Skip to content

Risk Academy، به رهبری Nexus Consortium · کاتالوگ دوره‌ها · علم ریسک و روش‌ها

تحلیل کمّی ریسک

هوش مصنوعی و یادگیری ماشین برای تحلیل ریسک

هوش مصنوعی و یادگیری ماشین برای تحلیل ریسک، که دو بار تدریس می‌شوند: یک بار به‌عنوان روش‌های کار این حوزه و بار دیگر به‌عنوان مرز دانش آن از سال 2024، با آزمایشگاه‌ها بر پایهٔ ابزارهای Academy، داده‌های باز و ⁨Nexus Standards⁩.

دورهٔ هستهدورهٔ مرزی

این رشتهٔ تخصصی

01دورهٔ اصلی · L2 میانی

AI and machine learning for risk analysis: foundations and practice

This area covers the machine-learning methods risk analysts now use: classification and regression of risk outcomes, emulators of slow physical models, anomaly detection and the quantification of uncertainty in model outputs.

AI and machine learning for risk analysis: foundations and practice

سطح
L2 میانی
زمان مطالعه
حدود 24 ساعت (برآورد برنامه‌ریزی)
وضعیت
برنامه‌ریزی‌شده
پیش‌نیازها
یک دورهٔ L1 در این حوزه، یا بازبینی ورودی
چرا اکنون

Machine learning weather models (GraphCast, 2023; GenCast, 2024) now match or beat physics ensembles on many scores, ECMWF runs its AIFS operationally since 2025, and AI flood forecasting reaches ungauged basins, so risk analysts must know when to trust these models.

Science, Learning skillful medium-range global weather forecasting (Lam et al.),

دستاوردهای یادگیری

  1. Define emulator and the other key terms of the discipline and use them correctly in a written case
  2. Explain supervised learning for risk outcomes and emulators and surrogates of physical and catastrophe models with a worked example and its source
  3. روش رشته را بر یک مورد مستند به کار ببرید و هر نتیجه را با منبع آن توضیح دهید
  4. Analyse a named case against uncertainty quantification in machine learning, stating evidence, date and limits

پودمان‌ها

  1. Supervised learning for risk outcomes

    • Supervised learning for risk outcomes
    • Emulators and surrogates of physical and catastrophe models
    • Uncertainty quantification in machine learning
  2. پیش‌بینی همدیس و پوشش بدون فرض توزیع

    • پیش‌بینی همدیس و پوشش بدون فرض توزیع
    • Anomaly detection and change detection
    • مدل‌های پایهٔ مکانی و تعبیه‌های ماهواره‌ای
  3. Causal inference and machine learning

    • Causal inference and machine learning
    • اعتبارسنجی، پایش رانش و ریسک مدل برای یادگیری ماشین
    • انصاف و سوگیری در مدل‌های ریسک
  4. آزمایشگاه: روش رشته

    • A learned model gives a point prediction with no promise attached; holding out a calibration set, ranking its residuals and taking a quantile wraps the prediction in an interval whose coverage is assured without any assumption about the model, and the size of the calibration set sets how tight that guarantee is.
    • روش را بر یک مورد مستند پیش ببرید و هر نتیجه را توضیح دهید
    • منابع و مقادیر بیان‌شدهٔ روش را بخوانید

آزمایشگاه‌ها با ابزارهای Academy

روش

ابزار

  • برازشگر توزیعابزاری دانشکده‌ای در صفحهٔ دانشکده، اجراشده بر داده‌های دوقلوی دیجیتال دانشکده
  • دورهٔ بازگشتابزاری دانشکده‌ای در صفحهٔ دانشکده، اجراشده بر داده‌های دوقلوی دیجیتال دانشکده

سازندهٔ همزاد

  • سازندهٔ همزاد دیجیتالمکان دانشکده را به‌صورت 3D بسازید، لایه‌ها را تغییر دهید و اعتبارات و تاریخ‌های هر یک را بخوانید

لایهٔ نقشه

اتاق Foundry

ارزیابی

  • 40%

    سابقهٔ آزمایشگاه

    روش رشته را بر یک مورد مستند پیش ببرید و هر نتیجه را با منبع و تاریخ آن توضیح دهید

  • 40%

    یادداشت مورد

    روش‌های رشته را بر مکان یا سازمانی نام‌برده به کار ببرید و شواهد و محدودیت‌ها را بیان کنید

  • 20%

    بررسی اصطلاحات کلیدی

    پاسخ‌های کوتاه دربارهٔ اصطلاحات کلیدی، نمره‌دهی‌شده بر پایهٔ تعاریف

تحویل

  • برخط و خودآموز، با آزمایشگاه‌ها در مرورگر
  • مطالعهٔ گروهی در طول شش تا هشت هفته، با بازبینی هفتگی آزمایشگاه
  • ارائه‌شده به‌صورت مشترک با یک نهاد همکار، در چارچوب دوره‌های خود آن

در این دوره همکاری کنید

  • در تدریس یک پودمان همکاری کنید و موردی جاری از کار خود بیاورید
  • میزبان یک گروه یادگیرنده برای یادگیرندگان خود باشید، با زمان‌بندی و بازبینی خودتان
  • یک Lab مشارکت دهید: مجموعه‌داده‌ای که نهاد شما به‌صورت آزاد منتشر می‌کند، یا یک مدل
  • محتوای دوره و منابع آن را پیش از گشایش بازبینی کنید
  • دوره را ترجمه کنید و مثال‌های آن را با منطقهٔ خود تطبیق دهید

در LMS آکادمی

Course on the learning platform
Intermediate, 4 sections
گروه یادگیری
A community group for each cohort of learners
دستاورد
Recorded on completion of the assessed work
منابع 3
  1. Vovk، Gammerman و Shafer، Algorithmic Learning in a Random World, 2005
  2. Angelopoulos and Bates, Conformal prediction: a gentle introduction, Foundations and Trends in Machine Learning, 2023
  3. Guo, Pleiss, Sun and Weinberger, On calibration of modern neural networks, ICML, 2017

02دورهٔ پیشرو · L3 پیشرفته

هوش مصنوعی و یادگیری ماشین برای تحلیل ریسک: روش‌های پیشرو

The methods, data, tools and studies that changed AI and machine learning for risk analysis between 2024 and 2026, taught by reproducing them on open data.

هوش مصنوعی و یادگیری ماشین برای تحلیل ریسک: روش‌های پیشرو

سطح
L3 پیشرفته
زمان مطالعه
حدود 28 ساعت (برآورد برنامه‌ریزی)
وضعیت
برنامه‌ریزی‌شده
پیش‌نیازها
AI and machine learning for risk analysis: foundations and practice; Working knowledge of a scripting language (Python or R) for the labs
چرا اکنون

Machine learning weather models (GraphCast, 2023; GenCast, 2024) now match or beat physics ensembles on many scores, ECMWF runs its AIFS operationally since 2025, and AI flood forecasting reaches ungauged basins, so risk analysts must know when to trust these models.

Science, Learning skillful medium-range global weather forecasting (Lam et al.),

دستاوردهای یادگیری

  1. Explain what changed in AI and machine learning for risk analysis since 2024 and cite the studies, data or rules behind each change
  2. Reproduce ML for hazards on open data and state the uncertainty of the result
  3. یک مطالعهٔ 2024 تا 2026 را ارزیابی کنید: پرسش، داده‌ها، روش، محدودیت‌ها و آنچه برای رویه تغییر می‌دهد
  4. تحلیلی طراحی کنید که یک روش پیشرو را با ابزارهای دانشکده ترکیب کند و هر انتخاب را توجیه کنید

پودمان‌ها

  1. ML for hazards

    • Graph and transformer weather models
    • Probabilistic ML ensembles
    • پیش‌بینی سیل در حوضه‌های فاقد ایستگاه سنجش
  2. عدم قطعیت

    • پیش‌بینی همدیس
    • Calibration and proper scoring rules
    • Distribution shift and extremes
  3. Governance of ML in risk

    • NIST AI RMF for risk models
    • Documentation: model cards and data sheets
    • Validation against physics baselines
  4. آزمایشگاه بازتولید

    • روش این رشته را با یک روش پیشرو گسترش دهید و نتایج آن را مقایسه کنید
    • عدم قطعیت و محدودیت‌های نتیجه را بیان کنید
    • داوری همتا در برابر فهرست بررسی مشترک

آزمایشگاه‌ها با ابزارهای Academy

روش

ابزار

  • برازشگر توزیعابزاری دانشکده‌ای در صفحهٔ دانشکده، اجراشده بر داده‌های دوقلوی دیجیتال دانشکده
  • دورهٔ بازگشتابزاری دانشکده‌ای در صفحهٔ دانشکده، اجراشده بر داده‌های دوقلوی دیجیتال دانشکده
  • مونت‌کارلوابزاری دانشکده‌ای در صفحهٔ دانشکده، اجراشده بر داده‌های دوقلوی دیجیتال دانشکده

سازندهٔ همزاد

  • سازندهٔ همزاد دیجیتالمکان دانشکده را به‌صورت 3D بسازید، لایه‌ها را تغییر دهید و اعتبارات و تاریخ‌های هر یک را بخوانید

لایهٔ نقشه

قطب پژوهش

  • قطب پژوهشداده‌های باز و انتشارات امروز در موضوعات دانشکده، پالایش‌شده برای این رشته

اتاق Foundry

ارزیابی

  • 50%

    بازتولید روش

    یک روش پیشرو را بر دادهٔ باز بازتولید کنید و عدم قطعیت نتیجه را بیان کنید

  • 30%

    بازبینی مطالعه

    بازبینی انتقادی یک مطالعهٔ 2024 تا 2026: پرسش، داده‌ها، روش، محدودیت‌ها، آنچه تغییر می‌دهد

  • 20%

    داوری همتا

    بازتولیدهای دو یادگیرندهٔ دیگر را با یک فهرست وارسی مشترک بررسی کنید

تحویل

  • برخط و خودآموز، با آزمایشگاه‌ها در مرورگر
  • مطالعهٔ گروهی در طول شش تا هشت هفته، با بازبینی هفتگی آزمایشگاه
  • ارائه‌شده به‌صورت مشترک با یک نهاد همکار، در چارچوب دوره‌های خود آن

در این دوره همکاری کنید

  • در تدریس یک پودمان همکاری کنید و موردی جاری از کار خود بیاورید
  • میزبان یک گروه یادگیرنده برای یادگیرندگان خود باشید، با زمان‌بندی و بازبینی خودتان
  • یک Lab مشارکت دهید: مجموعه‌داده‌ای که نهاد شما به‌صورت آزاد منتشر می‌کند، یا یک مدل
  • محتوای دوره و منابع آن را پیش از گشایش بازبینی کنید
  • دوره را ترجمه کنید و مثال‌های آن را با منطقهٔ خود تطبیق دهید

در LMS آکادمی

Course on the learning platform
Expert, 4 sections
گروه یادگیری
A community group for each cohort of learners
دستاورد
Recorded on completion of the assessed work
منابع 8
  1. Science, Learning skillful medium-range global weather forecasting (Lam et al.), 2023
  2. Nature, Probabilistic weather forecasting with machine learning (Price et al.), 2024
  3. Nature, Global prediction of extreme floods in ungauged watersheds (Nearing et al.), 2024
  4. arXiv, A gentle introduction to conformal prediction (Angelopoulos and Bates), 2021
  5. NIST، چارچوب مدیریت ریسک هوش مصنوعی, 2023
  6. Vovk، Gammerman و Shafer، Algorithmic Learning in a Random World, 2005
  7. Angelopoulos and Bates, Conformal prediction: a gentle introduction, Foundations and Trends in Machine Learning, 2023
  8. Guo, Pleiss, Sun and Weinberger, On calibration of modern neural networks, ICML, 2017

03دوره‌های برنامه

Programme courses and the standards

نگاشت به Nexus Standards چگونه خوانده می‌شود

The Academy proposes how each discipline teaches toward the Nexus Standards; the mapping is open for public review. Bodies and standards are named so learners can find and apply their published work; the Academy teaches their use and links to the publisher, and no affiliation is implied.

04نقشهٔ زنده

Connected activity in South Africa

Night-time lights and population density, the footprint of electrified, connected activity, over South Africa.

نقشهٔ تعاملی به JavaScript نیاز دارد؛ فهرست لایه‌ها و منابع در زیر آمده است.

لایه‌ها 2

فعالیت متصل

دربارهٔ این لایه
شواهد
مشاهده‌شده
منبع
VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
ارائه‌دهنده
NASA LAADS DAAC
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ تابندگی ماهواره‌ای، با تصحیح نور ماه و جو
تازه‌ترین در زمان ساخت
2026-10-12
قطع‌نامه
شبکهٔ حدود 500 متری
عدم قطعیت
تابندگی شبانهٔ ماهواره‌ای برای تاریخ نشان‌داده‌شده؛ روشنایی‌ها نمایندهٔ مصرف برق و خاموشی‌اند، نه سنجه‌ای از عرضه یا دسترسی.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
برآوردی
منبع
Gridded Population of the World v4.11 (NASA SEDAC (CIESIN، Columbia University))
ارائه‌دهنده
NASA SEDAC (CIESIN، دانشگاه کلمبیا)
پروانه
CC BY 4.0
سال تولید
static product; Census-based estimate, static (2020)
قطع‌نامه
شبکهٔ حدود 1 کیلومتری
عدم قطعیت
برآورد مبتنی بر سرشماری از تعداد افراد در هر کیلومتر مربع در 2020، به‌عنوان زمینهٔ مواجهه؛ شمار افراد آسیب‌دیده از هیچ مخاطره‌ای نیست.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
شواهد
مشاهده‌شده
منبع
بازتاب تصحیح‌شدهٔ VIIRS NOAA-20 (NASA LANCE)
ارائه‌دهنده
NASA LANCE
پروانه
داده‌های باز NASA
سال تولید
روزانه؛ تصویر ماهواره‌ای
تازه‌ترین در زمان ساخت
2026-10-14
قطع‌نامه
شبکهٔ حدود 250 m
عدم قطعیت
تصویر ماهواره‌ای. رستر ماهواره‌ای یا مدلی همان‌گونه که ارائه‌دهنده منتشر می‌کند. ابر، شکاف‌های نوار پویش و خطای بازیابی شکاف و نوفه به جا می‌گذارند؛ مقادیر نشانگر هستند، نه اندازه‌گیری در یک مکان.
دسترسی از طریق
gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید

آخرین موجود

NASA GIBS / EOSDIS · ASTER GDEM (METI، NASA) · Blue Marble (NASA) · © مشارکت‌کنندگان OpenStreetMap (ODbL) · Natural Earth

در حال بارگیری آخرین تصاویر NASA.

برای جابه‌جایی بکشید. Ctrl یا ⌘ و پیمایش، حرکت دو انگشت یا دکمه‌ها را برای بزرگ‌نمایی به کار ببرید؛ برای دیدن مقادیر زیر نشانگر روی آن‌ها بایستید؛ بازنشانی به منطقه بازمی‌گردد.

Connected activity, framed on South Africa.Satellite and model products as NASA publishes them, each with its own date. They are indicators, not assessments of any place.

داده: NASA GIBS · ASTER GDEM · Blue Marble · © مشارکت‌کنندگان OpenStreetMap · Natural Earth · NASA EONET

منابع و پروانه‌ها

  • از تصاویر ارائه‌شده توسط خدمات NASA Global Imagery Browse Services (GIBS)، بخشی از NASA Earth Science Data and Information System (ESDIS)، سپاسگزاریم. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های H3 میانگین‌گیری شده‌اند (دستکاری‌شده). داده‌های باز NASA
  • از تصاویر ارائه‌شده توسط خدمات NASA Global Imagery Browse Services (GIBS)، بخشی از NASA Earth Science Data and Information System (ESDIS)، سپاسگزاریم. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های H3 میانگین‌گیری شده‌اند (دستکاری‌شده). داده‌های باز NASA
  • نورهای شبانهٔ VIIRS Black Marble، مرکز پروازهای فضایی گدارد ناسا؛ توزیع‌شده از NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC)؛ تصاویر از طریق NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جایی که نمایش داده می‌شوند در سلول‌های H3 میانگین‌گیری شده‌اند (اصلاح‌شده). داده‌های باز NASA
  • Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). Licensed under CC BY 4.0. Colours redrawn from the published colour map; values averaged into H3 cells where shown (modified). doi:10.7927/H49C6VHW. CC BY 4.0
  • محصولات نزدیک به بلادرنگ VIIRS (سیل، دمای سطح زمین، پوشش برف، بازتابندگی تصحیح‌شده)، NASA LANCE؛ تصاویر از راه NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های H3 میانگین‌گیری شده‌اند (تغییریافته). داده‌های باز NASA
  • ASTER GDEM فراوردهٔ METI و NASA است (ASTER Global Digital Elevation Model V003, NASA LP DAAC)؛ تصاویر از راه NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های H3 میانگین‌گیری شده‌اند (دستکاری‌شده). ارجاع: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. داده‌های باز NASA
  • ساخته‌شده با Natural Earth. Free vector and raster map data @ naturalearthdata.com. مالکیت عمومی
  • © OpenStreetMap contributors (ODbL), via NASA GIBS (coastlines, boundaries, roads and place names). Colours redrawn from the published colour map; values averaged into H3 cells where shown (modified). ODbL
  • Blue Marble, NASA Earth Observatory؛ تصاویر از راه NASA GIBS. رنگ‌ها از نقشهٔ رنگ منتشرشده بازترسیم شده‌اند؛ مقادیر در جاهایی که نشان داده شده‌اند در سلول‌های H3 میانگین‌گیری شده‌اند (دستکاری‌شده). داده‌های باز NASA
  • زمینه روی کره و نقشهٔ تخت: خط‌های ساحلی، مرزها، جاده‌ها و نام مکان‌ها از لایه‌های مرجع NASA GIBS (داده‌های OpenStreetMap، ODbL، © OpenStreetMap contributors)؛ تصویر Blue Marble به‌عنوان پایهٔ اختیاری؛ زمین‌ریخت 3D و خوانش ارتفاع از شاخص رنگی ارتفاع ASTER GDEM (طبقه‌های 5 m تا 200 m، برای خوانایی اغراق‌شده). مرزها همان‌گونه که منتشر شده‌اند ترسیم می‌شوند و بر هیچ سرزمینی موضعی را القا نمی‌کنند.
  • Globe: MapLibre GL JS 6.18.0, BSD-3-Clause, © MapLibre contributors.
  • رویدادهای زنده: NASA Earth Observatory Natural Event Tracker (EONET)؛ رویدادها نشانگر وضعیت‌اند و پیوندهای منبع اصلی خود را حفظ می‌کنند.
  • NASA GIBS: از تصاویر ارائه‌شده توسط خدمات NASA's Global Imagery Browse Services (GIBS)، بخشی از NASA's Earth Science Data and Information System (ESDIS)، سپاسگزاریم.
  • لایه‌های اختیاری (3 منبع در فهرست لایه‌ها: زنده، پیش‌بینی، مشاهده‌شده و زمینه) هنگام روشن شدن، اعتبار فراهم‌کننده را روی نقشه و در اینجا چاپ می‌کنند؛ پیش‌بینی‌ها خروجی مدل‌اند و شاخص‌های مشتق برآورد هستند.

لایه‌ها و تاریخ‌ها

  • روشنایی شبانه، روزانه: VIIRS Black Marble (VNP46A2), NASA LAADS DAAC · 12 اکتبر 2026
  • Population density, 2020: Population: CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · static
  • رنگ حقیقی: بازتابندگی تصحیح‌شدهٔ VIIRS NOAA-20, NASA LANCE · 13 اکتبر 2026

Open the faculty's digital twin builder Map tools

05یادگیری چگونه پیش می‌رود

یادگیری چگونه پیش می‌رود، به‌صورت فرایندی که می‌توانید اجرا کنید

8 steps · 4 stages · 2 gates · 16 processes

یک سناریو برگزینید و «پخش» را بزنید: دوره، مسیر، تمرین، دانشکده، سلول‌ها و سابقه.

⁨Risk Academy⁩

Course, catalogue to completion

A free course pairs one discipline's methods with a real place, open data and standards, with module checks, assessed work and a completion record.

Scenarios Course · Practice · Record

  1. 01 Open

    1. 01

      Choose a course

      Start · the learner

      Find the course in the catalogue, by faculty, level, kind or the standard it teaches.

    2. 02

      Entry check

      Gate · the course

      The prerequisites say what to study first; an entry review stands in for them.

  2. 02 Study

    1. 03

      درس‌ها

      Step · the learner

      Read and work through the lessons, self-paced or with a cohort.

    2. 04

      Labs on the twin

      Exercise · the learner, on the faculty twin

      Run the discipline's method and the faculty instruments on the twin of a real place.

  3. 03 Assess

    1. 05

      Module checks

      Gate · the course

      Each module ends with a short check against its outcomes.

    2. 06

      Assessed work

      Decision · reviewers and peers

      A lab record, a case memo and a key terms check, with peer review where the course asks for it.

  4. 04 Record

    1. 07

      سابقهٔ تکمیل

      Record · the Academy

      The record names the course, its version and the date; it is the learner's to share.

    2. 08

      Next course

      Outcome · the learner

      The record stacks into the discipline and pathway achievements, and the next course opens.

How learning works · Courses An outline of how the work is designed to run; it does not report the status of any decision or record.

06مشارکت کنید

در کار مشارکت کنید

از اینکه چه کسی هستید آغاز کنید.

مسیرها

  • مسیر

    نهادهای ملی

    وزارتخانه‌ها، دفترهای آمار و سازمان‌ها: یک میز و شاخهٔ ملی و یک کرسی در گروه‌های کاری. شاخه‌های ملی

  • مسیر

    بخش‌ها و حرفه‌ها

    بهره‌برداران، نهادهای ناظر، بانک‌ها، بیمه‌گران و نهادهای حرفه‌ای که کارشان با ریسک سامانه‌ای سروکار دارد. برای سازمان‌ها

  • مسیر

    یادگیری

    دوره‌ها و تمرین عملی، با سابقهٔ هر دورهٔ گذرانده‌شده. آموزش رایگان است. آموزش باز

  • مسیر

    استانداردها

    استانداردهای روش و داده را همراه با گروه‌های کاری تدوین، بازبینی و تصویب کنید. گروه‌های کاری

  • مسیر

    جوامع و پژوهش

    Universities, civil society and individual experts: projects, data and review. Write to the Academy

فراخوان‌های باز

فراخوان بازمی‌جویدپایان می‌یابد
فراخوان تأسیسی کارشناسان برای گروه‌های کاری CALL-FOUNDING-EXPERTSکارشناس، ویراستار، رئیس2026-12-15
فراخوان آزاد نامزدی برای سه کرسی کارشناسان مستقل شورای جهانی استانداردها CALL-GSC-INDعضو شورا2026-12-01
نامزدی اعضای منطقه‌ای موقت (تنها در صورت تصویب مقررهٔ انتقالی) CALL-GSC-REGعضو شورا2026-12-15
بازبینی طرح‌های کلی هستهٔ ریسک در موج 1 (C1، C2، C3، C4، C8، C10، C11) CALL-REVIEW-WAVE1مشارکت‌کننده2027-01-31
کارشناسان برای استانداردهای اصلی علم ریسک: عدم قطعیت و درجه‌بندی شواهد، مقیاس‌ها، قضاوت ساختاریافتهٔ کارشناسی، تحمل‌پذیری، رویدادهای حدی و مرکب، ریسک‌های فاجعه‌بار و وجودی، اخلاق و عدالت، یکاها و اندازه‌گیری (NRS-C17 تا NRS-C24) CALL-CORE-SCIENCEکارشناس، ویراستار، رئیس2027-01-31
بازبینان مستقل برای خانواده‌های اطلس مخاطرات، سه نفر از دست‌کم دو منطقه برای هر خانواده (NHS2-R19)، نخست خانواده‌های دارای اولویت CALL-ATLAS-REVIEWکارشناس2027-03-31
اعضای هیئت موقت بازبینی ایمنی مرزی و بازبینان تیم قرمز (ایمنی زیستی و امنیت زیستی، ایمنی و امنیت هوش مصنوعی، امنیت زیرساخت‌های حیاتی)؛ درخواست‌ها محرمانه بررسی می‌شوند CALL-FRONTIER-SAFETY-REVIEWکارشناس2026-11-30
کارشناسان هستی‌شناسی، اندازه‌شناسی، راستی‌آزمایی نرم‌افزار و ارزیابی انطباق برای فهرست الزامات، بازنمایی ماشینی NHS-2، مجموعه‌آزمون‌های انطباق و طرح ارزیابی انطباق CALL-CONFORMANCE-ONTOLOGYکارشناس، ویراستار2027-01-31

فراخوان‌هایی که مهلتشان گذشته است خودکار پنهان می‌شوند. همهٔ فراخوان‌ها، پیشنهادها و مسیرها: حوزه‌ها و فراخوان‌های باز.

یاخته‌ها

A cell is a small team with a clear mission, a host and a record of what it does. Choose the type that fits.

Form a cellAll cell types

  • Cell type

    Community emergency response team (CERT)

    Local preparedness and first response. Open

  • Cell type

    Research cell

    Methods, models, papers and datasets. Open

  • Cell type

    Data and observation cell

    Sensors, gauges, monitoring and open data. Open

  • Cell type

    Standards cell

    Drafts, reviews and adopts a standard with the standards working groups. Open

  • Cell type

    Policy and advisory cell

    Briefs, consultations and policy proposals. Open

  • Cell type

    Learning cell

    Course teams, cohorts and peer study. Open

  • Cell type

    Engineering and digital cell

    Tools, twins and infrastructure work. Open

  • Cell type

    Field and operations cell

    Projects on the ground, early warning and anticipatory action. Open

  • Cell type

    Finance and risk transfer cell

    Parametric design and risk-finance readiness. Open

  • Cell type

    Sector cell

    Health, food, water and the other sector cells. Open

  • Cell type

    Review and assurance cell

    Peer review panels and verification. Open

  • Cell type

    Youth, campus or chapter cell

    University, student and national chapter teams. Open

A cell acts within its host's rules and never replaces an authority. A CERT works alongside the local emergency services, follows their direction and is not an emergency service.

How a cell forms

  1. گردهم‌آوردن سلول

    سه تا هفت نفر با مهارت‌های مکمل گرد هم آورید: داده، کار میدانی، سیاست‌گذاری و ارتباطات.

  2. Choose a type

    Pick the kind of cell that fits the work, from the gallery below. A cell can add a second focus later. See the types

  3. ثبت آن

    Name the cell, its members, area and region, and who hosts it. You receive a reference and a contact. Form a cell

  4. با هم بیاموزیم

    مسیرهای مطالعاتی مشترک را در Risk Academy دنبال کنید، با تمرین عملی و سابقهٔ هر دورهٔ گذرانده‌شده. مخاطرات و تاب‌آوری

  5. رهبری و گزارش‌دهی

    Hold regular sessions. Publish what the cell learns through Reports. Bring findings to the working groups. Working groups

شاخص

What a national team or a local community can do on The Global Risks Index (NXS-GRX) today.

  • NXS-GRX

    نمایهٔ کشور شما

    نیم‌رخ‌های ریسک باز برای 195 کشور، با منبع و پروانه برای هر مقدار. گشودن شاخص

  • NXS-GRX

    اصلاح یا پاسخ

    مقداری را اصلاح کنید یا از جانب کشورتان پاسخ دهید. تغییر همراه با اثرش ثبت می‌شود. گشودن شاخص

  • NXS-GRX

    داده‌های پیشنهاد

    یک مجموعه‌داده پیشنهاد دهید. از دروازهٔ پروانه وارد می‌شود و نام شما ثبت می‌شود. گشودن شاخص

  • NXS-GRX

    از داده‌های باز استفاده کنید

    لایه‌ها، نیم‌رخ‌ها و کاشی‌ها از طریق API باز. گشودن شاخص

07پرسش‌ها

پرسش‌ها، پاسخ‌ها و اصطلاحات کلیدی

آیا دوره رایگان است؟

بله. همهٔ دوره‌ها و مواد آموزشی Risk Academy، به رهبری Nexus Consortium، برای مطالعه رایگان‌اند، چه به‌صورت خودآموز و چه همراه با یک گروه. مشارکت عادی هزینه‌ای ندارد؛ کار با دستمزد، کارآموزی‌ها و فلوشیپ‌ها ترتیبات جداگانه‌ای دارند.

تکمیل یک دوره چه چیزی به من می‌دهد؟

سابقهٔ تکمیل: دوره، نسخهٔ آن، تاریخ و آنچه ارزیابی شده است؛ به‌طور پیش‌فرض خصوصی است و شما آن را هم‌رسانی می‌کنید. این سوابق در دستاوردهای رشته، گروه و برنامه انباشته می‌شوند. یک سابقه بیان می‌کند چه چیزی مطالعه و ارزیابی شده است و صلاحیت را گواهی نمی‌کند؛ پروانه، عنوان حرفه‌ای یا وضعیت استخدامی نیست.

داده‌ها و مکان‌ها از کجا می‌آیند؟

هر دانشکده بر روی همزادی از یک مکان واقعی که از داده‌های باز ساخته شده است آموزش می‌دهد؛ هر لایه ارائه‌دهنده، پروانه و تاریخ خود را همراه دارد و هر نتیجه در آکادمی منبع خود را بیان می‌کند. نقشه‌ها و شکل‌ها نشانگرهایی برای آموزش‌اند و هرگز ارزیابی یک مکان نیستند.

فراتر از دوره، چگونه مشارکت کنم؟

یک یاختهٔ صلاحیت سه تا هفت نفره تشکیل دهید، یک مسیر مشترک را مطالعه کنید، یک مأموریت تحت نظارت در گروه‌های کاری ملی بر عهده بگیرید، یا گروهی از مؤسسهٔ خود بیاورید. برای سازمان‌ها.

اصطلاحات کلیدی

شبیه‌ساز جایگزین
A fast statistical or machine-learning model trained to reproduce the outputs of a slower physical or catastrophe model.
پیش‌بینی همدیس
روشی که بر هر مدلی اعمال می‌شود تا مجموعه‌های پیش‌بینی با پوشش معین، تحت فرض تبادل‌پذیری، ارائه دهد.
جابه‌جایی توزیع
A change between the data a model was trained on and the data it is used on, which can invalidate its accuracy.
طبقه‌بند کالیبره‌شده
طبقه‌بندی که احتمال‌های پیش‌بینی‌شدهٔ آن با بسامدهای مشاهده‌شده هم‌خوانی دارد.

گزارش‌هامشارکت

از همین صفحه شواهد بیفزایید.

Reports is the Consortium's quarterly publication, written by six desks. This page sits with the Academy Capability desk. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work. Sent to the wrong desk, it is forwarded, not refused.

Academy Capability desk

هرگز داده‌های شخصی، جزئیات حساس زیرساخت یا هر چیزی را که حق اشتراک آن را ندارید ارسال نکنید. هر مشارکت پیش از استفاده بررسی می‌شود؛ ارسال آن هیچ حق پدیدآوری یا ویراستاری ایجاد نمی‌کند، و حمایت مالی هرگز یافته‌ای را نمی‌خرد.

⁨Risk Academy⁩

Study AI and machine learning for risk analysis with us, or teach it

همهٔ دوره‌ها رایگان و باز هستند. نهادها و متخصصان می‌توانند در تدریس مشارکت کنند، میزبان یک گروه آموزشی باشند، یک آزمایشگاه بیفزایند یا پیش از گشایش دوره، آن را بازبینی کنند.

مرور فهرست دوره‌هاشراکت با آکادمی