![](/documents/46019/40486919/%DA%A9%D8%A7%D8%B1%DA%AF%D8%A7%D9%87+%D8%AA%D8%AD%D9%84%DB%8C%D9%84+%D8%AF%D8%A7%D8%AF%D9%87+%D9%85%D8%A8%D8%AA%D9%86%DB%8C+%D8%A8%D8%B1+%D8%AA%D9%88%D9%BE%D9%88%D9%84%D9%88%DA%98%DB%8C.jpeg/66fe7b77-ec9e-7adc-cc9f-231bf514daa8?t=1661309698958)
«کارگاه تحلیل داده مبتنی بر توپولوژی» از سوی دانشکده فیزیک دانشگاه شهید بهشتی 2 و 3 شهریور برگزار میشود.
پیشرفتهای بیسابقه در چیستی و چرایی علم بدون شک بر اساس دادههای فراوان و البته دقیقی است که توسط ابزارهای رصدی، مشاهداتی و اندازهگیری تولید شده است. دادهکاوی همان قدر که به پرسشهای بیپایان پژوهشگران دربارهی معماهای طبیعت پاسخ داده پرسشهای تازهای نیز ایجاد کرده که پاسخ به آنها نیازمند طراحی آزمایشها و مشاهدات جدید و حتی ابداع ابزارهای نوین دادهکاوی است. لذا امروزه استخراج اطلاعات مفید از دادهها و کشف الگوهای معنادار در آنها با استفاده از روشهای مختلف آماری شامل خواص هندسی و توپولوژیک با بکاربستن روش یادگیری ماشین از مهمترین بخشها در شاخههای مختلف دانش به شمار میرود.
ارتقای زیرساختها و سختافزارهای محاسباتی و همچنین الگوریتمهای مرتبط برای طراحی برنامهها به منظور شبیهسازی، انجام محاسبات رایانهای و همچنین تحلیل سامانههای پیچیده، سبب شده است که از ابزارهایی که دارای سابقه طولانی در هندسه و توپولوژی هستند و کمتر در وجه محاسباتی به دلیل پیچیدگی در الگوریتم و نیاز سخت افزاری سنگین هستند، اکنون در دسترس قرار گیرند. به همین سبب فرصت مغتنمی است که از این خواص به منظور افزایش اطلاعات و همچنین استخراج ویژگیهایی از دریچه خواص موضعی (هندسه) و خواص سراسری (توپولوژی)، استفاده شود.