آموزش هوش مصنوعی و یادگیری ماشین: پیاده‌سازی، ساخت و حل مسئله - آخرین آپدیت

مبانی هوش مصنوعی Foundations of Artificial Intelligence

• مقدمه‌ای بر هوش مصنوعی Introduction to Artificial Intelligence

• تعریف هوش مصنوعی Definition of Artificial Intelligence

• عامل‌های هوشمند Intelligent Agents

• اطلاعاتی درباره جستجوی فضای حالت Information on State Space Search

• تئوری گراف در جستجوی فضای حالت Graph Theory On State Space Search

• حل مسئله از طریق جستجوی فضای حالت Problem Solving Through State Space Search

• راهکار جستجوی فضای حالت Solution For State Space Search

• ماشین‌های حالت متناهی (FSM) Fsm

• جستجوی اول سطح (BFS) روی گراف Bfs On Graph

• الگوریتم جستجوی اول عمق (DFS) Dfs Algo

• جستجوی اول عمق با تعمیق تکرارشونده Dfs With Iterative Deepening

• الگوریتم بازگشتی (Backtracking) Backtracking Algo

• بررسی بازگشت روی گراف - بخش اول Trace Backtracking On Graph Part_1

• بررسی بازگشت روی گراف - بخش دوم Trace Backtracking On Graph Part_2

• جمع‌بندی جستجوی فضای حالت Summary_State Space Search

جستجوی پیشرفته و بازی‌سازی Advanced Search and Game Playing

• مروری بر جستجوی اکتشافی (Heuristic) Heuristic Search Overview

• تکنیک محاسبات اکتشافی - بخش اول Heuristic Calculation Technique Part _1

• تکنیک محاسبات اکتشافی - بخش دوم Heuristic Calculation Technique Part _2

• تپه‌نوردی ساده (Simple Hill Climbing) Simple Hill Climbing

• الگوریتم جستجوی بهترین اول (Best First Search) Best First Search Algorithm

• ردیابی جستجوی بهترین اول ۱ Tracing Best First Search-1

• ادامه جستجوی بهترین اول Best First Search Continue

• پذیرفتاری (Admissibility) ۱ Admissibility-1

• الگوریتم مینی‌مکس (Mini Max) Mini-Max

• مینی‌مکس دو لایه Two Ply Min Max

• هرس آلفا-بتا (Alpha Beta Pruning) Alpha Beta Pruning

اصول یادگیری ماشین Machine Learning Fundamentals

• مروری بر یادگیری ماشین Machine Learning_Overview

• یادگیری پرسپترون Perceptron Learning

• پرسپترون با تفکیک‌پذیری خطی Perceptron With Linearly Separable

• پس‌انتشار در نورون‌های چندلایه Backpropagation With Multilayer Neuron

• وزن گره‌های پنهان و الگوریتم پس‌انتشار W For Hidden Node And Backpropagation Algo

• توضیح الگوریتم پس‌انتشار (Backpropagation) Backpropagation Algorithm Explained

• محاسبات پس‌انتشار - بخش اول Backpropagation Calculation_Part01

• محاسبات پس‌انتشار - بخش دوم Backpropagation Calculation_Part02

• به‌روزرسانی وزن‌ها و خوشه‌ها Updation Of Weight And Cluster

• الگوریتم خوشه‌بندی K-Means و کاربردهای یادگیری ماشین K-Means Cluster Nnalgo And Appliaction Of Machine Learning

منطق، استدلال و نمایش دانش Logic, Reasoning, and Knowledge Representation

• مروری بر منطق و استدلال - حساب گزاره‌ای بخش اول Logics_Reasoning_Overview_Propositional Calculas Part 1

• مروری بر منطق و استدلال - حساب گزاره‌ای بخش دوم Logics_Reasoning_Overview_Propositional Calculas Part 2

• حساب گزاره‌ای Propotional Calculus

• حساب محموله‌ای Predicate Calculus

• حساب محموله‌ای مرتبه اول First Order Predicate Calculus

• قواعد Modus Ponens و Tollens Modus Ponus Tollens

• فرآیند یکسان‌سازی و استنتاج Unification And Deduction Process

• ابطال تفکیکی (Resolution Refutation) Resolution Refutation

• جزئیات ابطال تفکیکی Resolution Refutation In Detail

• مثال ابطال تفکیکی ۲ - تبدیل به بند Resolution Refutation Example-2 Convert Into Clause

• مثال ابطال تفکیکی ۲ - اعمال ابطال Resoultion Refutation Example-2 Apply Refutation

• جایگزینی یکسان‌سازی و اسکولمیزاسیون Unification Substitution Andskolemization

• مروری بر Prolog و بخش‌هایی از استدلال Prolog Overview_Some Part Of Reasoning

• استدلال مدل‌محور و استدلال مبتنی بر مورد (CBR) Model Based And Cbr Reasoning

• سیستم تولید (Production System) Production System

• ردیابی سیستم تولید Trace Of Production System

• مسئله گردش اسب در صفحه شطرنج Knight Tour Prob In Chessboard

• سیستم تولید هدف‌محور و داده‌محور - بخش اول Goal Driven_Data Driven Production System Part _ 1

• سیستم تولید هدف‌محور و داده‌محور - بخش دوم Goal Driven_Data Driven Production System Part _ 2

• مقایسه هدف‌محور در مقابل داده‌محور و درج و حذف حقایق Goal Driven Vs Data Driven And Inserting And Removing Facts

• تعریف قوانین و دستورات Defining Rules And Commands

سیستم‌های خبره و برنامه‌نویسی CLIPS Expert Systems and CLIPS Programming

• نصب CLIPS و آموزش اول Clips Installation And Clipstutorial 1

• آموزش CLIPS - درس دوم Clips Tutorial 2

• آموزش CLIPS - درس سوم Clips Tutorial 3

• آموزش CLIPS - درس چهارم Clips Tutorial 4

• آموزش CLIPS - درس پنجم بخش اول Clips Tutorial 5_Part01

• آموزش CLIPS - درس پنجم بخش دوم Clips Tutorial 5_Part02

• آموزش ششم Tutorial 6

• آموزش CLIPS - درس هفتم Clips Tutorial 7

• آموزش CLIPS - درس هشتم Clips Tutorial 8

• متغیرها در الگو - آموزش نهم Variable In Pattern Tutorial 9

• آموزش دهم Tutorial 10

• بیشتر درباره تطبیق Wildcard - بخش اول More On Wildcardmatching_Part01

• بیشتر درباره تطبیق Wildcard - بخش دوم More On Wildcardmatching_Part02

• مطالعه بیشتر روی متغیرها More On Variables

• مفاهیم Deffacts و Deftemplates - بخش اول Deffacts And Deftemplates_Part01

• مفاهیم Deffacts و Deftemplates - بخش دوم Deffacts And Deftemplates_Part02

• بررسی دقیق Template - بخش اول Template Indetail Part1

• عملگر NOT Not Operator

• مفاهیم Forall و Exists - بخش اول Forall And Exists_Part01

• مفاهیم Forall و Exists - بخش دوم Forall And Exists_Part02

• حقیقت و کنترل Truth And Control

• آموزش دوازدهم Tutorial 12

عامل‌های هوشمند، تصمیم‌گیری و احتمال Intelligent Agents, Decision Making, and Probability

• عامل هوشمند Intelligent Agent

• عامل بازتابی ساده Simple Reflex Agent

• عامل بازتابی ساده با حالت داخلی Simple Reflex Agent With Internal State

• عامل هدف‌محور Goal Based Agent

• عامل مطلوبیت‌محور Utility Based Agent

• مبانی تئوری مطلوبیت Basics Of Utility Theory

• حداکثر مطلوبیت مورد انتظار Maximum Expected Utility

• تئوری تصمیم و شبکه تصمیم Decision Theory And Decision Network

• یادگیری تقویتی Reinforcement Learning

• مدل‌های MDP و DDN Mdp and Ddn

• مبانی تئوری مجموعه‌ها - بخش اول Basics Of Set Theory Part _ 1

• مبانی تئوری مجموعه‌ها - بخش دوم Basics Of Set Theory Part _ 2

• توزیع احتمال Probability Distribution

• قاعده بیز برای احتمال شرطی Baysian Rule For Conditional Probability

• مثال‌هایی از تئوری بیز Examples Of Bayes Theorm