آموزش بهینه‌سازی با فرامکاشفه‌ها در پایتون - آخرین آپدیت

دانلود Optimization with Metaheuristics in Python

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

یادگیری الگوریتم‌های فراابتکاری: Simulated Annealing، Genetic Algorithm، Tabu Search و Evolutionary Strategies

در این دوره، با الگوریتم‌های بهینه‌سازی و فراابتکاری آشنا می‌شوید و یاد می‌گیرید که چگونه با استفاده از Simulated Annealing، Genetic Algorithm، Tabu Search و Evolutionary Strategies مسائل پیچیده را حل کنید.

مقدمه‌ای بر بهینه‌سازی

این دوره مبانی بهینه‌سازی را به شما آموزش می‌دهد و شما را با الگوریتم‌های فراابتکاری محبوب آشنا می‌کند. یاد می‌گیرید که چرا و چگونه از این الگوریتم‌ها برای حل مسائل پیچیده بهینه‌سازی استفاده کنیم.

آنچه در این دوره خواهید آموخت:

  • درک الگوریتم‌های فراابتکاری مانند Simulated Annealing، Genetic Algorithm، Tabu Search و Evolutionary Strategies
  • توانایی کدنویسی الگوریتم‌های فراابتکاری در پایتون
  • مدیریت محدودیت‌ها با استفاده از روش‌های پنالتی
  • بهینه‌سازی مسائل پیوسته و ترکیبی با استفاده از پایتون

چرا از الگوریتم‌های فراابتکاری استفاده کنیم؟

در بسیاری از مسائل بهینه‌سازی پیچیده، روش‌های قطعی نمی‌توانند به بهترین و بهینه‌ترین راه حل دست یابند. در این شرایط، الگوریتم‌های فراابتکاری به کمک ما می‌آیند.

محتوای دوره:

این دوره شامل اطلاعاتی درباره الگوریتم‌های فراابتکاری و چهار روش پرکاربرد زیر است:

  • Simulated Annealing (SA)
  • Genetic Algorithm (GA)
  • Tabu Search (TS)
  • Evolutionary Strategies (ES)

خروجی دوره:

در پایان این دوره، شما خواهید آموخت که Simulated Annealing، Genetic Algorithm، Tabu Search و Evolutionary Strategies چیستند، چرا استفاده می‌شوند، چگونه کار می‌کنند، و مهم‌تر از همه، چگونه آنها را در پایتون کدنویسی کنید! بدون استفاده از بسته‌ها و کتابخانه‌ها، یاد بگیرید که چگونه آنها را از ابتدا کدنویسی کنید!! همچنین یاد خواهید گرفت که چگونه محدودیت‌ها را با استفاده از روش پنالتی مدیریت کنید.

و قسمت جالب این است که نیازی به دانستن برنامه نویسی پایتون ندارید!

  • این دوره به شما آموزش می‌دهد که چگونه مسائل پیوسته و ترکیبی را با استفاده از پایتون بهینه کنید
  • جایی که هر خط کد به طور کامل توضیح داده شده است
  • کد به روشی ساده نوشته شده است که شما درک خواهید کرد که چگونه چیزها کار می‌کنند و چگونه الگوریتم‌ها را حتی با دانش صفر در پایتون کدنویسی کنید
  • اساساً، می‌توانید این دوره را نه تنها به عنوان دوره‌ای که 4 الگوریتم فراابتکاری معروف را به شما آموزش می‌دهد، بلکه به عنوان یک دوره آموزش برنامه نویسی پایتون نیز در نظر بگیرید!

لطفاً از پرسیدن هر سوالی دریغ نکنید! از دوره راضی نیستید؟ درخواست بازپرداخت 30 روزه بدهید!!

بازخوردهای واقعی:

  1. "می‌توانم بگویم که این بهترین دوره‌ای بود که در Udemy داشتم! دانا یک مربی بسیار خوب است. او نه تنها مشکلات و کدنویسی را توضیح می‌دهد، بلکه به شما اطمینان می‌دهد و ترس‌هایی را که ممکن است هنگام یادگیری مفاهیم پیچیده داشته باشید، از بین می‌برد. برای کسی با پیشینه تجاری، این موضوع نزدیک به یک کابوس بود! من این دوره را به هر کسی که علاقه‌مند به یادگیری در مورد فراابتکاری است، به شدت توصیه می‌کنم. باز هم، بسیار سپاسگزارم دانا! :)" -- Logistics Knowledge Bank, 5 ستاره
  2. "من نیمی از دوره را گذرانده‌ام. آنچه تا کنون یاد گرفته‌ام فراتر از انتظاراتم است. چیزی که واقعاً دوست داشتم، کاربرد مثال‌ها در مسائل دنیای واقعی است. هیجان‌انگیزترین ویژگی در دوره، جنبه عملی آن است، آنچه یاد می‌گیرید در پایتون پیاده‌سازی می‌شود و شما می‌توانید هر مرحله را دنبال کنید. اگر متوجه نشدید، مربی برای کمک حضور دارد. من حتی احساس می‌کردم که این یک دوره یک به یک است. از مربی بسیار سپاسگزارم." -- علی، 5 ستاره
  3. "بهترین مقدمه بر فراابتکاری بدون استثنا. با ارزش‌ترین دوره در Udemy. من عاشق این هستم که ما کمی تئوری را پوشش می‌دهیم و خود الگوریتم را کدنویسی می‌کنیم. دوره فقط یک بسته برای استفاده به شما نمی‌دهد، بلکه کدی را ارائه می‌دهد که بسیار آسان برای دنبال کردن است. کد برای حداکثر عملکرد بهینه نشده یا نوشته نشده است، بلکه برای حداکثر خوانایی نوشته شده است. این بدان معناست که شما می‌توانید پس از درک واقعی آن، با آن بازی کنید و سرعت آن را افزایش دهید. از دانا برای این دوره شگفت انگیز سپاسگزارم. این به من اعتماد به نفس داده است تا الگوریتم‌های کمی پیشرفته‌تر خود را از کتاب شان لوک: فراابتکاری‌های ضروری کدنویسی کنم. احساس می‌کنم این دو همراهان عالی هستند." -- دیلن، 5 ستاره
  4. "این یک مقدمه عالی بر فراابتکاری است. این دوره به دلیل اطلاعات کلی در مورد این موضوع، شایسته پنج ستاره است. مربی با استعداد و آگاه در مورد مسائل بهینه‌سازی است. من این دوره را به کسی که به دنبال حل یک مسئله بهینه‌سازی است، توصیه می‌کنم." -- عبدالعزیز، 5 ستاره
  5. "من هنوز دوره را تمام نکرده‌ام، اما تا کنون، من واقعاً از آنچه دیده‌ام راضی هستم. توضیحات نظری: دانا بسیار آموزش‌دهنده است، قبل از ارائه کد همیشه به طور خلاصه تئوری را به روشی ساده ارائه می‌دهد، بسیار آسان‌تر از درک توضیحات کتاب‌ها و مقالات ژورنال. البته، لازم است این را با مواد دیگر تکمیل کنید، اما اگر از قبل یک پایه تئوری داشته باشید، این عالی است! دانا، من عاشق توضیح شما در مورد کراس‌اوور و جهش بودم! برای مبتدیان در پایتون: من یک مبتدی در پایتون و حتی در برنامه نویسی هستم، بنابراین کد دانا به من کمک زیادی کرد تا معنای هر مرحله و متغیر را درک کنم زیرا او کدی بسیار خوانا نوشت. مدیریت زمان خوب: دانا کد را از قبل انجام شده ارائه می‌دهد اما او توضیح می‌دهد که در هر مرحله چه کاری انجام داده است. بنابراین، در 5 دقیقه می‌توانیم چیزهای زیادی یاد بگیریم، بدون اینکه حوصله‌مان سر برود. من این روش انجام را ترجیح می‌دهم زیرا دوره‌هایی را با معلمانی گذرانده‌ام که کد را در طول کلاس‌ها انجام می‌دهند و ما زمان زیادی را صرف رفع خطاها و باگ‌ها می‌کنیم. او در آموزش عینی و کارآمد است، من این را دوست دارم. چیزهایی وجود دارد که برای من در دوره‌ها کاملاً واضح نیستند، بنابراین از دانا سؤال می‌پرسم. او چند روز طول می‌کشد تا به ما پاسخ دهد، اما به هر حال پاسخ می‌دهد. من از یک مثال از مدیریت محدودیت برای مسائل ترکیبی قدردانی می‌کنم." -- راشل، 4.5 ستاره
  6. "دوره خوبی است که واقعاً فراابتکاری را به روشی بسیار کاربردی توضیح می‌دهد. به شدت توصیه می‌شود!" -- دیوید، 5 ستاره

سرفصل ها و درس ها

مقدمه Introduction

  • ویدیو تبلیغاتی Promo Video

  • طرح کلی دوره Course Outline

  • تحقیق در عملیات Operations Research

  • آزمون شماره ۱ Quiz #1

  • مسائل پیوسته در مقابل مسائل ترکیبیاتی Continuous vs. Combinatorial Problems

  • منبع مسائل P در مقابل NP (مهم!!!) P vs. NP Problems Resource (IMPORTANT!!!)

  • فراابتکارها Metaheuristics

  • تکنیک‌های جستجو شماره ۱ Search Techniques #1

  • تکنیک‌های جستجو شماره ۲ Search Techniques #2

  • تکنیک‌های جستجو شماره ۳ Search Techniques #3

  • آزمون شماره ۲ Quiz #2

تبرید شبیه‌سازی شده Simulated Annealing

  • تبرید شبیه‌سازی شده شماره ۱ Simulated Annealing #1

  • تبرید شبیه‌سازی شده شماره ۲ Simulated Annealing #2

  • تبرید شبیه‌سازی شده شماره ۳ Simulated Annealing #3

  • آزمون شماره ۳ Quiz #3

  • دوره به روز شده (مهم) Updated Course (IMPORTANT)

  • SA: مسئله پیوسته - تابع Himmelblau SA: Continuous Problem - The Himmelblau Function

  • SA: مسئله پیوسته - پایتون شماره ۱ - اصول اولیه SA: Continuous Problem - Python #1 - Basics

  • SA: مسئله پیوسته - پایتون شماره ۲ - پارامترهای تنظیم شده توسط کاربر SA: Continuous Problem - Python #2 - User-Set Parameters

  • SA: مسئله پیوسته - پایتون شماره ۳ - جستجوی همسایگی SA: Continuous Problem - Python #3 - Neighborhood Search

  • SA: مسئله پیوسته - پایتون شماره ۴ - آیا حرکات بدتر را قبول می‌کنیم؟ SA: Continuous Problem - Python #4 - Do We Accept Worse Moves?

  • SA: مسئله پیوسته - پایتون شماره ۵ - تکرارها و حل SA: Continuous Problem - Python #5 - Iterations and Solving

  • SA: مسئله پیوسته - پایتون شماره ۶ - اجراهای مختلف برای نتایج مختلف SA: Continuous Problem - Python #6 - Different Runs for Different Outcomes

  • SA: مسئله پیوسته - پایتون شماره ۷ - نمودار نتایج شماره ۱ SA: Continuous Problem - Python #7 - Plotting Results #1

  • SA: مسئله پیوسته - پایتون شماره ۸ - نمودار نتایج شماره ۲ SA: Continuous Problem - Python #8 - Plotting Results #2

  • یادآوری دوره به روز شده (مهم) Updated Course Reminder (IMPORTANT)

  • SA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۱ SA: Coding a Combinatorial Problem with Python, Part #1

  • SA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۲ SA: Coding a Combinatorial Problem with Python, Part #2

  • SA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۳ SA: Coding a Combinatorial Problem with Python, Part #3

الگوریتم ژنتیک Genetic Algorithm

  • الگوریتم ژنتیک شماره ۱ Genetic Algorithm #1

  • الگوریتم ژنتیک شماره ۲ Genetic Algorithm #2

  • الگوریتم ژنتیک شماره ۳ Genetic Algorithm #3

  • طول کروموزوم Chromosome Length

  • الگوریتم ژنتیک - شبه کد و فلوچارت Genetic Algorithm - Pseudocode and Flowchart

  • الگوریتم ژنتیک - روش شناسی Genetic Algorithm - Methodology

  • آزمون شماره ۴ Quiz #4

  • دوره به روز شده (مهم) Updated Course (IMPORTANT)

  • GA: کدنویسی یک مسئله پیوسته - تابع Himmelblau GA: Coding a Continuous Problem - The Himmelblau Function

  • GA: مسئله پیوسته - پایتون شماره ۱ - مقدار تابع هدف شماره ۱ GA: Continuous Problem - Python #1 - Objective Function Value #1

  • GA: مسئله پیوسته - پایتون شماره ۲ - مقدار تابع هدف شماره ۲ GA: Continuous Problem - Python #2 - Objective Function Value #2

  • GA: مسئله پیوسته - پایتون شماره ۳ - مقدار تابع هدف شماره ۳ GA: Continuous Problem - Python #3 - Objective Function Value #3

  • GA: مسئله پیوسته - پایتون شماره ۴ - انتخاب والدین شماره ۱ GA: Continuous Problem - Python #4 - Selecting Parents #1

  • GA: مسئله پیوسته - پایتون شماره ۵ - انتخاب والدین شماره ۲ GA: Continuous Problem - Python #5 - Selecting Parents #2

  • GA: مسئله پیوسته - پایتون شماره ۶ - انتخاب والدین شماره ۳ GA: Continuous Problem - Python #6 - Selecting Parents #3

  • GA: مسئله پیوسته - پایتون شماره ۷ - انتخاب والدین شماره ۴ GA: Continuous Problem - Python #7 - Selecting Parents #4

  • GA: مسئله پیوسته - پایتون شماره ۸ - انتخاب والدین شماره ۵ GA: Continuous Problem - Python #8 - Selecting Parents #5

  • GA: مسئله پیوسته - پایتون شماره ۹ - انتخاب والدین شماره ۶ GA: Continuous Problem - Python #9 - Selecting Parents #6

  • GA: مسئله پیوسته - پایتون شماره ۱۰ - عملگر تقاطع شماره ۱ GA: Continuous Problem - Python #10 - Crossover Operator #1

  • GA: مسئله پیوسته - پایتون شماره ۱۱ - عملگر تقاطع شماره ۲ GA: Continuous Problem - Python #11 - Crossover Operator #2

  • GA: مسئله پیوسته - پایتون شماره ۱۲ - عملگر تقاطع شماره ۳ GA: Continuous Problem - Python #12 - Crossover Operator #3

  • GA: مسئله پیوسته - پایتون شماره ۱۳ - عملگر جهش شماره ۱ GA: Continuous Problem - Python #13 - Mutation Operator #1

  • GA: مسئله پیوسته - پایتون شماره ۱۴ - عملگر جهش شماره ۲ GA: Continuous Problem - Python #14 - Mutation Operator #2

  • GA: مسئله پیوسته - پایتون شماره ۱۵ - عملگر جهش شماره ۳ GA: Continuous Problem - Python #15 - Mutation Operator #3

  • GA: مسئله پیوسته - پایتون شماره ۱۶ - عملگر جهش شماره ۴ GA: Continuous Problem - Python #16 - Mutation Operator #4

  • GA: مسئله پیوسته - پایتون شماره ۱۷ - توابع و بسته‌ها GA: Continuous Problem - Python #17 - Functions and Packages

  • GA: مسئله پیوسته - پایتون شماره ۱۸ - حل شماره ۱ GA: Continuous Problem - Python #18 - Solving #1

  • GA: مسئله پیوسته - پایتون شماره ۱۹ - حل شماره ۲ GA: Continuous Problem - Python #19 - Solving #2

  • GA: مسئله پیوسته - پایتون شماره ۲۰ - حل شماره ۳ GA: Continuous Problem - Python #20 - Solving #3

  • GA: مسئله پیوسته - پایتون شماره ۲۱ - حل شماره ۴ GA: Continuous Problem - Python #21 - Solving #4

  • GA: مسئله پیوسته - پایتون شماره ۲۲ - حل شماره ۵ GA: Continuous Problem - Python #22 - Solving #5

  • GA: مسئله پیوسته - پایتون شماره ۲۳ - حل شماره ۶ GA: Continuous Problem - Python #23 - Solving #6

  • GA: مسئله پیوسته - پایتون شماره ۲۴ - حل شماره ۷ GA: Continuous Problem - Python #24 - Solving #7

  • GA: مسئله پیوسته - پایتون شماره ۲۵ - حل شماره ۸ GA: Continuous Problem - Python #25 - Solving #8

  • GA: مسئله پیوسته - پایتون شماره ۲۶ - حل شماره ۹ GA: Continuous Problem - Python #26 - Solving #9

  • GA: مسئله پیوسته - پایتون شماره ۲۷ - نمودار نتایج GA: Continuous Problem - Python #27 - Plotting Results

  • یادآوری دوره به روز شده (مهم) Updated Course Reminder (IMPORTANT)

  • GA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۱ GA: Coding a Combinatorial Problem with Python, Part #1

  • GA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۲ GA: Coding a Combinatorial Problem with Python, Part #2

  • GA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۳ GA: Coding a Combinatorial Problem with Python, Part #3

  • GA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۴ GA: Coding a Combinatorial Problem with Python, Part #4

  • GA: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۵ GA: Coding a Combinatorial Problem with Python, Part #5

جستجوی ممنوعه Tabu Search

  • جستجوی ممنوعه شماره ۱ Tabu Search #1

  • جستجوی ممنوعه شماره ۲ Tabu Search #2

  • جستجوی ممنوعه شماره ۳ Tabu Search #3

  • آزمون شماره ۵ Quiz #5

  • TS: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۱ TS: Coding a Combinatorial Problem with Python, Part #1

  • TS: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۲ TS: Coding a Combinatorial Problem with Python, Part #2

  • TS: کدنویسی یک مسئله ترکیبیاتی با پایتون، قسمت شماره ۳ TS: Coding a Combinatorial Problem with Python, Part #3

استراتژی‌های تکاملی Evolutionary Strategies

  • استراتژی‌های تکاملی شماره ۱ Evolutionary Strategies #1

  • استراتژی‌های تکاملی شماره ۲ Evolutionary Strategies #2

  • استراتژی‌های تکاملی شماره ۳ Evolutionary Strategies #3

  • آزمون شماره ۶ Quiz #6

  • ES: کدنویسی یک مسئله پیوسته با پایتون، قسمت شماره ۱ ES: Coding a Continuous Problem with Python, Part #1

  • ES: کدنویسی یک مسئله پیوسته با پایتون، قسمت شماره ۲ ES: Coding a Continuous Problem with Python, Part #2

  • ES: کدنویسی یک مسئله پیوسته با پایتون، قسمت شماره ۳ ES: Coding a Continuous Problem with Python, Part #3

مدیریت محدودیت Constraint Handling

  • مدیریت محدودیت شماره ۱ Constraint Handling #1

  • مدیریت محدودیت شماره ۲ Constraint Handling #2

  • مدیریت محدودیت شماره ۳ Constraint Handling #3

  • آزمون شماره ۷ Quiz #7

پیشنهاد ویژه!! BONUS OFFER!!

  • سخنرانی ویژه: کوپن‌های تخفیف‌دار Bonus Lecture: Discounted Coupons

نمایش نظرات

آموزش بهینه‌سازی با فرامکاشفه‌ها در پایتون
جزییات دوره
10 hours
83
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
5,720
4.1 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Curiosity for Data Science Curiosity for Data Science

مهندس معمار و صنایع