کارگاه آموزشی شماره ۱:
عنوان: بسته نرم افزاری hhsmm در نرم افزار R: مدل‌های مارکوف و نیمه مارکوف پنهان و کاربردهای آن
تعداد جلسات: 1 جلسه مجموعاً 3 ساعت
مدرس کارگاه: آقای دکتر مرتضی امینی، دانشگاه تهران
زمان: چهارشنبه 21 آذر ماه ساعت 14 تا 17
کارگاه شامل بخش‌های زیر است:
۱. ارائه اسلاید در سه بخش
(نصب بسته نرم‌افزاری hhsmm توسط شرکت‌کنندگان و دریافت فایل‌های R)
۲. یک مثال شبیه‌سازی شده در نرم‌افزار
۳. کار با داده‌های گم شده
۴. پیش‌بینی داده‌های آینده
۵. برآورد ناپارامتری توزیع مشاهدات
۶. مدل رگرسیون تغییر رژیم و اتورگرسیو
۷. داده‌های انرژی اسپانیا حالت یک‌ متغیره
۸. داده‌های انرژی اسپانیا حالت چندمتغیره
۹. برآورد عمر مفید باقیمانده برای داده‌های موتور جت
ظرفیت ۲۰ نفر

کارگاه آموزشی شماره ۲:
عنوان: هوش مصنوعی مولد دستیار پژوهش و آموزش با رویکرد تحلیل داده، آمار و ریاضی
تعداد جلسات: ۱ جلسه مجموعاً ۳ ساعت
مدرس کارگاه: آقای دکتر علیرضا پاک‌گوهر، دانشگاه پیام‌نور تهران
زمان: پنجشنبه ۲۲ آذر ماه ساعت ۹ تا ۱۲
کارگاه شامل بخش‌های زیر است:
۱. آشنایی با ترفندها و نکته‌های ریز کار با Gemini ،Copilot ،Chatgpt40 و Claude برای کسانی که با آنها آشنا هستند.
۲. آشنایی با پرامپت‌های تخصصی برای تحلیل گران داده و آنها که ریاضی می نویسند.
۳.‌‌‌ آشنایی با سایت‌هایی که برای ما ادبیات پژوهش می‌نویسند.
۴. آشنایی با ابزارهایی که رفرنس‌یابی می‌کنند.
۵. آشنایی با دستیارهای هوش مصنوعی در بهبود مقاله برای پارافریز و گرامر و ...
۶. آشنایی با ابزارهای هوش مصنوعی مولد برای تولید محتوا در شبکه‌های اجتماعی نظیر Youtube و...
۷. آشنایی با ابزارهای هوش مصنوعی برای استخراج سریع محتوای متنی از فیلم و صوت و شبکه‌های اجتماعی نظیر Youtube و...
۸. آشنایی با ابزارهای هوش مصنوعی آچار فرانسه برای کار با فایل و PDF و فیلم و نوشتن و ...
ظرفیت: ۳۰ نفر

کارگاه آموزشی شماره ۳:
عنوان: Power Bi
تعداد جلسات: ۱ جلسه مجموعاً ۲ ساعت
مدرسین کارگاه: خانم دکتر خاطره قربانی مقدم، دانشگاه خوارزمی، تهران
خانم سحر راهدار، دانشجوی دکترا تحقیق در عملیات دانشکده علوم ریاضی دانشگاه فردوسی مشهد
زمان: پنجشنبه ۲۲ آذر ماه ساعت ۱۴ تا ۱۶
کارگاه شامل بخش‌های زیر است:
۱. آشنایی با هوش تجاری و مدل داده
۲. دانلود و آشنایی با محیط Microsoft Power BI
۳. آشنایی با پاور کوئری
۴. مصورسازی و انتشار
ظرفیت: ۲۰ نفر

کارگاه آموزشی شماره ۴:
عنوان: شبکه‌های عصبی گرافی در تحلیل شبکه‌های اجتماعی
تعداد جلسات: ۱ جلسه مجموعاً ۲ ساعت
مدرس کارگاه: آقای دکتر محمود امین‌طوسی، دانشگاه فردوسی مشهد
آدرس وبگاه کارگاه: https://gta-lab.github.io/GNN-workshop/
زمان: چهارشنبه ۲۱ آذر ماه ساعت ۱۴ تا ۱۶
کارگاه شامل بخش‌های زیر است:
1. مقدمه: معرفی مبانی و ضرورت شبکه‌های عصبی گرافی در تحلیل شبکه‌ها.
2. مقدمه‌ای بر تجزیه و تحلیل شبکه با کتابخانه NetworkX: نحوه‌ی استفاده از کتابخانه NetworkX برای تجزیه و تحلیل شبکه.
3. ساخت بازنمایی گره‌ها با استفاده از تکنیک DeepWalk: بازنمایش نودهای گراف با استفاده از DeepWalk و اجرا روی مثال گراف باشگاه کاراته
4. بهبود بازنمایش نودها با Node2Vec: بهبود روش قبلی و اجرا روی مثال باشگاه کاراته و گراف فیلم‌ها و کاربران
5. شبکه‌های عصبی گرافی: آشنایی با مبانی و مفاهیم شبکه‌های عصبی گرافی. اجرا روی مجموعه داده‌های مقالات (Cora) و داده‌های شبکه‌ی اجتماعی فیس‌بوک
6. شبکه‌های عصبی گرافی پیچشی (Graph Convolutional Networks): آشنایی با مبانی و نحوه‌ی استفاده از شبکه‌های پیچشی گرافی در تحلیل داده‌های شبکه‌ی اجتماعی فیس‌بوک.
هدف:
هدف از این کارگاه آشنایی با مفاهیم شبکه‌های عصبی گرافی و کاربرد آنها در تحلیل شبکه‌های اجتماعی است. در این کارگاه، با مفاهیم شبکه‌های عصبی گرافی و تکنیک‌هایی مانند DeepWalk، Node2Vec و Graph Convolutional Networks آشنا خواهیم شد و نحوه‌ی استفاده از آنها در تحلیل شبکه‌های اجتماعی را به صورت عملی تجربه خواهیم کرد.
شرکت کنندگان:
این کارگاه برای دانشجویان، پژوهشگران و علاقه‌مندان به یادگیری ماشین، تحلیل داده و شبکه‌های اجتماعی مناسب است.
ظرفیت: ۲۰ نفر

کارگاه آموزشی شماره ۵:
عنوان : تجزیه و تحلیل احساسات و معرفی بسته نرم افزاری WeatherSentiment در نرم افزار R
تعداد جلسات : ۱ جلسه مجموعاً ۳ ساعت  
مدرس کارگاه : خانم دکتر لیلا مرویان - دانشگاه پرتوریا، آفریقای جنوبی - آزمایشگاه داده‌های حجیم دانشگاه بین المللی امام رضا (ع)
زمان: پنجشنبه ۲۲ آذر ماه ساعت ۹ تا ۱۲
کارگاه شامل بخش‌های زیر است :
۱. آشنایی با متن کاوی
۲. کار با انواع داده‌های متنی 
۳. تحلیل بصری داده‌های متنی 
۴. خوشه بندی داده‌های متنی 
۵. تحلیل n-grams
۶. تحلیل احساسات 
۷. متن کاوی برای زبان فارسی
۸. معرفی پکیج WeatherSentiment
ظرفیت: ۲۰ نفر

کارگاه آموزشی شماره ۶:
عنوان:
Large Language Models
Transformers Revolution
تعداد جلسات: ۱ جلسه مجموعاً ۲ ساعت
مدرس کارگاه: آقای مهران سیفی-شرکت نشان
زمان: پنجشنبه ۲۲ آذر ماه ساعت ۹ تا ۱۱
کارگاه شامل بخش های زیر است:

1. The Evolution of Generative Language Models: A Historical Perspective
2. From Basics to Breakthroughs: Hidden Markov Models, N-grams, and Recurrent Neural Networks
3. The Rise of Transformers: "Attention Is All You Need"
4. What is the Transformer? Analysing Its Impact on NLP
5. Step-by-Step Analysis of Transformer Architecture
6. Inside Transformer Blocks: How And What Computations Are Calculated?
7. Training vs. Inferencing: Data Flow in Transformers
8. Teacher Forcing in Language Model Training
9. Diverse Applications of Transformers
10. Decoding GPT Models: How They Work and What They Really Are
11. Are GPT Models Truly Intelligent? Examining Their Abilities
12. The GPT Assistant Training Pipeline Overview
13. Exploring RLHF
14. From Pretraining to Fine-Tuning: Key Stages in LLM Development
15. Optimizing LLMs: Factors That Drive Performance
16. Comparing GPT-Style Transformers with General Transformer Models
17. Decoder-Only vs. Encoder-Only Transformers: Unique Applications
18. Human vs. AI: Text Generation and Creativity
19. Challenges in LLMs: Understanding the Limitations and Issues

ظرفیت: ۲۵ نفر

کارگاه آموزشی شماره7:

عنوان: خزش و جمع‌آوری داده از شبکه‌های اجتماعی

تعداد جلسات: ۱ جلسه مجموعاً 3 ساعت

مدرس کارگاه: آقای مهدی نعمتی - کارشناس ارشد علوم تصمیم و مهندسی دانش - دانشگاه حکیم سبزواری

زمان: پنجشنبه 22 آذر ماه ساعت 14 تا 17

کارگاه شامل بخش های زیر است:
1. مقدمه‌ای بر خزش شبکه‌های اجتماعی: بررسی انواع داده‌های موجود در شبکه‌های اجتماعی و چالش‌های خزش و جمع‌آوری داده‌ها از این منابع. مروری بر اهمیت این داده‌ها برای تحلیل‌های اجتماعی، بازاریابی و مطالعات رفتار کاربران.
2. معرفی کتابخانه‌ها و ابزارهای خزش شبکه‌های اجتماعی: معرفی ابزارهای تخصصی مانند Tweepy (برای توییتر) که امکان خزش و جمع‌آوری داده از شبکه‌های اجتماعی را فراهم می‌کنند. آشنایی با محدودیت‌های APIهای شبکه‌های اجتماعی و نحوه‌ی مدیریت نرخ درخواست‌ها (Rate Limiting) برای کاهش ریسک مسدود شدن دسترسی.
3. پیش‌پردازش داده‌ها و تحلیل‌های مقدماتی با NLP: نحوه پردازش داده‌های متنی استخراج‌شده از شبکه‌های اجتماعی و آشنایی با ابزارهای پردازش زبان طبیعی (مانند spaCy و NLTK) برای پیش‌پردازش داده. استفاده از روش‌های پاکسازی متن، حذف نویز، و آماده‌سازی داده‌ها برای تحلیل‌های عمیق‌تر.
4. استفاده از مدل‌های زبانی بزرگ در خزش و پردازش داده‌های شبکه‌های اجتماعی: بررسی نحوه بهره‌گیری از LLMهایی مانند GPT و BERT در تحلیل و استخراج اطلاعات ارزشمند از محتوای شبکه‌های اجتماعی. بحث درباره چگونگی استفاده از LLMها برای تحلیل احساسات، استخراج موجودیت‌ها، و دسته‌بندی محتوا.
5. پروتکل‌های اخلاقی و امنیتی: بررسی چالش‌های حریم خصوصی و ملاحظات اخلاقی در جمع‌آوری داده‌های کاربران از شبکه‌های اجتماعی، همراه با معرفی روش‌های کاهش نگرانی‌های امنیتی و رعایت قوانین مرتبط.
6. تمرین عملی خزش و تحلیل شبکه‌های اجتماعی: انجام تمرین عملی با استفاده از APIهای توییتر برای خزش و جمع‌آوری داده، و اجرای تحلیل‌های اولیه با کمک مدل‌های زبانی بزرگ.
هدف: هدف از این کارگاه، آشنایی با روش‌ها و ابزارهای علمی برای خزش و جمع‌آوری داده از شبکه‌های اجتماعی است. شرکت‌کنندگان یاد خواهند گرفت چگونه با استفاده از ابزارها و تکنیک‌های پیشرفته به داده‌های شبکه‌های اجتماعی دسترسی پیدا کرده و آنها را برای تحلیل‌های تخصصی پردازش کنند.
شرکت‌کنندگان: این کارگاه برای پژوهشگران و دانشجویان حوزه‌های علوم داده، یادگیری ماشین، و تحلیل شبکه‌های اجتماعی که علاقه‌مند به خزش شبکه‌های اجتماعی و بکارگیری LLMها در تحلیل داده‌ها هستند، مناسب است.

ظرفیت : 20 نفر