بازدید: 51

تاریخچه دانشکده علوم ریاضی

دانشکده علوم ریاضی ریشه در تأسیس رشته ریاضی-فیزیک در دانشکده علوم پایه در سال ۱۳۴۱ دارد. در ادامه، گروه آموزشی «ریاضی و آمار» شامل رشته‌های ریاضی، آمار و ماشین‌های حسابگر ایجاد شد و مدیریت آن را مرحوم پروفسور فاطمی بر عهده داشت. در سال ۱۳۴۷، رشته کامپیوتر به این گروه اضافه و نام آن به «ریاضی، آمار و کامپیوتر» تغییر یافت.

در فاصله سال‌های ۱۳۵۷ تا ۱۳۶۱، مرکز کامپیوتر دانشگاه با مدیریت این گروه آموزشی راه‌اندازی شد. در ادامه، مقاطع تحصیلات تکمیلی در رشته ریاضی (کارشناسی ارشد در سال ۱۳۶۴ و دکتری در سال ۱۳۶۹) و در رشته آمار (کارشناسی ارشد در سال ۱۳۶۶ و دکتری در سال ۱۳۷۳) تأسیس شدند. در سال ۱۳۶۷، رشته کامپیوتر به دانشکده مهندسی منتقل و نام گروه مجدداً به «ریاضی و آمار» تغییر یافت.

دانشکده علوم ریاضی به همت استاد پیشکسوت، دکتر محمدرضا رجب‌زاده مقدم، در سال ۱۳۷۵ با دو گروه آموزشی مستقل ریاضی و آمار تأسیس شد. این دانشکده در سال ۱۳۸۰ به‌عنوان قطب علمی ریاضی و قطب علمی آمار در سطح کشور شناخته شد و قطب‌های علمی متعددی ازجمله «مدل‌سازی و کنترل دستگاه‌ها»، «آنالیز روی ساختارهای جبری و کاربردها» و «داده‌های ترتیبی، قابلیت اعتماد و وابستگی» را راه‌اندازی کرد.

در سال ۱۳۸۶، گروه ریاضی به دو گروه مستقل «ریاضی محض» و «ریاضی کاربردی» تفکیک شد. همچنین در سال ۱۳۹۸، رشته علوم کامپیوتر در مقطع کارشناسی در این دانشکده تأسیس گردید.

گروه‌های آموزشی دانشکده علوم ریاضی این دانشکده در حال حاضر در پنج رشته آمار، ریاضی کاربردی، ریاضی محض، علوم کامپیوتر و علم داده فعالیت دارد و با بهره‌گیری از نزدیک به ۵۰ عضو هیئت‌علمی، به تربیت نیروی متخصص در این حوزه‌ها می‌پردازد. دانشکده در رشته‌های ریاضیات و آمار تا مقطع دکتری و در رشته‌های علوم کامپیوتر و علم داده تا مقطع کارشناسی ارشد پذیرای دانشجویان مستعد است. در حال حاضر، جمعیتی بالغ‌بر هزار دانشجو در مقطع کارشناسی، چند صد دانشجو در مقطع کارشناسی ارشد و بیش از صد دانشجو در مقطع دکتری در این دانشکده مشغول به تحصیل هستند.

۱. گروه آمار این گروه با تمرکز بر تحلیل داده‌ها، طراحی مدل‌های آماری و به‌کارگیری روش‌های پیشرفته آمار، به توسعه علوم داده در حوزه‌های مختلف ازجمله پزشکی، اقتصاد و علوم اجتماعی کمک می‌کند. مرکز پژوهش‌های آماری این گروه با ارائه خدمات مشاوره‌ای به سازمان‌ها و صنایع، نقش مهمی در حل چالش‌های داده محور ایفا می‌کند.

۲. گروه ریاضی کاربردی گروه ریاضی کاربردی بر حل مسائل صنعت با بهره‌گیری از ابزارهای ریاضی تمرکز دارد. اعضای این گروه در حوزه‌هایی چون مدل‌سازی ریاضی، بهینه‌سازی، آنالیز عددی، و روش‌های محاسباتی پیشرفته فعالیت دارند. پژوهش‌ها و آموزش‌های این گروه به طراحی و پیاده‌سازی راهکارهای نوآورانه برای مسائل پیچیده در صنایع، فناوری، و مهندسی منجر شده است. همکاری‌های فعال این گروه با صنایع گوناگون، نقشی کلیدی در انتقال دانش ریاضی به حوزه‌های عملیاتی و کاربردی ایفا کرده است.

۳. گروه ریاضی محض گروه ریاضی محض با تمرکز بر مبانی نظری و توسعه ساختارهای علم ریاضی، در زمینه‌هایی مانند جبر، آنالیز، و هندسه و برای گسترش روشها و نظریه‌های آن‌ها و به‌عنوان بخشی مهم از علوم پایه فعالیت دارد. این گروه سه دوره متوالی به‌عنوان قطب علمی کشور برگزیده‌شده و سهم قابل‌توجهی در پیشرفت مرزهای دانش ریاضی داشته است. همچنین برای سالیان متمادی در انجمن ریاضی ایران نقش‌آفرینی کرده و به گسترش ریاضی در کشور کمک شایان نموده است. پژوهش‌های نظری این گروه، به شکل‌گیری کاربردهای نوین در حوزه‌هایی مانند رمزنگاری، امنیت اطلاعات، و مدل‌سازی در  حوزه‌های ریاضی کاربردی کمک کرده‌اند. سطح بالای علمی این گروه، موجب پیوندی مؤثر میان پژوهش‌های ریاضی محض و حوزه‌های بین‌رشته‌ای شده است.

 ۴. گروه علوم کامپیوتر اين گروه در زمینه‌های هوش مصنوعي، الگوریتم‌ها، داده‌کاوی، محاسبات گراف، امنيت سايبري، يادگيري ماشين، پردازش زبان طبیعی، نظريه محاسبات و سیستم‌های توزیع‌شده فعاليت دارد. محورهاي پژوهشي اين گروه علاوه بر توسعه فناوری‌های نوين در نرم‌افزار، تحليل داده و سیستم‌های هوشمند، در حوزه‌های میان‌رشته‌ای همچون علوم زيستي، مالي، و تحليل شبکه‌های پيچيده نيز نقش‌آفرین است. فارغ‌التحصیلان اين گروه با مهارت‌های تخصصي خود، در صنايع فناوري اطلاعات، محاسبات علمي، و توسعه نرم‌افزارهای هوشمند فعاليت می‌کنند. اين گروه در حال حاضر در مقطع كارشناسي و کارشناسی ارشد به تربيت متخصصان اين حوزه می‌پردازد.

 

آزمایشگاه‌ها و تجهیزات موجود:

مراکز و آزمایشگاه‌های دانشکده علوم ریاضی دانشگاه فردوسی مشهد، با تکیه‌بر تخصص اعضای هیئت‌علمی و بهره‌گیری از تجهیزات پیشرفته، به دنبال توسعه همکاری‌های صنعتی، تجاری‌سازی دستاوردهای پژوهشی و تربیت نیروی انسانی متخصص هستند. این مراکز با تمرکز بر تحقیقات تقاضامحور و تعامل با صنایع مختلف، نقش مؤثری در پیوند دانش و فناوری با نیازهای واقعی کشور ایفا می‌کنند.

آزمایشگاه علم داده‌ها
مسئول واحد: دکتر محمد آرشی
تلفن تماس:05138805702
وب‌سایت: https://dslab.um.ac.ir
حوزه فعالیت: بازيابی اطلاعات و تحليل شبکه‌های اجتماعی، یادگیری ماشین، تحليل داده‌های با بعد بالا و بزرگ (مه داده‌ها)، مدل‌سازی داده‌های وابسته، داده‌کاوی
معرفی آزمایشگاه: آزمايشگاه علم داده‌ها و به‌طور مختصر DSLab در حقيقت يک گروه تحقيقاتی در دانشكده علوم رياضی دانشگاه فردوسی مشهد، ايران است که داده‌های در مقياس کم و بزرگ (مه داده‌ها) را در زمینه‌های متعدد علوم تجزيه، تحليل و مدل بندی کرده و سعی در حل مسائل واقعی جامعه در حیطه‌های مختلفی دارد. مأموریت آزمايشگاه علم داده تحليل علمی داده‌های حجيم در راستای حاکميت داده و هوش مصنوعی است. در حقيقت در DSLab يک سری روش‌ها، ابزار و تکنیک‌های محاسباتی توسعه‌یافته که نيازمند يادگيری آماری برای مدل بندی پدیده‌های دارای عدم قطعيت است. اين تکنیک‌ها با کمک علوم رياضی و کامپيوتری به‌صورت الگوریتم‌های محاسباتی برای حل مسائل واقعی تبديل می‌شود.

هسته پژوهشی کاربرد موجک‌ها در سیستم‌های خطی و غیرخطی
مسئول واحد: دکتر رجبعلی کامیابی گل
تلفن تماس:05138805664
وب‌سایت: http://crawns.um.ac.ir
حوزه فعالیت: پردازش سیگنال و تصویر، هوش مصنوعی و یادگیری ماشین، مهندسی مالی و اقتصاد، تحلیل داده‌های پیچیده
معرفی هسته: این هسته پژوهشی با بهره‌گیری از فناوری‌های پیشرفته در پردازش سیگنال، یادگیری ماشین و تحلیل داده‌های مالی و اقتصادی، به توسعه روش‌های نوین در این حوزه می‌پردازد. کاربردهای صنعتی آن شامل پردازش سیگنال‌ها در سیستم‌های مخابراتی، پردازش تصویر، آنالیز سیگنال‌ها در پزشکی مانند ECG و MRI، زمین‌شناسی و لرزه‌نگاری، ذرات بنیادی و کوانتوم مکانیک، صنعت و معدن، فشرده‌سازی اطلاعات، جرم‌شناسی، نجوم و هوافضا، بهینه‌سازی سیستم‌های ارتباطی و توسعه الگوریتم‌های جدید پردازش داده است. همچنین، این مرکز با برگزاری کارگاه‌های تخصصی و همکاری‌های بین‌المللی نقش مهمی در گسترش دانش فنی در صنعت ایفا می‌کند.

آزمایشگاه نظریه گراف و کاربردهای آن
مسئول واحد: دکتر مصطفی توکلی و دکتر محمود امین طوسی
تلفن تماس:05138805682
وب‌سایت:https://gta-lab.github.io
حوزه فعالیت:  مدل‌سازی بر اساس مدل‌های گرافی، الگوریتم‌هایی در نظریه گراف، تحلیل شبکه‌های پیچیده، یادگیری عمیق گرافی، پردازش داده‌های ساختاریافته
معرفی آزمایشگاه:  این آزمایشگاه با تجهیزاتی مانند کارت گرافیکی RTX 3090 و بهره‌گیری از الگوریتم‌های پیشرفته PyTorch و TensorFlow، در تحلیل شبکه‌های اجتماعی، پیش‌بینی ترافیک شهری و مدل‌سازی خواص مولکولی فعالیت دارد. همکاری‌های بین‌المللی آن با دانشگاه‌های ماریبور، ژوهانسبورگ و صنعتی خواجه نصیر، موجب توسعه فناوری‌های نوین و اجرای پروژه‌های صنعتی شده است.

آزمایشگاه بهینه‌سازی
مسئول واحد: دکتر رضا قنبری
تلفن تماس:05138805658
وب‌سایت: https://optlab.um.ac.ir
حوزه فعالیت:  بهینه‌سازی مصرف انرژی، توسعه پلتفرم‌های دیجیتال، هوش مصنوعی
معرفی آزمایشگاه: این آزمایشگاه با اجرای طرح‌های متعددی مانند طراحی پلتفرم‌های پارکداری، توسعه سامانه‌های نوآوری و تجاری‌سازی، پیشخوان‌های مجازی و بهینه‌سازی مصرف انرژی، تعامل گسترده‌ای با صنعت دارد. همچنین، زیست‌بوم‌های نوآورانه‌ای مانند پایتون‌تیک، هم‌آفرینان و داده‌پردازی هوشمند آتنا، با حمایت این آزمایشگاه شکل‌گرفته‌اند.

آزمایشگاه پردازش زبان طبیعی (NLP)
مسئول واحد: دکتر جلال‌الدین نصیری
تلفن تماس:05138805698
وب‌سایت: https://nlplab.um.ac.ir
حوزه فعالیت: دسته‌بندی و خوشه‌بندی متون، خلاصه‌سازی خودکار، استخراج کلمات کلیدی، سیستم‌های گفتگوگر و عاملی
معرفی آزمایشگاه: این آزمایشگاه با هدف پیشبرد فناوری‌های نوین در حوزه پردازش زبان طبیعی (NLP) و هوش مصنوعی فعالیت می‌کند. تمرکز اصلی آن بر توسعه مدل‌های زبانی پیشرفته مانند معماری (Transformer)  برای کاربردهایی چون تحلیل احساسات و عواطف در متون، خلاصه‌سازی خودکار، متون تخصصی و عمومی، استخراج خودکار مفاهیم و موجودیت‌های کلیدی و طراحی و توسعه چت‌بات‌های هوشمندگفتگو محور است. این مرکز با بهره‌گیری از یادگیری عمیق و پردازش زبان‌های طبیعی، در تلاش است تا دقت و کارایی سیستم‌های درک ماشینی متن را ارتقا دهد. از دیگر اهداف مهم آزمایشگاه می‌توان به بومی‌سازی فناوری‌های NLP برای زبان فارسی و توسعه راهکارهای عملیاتی در این حوزه اشاره کرد.

آزمایشگاه کنترل و هوش مصنوعی (CAILab)
مسئول واحد: دکتر سهراب عفتی
تلفن تماس:05138805654
وب‌سایت: https://cailab.um.ac.ir
حوزه فعالیت: سیستم‌های کنترلی هوشمند، یادگیری ماشین، شبکه‌های عصبی
معرفی آزمایشگاه:  این آزمایشگاه با تجهیز به رایانه‌های قدرتمند و ابزارهای تحقیقاتی تخصصی، پژوهش‌های پیشرفته‌ای در حوزه کنترل تطبیقی، سیستم‌های دینامیکی و مدل‌سازی هوش مصنوعی انجام می‌دهد. از پروژه‌های صنعتی آن می‌توان به تحلیل و بهینه‌سازی سیستم‌های کنترلی در پزشکی، معدن گل‌گهر سیرجان و صنایع انرژی اشاره کرد.

مرکز پژوهش‌های آماری
مسئول واحد: دکتر مجید سرمد
تلفن تماس:05138806262
وب‌سایت: https://statistics.um.ac.ir/csr
حوزه فعالیت:  مشاوره‌های آماری، تحلیل داده‌های پیچیده، مدل‌سازی پیش‌بینی
معرفی آزمایشگاه:  این مرکز با ارائه خدمات تحلیلی در حوزه‌های مهندسی، کشاورزی، اقتصاد و علوم اجتماعی، نقش کلیدی در ارتقای کیفیت تحقیقات علمی و صنعتی ایفا کرده است. خدمات آن شامل اجرای طرح‌های پژوهشی، ارائه مشاوره‌های آماری تخصصی و استفاده از روش‌های نوین تحلیل داده‌ها برای بهینه‌سازی فرآیندهای سازمانی و صنعتی است.

آزمایشگاه قابلیت اعتماد محاسباتی
مسئول واحد: دکتر مهدی دوست پرست
تلفن تماس: 05138805689
وب‌سایت: https://prof.um.ac.ir/doustparast
حوزه فعالیت: مهندسی قابلیت اعتماد، برنامه ریزی نگهداری و تعمیرات هوشمند، همزاد دیجیتال، تحلیل داده های طول عمر و تخمین باقیمانده عمر، گارانتی
معرفی آزمایشگاه: ارزیابی قابلیت اعتماد سیستم های مهندسی و محصولات و همچنین ارایه خدمات پس از فروش در بازارهای رقابتی توسط این آزمایشگاه با عناوین زیر انجام می گردد. ·         تحلیل اطلاعات و ارزیابی ریسک مبتنی بر پایگاه داده ها ·         پیاده سازی سامانه های نگهداری و تعمیرات (CMMS) هوشمند مبتنی بر قابلیت اعتماد ·         طراحی همزاد دیجیتال خطوط تولید و بهینه سازی ·        ارایه کارگاه های آموزشی مرتبط با قابلیت اعتماد و برنامه های نگهداری و تعمیرات

بازدید: 693

اعضاي گروه آموزشي علوم كامپيوتر: 

1- سركار خانم دكتر سهيلا اشكذري طوسي  “سرپرست گروه آموزشي علوم كامپيوتر”  

2- جناب آقاي دكتر محمود امين طوسي

3- جناب آقاي دكتر رسول رمضانيان

4- جناب آقاي دكتر سيدهاشم طبسي (مأمور)

5- جناب آقاي دكتر حامد فهيمي

6- جناب آقاي دكتر جلال‌الدين نصيري

بازدید: 67

Introduction of the DSLab (Data Science Laboratory)

The Data Science laboratory (DSLab) is a research group in the Mathematical Sciences faculty of Ferdowsi University of Mashhad, Iran.

In DSLab, we analyze, model small and large groups of data (Big data), and try to solve society's fundamental problems in different (various) fields.

Our goal is to analyze scientific data.

In fact, in the DSLab, we will develop a series of computational methods, tools, and techniques that require statistical learning to model uncertain phenomena. With the help of mathematics and computer science, these techniques are transformed into computational algorithms for solving real problems.

 

Research Topics:

 1. Information Retrieval and Social Network Analysis

 2. Machine Learning

 3. Neural Network Analysis

 4. High-dimensional and Big Data Analysis

 5. Data Mining

 6. Dependent Data Modeling

 7. Data Visualization and Mathematical Modeling

The Opening of the Data Science Lab

The opening of the DSLab of Mathematical Sciences faculty was held on May 21, 2021, at the same time as "Education Week", in two virtual and in-person ways.

In the beginning, after reciting the Quran, national anthem and introduction video of the Mathematical Sciences faculty, Dr. Soheili, the honorable head of faculty, referred to the faculty policies for launching demanded fields such as data science in the faculty then he announced the launching of this field at the master's level in mathematics faulty and some descriptions about cooperation between DS Lab and Mashhad Urban Observatory.

In the following, Dr. Arashi, who setted up the DS Lab, explained the goal of opening this lab and it's to develop a series of computational methods, tools, and techniques that require statistical learning to modeling the uncertain phenomena. With the help of mathematics and computer science, these techniques are transformed into computational algorithms for solving society real problems.

Creating different database in various fields such as research, training experts, doing social, industrial and economical projects, data science competition, advising and useful courses for data science are other goals of this Lab.

Also, Dr. Arashi thanked the people who cooperated for launching this Lab and its opening and he announced the Lab's Website link : http://dslab.um.ac.ir and introduced the strategic committee, scientific committee and Lab consultants.

After playing a short teaser of introduction in data science, Dr. Mazlom, the post-doc researcher in data science at university of Amsterdam, Netherlands said : in 2013, data science was officially created by 3 big events; creating and developing of Big data, hardware and deep learning.

In the following, Dr. Mazlom explained the DS Lab Of university of Amsterdam the Netherlands and stated two important objectives of this Lab, which are: academic ; solving scientific problems and commercial ; solving real problems in business and creating value added from unrefined (unformed) data.

He emphasized that if we want to achieve these objectives, it's essential to make relations between DS Lab and different parts of university, organizations like municipality and police, industries like automotive, oil, and steel.

At the end of the ceremony, Data Science Laboratory with the presence of the board and a group of faculty members, Dr. Shakeri Roush, Director General of Statistics, Research and Strategic Studies, Dr. Abbaszadeh, Head of Urban Innovation Center, Mr. Afzali, Head of Urban Data Analysis Center , Mr. Javadi, Head of the Statistical Observations Center of Mashhad Municipality, and Mr. Milani, CEO of Ishia Institute, were inaugurated.

The first meeting of the student team

 The first meeting was held on December 10, 2021 at 6 pm in the data science laboratory of the Faculty of Mathematical Sciences, and in this meeting, the following issues were discussed.

1. Requirement to create LinkedIn and Gmail accounts for the laboratory

 2. Scheduling students' presence in the laboratory

 3. Management of lab website

 4. Necessary advertisements for introducing laboratory to professors and public

 5. Assistance in holding related workshops

 6. Invite professors and professionals to attend ICDS MeetUp programs

The second meeting of the student team

 The second student meeting was held on December 20, 2021 at 4 PM in the data science laboratory of the Faculty of Mathematical Sciences, and in this meeting, which took about two hours, the following issues were discussed:

 1. The necessary explanations were given for inviting of professors and professionals to attend in ICDS MeetUp programs

 2. The next workshop of the laboratory, which is scheduled to be held in February of this year, was reviewed

 3. The timing of students' presence in the laboratory was revised due to the addition of other students to the team

 4. More advertisements were discussed for introducing laboratory to professors and public

 5. The requirement to create a Linkedin account was reminded for each member of the student team and the laboratory

 6. The management of laboratory website was discussed again.

The third session of the student team

 The third student meeting was held on January 4, 2022 at 4 PM in the data science laboratory of the Faculty of Mathematical Sciences. In this meeting, which lasted about two hours, the following issues were discussed:

 1. Changes for lab's home page in website were discussed. Members's LinkedIn accounts were reviewed, and significant tips for lab's account were mentioned.

 2. Workshops which be held on next month were discussed and the organizers for workshops were selected.

 3. The invitation text for ICDS MeetUps was reviewed and finalized.

It was decided that after receiving the registration link, an inviting email will be sent for the first meeting of the Data Science MeetUp on Wednesday, January 20.

Razavi Quality Institute meeting

 The second meeting with the directors of the Razavi Quality Institute was held on Wednesday, January 22, 2014, in the presence of Dr. Arshi, Dr. Tavakoli, Dr. Soleimanifard and Dr. Mazlum.

 In this meeting, the macro strategies and ecosystem model of Razavi Quality Institute were introduced in more detail and explanations about the product ranking system were provided by the institute. After questions and answers from the faculty and the institute regarding appropriate ranking models, executive steps and the need to define specific projects, it was decided that the institute will have meetings with the faculty and expert team of faculty to determine initial framework and  identifying issues that lead to added values.

Lab Programs

Workshop 1 (Data visualization using R-Part I)

Workshop 2 (Spatial Data visualizition on Static and Dynamic Geographic Maps Using R-Part II)

Workshop 3 (Introduction of how to create web applications using R-SHINY Part 1)

Workshop 4 (Introduction to how to create web applications using R-SHINY Part 2)

Predicting cortical-dependent dementia using deep learning techniques

بازدید: 227