اقتصاد چگونگی انتخاب افراد با منابع محدود را تحلیل می كند و امكان انتخاب های بهتر را بررسی می نماید. اقتصاد روشی برای تفكر است و مهمترین دستاوردی كه از مطالعه ی اقتصاد حاصل می شود ‌‌”فكر كردن مانند یك اقتصاددان” است، یعنی توانایی تشخیص عناصر اساسی یك مسئله و یافتن راه حل آن به روشی تحلیلی. اقتصاد خردشاخه‌ای از علم اقتصاد است که به مطالعه منحصر به فرد اقتصاد، تجزیه و تحلیل بازار، رفتار مصرف کنندگان و خانوارها و بنگاه‌ها می‌پردازد و اساس آن مدلهای ریاضی است.اقتصاد خرد شاخه‌ای از علم اقتصاد است که به چگونگی رفتار انسان‌ها و انتخاب هایشان در سطح واحدهای خرد یا کوچک اقتصادی مانند یک فرد، یک بنگاه، یک صنعت یا بازار یک کالای خاص می‌پردازد و به چگونگی تعامل بین خریداران و مصرف کنندگان و عوامل موثر در انتخاب خریداران می‌پردازد به طور خاص اقتصاد خرد به الگوی عرضه و تقاضا برای کالاها و خدمات و همچنین تعیین قیمت خروجی در بازارهای خاص می‌پردازد و به طور معمول در بازار هایی که در آن کالاها در حال خرید و فروش هستند کاربرد دارد

آمار، شاخه‌ای از علم ریاضیات است که به گردآوری، تحلیل، تفسیر، ارائه و سازمان‌دهی داده‌ها می‌پردازد. علم آمار در اکثر مواقع با وضعیت‌هایی سروکار دارد که در آن‌ها وقوع یک پیشامد به‌طور حتمی قابل پیش‌بینی نیست و استنتاج‌های آماری نیز غالباً غیر‌حتمی‌اند، زیرا مبتنی بر اطلاعات ناکاملی هستند. در نظریهٔ آمار، اتفاقات تصادفی و عدم قطعیت توسط نظریه احتمالات مدل‌سازی می‌شوند. در این علم، مطالعه و قضاوت معقول درباره موضوع‌های گوناگون، بر مبنای یک نمونه انجام می‌شود و قضاوت در مورد یک فرد خاص، اصلاً مطرح نیست. بنابراین پرداختن به احتمالات و کاربرد آن، یکی از مهم ترین مسائل در دانش آماری است. همان‌طور که از اسم این دوره نیز مشخص است در آن به آموزش آمار و احتمال پرداخته می‌شود به‌طوری که این دوره سرفصل‌های موجود در درس تئوری و توزیع احتمالات و کاربرد‌های آن را پوشش می‌دهد.   هدف از یادگیری دوره آموزش رایگان آمار و احتمال کاربردی چیست؟ ارائه روشی نوین در بیان مطالب و كمك به دانشجویان در ایجاد درك عمیقی از موضوعات مورد بحث، هدف اصلی در آموزش این دوره است. دانشجویان با گذراندن این دوره، می‌توانند به سطح بالایی از مهارت در درک و حل مسائل مختلف آمار مهندسی دست یابند. با توجه به اهمیت آمار و احتمالات در تمامی رشته‌ها، رایگان بودن این دوره دسترسی دانشجویان به این درس سرنوشت‌ساز را بیشتر می‌سازد.   دوره آموزش رایگان آمار و احتمال کاربردی مناسب چه کسانی است؟ این دوره آموزشی برای تمامی دانشجویان، بخصوص دانشجویان کارشناسی و کارشناسی ارشد اقتصاد، مهندسی صنایع و حتی سایر رشته‌های فنی و مهندسی مناسب است. علت تناسب این دوره برای همگان، نیاز رشته‌های گوناگون به جمع‌آوری، تجزیه و تحلیل و ارائه داده‌های پژوهشی است. بعد از فراگیری دوره آموزش رایگان آمار و احتمال کاربردی چه مهارت‌هایی کسب خواهید کرد؟ از آنجا که در طراحی و انتخاب مثال‌ها سعی شده‌است تا مثال‌هایی انتخاب شوند که در کمک به فراگیری دروس، ارزشمند و قابل تامل باشند بنابراین بعد از یادگیری مطالب این دوره، به‌راحتی می‌توانید در ابتدا به درک مسائل آماری پرداخته و سپس مناسب‌ترین راه حل را برای آن‌ها بیابید.   ویژگی‌های متمایز دوره آموزش رایگان آمار و احتمال کاربردی چیست؟ مدرس این دوره به صورتی ساده و شیوا به بیان مطالب می‌پردازد علاوه بر آن، ارائه مثال‌های فراوان در هر قسمت از درس، موجب افزایش سرعت یادگیری و تفهیم مطالب می‌گردد. جهت اثربخشی بیشتر، همه مثال‌ها به صورت كاملاً تشریحی پاسخ داده می‌شوند حتی در بسیاری موارد بیش از یك راه حل برای آن‌ها در نظر گرفته می‌شود.    منابع، پیش نیاز‌ها و منابع مکمل منابع این دوره آموزشی شامل: جلد اول کتاب مبانی احتمالات و آمار مهندسی تالیف مجید ایوزیان و ابوالفضل واقفی سایت دانشگاه ایالتی پنسیلوانیا آمریکا آشنایی با مشتق‌گیری و انتگرال‌گیری  به علت استفاده از کامل‌ترین منابع موجود در آموزش دروس این دوره، دانشجویان از مراجعه به سایر منابع، بی‌نیاز خواهند بود بنابراین منبع مکملی در این دوره در نظر گرفته نشده‌است.  

مکانیک آماری مربوط به مطالعه سیستم های پر ذره است در ترمودینامیک ١، تعدادی پارامتر درشت مقیاس تعریف کردیم و آنها را با تجربه (آزمایش ) به هم مرتبط کردیم و نتیجه آن قوانین ترمودینامیک و معادله حالت بود که با آن رفتار کلی سیستم را توجیه می کردیم در مکانیک آماری از سرجمع کردن آمار و مکانیک مولکول هایی که یک دستگاه فیزیکی معین را تشکیل میدهند رفتار کلی دستگاه را تعیین میکنیم. روند کلی درس : ابتدا با مفهوم میکرو حالت و ماکرو حالت آشنا می شویم و به کمک انواع آنسامبل ها ( کانونیک ، گراند کانونیک و میکرو کانونیک )پارامترهای ترمودینامیکی و معادله حالت سیستم را استخراج میکنیم کمی فرض ارگودیک بودن را دقیق تر بررسی می کنیم همچنین کمی به توصیف آنسامبلی سیستم های کوانتومی می پردازیم و فرض اختلاط را دقیق تر بررسی می کنیم سپس به مطالعه سیستم های بوزونی و فرمیونی می پردازیم و مدل آیزینگ را تشریح می کنیم در آخر به مطالعه سیستم های پیچیده می پردازیم و در ادامه آن کمی در مورد ترمودینامیک سیستم های زنده ( بیوفیزیک )صحبت می کنیم در آخر اگر زمان بود کمی به مطالعه ترمودینامیک غیر تعادلی می پردازیم. پیامی از طرف استاد درس: *Caveat*: These lectures and the special choice of the subjects covered here as the syllabus should in no ways be considered as a substitute for a good textbook or the standard syllabus of your school. It is strongly advised that you consult standard textbooks closely, and do not rely on these lectures alone. These lectures have not yet been double-checked by the lecturer, thus they may still contain scientific errors. If, anyhow,you would like to use these lectures, beware of this point and use them at your own risk.Hopefully, annotated versions of the lecture files with corrections and explanatory comments will be available in near future.

در این درس پیرامون مفهوم علم مدرن و شناخت آن و همچنین سیاست گذاری علم در ایران ( و جهان) بحث شده است. شما با دیدن این درس (همچنین مطالعه منابع ذکر شده در درس مانند معماری علم در ایران) با تفکر کلامی،اجتماع علمی و گفتمان علمی، مفهوم سازی در فیزیک، روش فروکاست گرایی در فیزیک، مدل سازی و به طور کلی شناخت تفکر فیزیکی (تفکر علمی) آشنا می شوید و درک اولیه اما مهمی از معنای علم مدرن پیدا خواهید کرد.

درس ریاضی گسسته یکی از دروس مقدماتی دانشکده‌ی ریاضی است. این درس به معرفی بخش‌های مختلفی از ریاضی گسسته شامل منطق ریاضی، نظریه‌‌ی مجموعه‌ها، آنالیز شمارشی، روابط بازگشتی، توابع مولد و نظریه‌ی گراف می‌پردازند. دوره‌ آموزش ریاضیات گسسته فعلی در نیمسال دوم سال تحصیلی 1391 در دانشکده‌ی ریاضیات دانشگاه صنعتی شریف تدریس شده است که در ادامه به معرفی آن خواهیم پرداخت. دوره آموزش ریاضیات گسسته دوره آموزش ریاضیات گسسته به آموزش سرفصل‌های این درس می‌پردازد و از کلاس‌های دانشگاه صنعتی شریف ضبط و در مکتب خونه قرار داده شده است. استاد این درس، جناب دکتر میر امید حاجی میرصادقی بوده که از اساتید برجسته رشته ریاضی این دانشگاه به‌حساب می‌آید. درس ریاضی گسسته در 28 جسله تدریس شده که مدت زمان لازم برای گذارندن این دوره 37 ساعت خواهد بود. دوره آموزش ریاضیات گسسته برای چه کسانی مناسب است؟ دوره آموزش ریاضیات گسسته برای دانشجویان رشته مهندسی و علوم کامپیوتر ضروری است و در عین حال دانشجویان رشته مهندسی صنایع و حتی دانشجویان پیش دانشگاهی نیز مناسب به‌حساب می‌آید. همچنین از مباحث ریاضیات گسسته که در دوره آموزش رایگان ریاضیات گسسته توضیح داده می‌شود، می‌توانید برای شرکت در المپیاد کامپیوتر و یا المپیاد ریاضی در دوره‌ی متوسطه و دبیرستان نیز استفاده کنید. پیش‌نیاز دوره آموزش ریاضیات گسسته چیست؟ پیشنهاد می‌شود که برای درک بهتر مبحث این درس و پیش از شروع این دوره، دوره‌ی آموزشی آمار و احتمال مهندسی دانشگاه صنعتی شریف که توسط دکتر علی شریفی زارچی تدریس شده است را مشاهده کنید. همچنین پس از مشاهده‌ی دوره‌ آموزش رایگان ریاضیات گسسته می‌توانید به عنوان مباحث تکمیلی دوره‌ی منطق ریاضی، که در دانشکده‌ی ریاضیات دانشگاه تهران توسط دکتر مجید علیزاده تدریس شده و همچنین دوره‌ی فلسفه‌ی ریاضی که در دانشکده ریاضیات دانشگاه صنعتی شریف توسط دکتر سیاوش شهشهانی تدریس شده است را مشاهده کنید. سرفصل‌های درس ریاضیات گسسته  سرفصل‌های این دوره آموزش ریاضیات گسسته به ترتیب در ادامه مطلب بیان خواهند شد: فصل اول: حساب گزاره‌ها - گزاره و انواع آن، عملگرهای منطقی، شرطی و دو شرطی، هم‌ارزی‌های منطقی، قوانین دمورگان (De Morgan's Laws)، تابع ارزش و غیره در این بخش بیان می‌شوند. فصل دوم: استلزام منطقی - قاعده‌های استنتاج، قیاس تعدی، استثنایی و عکس، ترکیب عطفی، بسط فصلی رزولوشن (Resolution)، سازگاری و.‌‌.. نیز مطالبی هستند که در این فصل آموزش داده می‌شوند. فصل سوم: سورها - دروس این سرفصل گزاره‌نما، متغیرهای آزاد و مقید، استفاده از سورها در علم کامپیوتر، نقیض سورها، سورهای تو در تو، ترتیب سورها و قواعد استنتاج برای گزاره‌های شامل سور هستند. فصل چهارم: مجموعه‌ها - مجموعه، نمودار ون (Venn Diagram)، زیرمجموعه، عملیات روی مجموعه‌ها، حاصل‌ضرب دکارتی (کارتزین)، قانون‌های نظريه مجموعه‌ها از دروس سرفصل‌های دوره آموزش ریاضیات گسسته هستند. فصل پنجم: رابطه و تابع - تعریف رابطه، تعداد رابطه‌های تعریف شده روی مجموعه، خواص رابطه‌ها، تشخیص خواص به کمک گراف جهت‌دار، تشخیص خواص به کمک ماتریس، شمارش تعداد رابطه‌ها و..‌  دروس رابطه و تابع می‌باشند. فصل ششم: رابطه و هم‌ارزی - رابطه هم ارزی، کلاس هم ارزی، افراز بستار و روابط در این فصل تدریس می‌شوند. فصل هفتم: ترتیب جزئی، لاتیس، جبر بول ترتیب جزئی - ترتیب جزئی، عناصر مقایسه‌پذیر، ترتیب کامل، نمودار هاس (Hasse Diagram)، عضو ماکسیمال و مینیم، ماکسیمم و مینیمم دروس این فصل می‌باشند. فصل هشتم: ساختارهای جبری - از دروس این فصل می‌توان عملیات n تایی، خواص، دستگاه جبری، همومورتیسم‌ها و... نام برد.  فصل نهم: شمارش - اصل جمع، اصل ضرب، جایگشت یا تبدیل، جایگشت‌های با تکرار، ترکیب دروس فصل شمارش هستند. فصل دهم: روابط بازگشتی - از درس‌های این فصل روابط بازگشتی، تعریف رابطه بازگشتی، برج هانویمساله، زادوولد خرگوش‌‌ها و دنباله فیبوناچی، مولد تابع مولد نمایی، حل روابط بازگشتی با استفاده از تابع مولد و... تدریس می‌شوند.  فصل یازدهم: گراف - در این فصل تعریف گراف، نمایش گراف، رنگ‌آمیزی گراف، چندجمله‌ای فامی و... تدریس خواهند شد.  فصل دوازدهم: درخت‌ها - تعریف درخت، جنگل، درخت ریشه‌دار، پدر (Parent)، فرزند (Child) و همزاد (Sibling)، جد (Ancestor) و نوه (Descendant)، برگ و راس داخلی از دروس سرفصل‌های درخت‌ها هستند. کتاب مرجع درس:Introductory Discrete Mathematics, V. K. Balakrishnan

مکانیک آماری، پلی میان رفتار میکروسکوپی و رفتار ماکروسکوپی سیستم هاست. برای برقراری چنین ارتباطی باید تابعی ساخته شود که خواص مولکولی درون آن حضور داشته باشد و سپس خواص ماکروسکوپی با آن تابع مرتبط باشد. در درس حاضر چگونگی ساخت چنین تابعی که به آن تابع تقسیم گفته می شود مورد بحث قرار می گیرد و سپس مثال هایی برای ساده ترین سیستم ها که شامل گاز ایده آل است ارائه خواهد شد. بحث مکانیک آماری سیستم های غیر ایده آل و سیالات در مکانیک آماری پیشرفته ارائه خواهد شد.

هدف اصلی درس هواشناسی عمومی ارائۀ مفاهیم هواشناسی با هر دو رویکرد تئوری و عملی است. این درس اطلاعات به روز مفاهیم مانند گرمایش جهانی، فرسایش اوزون و ال‌نینو را نیز شامل می‌شود و بر روی یادگیری و کاربرد اصول هواشناسی تاکید ویژه دارد به گونه‌ای که دانشجو را به مشاهده مستمر آب و هوا و پیگیری نقشه‌های هواشناسی ترغیب کرده و به او اجازه می‌دهد بلافاصله معلومات خود را روی دنیای پیرامونش به کار برد و سعی در پیش بینی آب و هوا داشته باشد. معمولا در پایان هر جلسه، نقشه های روز هواشناسی مورد بررسی قرار می‌گیرد.

این درس به صورت مشترک در مقطع کارشناسی و کارشناسی ارشد ارائه می گردد و در ابتدا به دینامیک غیر خطی پرداخته می شود و در ادامه آشوب مورد بررسی قرار می گیرد. منبع: Strogatz, Nonlinear Dynamics And Chaos: With Applications To Physics, Biology, Chemistry, And Engineering که از لینک زیر قابل دریافت می باشد: http://www.amazon.com/Nonlinear-Dynamics-And-Chaos-Applications/dp/0738204536

از اهداف این درس آشنايي با مفهوم احتمال، تعريف متغير هاي تصادفي و مشخصات اصلي متغير هاي تصادفي دوگانه و تعميم آن به دنباله هاي تصادفي می تواند نام برد. سر فصل مطالب این درس : 1- آشنايي با مفهوم مدل تصادفي، تئوري احتمال و تعاريف مربوطه 2- مروري بر تئوري مجموعه ها و بيان تئوري احتمال برآن اساس 3- احتمال شرطي، استقلال ، رخدادها و قضية بيز 4- آزمايشهاي تكراري و تعميم تعريف احتمال، آزمايش برنولي، رفتار مجانبي و آشنايي با تابع گوسي 5- قانون اعداد بزرگ، قضية پواسون و نقاط تصادفي پواسون 6- مفهوم متغير تصادفي، تابع CDF و PDF انواع متغيرهاي تصادفي 7- معرفي متغير هاي تصادفي خاص ، مانند يكنواخت، نمايي، باينري، دوجمله اي ، پواسون، نرمال، ... 8- توابع متغيرهاي تصادفي ، تعيين تابع چگالي و توليد متغير تصادفي با توزيع دلخواه Rayleigh, Lognormal -9 آشنايي با متغيرهاي تصادفي 10- آشنايي با آماره ها شامل ميانگين، واريانس، ميانه، تابع -مشخصه و كاربردهاي آنها 11- نامساوي هاي احتمالي مانند چبي چف، ماركوف ، چرنوف،.... 12- دو متغير تصادفي و مفهوم چگالي مشترك، توابعي از دو متغير تصادفي، معرفي متغيرهاي Rayleigh, Rice تصادفي 13- توابع مشخصه و گشتاورهاي دو بعدي، استقلال، توابع مشتركاً نرمال و قضاياي مربوطه 14- تابع چگالي شرطي، همبستگي دو متغير تصادفي، تخمين و انواع آن، معيارهاي ML, MAP,MMSE 15- قابليت اطمينان و اهميت آن در سيستم هاي موازي 16- دنباله هاي تصادفي و تعميم مباحث متغير هاي تصادفي دو بعدي به دنبال هها، ماتريس همبستگي و كوواريانس، ميانگين شرطي، بردار تصادفي نرمال، ميانگين و واريانس نمونه، تخمين، ... 17- همگرايي تصادفي و انواع آن ، قضية CLT 18- آشنايي با فرايندهاي تصادفي مرجع : Papoulis, Probability & Statistics, Prentice Hall, new edition

در این مکان درس هایی از المپیاد فیزیک باشگاه دانش پژوهان قرار می گیرد. ***متاسفانه کیفیت صدا در جلسه 1 نامطلوب می‌باشد***

خواص ترمودینامیکی یک سیستم دو گونه هستند: (الف) خواص تعادلی، مانند معادلۀ حالت، ظرفیت های گرمایی و نظایر آن؛ (ب) خواص غیرتعادلی، مانند ضرایب ویسکوزیته و نفوذ ، زمان های آسایش و نظایر آن. ترمودینامیک تعادلی تغییر خواص سیستم را بین دو حالت تعادلی بررسی می کند اما هیچ بحثی در مورد زمان مورد نیاز برای انجام این تغییر نمی کند. برعکس، در ترمودینامیک غیر تعادلی زمان به عنوان متغیر کلیدی در مطالعۀ رفتار غیرتعادلی سیستم هاست. مشابه روش های مطالعۀ ترمودینامیک تعادلی، در ترمودینامیک غیرتعادلی نیز دو شیوه برای مطالعۀ سیستم ها وجود دارد: (الف) روش های پدیده شناختی (یا ماکروسکپی)؛ (ب) روش های آماری (یا میکروسکپی) که رفتار دینامیکی مولکول ها و اجزای سازندۀ سیستم جهت کسب اطلاعات ماکروسکپی مورد استفاده قرار می گیرد. در ترمودینامیک آماری تعادلی تنها یک روش تحت عنوان "روش مجموعه های گیبس" به کار می رود. اما در مکانیک آماری غیرتعادلی چندین روش کاملا متفاوت معرفی شده اند که مهم ترین این روش ها عبارتند از: نظریه جنبشی گازها، روش های مبتنی بر محاسبۀ توابع همبستگی زمانی، نظریه مجموعه های آماری غیرتعادلی، قضیۀ استهلاک اُفت وخیزها، نظریۀ پاسخ خطی، روش های مبتنی بر نظریۀ فرایندهای تصادفی و... نکتۀ مهم این است که در مکانیک آماری تعادلی (اعم از کلاسیکی یا کوانتومی)، بهره گیری از "آمار" نقش اصلی را داشته و از علم دینامیک استفاده نمی شود، در حالی که در مکانیک آماری غیرتعادلی، مکانیک نقش محوری داشته و از آمار به طور ضعیفی استفاده می شود. در این درس ابتدا روش پدیده شناختی در فرمول بندی ترمودینامیک فرایندهای برگشت ناپذیر (غیرتعادلی) بین خواهد شد و با استفاده از آن کلی ترین شکل معادلات توازن استخراج خواهند شد. در این خصوص روابط نیرو و شارهای ترمودینامیک در سطح ترمودینامیک غیرتعادلی خطی نیز توضیح داده خواهند شد و در ادامه ترمودینامیک غیرتعادلی تعمیم یافته که در آن فرض تعادل موضعی کنار گذاشته می شود بیان خواهد شد. مبحث بعدی مکانیک آماری غیرتعادلی است که با استخراج معادلۀ لیوویل که اساس مطالعۀ سیستم های چند جسمی است شروع شده و سپس نظریۀ فرایندهای تصادفی (شامل حرکت براونی، معادلات لانگوین، فوکر-پلانک و مَستِر) و نظریه های اُفت و خیز استهلاک مورد بحث قرار خواهند گرفت. بعد از آن نظریۀ جنبشی و معادلۀ بولتزمان برای گازهای رقیق و سپس تعمیم آن به سیالات چگال مورد بحث مفصل قرار خواهند گرفت.

نظریه بازی‌ها (game theory) مجموعه‌ای از ابزارهاست که این ابزارها به ما کمک می‌کنند در مواقع استراتژیک عوامل اقتصادی را راحت‌تر درک کنیم و ببینیم که چگونه کار می‌کنند. البته از آنجایی که این دوره نظریه بازی‌ها در دانشکده اقتصاد دانشگاه صنعتی شریف ضبط شده بیشتر به مسائل اقتصادی پرداخته و با نگرشی که علم اقتصاد به این مبحث داشته، بیشتر کاربرد نظریه بازی‌ها در علم اقتصاد مطرح است و دوره game theory با مثال‌های اقتصادی آموزش داده می‌شود.  اما از آنجایی که منطق game theory یکسان است و در علوم مختلف تغییر نمی‌کند، می‌توان کاربرد نظریه بازی‌ها را به علوم دیگر و رشته‌های دیگر نیز تعمیم داد. رشته‌های ریاضیات، مهندسی کامپیوتر و آی تی و مهندسی صنایع رشته‌های تحصیلی دیگری هستند که دوره‌ی نظریه بازی‌ها در مقاطع کارشناسی و یا کارشناسی ارشد به دانشجویان این رشته‌ها تدریس می‌شود، هرچند که شاید سرفصل‌هایی متفاوت از چیزی که در این دوره آموزش داده می‌شود در رشته‌های دیگر تدریس شود. پیشنهاد می‌شود تا اگر به مباحث اقتصادی علاقه‌مندید پیش از شروع این دوره، دوره‌ی آموزشی مبانی اقتصاد دانشگاه صنعتی شریف، تدریس دکتر مسعود نیلی را مشاهده کرده و در ادامه این دوره‌ی آموزشی را نیز مشاهده کنید. چرا که خیلی از مثال‌هایی که در این دوره مطرح شده و با استفاده از game theory آن‌ها را حل می‌کنیم، در واقع سوال‌هایی هستند که در درس مبانی اقتصاد مطرح شده‌اند. دو نفر متهم را فرض کنید که در مقابل هر کدامشان سه راه قرار می‌دهند: راه اول به این صورت است که اگر متهم اول متهم دیگر را لو بدهد و آن متهم ساکت بماند، متهم اول آزاد شده و متهم دیگر به پنج سال حبس محکوم می‌شود. راه دیگر این باشد که هر دو متهم همدیگر را لو بدهند، در این حالت هر دو نفر به سه سال حبس محکوم می‌شوند و در نهایت اگر هیچکدام نفر دیگر را لو ندهند و سکوت کنند، به یک سال زندان محکوم می‌شوند. به نظر شما هر کدام از متهم‌ها باید چه حالتی را انتخاب کنند؟ این مسئله که به مسئله‌ی زندان شناخته می‌شود، به عنوان معروف‌ترین مسئله در درس نظریه بازی‌ها شناخته می‌شود. جان نَش یکی از دانشمندان درس نظریه بازی‌ها، استاد دانشگاه پرینستون، با طرح و بسط دادن این مسئله در سال 1994 موفق به بردن جایزه نوبل اقتصاد شد. جان نش که در بین دانشمندان نظریه بازی‌ها به عنوان پدر این نظریه بازی‌ها نیز مطرح است، مسائل متعددی را در این رشته طرح کرده است. یکی از این مسائل به عنوان مسئله تعادل نش مشهور شده است که شاید بخش اعظمی از این دوره‌ی آموزشی نیز به همین مسئله اختصاص پیدا کرده است. لازم به ذکر است که از روی زندگی جان نش فیلمی تحسین شده تحت عنوان ذهن زیبا (Beautiful Mind) نیز ساخته شده که دیدن آن خالی از لطف نیست.  

این درس به روشهای شبیه سازی در فیزیک می پردازد. این درس به برنامه نویسی نمی پردازد و حداقل آشنایی با برنامه نویسی را برای دانشجویان فرض میکند. در نتیجه آشنایی به یک زبان برنامه نویسی برا ی دنبال کردن درس و انجام تکالیف این درس لازم است. کلاس به دو بخش تقسیم میشود . بخش اول به آلگوریتم های تصادفی می پردازد و در نهایت با شبیه سازی مونت کارلو آشنا می شوید و در بخش دوم به آلگوریتم های تعینی با تمرکز به دینامیک مولکولی سیستم های بس ذره ای می پردازیم.

الکترودینامیک به بررسی یکی از چهار نیروی اصلی طبیعت یعنی نیروی الکترومغناطیسی می‌پردازد. الکترودینامیک به همراه مکانیک کلاسیک و مکانیک کوانتومی شالوده اصلی فیزیک امروزی را تشکیل می‌دهند. در الکترودینامیک کلاسیک مفهوم بار، جریان، توزیع بار، جریان مستقل و وابسته به زمان، میدان‌های الکتریکی و مغناطیسی و به دنبال آن مفاهیم پتانسیل الکتریکی و پتانسیل برداری به تفصیل بررسی می‌شوند و مسائل با شرایط مرزی متنوع در حضور توزیع‌های بار، جریان و اثرات فیزیکی آن‌ها در الکترودینامیک مورد توجه قرار می‌گیرند. با وارد کردن نسبیت خاص انیشتین، وحدت دو بخش الکتریسیته و مغناطیس به روشنی دیده می‌شود. پدیده‌های برخاسته از نظریه الکترودینامیک مانند تابش امواج، اپتیک موجی، آنتن‌ها و مدارهای الکتریکی و مانند آن در این درس به صورت بنیادین و با زبان ریاضی پیشرفته‌ای بیان می‌شوند و خواننده را قادر می‌سازد تا مسائل نظری و تجربی را به راحتی مورد بررسی قرار دهد. این درس برای دو نیمسال تحصیلی طراحی شده‌است و مباحث عبارتند از: الکترواستاتیک در خلاء و چند قطبی‌ها و همچنین دی‌الکتریک به‌علاوه‌ی روش نگاشت همدیس در مسائل الکترواستاتیک مگنتواستاتیک در خلاء و ماده  میدان‌هایی با تغییر زمانی، معادلات ماکسول و قوانین پایستگی امواج تخت و پاشندگی موج در ماده  نسبیت خاص و دینامیک ذرات باردار نسبیتی و امواج الکترومغناطیسی مگنتو هیدرودینامیک  برخورد ذرات باردار  تابش ذرات باردار پراکندگی و پراش و میدان‌های چندقطبی  تابش ترمزی و فرایند واپاشی بتازا   ***درس درحال تکمیل است***

در مکانیک کوانتیک ۲، ابتدا تعمیمی از مسایل کوانتوم ۱ را بررسی می کنیم و مسایل یک بعدی آنجا را در ۳ بعد حل خواهیم کرد. سپس به بررسی اسپین و اندازه حرکت های زاویه ای الکترون می پردازیم. در ادامه، روش های تقریبی برای حالت های پایا را معرفی می کنیم و به بررسی تئوری اختلال های وابسته به زمان می پردازیم. و در نهایت در صورت فرصت داشتن تئوری پراکندگی و تابع دلتا را معرفی و بررسی می کنیم.

جبر خطّی شاخه‌ای از ریاضیات است که به بررسی و مطالعه ماتریس‌ها، 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. دوره آموزش جبر خطی شامل موضوعاتی است که در آن درس جبر خطی دانشگاهی بررسی می‌شود که حاوی مباحثی مانند فضاهای برداری، تبدیلات خطی، مقدار یکه و بردار یکه،‌ دستگاه معادلات خطی و غیره است. هدف از برگزاری دوره آموزش جبر خطی چیست؟ بدون شک یکی از مهم‌ترین شاخه‌های ریاضیات مدرن جبر خطی است. جبر خطی کاربردهای بسیار گسترده و فراوانی در همه علوم و رشته‌های مهندسی دارد. دوره آموزش جبر خطی با هدف بیان همه جنبه‌های آموزش جبر خطی و آموزش مباحث مربوط به این درس کاربردی به علاقه‌مندان تدوین و ارائه شده است. از جمله مباحثی که در دوره برای آموزش در نظر گرفته شده است می‌توان به موارد زیر اشاره کرد: تکنیک‌های حل دستگاه معادلات خطی و جبر بردارها آنالیز ماتریسی، تبدیلات ماتریسی و خطی دترمینان، مقادیر ویژه و بردارهای ویژه و کاربردهای آن‌ها بررسی فضاهای برداری و خواص آن‌ها حل مسئله حداقل مربعات همان‌طور که پیش‌تر اشاره شد، جبر خطی در علوم مختلفی کاربرد دارد. برای مثال جبر خطی در بسیاری از علوم مهندسی به‌منظور مدل‌سازی پدیده‌های طبیعی مورد استفاده قرار می‌گیرد. یکی دیگر از کاربردهای اساسی جبر خطی در علوم مهندسی به مهندسی نرم‌افزار و کمک به برنامه‌نویسی است. به عنوان مثال در برنامه‌نویسی به کمک متلب، بسیاری از توابع در نرم‌افزار متلب به کمک جبر خطی بهینه‌سازی می‌شوند، از همین رو دوره آموزش جبر خطی برای همه دانشجویان و دانش‌آموزان دوره‌ای مناسب به‌حساب می‌آید.  دوره آموزش جبر خطی برای چه کسانی مناسب است؟ با توجه به کاربردهای گسترده جبر خطی، دوره آموزش جبر خطی یکی از اساسی‌ترین نیازهای همه دانشجویان و دانش‌آموزان است و همه این گروه‌ها می‌توانند از این دوره استفاده کنند. همچنین دانشجویان دوره می‌توانند ضمن یادگیری مباحث جبر خطی در زمینه شغلی و تحصیلی خود پیشرفت قابل‌توجهی داشته باشند. پیش‌نیاز دوره آموزش جبر خطی چیست؟ برای شرکت در دوره آموزش جبر خطی به گذراندن هیچ پیش‌نیازی احتیاج نیست و همه موضوعات موردنیاز در این دوره گنجانده شده است. سرفصل‌های دوره آموزش جبر خطی چیست؟ مباحث این دوره در قالب یک سرفصل کلی و طی 47 جلسه مورد آموزش و بررسی قرار گرفته است. در این دوره آموزش جبر خطی دانشجو با موضوعاتی از جمله موارد زیر آشنا خواهد شد: آشنایی کلی با دستگاه معادلات خطی و بردارها شکل ماتریسی دستگاه معادلات خطی روش حذفی گاوس جردن (Gaussian - Jordan Elimination) فرم سطری پلکانی کاهش‌‌یافته (Reduced Row Echelon) دستگاه معادلات همگن فضای برداری R^n و زیر فضاها پایه و بعد ضرب نقطه‌ای، نرم، زاویه و فاصله، ضرب داخلی کاربردهای دستگاه معادلات خطی درون‌یابی، شبکه‌های الکتریکی و جریان ترافیک روش حذفی گاوس روش‌های تکراری حل دستگاه معادلات خطی روش ژاکوبی (Jacobi) روش گاوس سایدل (Gauss – Seidel Method) ماتریس‌ها، رتبه ماتریس و تبدیلات خطی عملیات‌های ماتریسی/ معکوس ماتریس‌ها/ ماتریس‌های متقارن و ... شکل ماتریسی تبدیلات خطی و ... دترمینان و بردارهای ویژه محاسبه دترمینان با روش بسط سطری و ستونی/ خواص دترمینان بردارهای ویژه قضیه کیلی همیلیتون (Cayley – Hamilton Theorem) محاسبه توابع ماتریسی با قضیه کیلی همیلتون قطری‌‌سازی ماتریس‌ها قطری‌سازی با مقادیر ویژه مختلط قطری‌سازی به فرم بلوکی جردن محاسبه تابعی از ماتریس‌ها با قطری‌‌سازی کانونی ‌کردن فرم‌‌های درجه دوم فضاهای برداری میدان فضاهای برداری مقدماتی زیرفضای برداری ترکیب خطی و اسپن بردارها استقلال خطی بردارها و توابع پایه و بعد فضاهای برداری رنک ماتریس‌ها آنالیز دستگاه معادلات خطی با مفهوم رنک مجموعه متعامد تصویر متعامد، الگوریتم گرام اشمیت (Gram - Schmidt Algorithm) و تجزیه QR و غیره اگر به فکر یادگیری مفاهیم جبر خطی به صورت اصولی هستید و قصد دارید در کمترین زمان ممکن با مفاهیم جبر خطی آشنا شوید، هم‌اکنون با گذراندن دوره آموزش جبر خطی مکتب خونه این هدف قابل‌دستیابی است. این دوره توسط اساتید مجرب تهیه و تدوین شده و مفاهیم در ساده‌ترین شکل ممکن در طول دوره در آن تشریح می‌گردد، لذا در کنار آن تلاش و کوشش دانشجو نیز تأثیر بسیاری در یادگیری مفاهیم دارد. 

هدف از علم اقتصاد چیست؟ اقتصاد علمی است که در دسته علوم اجتماعی قرار دارد و در لغت معنی نگه داشتن در حد تعادل را می‌دهد. علم اقتصاد با نام علم انتخاب بهینه نیز شناخته می‌شود؛ زیرا از تعریف اقتصاد ما به این نتیجه می‌رسیم که این علم به دنبال تخصیص منابع کمیاب مانند سرمایه، زمین، نیروی کار، کالا و خدمات و موارد دیگر به درست‌ترین شکل ممکن است تا جامعه به بهترین شکل به اهداف خود دست پیدا کند. به زبان ساده می‌توان گفت که اقتصاد به دنبال تجزیه و تحلیل انتخاب‌هایی است که برای تخصیص منابع مختلف صورت می‌گیرد.   انواع علم اقتصاد اقتصاد در دو نوع خرد و کلان وجود دارد که در دوره آموزش اقتصاد به هردو موضوع پرداخته شده است و با این حال در اینجا نیز هرکدام را در ادامه توضیح می‌دهیم: اقتصاد خرد در اقتصاد خرد لازم است که رفتار شرکت‌ها و افراد مورد تجزیه و تحلیل قرار گیرد تا دلیل تصمیم‌گیری‌های اقتصادی و تأثیر آن در اقتصاد بزرگ‌تر مشخص شود. درواقع زمانی که نیاز به بررسی جزئی اقتصاد باشد باید به سراغ اقتصاد خرد رفت. از مواردی که در اقتصاد خرد موردبررسی قرار می‌گیرند می‌توان به میزان تولیدات تولیدکننده، راه‌های رسیدن به بیشترین رفاه اقتصادی، نحوه تعیین قیمت و نحوه درخواست کالا از سوی مصرف‌کننده اشاره کرد. همچنین این‌که کالاها و خدمات تا چه حد ارزشمند هستند در اقتصاد خرد بررسی می‌شود. اقتصاد کلان زمانی که نیاز باشد رفتار سیستم‌ها یا بازارها و نظام‌های اقتصادی را در سطح بزرگ موردبررسی قرار دهند باید به سراغ اقتصاد کلان رفت. در اقتصاد کلان، پدیده‌های کلی اقتصاد در سطح کشور مانند نرخ رشد اقتصادی، تولید ناخالص داخلی، تورم، قیمت‌ها، درآمد ملی و نرخ بیکاری موردمطالعه قرار می‌گیرند. معرفی دوره آموزش اقتصاد دوره آموزش اقتصاد مکتب خونه توسط اساتید دانشگاه صنعتی شریف تهیه و تدوین شده و هم‌اکنون در پلتفرم مکتب خونه قرار گرفته است. این دوره آموزش اقتصاد با هدف آشنایی دانشجو با ابعاد مختلف علم اقتصاد تولید شده و تمامی سرفصل‌های پایه علم اقتصاد را شامل می‌شود.   با شرکت در دوره آموزش اقتصاد شما چه توانایی‌هایی به دست خواهید آورد؟ شما با گذراندن دوره آموزش اقتصاد از مقدماتی تا پیشرفته توانایی‌های زیر را کسب خواهید کرد: آشنا شدن با مفاهیم پایه و کلیدی مدیریت و اقتصاد توانایی تجزیه و تحلیل بازارهای مالی توانایی بررسی مسائل اقتصادی جهای یافتن راهکارهای مناسب برای هماهنگ ساختن فعالیت‌های مختلف چرا باید در دوره آموزش اقتصاد شرکت کرد؟ امروزه علم اقتصاد در موارد مختلفی مانند حل مشکلات محیط‌زیست، کم شدن منابع طبیعی و حتی کنترل آلودگی هوا به کار گرفته می‌شود و نقش بسیار اساسی دارد. علم اقتصاد در گروه علوم کاربردی قرار می‌گیرد. شما با یادگیری علم اقتصاد با استفاده از دوره آموزش اقتصاد مکتب خونه و سایر منابع آموزشی دیگر، می‌توانید با پارامترهای تأثیرگذار بر درآمد شرکت‌ها و عملکرد کارکنان سازمان‌ها آشنا شوید. درواقع شما به‌عنوان یک اقتصاددان یاد می‌گیرید که چگونه برای هر عمل هزینه درست مرتبط با آن را اختصاص دهید و برای سیاست‌گذاری‌های اقتصادی خود، درست‌ترین محدودیت‌ها را تنظیم کنید. از طرفی کسانی که با علم اقتصاد آشنایی دارند، می‌توانند در بخش اقتصادی زندگی روزمره خود و بر اساس قدرت خرید، تصمیم‌گیری‌های درستی را داشته باشند.  دوره آموزش اقتصاد برای چه کسانی مناسب است؟ دوره آموزش اقتصاد برای تمامی افراد علاقه‌مند به این حوزه و به‌خصوص دانشجویان رشته‌های اقتصاد، مدیریت، کسب‌وکار و سایر رشته‌های مرتبط مناسب است و علاوه بر این‌ها هرکسی که علاقه‌مند به این حوزه باشد می‌تواند از محتوای دوره آموزش اقتصاد بهره ببرد. ضرورت‌های توسعه علم اقتصاد و یادگیری مبانی علم اقتصاد در ایران چیست؟ متوسط رشد اقتصادی در ایران بسیار کمتر از ظرفیت‌های موجود در کشور است و به طور تقریبی درآمد سرانه کشور در طول سال‌های پس از جنگ به طور متوسط 3 درصد در سال رشد کرده است. متاسفانه در کشور ما آنچنان که باید و شاید به علم اقتصاد توجه نمی‌شود و برترین دانش‌آموزان به هنگام ورود به دانشگاه رشته‌های مهندسی و پزشکی را انتخاب می‌کنند.  10 مفهوم پر اهمیت در مبانی علم اقتصاد چه چیزهایی هستند؟ 10 مفهوم پرکاربرد در علم اقتصاد که در دوره آموزش اقتصاد نیز این مفاهیم ارائه خواهد شد، به شرح موارد زیر هستند که هرکدام از آن‌ها اهمیت خاص خودشان را دارند. بده بستان بده بستان بدین معناست که شما به ازای چیزی که می‌دهید چیز دیگری را از دست می‌دهید. مثلا شما برای دیدن این دوره آموزش اقتصاد زمانی را از دست می‌دهید و در ازای آن با مبانی اقتصاد آشنا خواهید شد. هزینه فرصت هزینه فرصت این معنی را می‌دهد که شما در دو راهی سربازی یا ادامه تحصیل باید یکی را انتخاب کنید. مثلا شخصی تصمیم می‌گیرد تا خدمت سربازی خود را زودتر به پایان برساند و باید هزینه فرصتی که برای تحصیل در دانشگاه از دست داده را بپردازد. اما شخص دیگری تصمیم می‌گیرد تا پس از تحصیل در دانشگاهبه سربازی برود. این شخص نیست باید هزینه این را بپردازد که در سنین بالاتر به سسربازی می‌رود و باید سختی‌های بیشتری را تحمل کند تصمیم‌گیری نهایی و هزینه فایده عقلایی: تصمیم‌گیری در مورد انتخاب یک انتخاب انجام شده و یا رها کردن آن بر اساس هزینه و منفعت نهایی را هزینه فایده عقلایی می‌گویند. مثلا یک مسابقه فوتبال خیلی مهم با شب امتحان شما همزمان شده است، اینکه شما تصمیم بگیرید در شب امتحان درس را مرور کنید یا نمره‌ی کمتری بگیرید اما آن بازی فوتبال را از دست ندهید، هزینه فایده نهایی نام دارد. انگیزه‌ها افراد بر اساس انگیزه‌های خود به تغییرات پیرامونشان واکنش نشان می‌دهند که سود و مطلوبیت مهم‌ترین انگیزه‌های اقتصادی هستند. هر سیاستی که سبب تغییر در سود و مطلوبیت افراد شود، باعث تغییر در رفتار افراد می‌شود. مثلا بالا رفتن قیمت خودرو در میزان انگیزه افراد برای خرید خودرو موثر است. مبادله در اقتصاد مبادله یک رابطه‌ی آزاد و داوطلبانه است. با انجام مبادله سبد گسترده‌تری از کالاها در اختیار افراد قرار می‌گیرد. بازار و تخصیص منابع چه چیز تولید شود؟ چقدر تولید شود؟ برای چه کسی تولید شود؟ چه کسی تصمیم‌گیری کند؟ اگر به این 4 سوال بتوانیم جواب دهیم اهمیت تخصیص منابع را درک خواهیم کرد و یکی از دلایل رشد اقتصادی در کشورهای شرق آسیا مثل چین و ژاپن و اندونزی، دادن اهمیت به این مفهوم است. کارکرد دولت چرا به دولت نیازمندیم؟ دولت، دستی است نامرئی که کار می‌کند با تهیه منابع برای نهادها و اجرای قوانین، چرخ اقتصاد یک کشور بچرخد. پول و تورم این مورد که با مفهوم دهم ارتباط تنگاتنگی دارد به این مفهوم می‌پردازد که چگونه تورم بالا می‌رود و آیا افزایش تورم به خودی خود مشکل زا است یا خیر. بهره‌وری و سطح زندگی این مفهوم به این مهم می‌پردازد که هرچه میزان درآمد افراد بالاتر باشد سطح زندگی بالاتری خواهند داشت و هرچه افراد بهره‌وری بیشتری داشته باشند، اقتصاد یک سازمان و به دنبال آن اقتصاد یک کشور رشد سریع تری خواهد داشت. قیمت‌ها و حجم پول این مورد هم یکی دیگر از مفاهیم مهم علم اقتصاد است که همراه با مورد شماره 8 یعنی پول و تورم، در دوره آموزش رایگان مبانی اقتصاد به تفصیل در رابطه با آن صحبت می‌شود و در این رابطه است که آیا بالا رفتن حجم پول و نقدینگی و به تبع آن افزایش قیمت‌ها، به نفع اقتصاد است یا خیر. سخن آخر ما در این معرفی دوره به شما توضیح دهیم که چگونه با آموزش اقتصاد می‌توانید مهارت‌های لازم را در زمینه کنترل و نحوه تخصیص بودجه مناسب به بخش‌های مختلف به دست آورید و حتی در زندگی روزمره خود تصمیم‌گیری درستی داشته باشید. شما با یادگیری اقتصاد می‌توانید میزان بهره‌وری یک سازمان یا شرکت را به‌طور اصولی بهینه‌سازی کنید.   دوره مبانی اقتصاد در چه ترمی ضبط شده‌است؟ این دوره در ترم بهار 1402 و دانشکده اقتصاد و مدیریت شریف ضبط شده‌است

محصولات ساخته شده در حوزه ژنتیک، ابزاری قدرتمند در اختیار ژنتیک‌دانان قرار می‌دهد تا مولکول‌های هدف را برای رسیدن به اهداف گوناگون، ویرایش کرده و ویژگی‌های جدیدی را به آن‌ها اضافه نمایند. لازمه گام برداشتن در این مسیر، مطالعات بیوانفورماتیکی قوی است که با کمک نرم‌افزارهای مختلف، امکان‌پذیر است. تکنیک واکنش زنجیره‌ای پلیمراز (PCR) به‌عنوان یکی از مهم‌ترین اختراعات قرن بیستم در دنیای زیست‌شناسی مولکولی محسوب می‌شود. امروزه، PCR و انواع آن از رایج‌ترین تکنیک‌های زیست‌شناسی مولکولی جهت تکثیر ماده ژنتیکی به شمار می‌رود. با استفاده از این تکنیک می‌توان تنها با داشتن مقادیر اندکی از محتوای ژنتیکی سلول‌های جاندار بسیاری از فرایندهای تحقیقاتی و تشخیصی نظیر شناسایی و دست‌کاری DNA، تشخیص بیماری‌های قبل و بعد تولد، ردیابی ارگانیسم‌های عفونی مانند ویروس‌های عامل بیماری‌های ایدز، هپاتیت، سل همچنین تشخیص تغییرات ژنتیکی ازجمله انواع جهش‌ها در ژنوم انسانی را با سهولت بیشتری انجام داد. قبل از آغاز مراحل اصلی PCR می‌بایست نمونه هدف (DNA) را آماده کرد. سپس آن را به همراه سایر موارد نظیر روغن معدنی، بافر، آنزیم DNA پلیمراز Taq، نوکلئوتیدهای dNTPs و پرایمر به داخل لوله‌آزمایش ریخته و برای انجام مراحل اصلی PCR به ترموسایکلر انتقال داده می‌شود. PCR شامل سه مرحله اصلی است: مرحله دناتوراسیون (Denaturation)، مرحله اتصال (Annealing) و مرحله طویل شدن (Extension). در مرحله اول مولکول‌های DNA دو رشته‌ای دناتوره شده و تک‌رشته‌ای می‌شوند. سپس در مرحله دوم پرایمرها به مناطق مکمل خود، روی مولکول‌های تک‌رشته‌ای متصل می‌شوند. در مرحله پایانی، آنزیم DNA پلیمراز پس از اتصال به پرایمر، بر اساس DNA الگو، رشته جدیدی را می‌سازد. تمامی مراحل اشاره‌شده به دما حساس هستند و دمای مناسب (به‌طور تقریبی) هر مرحله به ترتیب 94، 60 و 72 درجه سانتی‌گراد است.   پرایمر چیست؟ پرایمر‌ها قطعات کوچکی از ماکرومولکول ‌DNA یاRNA هستند که به‌عنوان آغازگرهای واکنش زنجیره‌ای پلیمراز(PCR)نقش اساسی را ایفا می‌کنند. پرایمرها به‌صورت تک‌رشته‌ای در ابعاد چند باز در محل جای‌گیری آنزیم پلیمراز قرار گرفته و شروع فعالیت آن را جهت تکثیر DNA یا RNA فراهم می‌کنند. در واقع، طراحی مناسب پرایمر لازمه یک PCR موفق است. برای تکثیر هر قطعه دلخواهی از ژنوم، یک جفت پرایمر اختصاصی موردنیاز است.    پرایمرها چگونه طراحی می‌شود؟ این پرایمرها باید طوری طراحی شوند که از طرفی کاملاً مکمل توالی هدف باشند و از سوی دیگر به هیچ بخش دیگری از مولکول الگو، متصل نشوند. این عامل به همراه چند عامل دیگر، طراحی پرایمر را به مرحله‌ای دقیق و حساس از روند تکثیر ژن‌ها در آزمایشگاه، جهت بررسی جهش‌ها، تشخیص بیماری‌ها و شناسایی ویروس‌ها و همین‌طور کلون‌سازی ‌ژن‌ها تبدیل می‌نماید. طراحی پرایمر، مهارتی است که با استفاده از نرم‌افزارهای کامپیوتری یا اینترنتی (تحت وب) محققین را در طراحی آزمایش‌های ساده‌ای چون شناسایی وجود ژن یا بررسی حضور قطعه‌ای از DNA، بررسی کمی و کیفی mRNA، شناسایی جهش‌ها تا تولید وکتورها و دست‌کاری‌های ژنتیکی و ویرایش ژنوم یاری می‌دهد به‌نحوی‌که بدون اغراق می‌توان گفت موفقیت هر یک از روش‌های ذکرشده در گروی طراحی مناسب و کارای این قطعات کوچک است. با توجه به اهمیت این مرحله در روند کلی فرایند کلونینگ، در این دوره‌ آموزشی، دکترحسن رسولی، ابتدا با استفاده از نرم‌افزار پرل پرایمر (perl primer)، مخاطبان را با روند کلی طراحی پرایمر برای بررسی بیان ژن و نرم‌افزار (Generunr) آشنا نموده و سپس به طراحی پرایمر برای کلونینگ و تولید پروتئین‌های نوترکیب پرداخته و شما را با برخی ریزه‌کاری‌های آن آشنا می‌سازد.   هدف از یادگیری دوره آموزش طراحی پرایمر و وکتور چیست؟ ·        آشنایی با اصول واکنش زنجیره‌ای پلیمراز (PCR) ·        آشنایی با بانک‌های داده و برداشتن توالی ژن‌ها ·        طراحی پرایمر برای بررسی بیان ژن (real-time PRC) با کمک نرم‌افزار Perl Primer ·        آشنایی با اصول و کلیات کلونینگ ژن ·        مروری بر کار با بانک‌های داده و برداشتن توالی ژن‌ها ·        طراحی پرایمر برای کلونینگ و تولید پروتئین‌های نوترکیب با کمک نرم‌افزار Generunr   دوره آموزش طراحی پرایمر و وکتور مناسب چه کسانی است؟ دانش طراحی پرایمر یکی از مباحث مهارتی علم بیوانفورماتیک بوده که بی‌شک اغلب دانشجویان و دانش‌آموختگان زیست‌شناسی فارغ از نوع رشته تحصیلی با مفهوم آن آشنایی دارند منتها دانشجویان و محققانی که زمینه فعالیت تحقیقاتی آن‌ها مستقیم یا غیر‌مستقیم به ژنتیک مرتبط باشد نیازمند فراگیری این مهارت هستند.   بعد از فراگیری دوره آموزش طراحی پرایمر و وکتور چه مهارت‌هایی کسب خواهید کرد؟ در این دوره، پس از آشنایی با کلیات تکنیک‌های PCR و کلونینگ ژن همچنین نحوه کار با بانک‌های داده قادر خواهید بود به کمک نرم‌افزار Perl Primer پرایمر طراحی کنید و با نحوه تولید پروتئین‌های نوترکیب با کمک نرم‌افزار Generunr بیشتر آشنا خواهید شد.

درس "یادگیری ماشین برای بیوانفورماتیک" در نیم‌سال دوم سال تحصیلی 99-98 با کمک خانم زهرا مهدوی‌نژاد، در دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف ضبط شده‌است.   بدون شک بزرگ‌ترین پیشرفت علوم رایانه و بلکه یکی از بزرگ‌ترین پیشرفت‌های علمی دنیا در سال‌های اخیر، توسعه و پیشرفت چشمگیر هوش مصنوعی است. این موضوع باعث شده‌است، بسیاری از جنبه‌های زندگی بشر تحت تأثیر قرار بگیرد. نرم‌افزارهای هوشمند تشخیص صدا و تصویر، خودروهای هوشمند بدون راننده و ... بخش کوچکی از کاربردهای فراگیر این موضوع هستند. در این میان، یادگیری ماشین و یادگیری ژرف جایگاه بخصوصی را در این رشته به خود اختصاص داده‌اند. یادگیری ماشین کاربردی از هوش مصنوعی است که در آن سیستم، قابلیت یادگیری خودکار و بهبود خود را از تجربه‌های مختلف به دست می‌آورد. یادگیری ماشین و یادگیری ژرف بر روی توسعه‌ی برنامه‌های کامپیوتری که قابلیت دسترسی به داده و استفاده از آن برای یادگیری خود را دارند، تمرکز دارد. بعضی از روش‌های یادگیری ماشین شامل این موارد است: یادگیری نظارت‌شده، یادگیری نیمه نظارت‌شده، یادگیری نظارت‌نشده و یادگیری تقویتی. یادگیری ماشین به ما این قابلیت را می‌دهد تا مقدار زیادی از داده‌ها را آنالیز کنیم. به‌طورکلی با این‌که نتایج دقیق‌تر و سریع‌تری فراهم می‌کند، به زمان و منابع بیشتری برای یادگیری نیز نیاز دارد. با پیشرفت دانش و تجهیزات در علوم زیست‌شناسی به‌ویژه علوم سلولی و مولکولی، با افزایش حجم عظیم داده‌های استخراج شده از سلول‌ها و به تبع آن موجودات مواجه هستیم. افزایش این حجم از داده‌ها و به سبب آن نیاز به ذخیره، بازیابی و تحلیل مناسب این داده‌ها، موجب پیدایش علم بیوانفورماتیک گردیده‌است. این دانش نوظهور، به‌عنوان یک دانش بین‌رشته‌ای، تلاش می‌کند تا با استفاده از تکنیک‌های موجود در علوم کامپیوتر، ریاضیات، شیمی، فیزیک و علوم مرتبط دیگر، مسائل مختلف زیست‌شناختی را که معمولاً در سطح مولکولی هستند حل کند و با توسعه ابزارها و روش‌هایی سعی در فهمیدن این حجم زیاد از داده‌ها داشته باشد. تلاش‌های پژوهشی اصلی در این رشته عبارتند از: تطابق توالی، کشف ژن، گردآوری ژنوم، تنظیم ساختار پروتئینی، پیش‌بینی ساختارهای دوم و سوم پروتئین، پیش‌بینی بیان ژن و تعاملات پروتئین-پروتئین و مدل‌سازی تکامل. یادگیری ماشین در بیوانفورماتیک فرصتی است برای فراگیری مفاهیم پایه‌ای تا جدیدترین پیشرفت‌های دانش یادگیری ماشین و هوش مصنوعی، با هدف به‌کارگیری آن در حل مسئله‌های زیست‌پزشکی. درس پیش رو آموزش مباحث یادگیری ماشین و یادگیری ژرف به همراه کاربرد این تکنیک‌ها در مباحث بیوانفورماتیک می‌باشد. شما در این دوره با بسیاری از مفاهیم تئوری هوش مصنوعی آشنا خواهید شد و به‌صورت عملی با زبان Python، کتابخانه‌های معروف یادگیری ماشین در بیوانفورماتیک و یادگیری ژرف آشنا خواهید شد. این درس بدان جهت با سایر دوره‌های یادگیری ماشین تفاوت دارد که داده‌های زیست‌پزشکی در بسیاری موارد تفاوت عمده‌ای با داده‌های مورد استفاده در سایر شاخه‌های یادگیری ماشین دارند. در هر دو جلسه‌ی متوالی از درس، جلسه اول به مباحث تئوری و نظری بخصوص مباحث هوش مصنوعی و یادگیری ماشین پرداخته می‌شود و در جلسه دوم به‌صورت عملی (برنامه‌نویسی Python و استفاده از کتابخانه‌های یادگیری ماشین) به حل مسائل با الگوریتم‌ها و روش‌های تدریس‌شده پرداخته می‌شود. به‌منظور ارائه کیفیت مناسب تصویری، بخش‌های عملی مستقیماً از دسکتاپ کامپیوتر مدرس ضبط گردیده‌است. همین‌طور دفترچه‌های درس از سایت زیر قابل دسترس می‌باشد. http://ce.sharif.edu/courses/98-99/2/ce550-1/index.php

این درس اولین درس در زمینه اقتصاد کلان می‌باشد که بر روی پنج موضوع مهم تمرکز دارد: رشد اقتصادی٬‌ مدل های عمومی تعادل دینامیک کلان٬ اقتصاد پولی٬ friction های اقتصاد و مدل های اقتصاد باز. برای اطلاعات بیشتری درباره این درس می‌توانید به آدرس زیر مراجعه فرمایید: Macroeconomics I

با پیشرفت دانش و تجهیزات در علوم زیست‌شناسی به ویژه علوم سلولی و مولکولی با افزایش حجم عظیم داده‌های استخراج شده از سلول‌ها و به تبع آن موجودات مواجه هستیم. افزایش این حجم از داده‌ها و به سبب آن نیاز به ذخیره، بازیابی و تحلیل مناسب این داده‌ها، موجب پیدایش علم بیوانفورماتیک گردید. این دانش نوظهور، به عنوان یک دانش بین‌رشته‌ای، تلاش می‌کند تا با استفاده از تکنیک‌های موجود در علوم کامپیوتر، ریاضیات، شیمی، فیزیک و علوم مرتبط دیگر، مسائل مختلف زیست‌شناختی را که معمولاً در سطح مولکولی هستند حل کند. تلاش‌های پژوهشی اصلی در این رشته عبارت‌اند از: تطابق توالی، کشف ژن، گردآوری ژنوم، تنظیم ساختار پروتئینی، پیش‌بینی ساختارهای دوم و سوم پروتئین، پیش‌بینی بیان ژن و تعاملات پروتئین- پروتئین و مدلسازی تکامل. دوره آموزش بیوانفورماتیک با هدف آموزش این ترند جذاب و پررونق تهیه و تدوین شده است که در ادامه به معرفی آن خواهیم پرداخت. معرفی دوره آموزش بیوانفورماتیک درس پیش‌ رو آموزش آمار و معرفی و استفاده از پایگاه‌های داده‌ با هدف تحلیل و استنتاج داده‌های زیستی برای دانشجویان دوره دکتری رشته زیست‌شناسی سلولی-تکوینی دانشگاه علم و فرهنگ بوده که در پژوهشگاه رویان جهاد دانشگاهی تدوین و تدریس شده است. این دوره شامل سه بخش: آمار، ابزار‌ها و پایگاه‌های داده و بخش سوم آموزش برنامه‌نویسی به زبان آماری R است. زبان R برای انجام تحلیل داده آماری، رسم نمودارها و استنتاج پیام داده‌های زیستی بی‌نظیر است چرا که علاوه بر رایگان و در دسترس بودن، دارای بیش از ۸۰۰ بسته برای انجام تحلیل های مختلف بیوانفورماتیک است.هر جلسه درس شامل دو بخش نظری و عملی ، همچنین شامل برنامه‌نویسی R و آشنایی با داده پایگاه های بیوانفورماتیک است که به طورر جداگانه از طریق لینکهای پایین صفحه در اختیار شما قرارگرفته‌اند. به منظور ارائه کیفیت مناسب تصویری، بخش‌های عملی مستقیماً از دسکتاپ کامپیوتر مدرس ضبط گردیده است.در طول بخش‌های عملی درس چند فایل داده ورودی به عنوان نمونه مورد استفاده قرار می‌گیرد. شما می توانید با فشردن دکمه «جزوه» از جلسه اول درس، این فایلها را به صورت فشرده شده (Zip) دانلود و استفاده کنید.  در طول استفاده از این دوره آموزشی می‌توانید پیشنهاد‌ها، انتقادات و سؤالات خود را با آدرس rbioinf@gmail.com یا rscle@royaninstitute.org با ما در میان بگذارید. این درس به همت پژوهشگاه رویان ضبط شده است. سرفصل‌های دوره مقدمه‌ای بر بیوانفورماتیک سرفصل‌های این دوره آموزش بیوانفورماتیک مقدماتی به صورت زیر است: ورکشاپ R مقدمات آمار، میانگین، واریانس، انحراف‌معیار، میانه، چارک‌ها مشاهده ژنوم در UCSC Genome Browser، نصب R و RStudio، مقدمات R  آزمون فرض آماری، Student t-test، معنی p-value داده پایگاه برهم‌کنش ژنی و پروتئینی String-db، تحلیل اولیه داده‌های بیان ژن، رسم Heatmap مقیاس Log 2 برای تحلیل بیان ژن‌ها، Log-fold change، تحلیل تفاوت بیان ژن‌ها پایگاه داده Coremine، ارتباط عناصر زیستی طبق مقالات، آزمون t روی داده‌های بیان ژن خوشه‌بندی سلسله مراتبی، فاصله اقلیدسی محورها کتابخانه ggplot2 برای ساخت نمودارهای بیوانفورماتیک، رسم نمودار میله‌ای بیان ژن ضریب همبستگی Pearsonمحاسبه ضریب همبستگی Pearson، رسم trendlineتطابق رشته‌های DNA یا پروتئین، الگوریتم‌های برنامه‌سازی پویاکتابخانه Reshape2، نمودار جعبه‌ای (Box-plot)، نمودار ویولن ضریب همبستگی نا پارامتری Spearman Correlation Coefficient تحلیل هم‌زمان چند ژن با استفاده از sapply، apply و محاسبه ضریب Spearman خطای استاندارد نوشتن تابع در R Principal Components Analysis رسم نمودار PCA روی داده‌های بیان ژن آزمون آماری ANOVA محاسبه ANOVA آزمون فیشر نمودار همبستگی بیان، تحلیل کیفیت آزمایش بر اساس فاصله بین تکرارها آزمون‌های نا پارامتری نظیر Wilcoxon پروژه Fantom، آزمون نرمال بودن داده‌ها، انجام آزمون‌های نا پارامتری سرفصل‌های دوره بیوانفورماتیک پیشرفته همچنین سرفصل‌های بیوانفورماتیک پیشرفته نیز به صورت زیر است. سلول پروتئین DNA رونویسی ترجمه تمایز سلولی فناوری‌های توالی یابی تحلیل داده‌های ریزآرایه تحلیل داده‌های توالی یابی RNA پایگاه داده‌های مفید هم‌ردیفی بازسازی تأثیر ترکیب داده‌ها تحلیل مجموعه ژن‌ها خوشه‌بندی دسته‌بندی، تحلیل گراف، سل‌نت مطالعه موردی، ایسکمی قلب شبکه‌های عصبی ژرف شرکت در دوره‌های مبانی بیوانفورماتیک برای چه کسانی مناسب است؟ افرادی که نسبت به مسائل زیر علاقه‌مند هستند می‌توانند در دوره آموزش بیوانفورماتیک شرکت کنند: افرادی که به کد نویسی و کار با کامپیوتر علاقه‌مند هستند. افرادی که نسبت به رفتار سلول‌های زیستی و عملکرد آن‌ها، مسائل مختلف زیست‌شناسی، نحوه اثر کردن داروها و شبکه انتقال پیام علاقه‌مند هستند. به زبان انگلیسی تسلط کافی دارند. از حل مسائل ریاضی و محاسبات پیچیده لذت می‌برند. افاردی که نسبت به شناسایی الگوها و منظم سازی اطلاعات علاقه دارند.

سؤال «از کجا آمده‌ام» یکی از بنیادین‌تری و احتمالا  قدیمی‌ترین سؤالات بشر است. همه ما پدران و مادران‌مان را می‌شناسیم. بیشترمان هم پدربزرگ‌ها و مادربزرگ‌ها و شاید اجدادمان را هم بشناسیم و از آنها عکس‌ها و خاطراتی هم داشته باشیم. آنها هم انسان‌هایی شبیه به ما بودند و با زبان و فرهنگی شبیه به خود ما زندگی می‌کردند. اما اگر این زنجیره را باز هم به عقب ببریم به کجا خواهیم رسید؟ آیا اجداد نسل صدم ما هم شکل و ظاهرو رفتاری شبیه ما داشتند؟ اجداد نسل هزارم و صدهزارم ما چطور؟  از چه زمانی ما «انسان» شدیم و قبل از آن چه بودیم و چه می‌کردیم؟ چگونه پدران ما سرتاسر کره زمین را تسخیر کردند و در سرزمین‌های مختلف از قطب شمال تا جزایر دورافتاده اقیانوس آرام سکنی گزیدند؟ چه بر سر انواع دیگر انسان مثل نئاندرتال‌ها و هومو ارکتوس‌ها آمد؟ سالیان دراز بشر پاسخ این سؤالات را در سنت‌ها و اسطوره‌ها می‌جست. اما علم تجربی به انسان این ابزار را داد تا بتواند پاسخ این سؤالات را از طریق علمی به‌دست آورد. انسان‌شناسی زیستی شاخه‌ای از علم تجربی است که به خواستگاه تکاملی بشر و مطالعه رفتار، فرهنگ و آناتومی انسان از دیدگاه تکاملی زیستی می‌پردازد. اینکه انسان‌بودن به چه معناست و چرا بعضی ویژگی‌ها مثل زبان و فرهنگ پیچیده خاص بشر است، پرسش‌هایی تنها فلسفی نیستند؛ بلکه از طریق علم تجربی نیز می‌توان این سؤالات را واکاوی نمود. در این دوره به بررسی این مسائل از دیدگاه علم تجربی خواهیم پرداخت و آخرین یافته‌های علمی در این موارد را مرور خواهیم نمود. این دوره برای مخاطب عمومی طراحی شده و دانش پیشین در زیست‌شناسی یا انسان‌شناسی ضروری نیست. این دوره در۵ جلسه درس طراحی شده، که هر جلسه به یکی از موضوعات مهم در تکامل انسان می‌پردازد. در یکی دو جلسه اول به جایگاه انسان در طبیعت و نسبت ما با سایر موجودات زنده در درخت تکاملی خواهیم پرداخت، و پس از آن به ظهور ویژگی‌های منحصربه‌فرد بشر در طول تاریخ تکاملی‌مان، از ۵ میلیون سال پیش به این سو خواهیم پرداخت. این دوره با تلاش شخصی دکتر محمد حسین کازرون و با کمک و همکاری دانشگاه کالج لندن برای مخاطب فارسی‌زبان تهیه شده است.

درس "طراحی الگوریتم‌ های دکتر شریفی زارچی" در نیم‌سال دوم سال تحصیلی 99-98 با کمک خانم زهرا مهدوی‌نژاد، در دانشکده مهندسی کامپیوتر دانشگاه صنعتی شریف ضبط شده‌است.    تفکر الگوریتمی نه‌تنها هنر برنامه‌نویسی، بلکه کل زندگی را تغییر می‌دهد. وقتی با این دید به مسائل زندگی می‌نگریم، هر لحظه برای ما می‌تواند فرصت حل یک مسئله باشد. انتخاب تصمیم درست و «بهینه» بین چند گزینه‌ی ممکن، صرفه‌جویی در زمان، انرژی و هزینه‌ی انجام یک فعالیت، برنامه‌ریزی بهینه برای انجام مراحل یک پروژه یا تقسیم فعالیت‌ها بین اعضای یک تیم، مثال‌هایی از این مسئله‌ها هستند. تفکر الگوریتمی، علم و هنر شناخت مسئله و انتخاب راه‌حل بهینه در طول زندگی است. درس طراحی الگوریتم‌ها فرصتی برای یادگیری نظری و عملی تفکر الگوریتمی است. مؤکداً پیشنهاد می‌کنیم ابتدا درس داده‌ساختارها و الگوریتم‌ها را که ویدئوهای آن در مکتب‌خونه هم وجود دارد به‌عنوان یک پیش‌نیاز ببینید و تمرین کنید و سپس شروع به یادگیری این درس کنید. با توجه به این‌که فرض می‌شود دانشجویان ابتدا درس داده‌ساختارها و مبانی الگوریتم‌ها را پیش از برداشتن این درس گذرانده‌اند؛ مطالب موجود در این درس به‌نوعی ادامه‌ی مطالب درس داده‌ساختارها است. درس طراحی الگوریتم‌‌های دکتر شریفی زارچی با آموزش الگوریتم‌های حریصانه و برنامه‌نویسی پویا شروع می‌شود. در ادامه به الگوریتم‌های گراف نظیر الگوریتم‌های یافتن زیردرخت فراگیر و کوتاه‌ترین مسیر بین همه‌ی جفت رئوس پرداخته‌خواهد‌شد. سپس روش‌های تقسیم و حل، تطابق رشته‌ها و شبکه‌های شار بیان می‌شود. در انتها نیز مباحثی از قبیل پیچیدگی محاسباتی (P و NP)، برنامه‌نویسی خطی، الگوریتم‌های تقریبی و بهینه‌سازی‌های پویا تدریس می‌شوند. جزوه‌های تعاملی این درس را می‌توانید از سایت زیر دریافت کنید: https://github.com/asharifiz/Algorithms_Jupyter برای باز کردن این جزوه‌ها نیاز است نرم‌افزار Jupyter Notebook را بر روی کامپیوتر خود نصب کنید؛ این کار را از طریق نرم‌افزار miniconda انجام دهید. این نرم‌افزار برای هر سه محیط ویندوز، لینوکس و مک موجود است. همچنین با توجه به این‌که زبان برنامه‌نویسی این درس، زبان سی‌پلاس‌پلاس است توصیه می‌کنم کامپایلر این زبان را نیز نصب داشته باشید. سایر توضیحات در مورد پیش‌نیازهای سیستمی در جزوه‌ی اول (مقدمه) آمده است. دسترسی به تمرین‌های عملی و نظری از طریق صفحات کوئرا و پیاتزای درس ممکن است، لینک عضویت در این صفحات نیز در اولین جزوه‌ی درس قرار دارد. تنها راه یادگیری واقعی این درس حل مسئله‌ها و تمرین‌های نظری و عملی توسط خودتان است؛ بنابراین به‌شدت توصیه می‌کنیم تمرین‌های درس را با صرف زمان متناسب حل کنید. بعد از اتمام هر تمرین، پاسخ‌نامه‌ی آن در صفحه‌ی پیاتزای درس قرار می‌گیرد اما لطفاً پیش از صرف زمان کافی به سراغ پاسخ‌نامه‌ها نروید. دقت کنید که در این درس حل سؤالات تمرین‌ها نیاز به زمان دارد و باید وقت قابل توجهی را صرف فکر کردن، ایده‌زنی و بررسی راه‌حل‌های مختلف کنید. این درس حاصل تلاش یک تیم ۲۸ نفره از دانشجویان کنونی و سابق دانشکده‌ی مهندسی کامپیوتر دانشگاه صنعتی شریف است که بدون چشمداشت مادی و معنوی در راه‌اندازی این درس به دکتر شریفی زارچی کمک کردند و تولید تمامی محتوای درس از جمله جزوات و تمرین‌ها را بر عهده داشتند. از زحمات همه‌ی آن‌ها عمیقاً سپاس‌گزاریم.