژوهشگران رشته‌های علوم محیط زیست، جغرافیا، برنامه‌ریزی شهری، منابع طبیعی و سنجش از دور که به دنبال استفاده از ابزارهای نوین تحلیلی هستند.
• متخصصان و دانشجویان رشته‌های کامپیوتر، هوش مصنوعی و علم داده که علاقه‌مند به کاربرد مهارت‌های خود در مسائل زیست‌محیطی می‌باشند.
• کارشناسان و تحلیل‌گرانی که در سازمان‌های دولتی یا خصوصی با داده‌های اقلیمی و زیست‌محیطی سروکار دارند.
• تمامی علاقه‌مندانی که قصد دارند درک عمیق‌تری از چگونگی تحلیل علمی تغییرات اقلیمی با استفاده از فناوری‌های روز دنیا پیدا کنند.

تمامی دیتاها و کدها در اختیار همه شرکت کنندگان قرار خواهد گرفت و همچنین پس از اتمام دوره تا حدود یک ماه، افرادی که به دنبال پژوهش در حوزه های مورد نظر در این دوره باشند، پشتیبانی و حمایت از آن ها صورت می گیرد.