آموزش جامع هوش مصنوعی: از مبتدی تا پیشرفته - آخرین آپدیت

دانلود Artificial Intelligence Made Easy: Beginner to Pro

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: در این دوره جامع، مفاهیم هوش مصنوعی، حل مسئله، الگوریتم‌های جستجو، عامل‌های هوشمند و نمایش دانش را به صورت گام‌به‌گام بیاموزید. شما با مفاهیم کلیدی AI، مدل‌ها، کاربردها و فرآیند حل مسئله آشنا خواهید شد. کاربرد الگوریتم‌های جستجوی BFS، DFS، UCS، Best-First و A* را برای حل مسائل پیچیده یاد می‌گیرید. مدل‌سازی بازی‌ها، مسائل رضایت محدودیت (CSP) و عامل‌های هوشمند را با استفاده از minimax و alpha-beta pruning بررسی خواهید کرد. نمایش دانش با استفاده از منطق، مفاهیم برنامه‌ریزی، مبانی یادگیری ماشین (ML) و سیستم‌های خبره را فرا می‌گیرید. پیش‌نیازها: هیچ دانش قبلی در مورد هوش مصنوعی یا یادگیری ماشین لازم نیست. سواد پایه کامپیوتری و آشنایی با کار با رایانه. درک ابتدایی از ریاضیات و استدلال منطقی مفید است اما اجباری نیست. اشتیاق به یادگیری مفاهیم AI، تکنیک‌های حل مسئله و سیستم‌های هوشمند. دسترسی به کامپیوتر یا لپ‌تاپ متصل به اینترنت.

امروزه هوش مصنوعی (AI) در همه جای ماست؛ از موتورهای جستجو و سیستم‌های توصیه گر گرفته تا دستیارهای هوشمند و تصمیم‌گیری‌های خودکار. با این حال، برای بسیاری از مبتدیان، شروع یادگیری AI می‌تواند گیج‌کننده و دشوار باشد. دوره آموزش جامع هوش مصنوعی: از مبتدی تا پیشرفتهطراحی شده است تا این ترس را از بین ببرد و به شما کمک کند هوش مصنوعی را گام‌به‌گام و از صفربیاموزید.

برای شرکت در این دوره به هیچ دانش قبلی نیاز ندارید. ما با مبانی هوش مصنوعیشروع می‌کنیم و توضیح می‌دهیم که AI چیست، سیستم‌های هوشمند چگونه کار می‌کنند و مسائل چگونه با استفاده از تکنیک‌های AI رویکرد و حل می‌شوند. هر مفهوم به صورت شفاف، ساختاریافته و ساده توضیح داده شده است.

با پیشروی در دوره، روش‌های حل مسئله در AIرا یاد می‌گیرید و الگوریتم‌های جستجویبهینه را بررسی می‌کنید. این‌ها شامل تکنیک‌های جستجوی پایه و پیشرفته‌ای است که زیربنای هوش مصنوعی را تشکیل می‌دهند. همچنین خواهید آموخت که عامل‌های هوشمندچگونه عمل می‌کنند، تصمیم می‌گیرند و با محیط خود تعامل دارند.

در ادامه، مفاهیم جستجوی رقابتی و بازی‌هامعرفی می‌شوند تا متوجه شوید AI چگونه رقابت کرده و بهینه‌ترین تصمیمات را می‌گیرد. همچنین نمایش دانش، شامل روش‌های استدلال منطقی که به ماشین‌ها اجازه ذخیره، نمایش و استنتاج اطلاعات را می‌دهد، آموزش داده می‌شود.

در بخش‌های پایانی، دوره به مفاهیم برنامه‌ریزی، مقدمه‌ای بر یادگیری ماشینو مبانی سیستم‌های خبرهمی‌پردازد تا نشان دهد چگونه دانش AI در حل مسائل دنیای واقعی به کار می‌رود.

در پایان این دوره، شما پایه‌ای قوی در هوش مصنوعی خواهید داشت، به مفاهیم محوری تسلط می‌یابید و مسیری روشن برای ادامه یادگیری در سطوح پیشرفته AI، یادگیری ماشین یا تکنولوژی‌های مرتبط خواهید داشت.


سرفصل ها و درس ها

مقدمه‌ای بر هوش مصنوعی Introduction to Artificial Intelligence

  • معرفی و بررسی کلی دوره Course Introduction & Overview

  • هوش مصنوعی چیست؟ What is Artificial Intelligence?

  • تکنیک‌ها و کاربردهای هوش مصنوعی AI Techniques and Applications

  • مدل‌های هوش مصنوعی AI Models

  • جمع‌آوری داده‌ها و یادگیری در AI Data Acquisition & Learning in AI

  • فرآیند حل مسئله در هوش مصنوعی AI Problem-Solving Process

  • فرمول‌بندی و ویژگی‌های مسئله Problem Formulation & Characteristics

  • فضای مسئله و جستجو Problem Space & Search

  • مسئله ساده: دوز (Tic Tac Toe) Toy Problem: Tic-Tac-Toe

  • مسئله ساده: مبلغ‌ها و آدم‌خوارها Toy Problem: Missionaries and Cannibals

  • مسئله دنیای واقعی: فروشنده دوره‌گرد Real-World Problem: Travelling Salesman Problem

ساختارهای داده و الگوریتم‌های جستجو Data Structures & Search Algorithms

  • مقدمه‌ای بر ساختارهای داده برای AI Introduction to Data Structures for AI

  • مقدمه‌ای بر ساختارهای داده برای AI (بررسی اسلایدها) Introduction to Data Structures for AI (PPT Walkthrough)

  • پشته‌ها (Stacks) و صف‌ها (Queues) Stacks and Queues

  • پشته‌ها و صف‌ها (بررسی اسلایدها) Stack and Queues (PPT Walkthrough)

  • درخت‌ها و گراف‌ها Trees and Graphs

  • درخت‌ها و گراف‌ها (بررسی اسلایدها) Trees and Graphs (PPT Walkthrough)

  • عامل‌های حل مسئله Problem-Solving Agents

  • عامل حل مسئله (بررسی اسلایدها) Problem-Solving Agent (PPT Walkthrough)

  • استراتژی‌های کنترل Control Strategies

  • استراتژی‌های کنترل (بررسی اسلایدها) Control Strategies (PPT Walkthrough)

  • جستجوی ناآگاه: بررسی کلی Uninformed Search: Overview

  • جستجوی ناآگاه: بررسی کلی (بررسی اسلایدها) Uninformed Search: Overview(PPT Walkthrough)

  • جستجوی اول‌سطح (BFS) Breadth-First Search (BFS)

  • جستجوی اول‌سطح (BFS) (بررسی اسلایدها) Breadth-First Search (BFS) (PPT Walkthrough)

  • درس ۲۴: جستجوی هزینه یکنواخت (UCS) Lecture 24 : Uniform Cost Search

  • جستجوی هزینه یکنواخت (بررسی اسلایدها) Uniform Cost Search(PPT Walkthrough)

  • جستجوی اول‌عمق (DFS) Depth-First Search (DFS)

  • جستجوی عمق محدود Depth-Limited Search

  • جستجوی عمق محدود (بررسی اسلایدها) Depth-Limited Search (PPT Walkthrough)

  • تکنیک‌های جستجوی آگاه Informed Search Techniques

  • تولید و تست Generate and Test

  • جستجوی بهترین اول (Best First Search) Best-First Search

  • الگوریتم A A* Algorithm

جستجوی رقابتی، CSP و عامل‌های هوشمند Section 3: Adversarial Search, CSP & Intelligent Agents

  • جستجوی رقابتی و نظریه بازی‌ها Adversarial Search & Game Theory

  • الگوریتم مینیمکس (Minimax) Minimax Algorithm

  • الگوریتم مینیمکس (بررسی اسلایدها) Minimax Algorithm(PPT Walkthrough)

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

  • مسائل رضایت محدودیت (CSP) Constraint Satisfaction Problems (CSP)

  • مسائل حساب رمزنگاری و رنگ‌آمیزی اتاق‌ها Crypt Arithmetic & Room Coloring Problems

  • مقدمه‌ای بر عامل‌های هوشمند Introduction to Intelligent Agents

  • عقلانیت و عامل‌های عقلانی Rationality & Rational Agents

  • معیارهای عملکرد و محیط‌های وظیفه Performance Measures & Task Environments

  • انواع عامل‌های هوشمند Types of Intelligent Agents

  • نمایش دانش: مبانی Knowledge Representation: Basics

نمایش دانش و استدلال Section 4: Knowledge Representation & Reasoning

  • منطق گزاره‌ای (Predicate Logic) Predicate Logic

  • یکسان‌سازی و الگوریتم یکسان‌سازی Unification & Unification Algorithm

  • قواعد، شبکه‌های معنایی و فریم‌ها Rules, Semantic Nets & Frames

  • دانش نامطمئن و روش‌های استدلال Uncertain Knowledge & Reasoning Methods

  • مقدمه‌ای بر برنامه‌ریزی Introduction to Planning

  • مقدمه‌ای بر یادگیری ماشین و متدهای آن Introduction to Machine Learning and its methods

  • مسئله دنیای بلوک‌ها Blocks World Problem

  • تحلیل هدف-وسیله (Means Ends Analysis) Means-Ends Analysis

نمایش نظرات

آموزش جامع هوش مصنوعی: از مبتدی تا پیشرفته
جزییات دوره
8.5 hours
53
(آخرین آپدیت)
4
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

SARANYA V S SARANYA V S

آموزش جامع هوش مصنوعی: از مبتدی تا پیشرفته

Priyadharshini K Priyadharshini K

استادیار | پژوهشگر هوش مصنوعی و یادگیری ماشین

Dr DEEPAJOTHI S Dr DEEPAJOTHI S

استادیار | پژوهشگر هوش مصنوعی و تضمین کیفیت نرم‌افزار

ANBAZHAGU USHA VEERASAMY ANBAZHAGU USHA VEERASAMY

دکترا | متخصص AI، ML و پردازش زبان طبیعی (NLP)