آموزش الگوریتم‌های هوش مصنوعی برای طراحی بازی با پایتون - آخرین آپدیت

دانلود AI Algorithms for Game Design with Python

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

در این دوره سطح متوسط، ادواردو کورپینیو به بررسی الگوریتم‌های هوش مصنوعی (AI) برای طراحی بازی می‌پردازد. در این مسیر با استراتژی‌های قدرتمندی مانند مینیمکس (Minimax)، هرس آلفا-بتا (Alpha-Beta Pruning) و تعمیق تکرار شونده (Iterative Deepening) آشنا می‌شوید. بیاموزید که چگونه این تکنیک‌ها را در زبان پایتون پیاده‌سازی کنید و مهارت‌های توسعه بازی خود را ارتقا دهید. همچنین با پیشینه‌ی تاریخی این الگوریتم‌ها، از جمله سیستم مورد استفاده در Deep Blue شرکت IBM که گری کاسپاروف، قهرمان جهان در شطرنج را شکست داد، آشنا خواهید شد. با کار روی مثال‌های واقعی و تمرین‌های کدنویسی عملی، توانایی خود را در خلق الگوریتم‌های هوشمند برای بازی‌ها تقویت می‌کنید. چه توسعه‌دهنده بازی باشید، چه علاقه‌مند به هوش مصنوعی و چه برنامه‌نویسی که به دنبال ارتقای مهارت‌های خود است، این دوره دانش عمیق و مهارت‌های کاربردی لازم برای استفاده مؤثر از AI در طراحی بازی را ارائه می‌دهد.

این دوره با GitHub Codespaces ادغام شده است؛ یک محیط توسعه ابری فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به نصب نرم‌افزار روی سیستم شخصی فراهم می‌کند. با GitHub Codespaces می‌توانید در هر زمان و با هر سیستمی تمرینات عملی را انجام دهید—در حالی که از ابزاری استفاده می‌کنید که احتمالاً در محیط‌های کاری واقعی با آن مواجه خواهید شد. برای شروع، بخش “استفاده از فایل‌های تمرینی در GitHub Codespaces"را در این دوره مشاهده کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • بازی با کامپیوتر تنها زمانی جذاب است که چالش‌برانگیز باشد Playing against a computer is only fun when it's challenging

  • استفاده از فایل‌های تمرینی در GitHub Codespaces Using the exercise files in GitHub Codespaces

  • پیش‌نیازهایی که باید بدانید What you should know

1. بازی‌های نوبتی 1. Turn-Based Games

  • تصمیم‌گیری بر پایه ساختار درختی Tree-based decision-making

  • مثال کدنویسی: یک گربه تصادفی Code example: A random cat

  • انواع مختلف بازی‌ها Different types of games

  • تاریخچه به عنوان انگیزه Some history as motivation

  • تنظیمات پایتون برای تله گربه The Python setting for the cat trap

  • پیچیدگی زمانی رویکردهای Brute Force Time complexity of brute-force approaches

  • بازی تله گربه The cat trap game

  • پیچیدگی زمانی در شطرنج Time complexity of chess

2. الگوریتم مینیمکس 2. The Minimax Algorithm

  • چالش: یک گربه کامل در دنیای کوچک Challenge: A perfect cat in a small world

  • راه حل: گربه با قابلیت هرس (Pruning) Solution: A pruning cat

  • توضیحی در مورد پیچیدگی A word on complexity

  • مروری بر الگوریتم مینیمکس Minimax overview

  • راه حل: یک گربه کامل در دنیای کوچک Solution: A perfect cat in a small world

  • چالش: گربه با قابلیت هرس Challenge: A pruning cat

  • الگوریتم جستجوی آلفا-بتا The alpha-beta search algorithm

  • هرس آلفا-بتا Alpha-beta pruning

  • مثالی از مینیمکس Minimax example

  • الگوریتم مینیمکس The minimax algorithm

3. جستجوی محدود به عمق 3. Depth-Limited Search

  • نوشتن توابع ارزیابی مناسب Writing good evaluation functions

  • جستجوی محدود به عمق Depth-limited search

  • چالش: نوشتن تابع ارزیابی شخصی Challenge: Write your own evaluation function

  • راه حل: نوشتن تابع ارزیابی شخصی Solution: Write your own evaluation function

  • آیا هرس آلفا-بتا هنوز کاربردی است؟ Is alpha-beta pruning still relevant?

  • چالش: گربه با عمق محدود Challenge: A depth-limited cat

  • راه حل: گربه با عمق محدود Solution: A depth-limited cat

4. تعمیق تکرار شونده 4. Iterative Deepening

  • آیا هرس آلفا-بتا واقعاً به این اندازه خوب است؟ Is alpha-beta pruning really that good?

  • تکنیک تعمیق تکرار شونده The iterative deepening technique

  • آیا تعمیق تکرار شونده واقعاً به این اندازه خوب است؟ Is iterative deepening really that good?

  • راه حل: گربه با تعمیق تکرار شونده Solution: An iteratively deepening cat

  • آیا تعمیق تکرار شونده اتلاف وقت است؟ Is iterative deepening a waste of time?

  • چالش: گربه با تعمیق تکرار شونده Challenge: An iteratively deepening cat

5. بهینه‌سازی‌های جذاب 5. Fun with Optimizations

  • جداول جابجایی (Transposition Tables) Transposition tables

  • توابع ارزیابی مونت‌کارلو Monte Carlo evaluation functions

  • الگوریتم نگامکس (Negamax) The negamax algorithm

جمع‌بندی Conclusion

  • گام‌های بعدی Next steps

نمایش نظرات

آموزش الگوریتم‌های هوش مصنوعی برای طراحی بازی با پایتون
جزییات دوره
2h 21m
38
(آخرین آپدیت)
1,957
- از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Eduardo Corpeño Eduardo Corpeño

مهندس برق، برنامه نویس کامپیوتر و معلم بیش از 15 سال

ادواردو کورپنو بیش از 15 سال مهندس برق، برنامه نویس کامپیوتر و معلم بوده است.

ادواردو فارغ التحصیل مفتخر از برنامه کارشناسی ارشد آنلاین علوم کامپیوتر از گرجستان تک است. او بیش از 20 دوره آنلاین با موضوعاتی مانند میکروکنترلرها، سیستم های جاسازی شده و حل مسائل مهندسی منتشر کرده است. در دانشگاه گالیله، شهر گواتمالا، او موضوعات مختلفی از جمله نظریه مدارهای الکتریکی، معماری کامپیوتر، میکروکنترلرها و طراحی برد مدار چاپی را تدریس می کند. ادواردو به همراه برخی از همکارانش، یکی از اولین MOOC ها را در سال 2013 به زبان اسپانیایی ایجاد کرد - مقدمه ای بر Raspberry Pi - و بعداً توسط دیوید پترسون و اندرو واترمن، برنده جایزه تورینگ، "The RISC-V Reader: An Open Architecture Atlas" را به اسپانیایی ترجمه کرد. .