معرفی درس: جبر خطی جبر خطّی شاخهای از ریاضیات است که به بررسی و مطالعه ماتریس ها، بردارها، فضاهای برداری (فضاهای خطّی)، تبدیلات خطی، و دستگاههای معادلات خطی میپردازد. جبر خطّی کاربردهای فراوان و گوناگونی در ریاضیات و محاسبات گسسته دارد. علاوه بر کاربردهای آن در زمینههایی از خود ریاضیات همانند جبر مجرد، آنالیز تابعی، هندسه تحلیلی، و آنالیز عددی، جبر خطّی استفادههای وسیعی نیز در فیزیک، مهندسی،علوم طبیعی، و علوم اجتماعی پیداکرده است. این درس شامل موضوعاتی است که در یک درس جبر خطی دانشگاهی بررسی می شود که شامل فضاهای برداری، تبدیلات خطی، مقدار یکه و بردار یکه، دستگاه معادلات خطی می باشد.
یکی از اهداف و آرمان های فرادرس به عنوان بزرگ ترین پروژه آموزش دانشگاهی اجرا شده بر بستر وب کشور، ایجاد دسترسی همگانی و یکسان به آموزش و دانش؛ مستقل از جغرافیا، زمان و سطح مالی دانشجویان بوده است. سیاست کاری فرادرس در راستای این آرمان، انتشار آموزش های ویدئویی تخصصی و دانشگاهی رایگان و یا بسیار کم هزینه، با تدریس مجرب ترین اساتید داخل و خارج کشور بوده است. ما با انتشار رایگان مجموعه کتب کارشناسی ارشد مهندسی کامپیوتر و آی تی، امروز جدیدترین گام خود را در راستای آرمان فرادرس برداشتیم. مجموعه کتاب های منتشر شده که حاصل نزدیک به یک دهه تدریس و پژوهش و تألیف مؤلف و مدرسین فرادرس می باشد؛ در عین هزینه های بالای تألیف و آماده سازی، به جای انتشار و فروش، با تأمین مالی و سرمایه گذاری فرادرس به عنوان ناشر، به صورت کاملاً رایگان منتشر می شود.
این درس به تحلیل و طراحی ماشین های گوناگون و سازه های بارور می پردازد.
برای تحلیل و طراحی یک سازه مشخص نیازمند محاسبه تنش ها و تغییر شکل های ایجاد شده در آن هستیم که در درس مقاومت مصالح این موارد پوشش داده می شود.
معرفی درس: تحلیل دینامیک های سیستم در این درس به مدل کردن سیستم های طبیعی و اجتماعی پرداخته میشود.
معرفی درس: گرانش و نسبیت عام ١ این درس شامل مقدمات، گرانش در فضای مینکوسکی، هندسه ی دیفرانسیل، سیاهچاله ها، آزمون نسبیت عام، و کیهان شناسی است. جهت اطلاعات بیشتر در مورد این درس به آدرس این درس مراجعه فرمایید.
معرفی درس: کنترل اتوماتیک این درس به تجزیه، تحلیل و کنترل سیستم ها ی خطی تغییرناپذیر با زمان اختصاص دارد. در بخش اول درس، نحوه مدلسازی سیستم های مختلف مکانیکی، الکتریکی و الکترومکانیکی و رفتار دینامیکی آنها هم در حوزه زمان و هم درحوزه فرکانس مطالعه می شود. در بخش دوم، روش های مختلف کنترل این سیستم ها و رسیدن به مشخصات خروجی مطلوب مورد بررسی قرار می گیرد.
همواره انجام محاسبات ریاضی چند رقمی برای اکثر انسان های حتی آن هایی که درس ریاضی اشنان بسیار خوب است، امری دشوار و وقت گیر می باشد و بسیاری ترجیح می دهند چنین محاسباتی را با ماشین حساب انجام دهند اما امروز قصد داریم یک فیلم آموزشی ویژه را به شما هم میهنان گرامی بخصوص علاقه مندان به ریاضیات معرفی کنیم که آموزش می دهد گونه محاسباتی از این دست را می شود در کمترین زمام ممکن انجام داد. تصور کنید که بتوانید محاسباتی که به نظر سخت می آیند را به راحتی و به سرعت در ذهن خود انجام دهید و نتیجه آن را بدست آورید! چنین چیزی به نظر غیر ممکن به می رسد؟ خیر! به هیچ وجه اینطور نیست! یکی از اصول مهم برای بهبود و گسترش کیفیت و سرعت محاسبات ریاضی شما، بدون در نظر گرفتن مقطع تحصیلی و تحصیلاتتان، در توانایی بسیار قوی مغز شما در انجام محاسبات نهفته است. حل مسائل ریاضی در ذهن شما باعث می شود تا درهای موفقیت برای درک و دسته بندی رشته های پیچیده تر ریاضی مانند جبر، هندسه و ..
این درس از دروس مشترک اکثر رشته های فنی مهندسی است وشامل دو بخش کلی میشود. در بخش اول با عنوان آنالیز فوریه به بررسی سری فوریه ، انتگرال فوریه و تبدیلات فوریه و در بخش دوم به بررسی توابع مختلط می پردازد.
معرفی درس: ماشین های الکتریکی ۲و ۳ هدف از این درس تکمیل آموزش های مربوط به ماشین های گردان DC و AC، ترانسفورمرها، ماشین های الکتریکی خاص و در نهایت کنترل ماشین های DC می باشد. سرفصل های این درس عبارت است: -ترانسفورمرهای سه فاز -اصول تبدیل انرژی الکترومکانیکی -ژنراتورهای DC -کنترل موتورهای DC -ماشینهای تکفاز و دوفاز شامل القایی و سنکرون -ژنراتورهای سنکرون -حالتهای گذرای ماشین سنکرون -حالتهای گذرای ماشین ها -ماشین های خاص مراجع مورد استفاده در این درس به شرح ذیل می باشند: -Electric Machinery, A.E. Fitzgerald, C. kingsley, Stephen D. Umans, Sixth edition, 2003. -Electric Machinery Fundamentals, 4th edition, Chapman, Stephen J, 2005. پیشنیاز این درس تبدیل انرژی الکتریکی ۱ (ماشین ۱) است.
تشخیص الگو (pattern recognition) شاخه ای از مبحث یادگیری ماشین (machine learning) می باشد که تمرکز آن بر روی شناخت الگو ها و نظم دادهها است. روشهای تشخیص الگو، الگوهای مورد نظر را از یک مجموعه دادهها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری دادهها، جداسازی میکند. تشخیص الگوها کاربردهای زیادی در تشخیص صدا، تشخیص چهره، تشخیص امضا و غیره دارد.این مجموعه ۲۳ جلسه می باشد.