منابع دروس آزمون مهندسی کامپیوتر - هوش مصنوعی و ضرایب آن در مقطع دکتری

  سه شنبه، 04 اردیبهشت 1397   زمان مطالعه 2 دقیقه
منابع دروس آزمون مهندسی کامپیوتر - هوش مصنوعی و ضرایب آن در مقطع دکتری
ساعدنیوز: دانشجویان رشته مهندسی کامپیوتر - هوش مصنوعی می توانند برای آشنایی با منابع آزمون دکتری و ضرایب آن مطلب زیر را مطالعه نمایند.

به گزارش سرویس دانشگاه پایگاه خبری ساعدنیوز، با توجه به دفترچه ثبت نام آزمون دکتری 97، تمامی داوطلبانی که از تمامی رشته ها در مقطع کارشناسی ارشد فارغ التحصیل شدند، می توانند در این کدرشته امتحانی شرکت کنند.

عناوین دروس امتحانی این رشته شامل موارد زیر است:

عناوین دروس امتحانی رشته مهندسی کامپیوتر - هوش مصنوعی در آزمون دکتری سراسری و دانشگاه آزاد

سوالات دروس عمومی

سوالات دروس تخصصی در سطح کارشناسی

سوالات دروس تخصصی در سطح کارشناسی ارشد

استعداد تحصیلی - زبان انگلیسی

ساختمان داده ها و طراحی الگوریتم ها

شناسایی الگو - یادگیری ماشین

منابع آزمون دکتری

ما در این قسمت تلاش کرده ‌ایم به معرفی کتاب‌ های موجود در بازار که می توانند به عنوان منابع مناسبی برای آمادگی آزمون دکتری 97 باشند، بپردازیم.

منابع آزمون دکتری مهندسی کامپیوتر - هوش مصنوعی (مطابق با آخرین تغییرات آزمون سال 97)

زبان انگلیسی:
1ـ زبان انگلیسی عمومی دکتری

2- 1100 لغت ضروری

استعداد تحصیلی:
1ـ استعداد تحصیلی (ویژه فنی و مهندسی)

2- استعداد تحصیلی ، نویسندگان : هادی مسیح خواه و محمد وکیلی انتشارات فرهنگ

مجموعه دروس در سطح کارشناسی:
ساختمان داده ها و طراحی الگوریتم ها:

1ـ اصول ساختمان داده‌ها تألیف هرویتز

2ـ ساختمان داده‌ها با استفاده از پاسکال تألیف تننباوم

3ـ ساختمان داده‌ها، CLRS

4ـ اصول الگوریتم های کامپیوتر تألیف هرویتز

5ـ الگوریتم ها و ساختمان داده تألیف ای‌هو

مجموعه دروس در سطح کارشناسی ارشد:
شناسایی الگو و یادگیری ماشین:

1- علیرضا مهدی (1386)، مقدمه ای بر الگوریتم ژنتیک و کاربردهای آن، تهران: انتشارات ناقوس.

2- مسعودیان، سولماز و استکی، افسانه (1386)، طراحی جدول زمانبندی خودکار با استفاده از الگوریتم‌های ژنتیک، پایان نامه کارشناسی دانشگاه اصفهان.

3. S. C. Chu and H. L. Fang (1999) , Genetic Algorithms vs. Tabu Search in Timetable Scheduling, Third International Conference on Knowledge-Based Intelligent Information Engineeing Systems.

4. A,Gunawan, K. M. Ng and H. L. Ong (2008) , A Genetic Algorithm for the Teacher Assignment Problem for a University in Indonesia, Information and Management Sciences, Volume 19, Number 1, pp. 1-16

5. Randy L. Haupt and sue Ellen Haupt (2004) , Parctical Genetic Algorithm, (2nd ed) ,USA:Wiley

6. Fabian Marki, Manfred Vogel and Martin Fischer (2006) , " Process Plan Optimization using a Genetic Algorithm", PATAT 2006, pp. 528–531. ISBN 80-210-3726-1.

7. Matlab version 7. 4. 0. 287 (R2007a) , 29 january 2007, U. S. Patents Carol Meyers and James B. Orlin (2006) , Very Large-Scale 8.

8.Neighborhood SearchTechniques in Timetabling Problems, PATAT 2006, pp. 36–52. ISBN 80-210-3726-1.

9. Radomír Perzina (2006) ,Solving the University Timetabling Problem with Optimized Enrolment of Students by a Parallel Self-adaptive Genetic Algorithm, PATAT 2006, pp. 264–280. ISBN 80-210-3726-1.

10. Theodoridis, Sergios, et al. Introduction to Pattern Recognition: A Matlab Approach: A Matlab Approach. Access Online via Elsevier, 2010.

11. Christopher, M. Bishop(2006). Pattern recognition and machine learning.

ضرایب دروس امتحانی آزمون دکتری مهندسی کامپیوتر - هوش مصنوعی

عناوین دروس امتحان

استعداد تحصیلی و زبان انگلیسی

مجموعه دروس تخصصی در سطح کارشناسی

مجموعه دروس تخصصی در سطح کارشناسی ارشد

ضرایب امتحانی

1

4

4


دیدگاه ها


  دیدگاه ها
از سراسر وب   
پربازدیدترین ویدئوهای روز   
آخرین ویدیو ها