هسته پژوهشی علوم داده، داده‌های کلان و یادگیری ماشین

۱. درباره هسته پژوهشی

هسته پژوهشی علوم داده، داده‌های کلان و یادگیری ماشین با هدف توسعه دانش، تولید فناوری و ارائه راهکارهای مبتنی بر تحلیل داده در حوزه‌های صنعتی، خدماتی، بهداشتی و شهری شکل گرفته است. مأموریت اصلی هسته، ایجاد یک بستر میان‌رشته‌ای برای ترکیب آمار پیشرفته، هوش مصنوعی، مدیریت داده و مدل‌سازی محاسباتی در راستای حل مسائل واقعی است. این هسته با بهره‌گیری از تیمی متشکل از اعضای هیئت علمی، پژوهشگران، دانشجویان تحصیلات تکمیلی و متخصصان صنعت، به دنبال توسعه مدل‌های تحلیل پیشرفته، سیستم‌های تصمیم‌یار هوشمند، و زیرساخت‌های مبتنی بر داده در مقیاس بزرگ است.

۲. رسالت (Mission)

• تولید دانش کاربردی در حوزه تحلیل داده، کلان‌داده و یادگیری ماشین.
• ایجاد چارچوب‌های علمی برای به‌کارگیری هوش مصنوعی در مسائل پیچیده شامل سلامت، تولید، حمل‌ونقل، انرژی و مدیریت شهری.
• پیوند دانشگاه و صنعت از طریق توسعه پروژه‌های داده‌محور و سیستم‌های هوشمند.
• تربیت پژوهشگران متخصص در حوزه داده‌محوری و الگوریتم‌های پیشرفته یادگیری.

۳. چشم‌انداز (Vision)

هسته پژوهشی در افق ۵ ساله به‌عنوان مرجع ملی در تولید دانش و فناوری‌های داده‌محور و یادگیری ماشین شناخته خواهد شد؛ هسته‌ای که قادر است در سطح منطقه‌ای و ملی راهکارهای مبتنی بر هوش مصنوعی تولید کرده و در حوزه‌های استراتژیک مانند سلامت هوشمند، تولید ناب، لجستیک هوشمند، پیش‌بینی ریسک و تحلیل کلان‌داده ایفای نقش کند.

۴. اهداف راهبردی

۴.۱. اهداف علمی

• توسعه مدل‌های یادگیری عمیق (Deep Learning)، یادگیری تقویتی، و الگوریتم‌های بهینه‌سازی مبتنی بر فراابتکاری.
• تحقیق و توسعه در حوزه معماری‌های پردازش کلان‌داده
• طراحی مدل‌های تحلیلی برای داده‌های پیچیده: داده‌های متنی، مکانی ـ زمانی، جریان داده (Streaming).

۴.۲. اهداف کاربردی

• ایجاد سیستم‌های پیش‌بینی و تصمیم‌یار برای صنعت، سازمان‌های دولتی و حوزه سلامت.
• تجزیه و تحلیل داده‌های بزرگ برای شناسایی الگوهای پنهان و بهبود عملکرد سازمان‌ها.
• پیاده‌سازی مدل‌های هوش مصنوعی در فرآیندهای تولید، زنجیره تأمین، خدمات درمانی و مدیریت بحران.

۴.۳. اهداف آموزشی

• برگزاری کارگاه‌ها و دوره‌های تخصصی در حوزه‌های Machine Learning، Big Data، Data Mining
• تربیت دانشجویان و پژوهشگران توانمند در طراحی مدل‌ها و پیاده‌سازی پروژه‌های داده‌محور.

۵. حوزه‌های تخصصی فعالیت

1. کلان‌داده (Big Data Engineering & Analytics)
   • پردازش توزیع‌شده
   • ذخیره‌سازی و معماری داده
   • طراحی پایپ‌لاین‌های داده (ETL/ELT)
2. یادگیری ماشین و یادگیری عمیق
   • مدل‌سازی پیش‌بینی
   • تشخیص الگو
   • مدل‌های NLP، بینایی ماشین و سری زمانی
3. علم داده و تحلیل پیشرفته
   • تحلیل آماری پیشرفته
   • کشف دانش در داده‌ها
   • تحلیل داده‌های پیچیده (Graph Data, Sensor Data)
4. هوش مصنوعی در صنعت و سلامت
   • کاربرد ML در بهینه‌سازی خطوط تولید
   • تحلیل ریسک در بیمارستان‌ها
   • پیش‌بینی گلوگاه‌های عملیاتی و زنجیره تأمین
5. تصمیم‌گیری هوشمند و بهینه‌سازی
   • مدل‌های ترکیبی MCDM و ML
   • بهینه‌سازی هوشمند مبتنی بر الگوریتم‌های فراابتکاری
   • سیستم‌های توصیه‌گر
6. استقرار مدل‌های هوش مصنوعی
   • طراحی معماری عملیاتی هوش مصنوعی
   • پایش مدل و چرخه عمر یادگیری ماشین

۶. خدمات و خروجی‌های آتی هسته پژوهشی

• اجرای پروژه‌های صنعتی و سازمانی مبتنی بر تحلیل داده و هوش مصنوعی
• تولید نرم‌افزارها و داشبوردهای هوشمند تحلیل داده
• ارائه مشاوره تخصصی در حوزه کلان‌داده و یادگیری ماشین
• انتشار مقالات علمی، کتاب، گزارش‌های تحلیلی و استانداردهای صنعتی
• توسعه الگوریتم‌های اختصاصی برای مشتریان

۷. ساختار سازمانی هسته

• مدیر هسته پژوهشی
• شورای علمی (۵–۷ عضو تخصصی)
• گروه علوم داده
• گروه کلان‌داده و مهندسی داده
• گروه یادگیری ماشین و AI
• واحد ارتباط با صنعت و انتقال فناوری
• واحد آموزش و توسعه مهارت

 8. جامعه هدف

• صنایع تولیدی، لجستیک و زنجیره تأمین
• بیمارستان‌ها و سیستم سلامت
• شهرداری‌ها و سازمان‌های حمل‌ونقل
• بانک‌ها، بیمه‌ها و بازار سرمایه
• شرکت‌های فناوری اطلاعات و استارت‌آپ‌ها