آموزش هوش مصنوعی - عوامل بازی - آخرین آپدیت

Artificial Intelligence - Game Playing Agents

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مفاهیم، اصول و شیوه های ساخت سیستم های مبتنی بر هوش مصنوعی برای بازی کردن

آنچه یاد خواهید گرفت

  • مفاهیم، اصول و شیوه های عامل بازی هوش مصنوعی
  • انجام بازی: بازی‌ها، تصمیم‌های بهینه در بازی‌ها، الگوریتم مینی‌مکس، تصمیم‌های بهینه در بازی‌های چندنفره، هرس آلفا بتا، ترتیب حرکت
  • تصمیمات زمان واقعی ناقص، قطع جستجو، هرس به جلو. بازی های تصادفی، توابع ارزیابی برای بازی های شانسی
  • بازی‌های جزئی قابل مشاهده، بازی Krieg spiel: شطرنج تا حدی قابل مشاهده، بازی با ورق، برنامه‌های بازی پیشرفته، رویکردهای جایگزین

هدف این دوره آموزش مفاهیم، اصول و شیوه های مورد استفاده برای توسعه برنامه های بازی مبتنی بر هوش مصنوعی است.

بازی ها توسط افراد برای اثبات هوش و مهارت بازیکنان انجام می شود. از آنجایی که هوش مصنوعی در سراسر حوزه‌ها برای ساخت ماشین‌هایی به اندازه انسان‌ها، هم از نظر فیزیکی و هم از نظر شناختی، گسترده می‌شود، برنامه‌های بازی‌های مبتنی بر هوش مصنوعی یکی از حوزه‌های نوظهور در فناوری است. در سال 1997، اولین ماشین بازی، IBM Deep Blue، استاد بزرگ شطرنج روسی، گری کاسپاروف را شکست داد و به عنوان آغازی تاریخی برای رقابت بین ماشین ها و انسان تلقی می شد. در این دوره با معرفی مختصری از ساختار یک عامل هوشمند شروع می کنیم. ما با یک بازی ساده دو نفره حداقل - حداکثر صفر شروع می کنیم که در آن مقدار برد یک بازیکن با از دست دادن بازیکن دیگر است. هدف الگوریتم min-max بررسی همه احتمالات و تخمین بدترین مقدار تضمین شده و انتخاب حرکت است. ما همچنین به بازی‌های چندنفره گسترش می‌دهیم که در آن تابع سودمند بردار بعد k (تعداد بازیکنان) است. هرس آلفا بتا با هرس کردن برخی از شاخه‌های ناخواسته درخت جستجو، سرعت تصمیم‌گیری را افزایش می‌دهد. از آنجایی که تعداد گره‌هایی که باید کاوش شوند به‌طور تصاعدی زیاد است، ما سعی می‌کنیم یک رویکرد اکتشافی معنادار برای توسعه الگوریتمی برای قطع چند شاخه و به‌دست آوردن برخی راه‌حل‌های زمان واقعی ناقص ایجاد کنیم. بازی های مبتنی بر مهارت صرفاً با مهارت های بازیکنان انجام می شود. بازی‌های تصادفی چند آزمایش تصادفی را ترکیب می‌کنند تا تصمیم بگیرند که چه کسی و چگونه حرکت بعدی را انجام دهد. ما همچنین با بازی های تصادفی و الگوریتم هایی برای انتخاب حرکت بعدی سروکار داریم. برخی از بازی ها به طور کامل توسط هر دو بازیکن قابل مشاهده هستند در حالی که در برخی از بازی ها، صفحه یک بازیکن از دیگری پنهان است. بازی های تا حدی قابل مشاهده از روش های آماری برای رسیدن به راه حل های معنادار استفاده می کنند. ما همچنین برخی از پیشرفته ترین برنامه های بازی و رویکردهای مدرن را مورد بحث قرار می دهیم.

چه کسی این دوره است:

  • مهندسان نرم افزار مشتاق رشد در حرفه خود را
  • دانش آموزان علوم و مهندسی
  • مقامات که می خواهند در دامنه هوش مصنوعی در حال ظهور تخصص داشته باشند

سرفصل ها و درس ها

مقدمه ای بر بازی مبتنی بر هوش مصنوعی Introduction to Artificial Intelligence based Game Playing

  • هوش مصنوعی - مقدمه ای بر عوامل هوشمند Artificial Intelligence - Introduction to Intelligent Agents

  • مقدمه ای بر Game Playing Agents Introduction to Game playing Agents

  • بازی تیک تاک - سوال دانشگاهی - تمرین مشکل با حل Tic Tac Toe Game - University Question - Exercise Problem with Solution

  • بازی تعقیب و گریز - سوال دانشگاه -مسئله تمرین با حل Pursuit and Evasion Game - University Question -Exercise Problem with Solution

  • بازی Tree for Four Cell A, B Game - دانشگاه Qn Exercise Problem with Solution Game Tree for Four Cell A, B Game - University Qn Exercise Problem with Solution

تصمیمات بهینه در بازی ها - الگوریتم MIN MAX Optimal Decisions in Games - Min Max Algorithm

  • تصمیمات بهینه در بازی ها - الگوریتم های حداقل حداکثر Optimal Decisions in Games - Min Max Algorithms

  • بازی Min-Max محاسبه مقدار -University Qn - Exercise Problem with Solution Min-Max Game Compute the value -University Qn - Exercise Problem with Solution

بازی های چند نفره Multiplayer Games

  • بازی های چند نفره - عملکرد مفید برای بازی چند نفره Multiplayer Games - Utility Function for multiplayer game

هرس آلفا بتا - هرس درخت بازی بدون تأثیر بر نتیجه Alpha Beta Pruning - Pruning the game tree without affecting the result

  • هرس آلفا بتا Alpha Beta Pruning

  • هرس آلفا بتا و ترتیب حرکت Alpha Beta Pruning and Move Ordering

  • Min Max و Alpha Beta Pruning University Qn - Exercise Problem with Solution Min Max and Alpha Beta Pruning University Qn - Exercise Problem with Solution

تصمیمات زمان واقعی ناقص Imperfect Real-Time Decisions

  • تصمیمات زمان واقعی ناقص Imperfect Real Time Decisions

  • تصمیمات زمان واقعی ناقص - قطع جستجو، هرس به جلو Imperfect Real Time Decisions - Cutting off search, Forward pruning

بازی های تصادفی Stochastic Games

  • توابع ارزیابی بازی های تصادفی برای بازی های شانسی، Stochastic Games Evaluation functions for games of chance,

بازی جزئی قابل مشاهده Partially Observable Game

  • هرس آلفا بتا - سوال دانشگاه - مسئله تمرین با حل Alpha Beta Pruning - University Question - Exercise Problem with Solution

  • بازی های جزئی قابل مشاهده، بازی کریگ: شطرنج تا حدی قابل مشاهده، بازی با ورق، Partially Observable Games, Krieg spiel: Partially observable chess, Card games,

آخرین برنامه های بازی State of the art Game Programs

  • آخرین برنامه های بازی State of the art Game programs

رویکردهای جایگزین برای توسعه برنامه های بازی مبتنی بر هوش مصنوعی Alternate approaches for developing Artificial Intelligence based Game programs

  • رویکردهای جایگزین برای توسعه برنامه های بازی مبتنی بر هوش مصنوعی Alternate approaches for developing Artificial Intelligence based Game programs

امتحان Quiz

  • مبانی تئوری بازی ها و هوش مصنوعی Fundamentals of Game Theory and Artificial Intelligence

نمایش نظرات

آموزش هوش مصنوعی - عوامل بازی
جزییات دوره
3h 21m
19
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
1,941
از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Xavier Chelladurai Xavier Chelladurai

پروفسور دکتر خاویر چلادورای، استاد علوم و مهندسی کامپیوتر، دانشگاه مسیح است. او یکی از پیشگامان علوم کامپیوتر در هند است که در 37+ سال گذشته به دانشگاه و صنعت خدمت کرده است. نویسنده 23 کتاب علوم کامپیوتر که اکثر آنها در برنامه درسی دانشگاه های مختلف هند و خارجی تجویز شده اند، بیش از 10 مقاله تحقیقاتی، 18 فیلم آموزشی منتشر شده در یوتیوب و چندین وبلاگ در مورد موضوعات فنی. او ۲۵ سال است که تمرین‌کننده جاوا است و کتاب جاوای او که توسط مک‌گراو هیل آموزش هند منتشر شده است، اخیرا جشن جشن گرفت. کارشناس هوش مصنوعی و یادگیری ماشین با 19 سال سابقه صنعت (HCL 14 سال، Tech M - 2 سال و Capgemini 3 سال) و 17 سال تجربه آموزشی و پژوهشی. او به مدت سه سال در سال‌های 1998 تا 2001 عضو گروه ویژه فناوری اطلاعات دولت تامیلنادو بود.