آموزش جامع هوش مصنوعی و یادگیری ماشین با زبان Go (Golang) - آخرین آپدیت

سرفصل ها و درس ها

مقدمه Introduction

• مقدمه Introduction

• کمی درباره من A bit about me

• نصب زبان Go Installing Go

• نصب محیط توسعه (IDE) Installing an IDE

• تنظیم VS Code برای پایتون Setting up VS Code for Python

جستجو و هوش مصنوعی - بخش اول Search and Artificial Intelligence Part I

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• تعریف هزارتو Defining a maze

• بارگذاری هزارتو از دیسک Loading the maze from disk

• جستجوی بدون اطلاع (Uninformed Search) Uninformed Search

• شروع کار با جستجوی اول عمق (DFS) Getting started with Depth First Search (DFS)

• تست الگوریتم DFS Trying out our DFS algorithm

• افزودن خروجی تصویری به پروژه Adding image output to our project

• ساخت انیمیشن از فرآیند حل هزارتو Producing an animation of the maze solving process

• پیاده‌سازی جستجوی اول پهنا (BFS) Implementing Breadth First Search (BFS)

• پیاده‌سازی جستجوی دایکسترا Implementing Dijkstra's Search

• افزودن هزینه منهتن به تصاویر تولید شده Adding the Manhattan Cost to our generated images

• جستجوی با اطلاع (Informed Search) Informed Search

• پیاده‌سازی جستجوی حریصانه (GBFS) Implementing Greedy Best First Search (GBFS)

• جستجوی A*: بررسی کلی A* Search: an Overview

• پیاده‌سازی جستجوی A Implementing A* Search

• افزودن موانع به هزارتو Adding obstructions to our maze

• محاسبه هزینه با وجود موانع Calculating cost with obstructions

• جمع‌بندی Summary

جستجو و هوش مصنوعی - بخش دوم Search and Artificial Intelligence - Part II

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع کار با جاروبرقی رباتیک Getting started with our robot vacuum

• بارگذاری تنظیمات اتاق Loading the Room configuration

• شروع چاپ وضعیت اتاق در ترمینال Getting started printing the room to the terminal

• تکمیل چاپ وضعیت اتاق در ترمینال Finishing up printing the room to the terminal

• بارگذاری مبلمان و موانع Loading furniture and obstacles

• بررسی کلی الگوریتم Random Walk The Random Walk algorithm overview

• تنظیم توابعی که هر الگوریتم نظافتی به آن‌ها نیاز دارد Setting up functions that every cleaning algorithm will need

• پیاده‌سازی A* برای الگوریتم Random Walk Implementing A* for the Random Walk algorithm

• شروع پیاده‌سازی الگوریتم Random Walk Getting started with the Random Walk algorithm

• الگوریتم خط برزنهم و حرکت در خط تا برخورد با مانع Bresenham's line algorithm and moving along a line until obstructed

• تکمیل تابع CleanRandomWalk Finishing up the CleanRandomWalk function

• تست کد با CleanRandomWalk Trying out our code with CleanRandomWalk

• الگوریتم SLAM The SLAM algorithm

• شروع کار با الگوریتم SLAM Getting started with the SLAM algorithm

• افزودن همسایه‌ها به مرز جستجو Adding neighbors to the frontier

• ادامه پیاده‌سازی الگوریتم SLAM Continuing with the SLAM algorith

• افزودن بررسی دقیق مرز و پوشش کافی محیط Adding a thorough frontier check and checking for sufficient coverage

• تکمیل و تست الگوریتم SLAM Finishing up and trying our SLAM algorithm

• الگوریتم مارپیچی (Spiral) The Spiral Algorithm

• شروع کار با الگوریتم مارپیچی Getting started with the Spiral algorithm

• یافتن مرکز اتاق و ایجاد الگوی مارپیچ Finding the room center and creating a spiral pattern

• تکمیل الگوریتم مارپیچی Finishing up the Spiral alogorithm

• الگوریتم مارپیچ خطی (Snaking) The Snaking (or Boustrophedon path) algorithm

• شروع کار با الگوریتم Snaking Getting started with the Snaking algorithm

• تکمیل الگوریتم Snaking Finishing up the Snaking algorithm

• افزودن تشخیص مانع Adding obstacle recognition

• پیچیده‌تر کردن محیط با حضور گربه Complicating matters with a Cat

• تکمیل منطق مربوط به گربه Finishing up the Cat logic

عوامل مبتنی بر دانش: منطق گزاره‌ای Knowledge Based Agents: Propositional Logic

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع کار با چندین اتاق Getting started with multiple rooms

• راه‌اندازی کد برای چندین اتاق (بدون منطق) Getting the code working for multiple rooms, but without logic

• تعریف جدول حقیقت و قوانین منطق گزاره‌ای Defining our truth table and rules for propositional logic

• شروع ساخت دنیای منطقی Getting started with our logical world

• تکمیل متدهای دنیای منطقی Finishing up the methods for our logical world

• شروع ساخت ربات دارای قابلیت منطقی Getting started with our logic enabled robot

• تست ربات و دنیای منطقی جدید Trying out our new logic aware robot and world

• تکمیل ربات منطق گزاره‌ای Finishing up the propositional logic robot

عوامل مبتنی بر دانش: بررسی مدل Knowledge Based Agents: Model Checking

• آنچه در این بخش می‌سازیم What we'll build in this section

• شروع کدنویسی Getting started with our code

• بارگذاری متقاضیان از فایل CSV Loading applicants from the CSV file

• تنظیم ویژگی عدالت (Fairness) Setting up the fairness property

• تنظیم ویژگی ریسک (Risk) Setting up the risk property

• تکمیل منطق بررسی مدل و تست نهایی Finishing up our model checking logic and trying things out

هوش مصنوعی و عدم قطعیت - بخش اول Artificial Intelligence and Uncertainty I

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع ساخت بازی Battleship Getting started with our Battleship game

• تنظیم بازیکن انسانی Setting up the Human player

• تنظیم بازیکن AI Setting up the AI player

• قرار دادن کشتی‌های بازیکن AI Placing the AI player's ships

• قرار دادن کشتی‌های بازیکن انسانی Placing the Human player's ships

• پیاده‌سازی نوبت بازیکن انسانی Letting the Human player take a turn

• شروع پیاده‌سازی نوبت بازیکن AI Getting started with letting the AI player take a turn

• تنظیم huntModeBoosts Setting up huntModeBoosts

• تکمیل نوبت بازیکن AI Finishing up letting the AI player take a turn

• نمایش نقشه حرارتی (Heat Map) و تست Displaying the heat map and trying things out

• بهبود قابلیت‌های نقشه حرارتی Improving our heatmap functionality

• غرق کردن کشتی‌ها Sinking ships

• تست بازی نهایی Trying out the finished game

هوش مصنوعی و عدم قطعیت - بخش دوم Artificial Intelligence and Uncertainty II

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع ساخت بازی Blackjack Getting started with our Blackjack game

• پاک‌سازی صفحه، ساخت دسته کارت و بُر زدن Clearing the screen, creating a deck of cards, and shuffling them

• استراتژی مورد استفاده شمارنده کارت The strategy our card counter will use

• قابلیت‌های شمارش کارت برای بازیکن AI Card counting abilties for our AI player

• بررسی نیاز به بُر زدن مجدد و ساخت بازیکنان Checking if the deck needs re-shuffled and creating players

• توزیع کارت‌ها به سه بازیکن و محاسبه امتیازات Dealing cards to all three players and calculating scores

• نمایش دست‌های بازیکنان Displaying the players' hands

• اجرای یک دور برای بازیکن انسانی Playing a round for the Human player

• اجرای یک دور برای بازیکن AI Playing a round for the AI player

• اجرای نوبت Dealer و تست نهایی Playing a round for the Dealer and trying things out

یادگیری ماشین در پایتون (نظارت شده): رگرسیون خطی و چندگانه Machine Learning in Python (supervised): Linear & Multiple Linear Regression

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع برنامه: بارگذاری و پیش‌پردازش داده‌ها Getting started with our program: loading and pre-processing the data

• آماده‌سازی داده‌ها برای مدل‌سازی، تقسیم داده‌ها و آموزش مدل Prepare data for modeling, split data, and train the model

• ارزیابی مدل Evaluating our model

• چاپ نتایج آموزش در کنسول Print the results of our training to the console

• نمایش بصری (Visualization) داده‌ها Display a visualization of the data

• پیش‌بینی قیمت خانه بر اساس داده‌های خارج از مجموعه Predict a house's price based on data outside our dataset

• شروع رگرسیون خطی چندگانه در پایتون Getting started with Multiple Linear Regression in Python

• پیاده‌سازی قابلیت‌های پردازش داده Implement data processing capabilities

• توسعه عملیات مدل - بخش اول Develop the model operations - Part I

• توسعه عملیات مدل - بخش دوم Develop the model operations - Part II

• تست کدهای نوشته شده تا این لحظه Trying out the code we've written so far

• بصری‌سازی: نمایش نتایج Visualization: Display Results

• ساخت داده‌ها برای بصری‌سازی Creating data for visualizations

• ساخت بصری‌سازی دو بعدی Creating a 2d visualization

• ساخت بصری‌سازی سه بعدی Creating a 3d visualization

یادگیری ماشین در Go (نظارت شده): رگرسیون خطی و چندگانه Machine Learning in Go (supervised): Linear & Multiple Linear Regression

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع برنامه: تحلیل فلگ‌های خط فرمان Getting started with our program: parsing command line flags

• تعریف تایپ‌ها، بارگذاری و اعتبارسنجی داده‌ها Setting up types, and loading and validating data

• تنظیم تایپ رگرسیون خطی و ذخیره‌سازی داده‌های مدل Setting up the Linear Regression Type, and persisting model data

• بارگذاری داده‌ها و چاپ اطلاعات خلاصه Loading data and printing summary info

• ساخت مدیریت مدل (Model Handler) و تست بارگذاری Setting up a Model handler and trying out loading data

• نرمال‌سازی ویژگی‌ها (Normalize Features) Normalize Features

• آموزش مدل Training the model

• نمایش اطلاعات مدل آموزش دیده Displaying trained model information

• تست آموزش مدل Trying out training a model

• ذخیره و بارگذاری مدل آموزش دیده Saving and Loading a trained model

• ساخت متد Predict برای تایپ LinearRegression Setting up a Predict method on the LinearRegression type

• تنظیم تابع handlePrediction Setting up the handlePrediction function

• نمایش پیش‌بینی‌ها Displaying Predictions

• نصب اپلیکیشن Sidecar برای بصری‌سازی داده‌ها (Plot) Installing a sidecar application to create a visualization of the data (plot)

• نوشتن کد Go برای فراخوانی اپلیکیشن Sidecar - بخش اول Writing the Go code to call the sidecar application: Part I

• نوشتن کد Go برای فراخوانی اپلیکیشن Sidecar - بخش دوم Writing the Go code to call the sidecar application: Part II

• تست قابلیت رسم نمودار Trying out our plotting functionality

• به‌روزرسانی اپلیکیشن پایتون برای ذخیره در فرمت JSON Updating our Python app to save to JSON format

• بارگذاری مدل آموزش دیده در پایتون در اپلیکیشن Go Loading a model trained in Python in our Go application

یادگیری ماشین: شبکه‌های عصبی Machine Learning: Neural Networks

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• راه‌اندازی پروژه پایتون برای شبکه عصبی Setting up a Python project for a Neural Network

• بارگذاری و پیش‌پردازش داده‌ها Loading and preprocessing our data

• تست بارگذاری داده‌ها Trying out loading data

• تنظیم سایر فلگ‌های خط فرمان Setting up the rest of our command line flags

• شروع آموزش شبکه عصبی Getting started with training our neural network

• تنظیم حلقه آموزش (Training Loop) Setting up the training loop

• تست حلقه آموزش Trying out the training loop

• ذخیره مدل آموزش دیده Saving the trained model

• بارگذاری فایل ONNX ذخیره شده و انجام پیش‌بینی Loading a saved ONNX file and making predictions

• تست تابع پیش‌بینی Trying out our prediction function

• گربه در برابر سگ: شبکه‌های عصبی پیچشی (CNN) Cats vs Dogs: Convolutional Neural Networks

• شروع کار با CNN Getting started with our CNN

• تنظیم GPUها (در صورت موجود بودن) Setting up GPUs, if available

• شروع آموزش مدل: بارگذاری داده‌ها Getting started with training our model: loading data

• تعریف شبکه عصبی Defining our neural network

• تنظیم Forward Pass برای شبکه Setting up the forward pass for our network

• تنظیم تابع زیان (Loss)، بهینه‌ساز و زمان‌بند نرخ یادگیری Setting up the loss function, optimizer, and learning rate scheduler

• تنظیم تابع train_model Setting up the train_model function

• پیاده‌سازی توقف زودهنگام (Early Stopping) Implementing early stopping

• بازگردانی بهترین مدل Best model restoration

• ذخیره وضعیت مدل Saving model state

• تنظیم استنتاج (Inference) Setting up inference

• تست نهایی Trying things out

پردازش زبان طبیعی: خلاصه‌سازی استخراجی Natural Language Processing: Extractive Summarization

• آنچه در این بخش می‌آموزیم What we'll cover in this section

• شروع کار با پکیج خلاصه‌ساز متن Getting started with our text summarization package

• ساخت یک اپلیکیشن ساده Setting up a simple application

• شروع کار با ماژول summarizer Getting started with the summarizer module

• پیکربندی خلاصه‌ساز Configuring our summarizer

• شروع خلاصه‌سازی استخراجی Getting started with extractive summarization

• استخراج موجودیت‌های نام‌گذاری شده (Named Entities) Getting Named Entities

• محاسبه وزن جایگاه جملات Calculate sentence position weights

• ایجاد نقشه‌ای از جملات حاوی موجودیت‌های مهم Create a map of sentences containing important entities

• یافتن کلمات کلیدی عنوان Find title keywords if available

• ایجاد نمایش گرافی برای الگوریتم‌های مشابه TextRank Create a graph representation for TextRank-like algorithm

• تحلیل روابط بین جملات Analyze sentence relationships

• امتیازدهی به موجودیت‌های نام‌گذاری شده Named entity scoring

• بررسی هم‌پوشانی کلمات کلیدی عنوان Title keyword overlap

• محاسبه امتیاز مشابه Textrank با ماتریس شباهت Textrank-like score using similarity matrix

• امتیاز انسجام، امتیازدهی جملات و انتخاب جملات برتر Cohesion score, sentence scoring, and taking top-ranked sentences

• استخراج کلمات کلیدی Extracting keywords

• پیاده‌سازی GetResponse Implementing GetResponse

• راه‌اندازی اپلیکیشن وب Setting up the web app

• فراخوانی پکیج خلاصه‌ساز از طریق اپلیکیشن وب Calling the summarizer package from the web app

پردازش زبان طبیعی: اتصال به Hugging Face Natural Language Processing: Interfacing with Hugging Face

• دریافت API Key از Hugging Face Getting a Hugging Face API key

• تنظیم Taskfile Setting up a Taskfile

• تنظیم Hugging Face در پکیج خلاصه‌ساز Setting up Hugging Face in the summarizer package

• تنظیم تابع خلاصه‌ساز برای Hugging Face Setting up the summarizer function for Hugging Face

• به‌روزرسانی GenerateSummary برای Hugging Face Updating GenerateSummary for Hugging Face

• تنظیم Hugging Face در اپلیکیشن وب Setting up Hugging Face in the web app

• تست نهایی Trying things out

پردازش زبان طبیعی: خلاصه‌سازی متن با استفاده از LLMها Natural Language Processing: Summarizing text using LLMs

• نصب و پیکربندی Ollama Installing and configuring Ollama

• تنظیم OpenAI در پکیج خلاصه‌ساز Setting up OpenAI in the summarizer package

• به‌روزرسانی GenerateSummary برای OpenAI Updating GenerateSummary for OpenAI

• به‌روزرسانی اپلیکیشن وب برای OpenAI Update the web app for OpenAI

• تست نهایی Trying things out

پردازش زبان طبیعی: خلاصه‌سازی ترکیبی Natural Language Processing: Hybrid Summarization

• تنظیم خلاصه‌سازی ترکیبی در پکیج خلاصه‌ساز Setting up hybrid summarization in the summarizer package

• به‌روزرسانی GenerateSummary برای خلاصه‌های ترکیبی Updating GenerateSummary for Hybrid summaries

• به‌روزرسانی اپلیکیشن وب برای خلاصه‌های ترکیبی Update the web app for Hybrid summaries

• پیاده‌سازی حالت CLI Implementing CLI mode