چارت جدید گروه کامپیوتر


گدرت پاس
@Godrat_pas

‍
▫️ لینک منابع مختلف و کامل دروس مهندسی کامپیوتر

مخصوصا جزوه های یکسری اساتید رو میتونین داخل لینک های زیر پیدا کنید

🍁 منابع مختلف درس زبان انگلیسی

🍀منابع مختلف مجموعه دروس ریاضی کنکور ارشد خانواده کامپیوتر

🍂منابع مختلف درس نظریه زبانها
🍀منابع مختلف درس سیگنال و سیستم ها


🍃منابع مختلف درس مدار منطقی
🍁 منابع محتلف درس معماری کامپیوتر
🍀منابع مختلف درس الکترونیک دیجیتال


🍃منابع مختلف درس ساختمان داده
🍁منابع مختلف درس طراحی الگوریتم
☘️منابع مختلف درس هوش مصنوعی

🍁 منابع مختلف درس پایگاه داده ها
🍀 منابع مختلغ درس سیستم عامل
🍁 منابع مختلف درس شبکه

🍀 منابع مختلف درس مهندسی نرم افزار



دفترچه سوالات رشته های مختلف ارشد و دکتری به همراه کلید نهایی آنها

#منابع

〰〰〰〰〰
@hadi_yousefi_pack

#مدارمنطقی
#منابع #خلاصه #تست
⭕️ لینک منابع مختلف درس مدار #منطقی:

🍃 فیلم استاد نوابی

🍁 فیلم استاد تابنده🍃 ویس استاد اجلالی
سرفصل مطالب استاد اجلالی

🍁جزوه استاد راعی، امیرکببیر

🍃جزوه استاد باستانی، شریف

🍁 کتاب مدار منطقی استاد داود کریم زادگان
حل تمرین

🍃جزوه استاد یوسفی

🍁تمرینات درس مدار منطقی شریف بصورت متوالی

🍃 #تستهای درس منطقی
حل سوالات بصورت تشریحی

سوالات خام درس مدار منطقی

🍁حل تشریحی 8 سال آخر توسط استاد معصومی

🍀حل تشریحی تستهای سال 98

🍁 #خلاصه های عالی مدار منطقی:
خلاصه یک
خلاصه دو
خلاصه شماره سه (کامل)

#مدار_منطقی
#خلاصه #منابع
خلاصه عالی از درس مدار منطقی

https://s7.picofile.com/file/8390851334/جزوه_ی_خلاصه_مدار_منطقی.rar.html
با سپاس فراوان از مهربانی ایشان

فیلمهای مدار منطقی از اینجا شروع میشه

#Algorithm

تو زمینه دیتا کمتر اشاره میکنن که شما باید مهارت الگوریتمی داشته باشین در صورتیکه به نظرم اگه یه دیتا ساینتیست الگوریتم خوب بلد نباشه فارغ از اینکه تمییز کد زدن رو نمیفهمه خود الگوریتم های ماشین لرنینگ رو هم درست درک نمیکنه و به قول یکی از دوستان یه جورایی فقط تکنسین باقی میمونه و هیچوقت متخصص نمیشه. یادمه درس یادگیری عمیق رو که تو دانشکده برق میگذروندم این ضعف قشنگ تو بچه های مهندسی برق حس میشد چون درسای الگوریتمی قبلن پاس نکرده بودن واسه همین پیشنهاد میکنم اگه واقعن میخواین تو این حوزه به صورت جدی وارد شید حتمن سعی کنین درسای الگوریتمی هم بگذرونین.

پیشنهاد من درسای ساختار داده و طراحی الگوریتم دکتر شریفی هست که تو دانشکده کامپيوتر شریف ارائه شدن.

تو درس ساختار داده‌اش از زبان پایتون و ژوپیتر نوتبوک استفاده میکنه که این خیلی عالیه چون هم کار با نوتبوک رو یاد میگیرین هم تو پایتون قوی میشین به نظرم بعد از یادگیری مباحث پایه برنامه نویسی و تمرین کردن تو کوئرا سعی کنین حتمن این درس رو دنبال کنین و تمرین عملی هم بزنین. یه کوچولو سخته مخصوصا زدن کد الگوریتما. ولی به نظرم حتی بیشتر از درسایی مثه برنامه نویسی پیشرفته و مهندسی نرم افزار مهارت کد زدنتون رو قوی میکنه

درس طراحی الگوریتمشم از این نظر که ++C میگه خیلی خوبه به نظرم با اینکه اکثر کدا رو پایتون هست ولی درک درستی از اینکه کدا چطور روی کامپیوتر اجرا میشه نمیده واسه همین یاد گرفتنش خالی از لطف نیست اما مباحث تئوریش خیلی خیلی مهمن حتی بیشتر از مباحث ساختار داده.

ضمنن این دو تا درس یه جورایی گسسته‌طورن و اگه قبلش تمرینای گسسته انجام داده باشین راحت ترین. چون تو درس باید ایده بزنین و این ایده زدن هم با تمرین حل کردن به دست میاد پس تمرین رو جدی تر بگیرین!

آپدیت : لینک تمرین ها و جزوه جدید درس ساختار داده

آپدیت ۲: دکتر صدیقین استاد دانشکده کامپیوتر شریف و موسسه تیاس یک کانال یوتیوب دارن که محتوای درسای الگوریتم و ساختار داده‌شون رو اونجا میزارن به نظرم خیلی خوب بود مخصوصا اینکه توش کلی ویدیو برای حل تمرین داشتن. پیشنهاد میکنم ببینین
@DataScience_Golchin

‍
☑️ نقشه‌راه هوش مصنوعی (منابع فارسی)

1) Programming
2) Calculus
3) Algorithm
4) Linear Algebra
5) Probability & Statistics
6) Machine Learning
7) Deep Learning
:) Interesting Courses

ترتیب کلی که من پیشنهاد میکنم اینه و اغلب هم سعی میکنم کورس دانشگاهی به زبان فارسی معرفی کنم.

➖ در مورد این ''ترتیب کلی'' یه توضیحی بدم. من صرفا گفتم اینطوری بهتره، این پیشنیازی بعضی جاها خیلی خودشو نشون میده بعضی جاها نه خیلی، مثلن لزومی نداره آمار رو حتمن بعد از جبرخطی بخونین ولی اگه بدون دانش برنامه نویسی برین سراغ الگوریتم قطعن چیزی نخواهید فهمید.

➖ من برای هر تیکه چندتا کورس پیشنهاد کردم اما قرار نیست شما به ترتیب درس به درس همه رو ببینین به نظرم برای هر کدوم یه کورس ببینین که ته قسمت ۷ شما یه شهود کلی نسبت به دیتا ساینس داشته باشین بعد برگردین این دانش پایه‌ای‌تون رو مرمت کنین:) مخصوصا اگه دانشجوی مهندسی هستین پیشنهاد میکنم مستقیم برین سراغ قسمت ۶و۷

➖ من تقریبن هرچی که لازم بوده رو گفتم به نظرم بعد گذروندن این درسا میتونین برای شروع کار تو این پوزیشن شغلی یا حالا پژوهش تو زمینه خاص تری از دیتا ساینس اقدام کنین به هر حال با اینا کارتون برای شروع راه می افته بقیه اش دیگه تو کار یا حوزه خاصی که میخواین کار کنین به دست میاد.

〰〰〰〰〰
@hadi_yousefi_pack

🎁 تخفیف عیدانه دوره‌های آموزشی شبکه نخبگان ایران

با هدف بهره‌مندی بیشتر از تعطیلات عید نوروز، مخاطبان محترم شبکه نخبگان ایران می‌توانند دوره‌های آموزشی زیر را از تاریخ ۲۸ اسفند تا ۱۳ فروردین، با ۲۵ درصد تخفیف تهیه نمایند.

🔺 دوره جامع پژوهشی با تدریس اساتید برجسته دانشگاه علوم پزشکی تهران (۱۳ جلسه)

🔺دوره جامع "اقتصاد سلامت " (با تدریس دکتر علی اکبری ساری، رئیس موسسه ملی تحقیقات سلامت و استاد افتخاری دانشگاه یورک انگلستان)

🔺 دوره جامع نسخــه‌نویــسی در ۸ جلسه + کلاس درس اپروچ به آنمی (با تدریس استاد نسیم خواجوی‌راد، متخصص داخلی و عضو هیئت علمی دانشگاه علوم پزشکی تهران)

🔺کارگاه تکنیک‌های تحلیل تصمیم‌گیری (با تدریس استاد شهرام یزدانی، استاد نمونه و چهره ماندگار پزشکی)

🔺 دوره آموزشی تفسیر MRI و CT اسکن مغز و‌ نخاع (با تدریس استاد علیرضا زالی، رئیس دانشگاه علوم پزشکی شهید بهشتی)

🔺 کلاس‌های درس ارتــوپدی با تدریس برجسته‌ترین اساتید ارتــوپدی کشور (استاد مهرپور، استاد اخوت پور، استاد فلاح، استاد صدیقی و اساتید ایرانی خارج از کشور)

🔺صفر تا صد تفسیر گرافی قفسه سینه + کلاس درس اپروچ به آنمی (با تدریس استاد نسیم خواجوی‌راد، متخصص داخلی و عضو هیئت علمی دانشگاه علوم پزشکی تهران)

🔺 دوره کلاس‌های درس بیمارمحور در دندانپزشکی (ارتودنسی، پروتز، پریودانتیکس، ترمیمی)، با تدریس اساتید دانشگاه شهید بهشتی و تهران

🔺 کلاس های هوش مصنوعی در حوزه سلامت،گامی به سوی آینده ای روشنتر؛ الگوریتم های هوش مصنوعی با تدریس خانم دکتر امانزاده (۱۰ جلسه)

🔺 کلاس های هوش مصنوعی در حوزه سلامت،دنیای اعداد در مغز؛ هرآنچه باید از پایتون بدانیم؛ با تدریس خانم دکتر امانزاده (۱۰ جلسه)

🔺 کلاس‌های آمادگی پانزدهمین المپیاد علمی دانشجویان علوم پزشکی در تمامی حیطه‌ها (کلاس‌ها مربوط به دوره قبل المپیاد است)

🔺 کارگاه هوش مصنوعی از زبان پژوهشگر Mayo Clinic با تدریس دکتر شهریار فغانی، پژوهشگر هوش مصنوعی مایوکلینیک آمریکا (۲ جلسه)

🔺کلاس‌های Dingnity in Neuroscience (DNSC)، با محوریت فیزیولوژی عصبی با تدریس استاد رسول قاسمی، عضو هیئت علمی دانشگاه علوم پزشکی شهید بهشتی

🔺صفر تا صد مهارت‌های پزشک در اورژانس (آموزش کاربردی مهارت‌های عملی پزشکی ویژه داوطلبین آزمون صلاحیت بالینی) با تدریس استاد مجید شجاعی عضو هیئت علمی دانشگاه علوم پزشکی شهید بهشتی

🔺دوره جـامع پایـتون مقـدماتی و پیشـرفته با محـوریت پروژه هـای عمـلی و حل تمریـن در پـردازش تصـویر

🔺نخسـتین بوت‌کـمپ تخصصی کارآفـرینی حوزه سـلامت در کشـور

🔺کارگاه سیسـتماتیـک ریـویو و متـاآنالیـز مقدمـاتی و پیشـرفته و کار با نرم افزار آمـاری STATA

🔺چگـونه با کمک هـوش مصنـوعی مقاله ISI بنویسیم؟

🔺کارگاه غـربالگری سـرطان پسـتان و اصول گـزارش نویـسی اسـتاندارد بر اسـاس BIRADS

🔺کارگاه جامع صفر تا صد تفسیر نوار قلب (EKG) با تدریس دکتر خداپرست و دکتر رخشان در سه جلسه

🔺 کارگاه شعر "شیوه شاعری" با تدریس استاد سجاد سامانی در ۶ جلسه

🔺 دوره جامع “سیاستگذاری سلامت” با تدریس استاد امیرحسین تکیان، استاد سیاستگذاری سلامت دانشگاه علوم پزشکی تهران

🔺کارگاه تفسیر برگه آزمایش (بارویکرد اندوکرینولوژی)، در ۱۰ جلسه با تدریس استاد سلاله امامقلی پور، عضو هیئت علمی دانشگاه علوم پزشکی تهران

🔺سلسله کارگاه های هنر طبابت (متد CBL) با تدریس دکتر پیمان فروغی و دکتر فرشته غیاثوند (در ۶ جلسه)

🔺 کارگاه احیا قلبی ریوی CPR با تدریس دکتر افضلی مقدم، رییس بخش اورژانس بیمارستان امام خمینی

🔺 دوره جامع "تداخلات شایع دارویی در بالین" با تدریس ۳ استاد برجسته دانشگاه‌های علوم پزشکی تهران، شهید بهشتی و ایران


🏛 شبکه نخبگان ایران، یک جمع مستقل نخبگانی است که از بودجه عمومی کشور استفاده نمی‌کند. شرکت شما در این دوره‌ها، علاوه بر توانمندسازی خودتان، به ادامه فعالیت ما کمک می‌کند.
لطفا دوره‌های ما را به دوستانتان معرفی کنید.

در شبکه نخبگان ایران با ما همراه باشید 🌱
| @IranElitesNet |

دروه آشنایی با یادگیری ماشین
#یادگیری‌ماشین‌برای‌همه
لطفا برای حمایت از کانال من درس‌ها را آنلاین ببینید و کانال را سابسکرایب کنید.

درس صفر: معرفی دوره
درس ۰۱: چند مثال از کابردهای یادگیری ماشین
درس ۰۲: تعریف یادگیری ماشین و انواع آن
درس ۰۳: یادگیری با نظارت بخش اول الگوریتم رگرسیون
درس ۰۴: یادگیری با نظارت بخش دوم الگوریتم دسته بندی
درس ۰۵: یادگیری بدون نظارت و الگوریتم خوشه بندی
درس ۰۶: معرفی Jupyter Notebook و آموزش استفاده از آن (LAB1)
درس ۰۷: معرفی اصطلاحات مورد استفاده در الگوریتم با نظارت
درس ۰۸: رگرسیون خطی مقدمه و معرفی
درس ۰۹: پیاده سازی یک مدل رگرسیون ساده در پایتون
درس ۱۰: تشکیل تابع هزینه مربع خطا
درس ۱۱: چگونگی رفتار تابع هزینه مربع خطا
درس ۱۲: پیاده سازی تابع هزینه در پایتون (LAB 2)
درس ۱۳: تابع هزینه در حالتی که هر دو پارامتر مخالف صفر باشند
درس ۱۴: چند مثال از انتخاب w با توجه به نمودار هزینه (Lab 3)
درس ۱۵: روش Gradient Dedcent معرفی و دید شهودی
درس ۱۶: الگوریتم روش Gradient Decent
درس ۱۷: روش G.D. چگونه کار می‌کند؟
درس ۱۸: تاثیر نرخ یادگیری بر روش G.D
درس ۱۹: الگوریتم روش G.D برای پیاده‌سازی
درس ۲۰: به زودی ....

لطفا این پست را در کانالهای مرتبط به اشتراک بگذارید.

@Latex_Mesforush
درس جدید : #یادگیری‌ماشین‌برای‌همه

یادگیری ماشین درس ۲۰: پیاده سازی روش .G.D و تعیین رگرسیون خطی با پایتون (LAB 4)
https://youtu.be/ysVCnV-csMk

لطفا با لایک (👍) کردن درس‌‌ها به بیشتر دیده شدن آنها کمک کنید.

در صورتی که در گروه یا کانالی عضو هستید که درس‌های بالا می‌تواند برایشان مفید باشد، لطفا این پست در آنها انتشار دهید.

اسپانسر معنوی من شما هستید، لطفا کانال من را دنبال (SUBSCRIBE) کنید و درس‌ها را به‌شکل آنلاین ببیند.

در صورت تمایل حامی باش استفاده کنند.

کانال آموزشی من در تلگرام
@Latex_Mesforush

در این دوره ریاضی عمومی دو برای رشته‌های فنی و مهندسی بر اساس سرفصل مصوب وزارت علوم به طور کامل تدریس شده است. در این دوره به تعداد بسیار زیاد مثال حل شده است تا دانشجویان با انواع مسایلی که در درس ریاضی عمومی دو وجود دارد آشنا شوند.

در ادامه این پست لینک هر درس به تفکیک آورده شده است. لطفا با لایک (👍) کردن و دنبال کردن (Subscribe) کانال و انتشار این پست به بیشتر دیده شدن کانال کمک کنید.

بخش اول: هندسه تحلیلی فضایی (بردار، صفحه و توابع برداری و ...)

۱- بردار در صفحه تعاریف و مفاهیم اولیه
۲- بردار در صفحه خواص بردارها، بردارهای پایه و بردار یکه
۳- ضرب داخلی معرفی و چند مثال
۴- حل چند مثال و تجزیه بردار
۵- توابع برداری و حد و مشتق آن
۶- انتگرال گیری از توابع برداری و تابع طول قوس
۷- بردار یکه مماس و بردار یکه قائم به همراه چند مثال
۸- انحنا منحنی، تعریف، روش محاسبه به همراه چند مثال
۹- شعاع انحنا، دایره بوسان به همرا چند مثال
۱۰- دستگاه مختصات فضایی و معرفی استوانه
۱۱- بردارها در فضا، معرفی، نمایش و اعمال جبری
۱۲- ضرب داخلی، زوایای هادی و کسینوس های هادی
۱۳- ماتریس، دترمینان و روش محاسبه دترمینان
۱۴- ضرب خارجی، معرفی، محاسبه و تعبیر هندسی
۱۵- حاصل ضرب سه گانه، تعبیر هندسی و چند مثال
۱۶- معادله خط در فضا، معادلات پارامتری و تقارنی خط
۱۷- فاصله نقطه تا خط
۱۸- معادله صفحه روش پیدا کردن و چند مساله
۱۹- فاصله نقطه از خط به همراه چند مثال
۲۰- دو خط متنافر تعریف تشخیص و استفاده
۲۱- منحنی های فضایی، رسم و محاسبه طول
۲۲- توابع برداری در فضا، معرفی و مشتق حاصل ضرب خارجی
۲۳- توابع برداری در فضا، بردار یکه مماس و بردار یکه قائم
۲۴- انحنا منحنی در فضا به همراه مثال
۲۵- صفحه بوسان
۲۶- بردار قائم دوم و کنج فرنه به همراه مثال
۲۷- تاب یک منحنی به همراه مثال
۲۸- سطوح درجه دوم معرفی و آشنایی به بیضی گون
۲۹- سطوح درجه ۲ سایر رویه ها به همراه چند مثال
۳۰- دستگاه مختصات استوانه ای
۳۱- دستگاه مختصات کروی

بخش دوم: حد و پیوستگی و مشتق توابع چند متغیره

۳۲- توابع چند متغیره آغازکار و تعاریف لازم
۳۳- رسم توابع دو متغیره و منحنی تراز به کمک متلب
۳۴- تعریف حد توابع چند متغیره و اثبات وجود
۳۵- قضیه وجودی حد و ابطال حد به همراه چند مثال
۳۶- پیوستگی توابع چند متغیره
۳۷- مشتقات جزئی تعریف و روش محاسبه به همراه چند مثال
۳۸- تعبیر هندسی مشتق جزئی و مشتقات جزئی مرتبه دوم
۳۹- مشتقات جزئی مراتب بالاتر و معرفی معادله با مشتقات جزئی
۴۰- قاعده زنجیره‌ای برای توابع چندمتغیره
۴۱- محاسبه مشتق ضمنی با استفاده از ژاکوبین
۴۲- حل دو مثال از مشتق زنجیره ای
۴۳- کاربرد مشتقات جزئی در یافتن صفحه مماس بر سطح و خط قائم بر سطح
۴۴- حل چند مثال از یافتن صفحه مماس بر سطح و خط قائم بر سطح
۴۵- تعریف مشتق جهتی و تعبیر آن
۴۶- روش محاسبه مشتق جهتی با بردار گرادیان و حل چند مثال
۴۷- ماکزیمم مینیمم و نقاط زینی برای توابع دو متغیره
۴۸- یافتن نقاط اکسترمم و آزمون جزئیهای دوم
۴۹- چند مثال از یافتن نقاط اکسترمم توابع چند متغیره
۵۰- بهینه سازی مقید و روش ضرایب لاگرانژ
۵۱- بهینه سازی مقید و روش ضرایب لاگرانژ برای چند قید

بخش سوم: انتگرال‌های دوگانه و کاربردهای آن

۵۲- تعریف انتگرال دوگانه و انتگرال پذیری توابع دو متغیره
۵۳- محاسبه انتگرال دوگانه با استفاده سیگمای دوگانه
۵۴- خواص انتگرال دوگانه به همراه یک مثال
۵۵- نواحی قائم ساده و افقی ساده و روش تعیین حدود یک ناحیه
۵۶- مثالهایی از تعیین حدود نواحی قائم ساده و افقی ساده
۵۷- انتگرال مکرر و قضیه فوبینی به همراه چند مثال
۵۸- چند مثال دیگر از محاسبه انتگرال دوگانه
۵۹- چند مثال دیگر از محاسبه انتگرال دوگانه
۶۰- قضیه تغییر مختصات در انتگرال های دوگانه
۶۱- تغییر مختصات قطبی به همراه مثال
۶۲- چند مثال دیگر از تغییر مختصات قطبی
۶۳- استفاده از تغییر مختصات نامعلوم در انتگرال دوگانه
۶۴- چند مثال از استفاده از تغییر مختصات نامعلوم در انتگرال دوگانه
۶۵- کاربرد انتگرال دوگانه در محاسبه مساحت
۶۶- کاربرد انتگرال دوگانه در محاسبه حجم
۶۷- کاربرد انتگرال دوگانه در محاسبه مساحت اجسام
۶۸- انتگرال های دوگانه ناسره به همراه چند مثال

بخش چهارم: انتگرال‌های سه‌گانه، انتگرال خط، سطح و کاربردهای آن

۶۹- تعریف انتگرال سه گانه
۷۰- خواص انتگرال سه گانه
۷۱- نواحی ایکس وای منظم و روش شناسایی و تعیین حدود
۷۲- انتگرال گیری مکرر برای محاسبه انتگرال سه گانه
۷۳- مثال هایی از انتگرال گیری مکرر برای محاسبه انتگرال سه گانه
۷۴- تغییر مختصات و قضیه تغییر مختصات
۷۵- مختصات استوانه‌‌ای به همراه چند مثال
۷۶- مختصات کروی به همراه چند مثال
۷۷- برخی کاربردهای انتگرال سه گانه به همراه چند مثال
۷۸- انتگرال سه گانه ناسره به همراه چند مثال
۷۹- انتگرال خط نوع اول به همراه چند مثال
۸۰- انتگرال خط نوع دوم معرفی و نمادگذاری
۸۱- مثال هایی از انتگرال خط نوع دوم
۸۲- مثال هایی از کاربرد انتگرال خط نوع اول و دوم
۸۳- استقلال از مسیر و میدان های ابقایی به همراه چند قضیه و مثال
۸۴- یک مثال جا افتاده از درس قبل
۸۵- منحنی ژردان و مسیرهای بسته
۸۶- قضیه گرین به همراه یک مثال
۸۷- مثالی دیگر از بررسی درستی قضیه گرین
۸۸- دو مثال از استفاده قضیه گرین
۸۹- معرفی گرادیان کرل و دیورژانس و روش محاسبه آنها
۹۰- روابطی پیرامون کرل دیورژانس و گرادیان به همراه چند مثال
۹۱- پارامتری سازی رویه ها
۹۲- محاسبه مساحت رویه های پارامتری شده
۹۳- محاسبه مساحت روی های ضمنی و صریح
۹۴- انتگرال سطح معرفی و محاسبه انتگرال سطح نوع اول
۹۵- انتگرال سطح نوع اول حالتهای بیان ضمنی و صریح رویه
۹۶- انتگرال سطح نوع دوم میادین برداری و محاسبه آن
۹۷- بیان قضیه استوکس به همراه یک مثال
۹۸- دو مثال دیگر از قضیه استوکس
۹۹- قضیه دیورژانس پیشنیازها و صورت قضیه
۱۰۰- دو مثال از قضیه دیورژانس

در این دوره ریاضی مهندسی برای رشته‌های فنی و مهندسی بر اساس سرفصل مصوب وزارت علوم به طور کامل تدریس شده است. در این دوره به تعداد بسیار زیاد مثال حل شده است تا دانشجویان با انواع مسایلی که در درس ریاضی عمومی دو وجود دارد آشنا شوند.

در ادامه این پست لینک هر درس به تفکیک آورده شده است. لطفا با لایک (👍) کردن و دنبال کردن (Subscribe) کانال و انتشار این پست به بیشتر دیده شدن کانال کمک کنید.

بخش اول: آنالیز فوریه و کاربردهای آن

۱- توابع متناوب و معرفی سری فوریه
۲- محاسبه ضرایب سری فوریه به همراه مثال
۳- مثال دیگری از محاسبه سری فوریه
۴- استفاده از سری فوریه در محاسه سری‌ها
۵- دو مثال دیگر از محاسبه سری به کمک سری فرویه
۶- سری فوریه توابع زوج و فرد
۷- گسترش تناوبی زوج و فرد
حل تمرین مربوط به درس های ۱ تا ۷
۸- پیش نیازهای شکل مختلط سری فوریه
۹- شکل مختلط سری فوریه
۱۰- کاربرد سری فوریه در حل معادلات دیفرانسیل معمولی
۱۱- نامساوی بسل و تساوی پارسوال
۱۲- مشتق گیری و انتگرال گیری از سری فوریه
حل تمرین مربوط به درس های ۷ تا ۱۲
۱۳- تعریف انتگرال فوریه
۱۴- محاسبه انتگرال فوریه و رسم آن در متلب
۱۵- یک مثال از انتگرال فوریه سینوسی و کسینوسی
حل تمرین مربوط به درس های ۱۳ تا ۱۵
۱۶- تساوی پارسوال به همراه چند مثال
۱۷- تبدیل فوریه تعریف و یک مثال
۱۸- برخی تبدیلات فوریه مهم و حل چند مثال از محاسبه تبدیل فوریه
۱۹- قضایای مرتبط با تبدیل فوریه و کاربرد آنها در حل مسایل
۲۰- قضایای مرتبط با تبدیل فوریه قضایای مشتق
۲۱- قضایای مرتبط با تبدیل فوریه قضایای اول و دوم انتقال
۲۲- قضایای مرتبط با تبدیل فوریه قضیه مقیاس و قضیه پارسوال برای تبدیل فوریهریاضی مهندسی حل تمرین مربوط به درس های ۱۶ تا ۲۲
۲۳- قضایای مرتبط با تبدیل فوریه کانولوشن و کاربردهای آن
۲۴- تبدیلات فوریه سینوسی و کسینوسی
۲۵- تابع ضربه و دلتای دیراک
ریاضی مهندس حل تمرین مربوط آنالیز فوریه تا پایان درس ۲۵
ریاضی مهندس حل تمرین مربوط آنالیز فوریه بخش دوم تا پایان درس ۲۵
ریاضی مهندس حل تمرین مربوط آنالیز فوریه تبدیل فوریه تا پایان درس ۲۵ بخش دوم