💠 حداکثر زمان انتظار دانشجو برای تاخیر استاد
🔺دانشجویان موظف هستند در صورت عدم حضور به موقع استاد در کلاس، به ازای هر واحد درسی ۱۵ دقیقه منتظر استاد بمانند.
🔺به عبارت دیگر، دانشجو برای درس یک واحدی ۱۵ دقیقه، درس دو واحدی ۳۰ دقیقه، درس سه واحدی ۴۵ دقیقه و درس چهار واحدی ۶۰ دقیقه باید منتظر استاد بماند.
🔺در صورت عدم حضور استاد در مدت زمان تعریف شده، دانشجویان میتوانند بدون ثبت غیبت توسط استاد، از کلاس خارج شوند.
🔗 درصورتی که با هماهنگی استاد و دانشجو، کلاس با تاخیر یا در ساعتی دیگر برگزار شود، در نظر گرفتن این موارد به عهدهی دانشجو است.
🔺دانشجویان موظف هستند در صورت عدم حضور به موقع استاد در کلاس، به ازای هر واحد درسی ۱۵ دقیقه منتظر استاد بمانند.
🔺به عبارت دیگر، دانشجو برای درس یک واحدی ۱۵ دقیقه، درس دو واحدی ۳۰ دقیقه، درس سه واحدی ۴۵ دقیقه و درس چهار واحدی ۶۰ دقیقه باید منتظر استاد بماند.
🔺در صورت عدم حضور استاد در مدت زمان تعریف شده، دانشجویان میتوانند بدون ثبت غیبت توسط استاد، از کلاس خارج شوند.
🔗 درصورتی که با هماهنگی استاد و دانشجو، کلاس با تاخیر یا در ساعتی دیگر برگزار شود، در نظر گرفتن این موارد به عهدهی دانشجو است.
یلداتون ویژه مبارک باشه 😍
ایشالا هزاران هزار یلدارو با آرامش و سلامتی کنار خانواده های عزیزتون به خوشی بگذرونید و به هر آرزوی خوبی که دارین برسین 🌹🙏
ایشالا هزاران هزار یلدارو با آرامش و سلامتی کنار خانواده های عزیزتون به خوشی بگذرونید و به هر آرزوی خوبی که دارین برسین 🌹🙏
❤2
سلام دروس قابل اخذ برای دانشجویان دکترا گرایش نرم افزار در ترم دوم ۱۴۰۲ ( تمامی دروس ارایه شده برای کارشناسی ارشد گرایش نرم افزار + یادگیری ماشین):
تحلیل شبگه های پیچیده
سیستم های توزیع شده
تحلیل کلان داده ها
مهندسی نرم افزار پیشرفته
پایگاه داده پیشرفته
الگوریتم های موازی
رایانش ابری
ارزیابی کارایی سیستم های کامپیوتزی
معماری سیستم های مقیاس بزرگ
نظریه الگوریتنی بازی ها
ازمون نرم افزار پیشرفته
توصیف و وارسی برنامه ها
امنیت شبکه
تحلیل شبگه های پیچیده
سیستم های توزیع شده
تحلیل کلان داده ها
مهندسی نرم افزار پیشرفته
پایگاه داده پیشرفته
الگوریتم های موازی
رایانش ابری
ارزیابی کارایی سیستم های کامپیوتزی
معماری سیستم های مقیاس بزرگ
نظریه الگوریتنی بازی ها
ازمون نرم افزار پیشرفته
توصیف و وارسی برنامه ها
امنیت شبکه
سلام دروس قابل اخذ برای دانشجویان دکترا گرایش نرم افزار در ترم دوم ۱۴۰۲ ( تمامی دروس ارایه شده برای کارشناسی ارشد گرایش هوش مصنوعی + سیستم های توزیع شده:
یادگیری ماشین
رایانش عصبی و یادگیری عمیق
شناسایی الگو
بازنمایی دانش و استدلال
تصویرپردازی رقمی
پردازش زبان طبیعی
ربات عای متخرک خودگردان
یادگیری تقویتی عمیق
بهینه سازی محدل
تحلیل کلان داده ها
یادگیری ماشین
رایانش عصبی و یادگیری عمیق
شناسایی الگو
بازنمایی دانش و استدلال
تصویرپردازی رقمی
پردازش زبان طبیعی
ربات عای متخرک خودگردان
یادگیری تقویتی عمیق
بهینه سازی محدل
تحلیل کلان داده ها
دروس جبرانی دکترا برای افرادی که تراز زیر پنج هزار داشتند گروه نرم افزار دو درس از سه درس پایگاه داده پیشرفته مهندسی نرم افزار پیشرفته و سیستمعامل پیشرفته
دروس جبرانی دکترا برای افرادی که تراز زیر پنج هزار داشتند گروه هوش مصنوعی درس شبکه های عصبی و شناسایی الگو
دروسی که در ارشد گذرانده اید را نمی توانید به عنوان دروس اصلی دکترا اخذ نمایید
دانشجویان دکترا که در کارشناسی ارشد گرایش شبکه و رایانش امن بودند می توانید دروس شبکه بی سبم مدیریت شبکه شبکه های کامپیوتری پیشرفته را در صورتی که در مقطع کارشناسی ارشد نگذرانده اند بگذرانند
فرم_انتخاب_استاد_راهنما_دکترا_گرایش_معماری_کامپیوتر.doc
265.5 KB
قابل توجه دانشجویان دکتری گرایش معماری کامپیوتر
لازم است فرم ضمیمه را همه دانشجویان ورودی 401 و ماقبل تکمیل و به ایمیل مدیرگروه ارسال نمایند.
farivar.ece.srbiau@gmail.com
دانشجویان ورودی 402 تا پایان نیسمال دوم فرصت تکمیل فرم را دارند.
لازم است فرم ضمیمه را همه دانشجویان ورودی 401 و ماقبل تکمیل و به ایمیل مدیرگروه ارسال نمایند.
farivar.ece.srbiau@gmail.com
دانشجویان ورودی 402 تا پایان نیسمال دوم فرصت تکمیل فرم را دارند.
قابل توجه کلیه دانشجویان دکتری نرم افزار و هوش مصنوعی ورودی ۱۴۰۱ و قبل ان
به اطلاع آن دسته از دانشجویان دکتری که تا کنون نسبت به انتخاب استاد راهنما و هماهنگی با گروه اقدامی انجام نداده اند می رساند، به منظور مشخص شدن وضعیت ایشان نیاز است تا فرم پیوست را تکمیل کرده و حداکثر تا پایان ترم جاری نسبت به ارسال فایل تکمیل شده به آدرس ایمیل مدیر گروه اقدام نمایند.
شایان ذکر است کلیه دانشجویانی که مشمول توضیح فوق می شوند ملزم به ارسال فرم تکمیل شده در تاریخ مقرر هستند و هرگونه هماهنگی بدون اخذ موافقت گروه با اساتید خارج از دانشگاه مورد تایید گروه نمیباشد. مسئولیت عدم ارسال فایل در تاریخ مقرر و مشکلات ایجاد شده بر عهده دانشجو خواهد بود.
دانشجویان دکتری ۱۴۰۲ نیز می بایست حداکثر تا انتهای ترم سوم فایل پرشده مربوطه را تکمیل کرده و ارسال کنند و در غیر این صورت اجازه شرکت در ازمون جامع نخواهند داشت
به اطلاع آن دسته از دانشجویان دکتری که تا کنون نسبت به انتخاب استاد راهنما و هماهنگی با گروه اقدامی انجام نداده اند می رساند، به منظور مشخص شدن وضعیت ایشان نیاز است تا فرم پیوست را تکمیل کرده و حداکثر تا پایان ترم جاری نسبت به ارسال فایل تکمیل شده به آدرس ایمیل مدیر گروه اقدام نمایند.
شایان ذکر است کلیه دانشجویانی که مشمول توضیح فوق می شوند ملزم به ارسال فرم تکمیل شده در تاریخ مقرر هستند و هرگونه هماهنگی بدون اخذ موافقت گروه با اساتید خارج از دانشگاه مورد تایید گروه نمیباشد. مسئولیت عدم ارسال فایل در تاریخ مقرر و مشکلات ایجاد شده بر عهده دانشجو خواهد بود.
دانشجویان دکتری ۱۴۰۲ نیز می بایست حداکثر تا انتهای ترم سوم فایل پرشده مربوطه را تکمیل کرده و ارسال کنند و در غیر این صورت اجازه شرکت در ازمون جامع نخواهند داشت
دانشجویان دکترای نرم افزار و هوش که ترازشان زیر پنج هزار است دو درس جبرانی علاوه بر زبان تخصصی و روش پژوعش پیشزفته باید بگذرانند چه در مقطع قبلی گذرانده باشند چه نگذرانده باشند و برایشان این دو درس جبرانی است
دانشجویان دکترا که با استعداد درخشان پذیرفته شدند الزامی بع گذراندن دو درس جبرانی سه واحدی نیستند و اگر درمقطع قبلی این درس ها را نگذرانذه باشند میتوانند به عنوان درس اصلی ان ها را اخذ کنند
" کلیه دانشجویان دکترا و ارشد آقای دکتر سید محسن هاشمی از طریق ایمیل ذیل با ایشان در ارتباط باشند. ایشان از ابتدای ترم جاری در دانشگاه حضور دارند. ضمنا به اطلاع دانشجویان دکتری و ارشد میرساند درخواست راهنما/مشاور تز را فقط به ایمیل ذیل ارسال نمایند.
MohsenHashemiSec@gmail.com
MohsenHashemiSec@gmail.com
زمینه های تحقیقاتی جناب اقای دگتر هاشمی،:
سیستمهای توصیه گر
امنیت سایبری؛ استانداردها
مهندسی نرم افزار؛ تولید نرم افزار
تجارت الکترونیکی؛ مدیریت ریسک
سیستمهای توصیه گر
امنیت سایبری؛ استانداردها
مهندسی نرم افزار؛ تولید نرم افزار
تجارت الکترونیکی؛ مدیریت ریسک
کد پایان نامه هر دو کد معتبر است👆
سمینارهای هوش اضافه ظرفیت شد
کد پایان نامه برای دانشجویان تجارت الکترونیک:👇