آموزش هوش مصنوعی و فراابتکاری (بهینه سازی ترکیبی) پایتون

سرفصل ها و درس ها

معرفی Introduction

• معرفی Introduction

• اسلایدها و کد منبع Slides and source code

### الگوریتم های نمودار ### ### GRAPH ALGORITHMS ###

• چرا الگوریتم های گراف را در نظر بگیریم؟ Why to consider graph algorithms?

الگوریتم جستجوی پهنای اول (DFS). Breadth-First Search (DFS) Algorithm

• جستجوی عرضی چیست؟ What is breadth-first search?

• اجرای جستجوی پهنا Breadth-first search implementation

• کاربردهای جستجوی وسعت اول Applications of breadth-first search

• مسابقه جستجوی عرض اول Breadth-First Search Quiz

چالش شماره 1 - WebCrawler Challange #1 - WebCrawler

• چالش دوره شماره 1 - مشکل WebCrawler Course challenge #1 - WebCrawler problem

• WebCrawlers (هسته موتورهای جستجو) چیست؟ What are WebCrawlers (core of search engines)?

• پیاده سازی اولیه WebCrawler WebCrawler basic implementation

الگوریتم Depth-First Search (DFS). Depth-First Search (DFS) Algorithm

• جستجوی اول عمق چیست؟ What is depth-first search?

• اجرای جستجوی عمقی Depth-first search implementation

• اجرای جستجوی عمقی اول با بازگشت Depth-first search implementation with recursion

• جستجوی عمقی و تجسم حافظه پشته Depth-first search and stack memory visualization

• مقایسه حافظه الگوریتم‌های پیمایش نمودار Memory comparison of graph traversal algorithms

• کاربردهای جستجوی عمقی Applications of depth-first search

• مسابقه جستجوی عمق-اول Depth-First Search Quiz

چالش شماره 2 - حل کننده ماز Challange #2 - Maze Solver

• چالش دوره شماره 2 - مشکل پیچ و خم Course challenge #2 - maze problem

• معرفی مشکل ماز Maze problem introduction

• پیاده سازی مشکل ماز Maze problem implementation

• تجسم حافظه پشته مشکل پیچ و خم Maze problem stack memory visualization

الف* الگوریتم جستجو A* Search Algorithm

• الگوریتم جستجوی A* چیست؟ What is the A* search algorithm?

• الف* تصویر جستجو A* search illustration

• A* اجرای جستجو I A* search implementation I

• A* اجرای جستجو II A* search implementation II

• A* اجرای جستجو III A* search implementation III

• مقایسه الگوریتم های مسیریابی Path finding algorithms comparison

• A * مسابقه جستجو A* Search Quiz

### META-HEURISTICS ### ### META-HEURISTICS ###

• رویکردهای فراابتکاری چیست؟ What are meta-heuristic approaches?

• آزمون اکتشافی Heuristics Quiz

بازپخت شبیه سازی شده Simulated Annealing

• آنیل شبیه سازی شده چیست؟ What is simulated annealing?

• آزمون بازپخت شبیه سازی شده Simulated Annealing Quiz

پیاده سازی بازپخت شبیه سازی شده - توابع پیوسته Simulated Annealing Implementation - Continuous Functions

• اجرای بازپخت شبیه سازی شده I Simulated annealing implementation I

• اجرای بازپخت شبیه سازی شده II Simulated annealing implementation II

• اجرای بازپخت شبیه سازی شده III Simulated annealing implementation III

پیاده سازی آنیل شبیه سازی شده - بهینه سازی ترکیبی Simulated Annealing Implementation - Combinatorial Optimization

• مشکل فروشنده دوره گرد (TSP) چیست؟ What is the travelling salesman problem (TSP)?

• پیاده سازی مشکل فروشنده دوره گرد I Travelling salesman problem implementation I

• پیاده سازی مشکل فروشنده دوره گرد II Travelling salesman problem implementation II

• پیاده سازی مشکل فروشنده دوره گرد III Travelling salesman problem implementation III

• پیاده سازی مشکل فروشنده دوره گرد IV Travelling salesman problem implementation IV

پیاده سازی بازپخت شبیه سازی شده - سودوکو Simulated Annealing Implementation - Sudoku

• مشکل سودوکو چیست؟ What is the Sudoku problem?

• پیاده سازی مشکل سودوکو I Sudoku problem implementation I

• اجرای مشکل سودوکو II Sudoku problem implementation II

• اجرای مشکل سودوکو III Sudoku problem implementation III

• اجرای مشکل سودوکو IV Sudoku problem implementation IV

الگوریتم های ژنتیک Genetic Algorithms

• مقدمه الگوریتم ژنتیک - مبانی Genetic algorithms introduction - basics

• معرفی الگوریتم های ژنتیک - کروموزوم ها Genetic algorithms introduction - chromosomes

• معرفی الگوریتم های ژنتیک - متقاطع Genetic algorithms introduction - crossover

• معرفی الگوریتم های ژنتیک - جهش Genetic algorithms introduction - mutation

• معرفی الگوریتم های ژنتیک - انتخاب Genetic algorithms introduction - selection

• مقدمه الگوریتم ژنتیک - الگوریتم Genetic algorithms introduction - the algorithm

• نخبه گرایی چیست؟ What is elitism?

• مزایا و محدودیت های الگوریتم ژنتیک Advantages and limitations of genetic algorithms

• آزمون الگوریتم ژنتیک Genetic Algorithms Quiz

پیاده سازی الگوریتم های ژنتیک - مثال ساده Genetic Algorithms Implementation - Simple Example

• پیاده سازی الگوریتم ژنتیک I Genetic algorithm implementation I

• اجرای الگوریتم ژنتیک II Genetic algorithm implementation II

• اجرای الگوریتم ژنتیک III Genetic algorithm implementation III

• اجرای الگوریتم ژنتیک IV Genetic algorithm implementation IV

• اجرای الگوریتم ژنتیک V - نخبه گرایی Genetic algorithm implementation V - elitism

پیاده سازی الگوریتم های ژنتیک - مشکلات رضایت از محدودیت Genetic Algorithms Implementation - Constraint Satisfaction Problems

• مشکل N-queens چیست؟ What is the N-queens problem?

• اجرای مسئله N queens I N queens problem implementation I

• اجرای مسئله N ملکه II N queens problem implementation II

چالش شماره 3 - مشکل کوله پشتی Challenge #3 - Knapsack Problem

• چالش دوره شماره 3 - بررسی اجمالی مشکل کوله پشتی Course challenge #3 - knapsack problem overview

• مشکل کوله پشتی چیست؟ What is the knapsack problem?

• اجرای مشکل کوله پشتی Knapsack problem implementation

بهینه سازی ازدحام ذرات Particle Swarm Optimization

• هوش ازدحامی چیست؟ What is swarm intelligence?

• مقدمه بهینه سازی ازدحام ذرات - مبانی Particle swarm optimization introduction - basics

• مقدمه بهینه سازی ازدحام ذرات - الگوریتم Particle swarm optimization introduction - the algorithm

• معاوضه اکتشاف و بهره برداری Exploration and exploitation trade-off

• آزمون بهینه سازی ازدحام ذرات Particle Swarm Optimization Quiz

بهینه سازی ازدحام ذرات - مثال ساده Particle Swarm Optimization - Simple Example

• پیاده سازی بهینه سازی ازدحام ذرات I Particle swarm optimization implementation I

• اجرای بهینه سازی ازدحام ذرات II Particle swarm optimization implementation II

• اجرای بهینه سازی ازدحام ذرات III Particle swarm optimization implementation III

### بازی دو نفره ### ### TWO PLAYER GAMES ###

• معرفی درختان بازی Game trees introduction

• مسابقه بازی دو نفره Two Player Games Quiz

الگوریتم Minimax - موتورهای بازی Minimax Algorithm - Game Engines

• مقدمه الگوریتم Minimax - مبانی Minimax algorithm introduction - basics

• معرفی الگوریتم Minimax - الگوریتم Minimax algorithm introduction - the algorithm

• معرفی الگوریتم Minimax - ارتباط با tic-tac-toe Minimax algorithm introduction - relation to tic-tac-toe

• مقدمه هرس آلفا بتا Alpha-beta pruning introduction

• نمونه هرس آلفا بتا Alpha-beta pruning example

• مشکل شطرنج Chess problem

• مسابقه موتورهای بازی Game Engines Quiz

بازی تیک تاک پا Tic-Tac-Toe Game

• اجرای تیک تاک پا I Tic tac toe implementation I

• اجرای تیک تاک پا II Tic tac toe implementation II

• اجرای تیک تاک پا III Tic tac toe implementation III

• اجرای تیک تاک پا IV Tic tac toe implementation IV

• اجرای تیک تاک انگشت پا V Tic tac toe implementation V

• اجرای تیک تاک انگشت پا VI Tic tac toe implementation VI

• تجسم حافظه پشته Minimax Minimax stack memory visualization

• اجرای تیک تاک پنجه VII - هرس Tic tac toe implementation VII - pruning

### یادگیری تقویتی ### ### REINFORCEMENT LEARNING ###

• یادگیری تقویتی چیست؟ What is reinforcement learning?

• کاربردهای یادگیری تقویتی Applications of reinforcement learning

نظریه فرآیند تصمیم گیری مارکوف (MDP). Markov Decision Process (MDP) Theory

• مبانی فرآیندهای تصمیم مارکوف I Markov decision processes basics I

• مبانی فرآیندهای تصمیم مارکوف II Markov decision processes basics II

• فرآیندهای تصمیم مارکوف - معادلات Markov decision processes - equations

• فرآیندهای تصمیم مارکوف - تصویر Markov decision processes - illustration

• معادله بلمن Bellman-equation

• چگونه مشکلات MDP را حل کنیم؟ How to solve MDP problems?

• تکرار ارزش چیست؟ What is value iteration?

• تکرار سیاست چیست؟ What is policy iteration?

• فرمول ریاضی یادگیری تقویتی Mathematical formulation of reinforcement learning

• آزمون مبانی یادگیری تقویتی Reinforcement Learning Basics Quiz

مشکل اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Problem

• مشکل اکتشاف در مقابل استثمار Exploration vs exploitation problem

• معرفی مشکل راهزن مسلح N N-armed bandit problem introduction

• پیاده سازی مشکل راهزن مسلح N N-armed bandit problem implementation

• کاربردها: تست A/B در بازاریابی Applications: A/B testing in marketing

• مسابقه اکتشاف در مقابل بهره برداری Exploration vs. Exploitation Quiz

نظریه یادگیری Q Q Learning Theory

• یادگیری Q چیست؟ What is Q learning?

• مقدمه یادگیری Q - الگوریتم Q learning introduction - the algorithm

• تصویر یادگیری Q Q learning illustration

• فرمول بندی ریاضی یادگیری کیو Mathematical formulation of Q learning

• آزمون یادگیری Q Q Learning Quiz

پیاده سازی یادگیری Q (Tic Tac Toe) Q Learning Implementation (Tic Tac Toe)

• تیک تاک پا با اجرای یادگیری Q I Tic tac toe with Q learning implementation I

• تیک تاک پا با اجرای یادگیری Q II Tic tac toe with Q learning implementation II

• تیک تاک پا با اجرای یادگیری Q III Tic tac toe with Q learning implementation III

• تیک تاک پا با اجرای یادگیری Q IV Tic tac toe with Q learning implementation IV

• تیک تاک پا با اجرای یادگیری Q V Tic tac toe with Q learning implementation V

• تیک تاک پا با اجرای یادگیری Q VI Tic tac toe with Q learning implementation VI

• تیک تاک پا با اجرای یادگیری Q VII Tic tac toe with Q learning implementation VII

• تیک تاک پا با اجرای یادگیری Q VIII Tic tac toe with Q learning implementation VIII

### ضمیمه - دوره خرابی برنامه نویسی پایتون ### ### APPENDIX - PYTHON PROGRAMMING CRASH COURSE ###

• معرفی دوره سقوط پایتون Python crash course introduction

پیوست شماره 1 - مبانی پایتون Appendix #1 - Python Basics

• اولین قدم ها در پایتون First steps in Python

• انواع داده های اساسی چیست؟ What are the basic data types?

• بولین ها Booleans

• رشته های Strings

• برش رشته String slicing

• ریخته گری نوع Type casting

• اپراتورها Operators

• اظهارات مشروط Conditional statements

• چگونه از شرایط متعدد استفاده کنیم؟ How to use multiple conditions?

• تمرین: جملات شرطی Exercise: conditional statements

• راه حل: گزاره های شرطی Solution: conditional statements

• عملگرهای منطقی Logical operators

• حلقه ها - برای حلقه Loops - for loop

• حلقه ها - حلقه while Loops - while loop

• تمرین: محاسبه میانگین Exercise: calculating the average

• راه حل: محاسبه میانگین Solution: calculating the average

• حلقه های تو در تو چیست؟ What are nested loops?

• برشمردن Enumerate

• بشکن و ادامه بده Break and continue

• محاسبه اعداد فیبوناچی Calculating Fibonacci-numbers

• تمرین: اعداد فیبوناچی Exercise: Fibonacci-numbers

• راه حل: اعداد فیبوناچی Solution: Fibonacci-numbers

پیوست شماره 2 - توابع Appendix #2 - Functions

• توابع چیست؟ What are functions?

• تعریف توابع Defining functions

• آرگومان های موقعیتی و آرگومان های کلیدواژه Positional arguments and keyword arguments

• برگرداندن مقادیر Returning values

• برگرداندن مقادیر متعدد Returning multiple values

• تمرین: توابع Exercise: functions

• راه حل: توابع Solution: functions

• عملگر بازده Yield operator

• متغیرهای محلی و جهانی Local and global variables

• مرتبط ترین توابع داخلی کدامند؟ What are the most relevant built-in functions?

• بازگشت چیست؟ What is recursion?

• تمرین: بازگشتی Exercise: recursion

• راه حل: بازگشت Solution: recursion

• متغیرهای محلی در مقابل متغیرهای جهانی Local vs global variables

• تابع __main__ The __main__ function

پیوست شماره 3 - ساختارهای داده در پایتون Appendix #3 - Data Structures in Python

• چگونه زمان اجرای الگوریتم ها را اندازه گیری کنیم؟ How to measure the running time of algorithms?

• معرفی ساختارهای داده Data structures introduction

• ساختارهای داده آرایه چیست I What are array data structures I

• ساختارهای داده آرایه چیست II What are array data structures II

• لیست ها در پایتون Lists in Python

• لیست در پایتون - عملیات پیشرفته Lists in Python - advanced operations

• لیست ها در پایتون - درک لیست Lists in Python - list comprehension

• (!!!) لیست ها و آرایه های پایتون (!!!) Python lists and arrays

• تمرین: درک فهرست Exercise: list comprehension

• راه حل: درک لیست Solution: list comprehension

• اندازه گیری زمان اجرای لیست ها Measuring running time of lists

• تاپل ها چیست؟ What are tuples?

• تغییرپذیری و تغییرناپذیری Mutability and immutability

• ساختارهای داده لیست پیوندی چیست؟ What are linked list data structures?

• پیاده سازی لیست پیوندی دوگانه در پایتون Doubly linked list implementation in Python

• هش و پیچیدگی زمان اجرا O(1). Hashing and O(1) running time complexity

• فرهنگ لغت در پایتون Dictionaries in Python

• مجموعه در پایتون Sets in Python

• تمرین: ساخت فرهنگ لغت Exercise: constructing dictionaries

• راه حل: ساخت فرهنگ لغت Solution: constructing dictionaries

• مرتب سازی Sorting

پیوست شماره 4 - برنامه نویسی شی گرا (OOP) Appendix #4 - Object Oriented Programming (OOP)

• برنامه نویسی شی گرا (OOP) چیست؟ What is object oriented programming (OOP)?

• اصول کلاس و اشیاء Class and objects basics

• با استفاده از سازنده Using the constructor

• متغیرهای کلاس و متغیرهای نمونه Class variables and instance variables

• تمرین: ساخت کلاس Exercise: constructing classes

• راه حل: ساخت کلاس ها Solution: constructing classes

• متغیرهای خصوصی و مخفی کردن نام Private variables and name mangling

• وراثت در OOP چیست؟ What is inheritance in OOP?

• کلمه کلیدی فوق العاده The super keyword

• لغو تابع (روش). Function (method) override

• پلی مورفیسم چیست؟ What is polymorphism?

• چند شکلی و انتزاع مثال Polymorphism and abstraction example

• تمرین: انتزاع Exercise: abstraction

• راه حل: انتزاع Solution: abstraction

• ماژول ها Modules

• تابع __str__ The __str__ function

• مقایسه اشیاء - توابع برتر Comparing objects - overriding functions

پیوست شماره 5 - NumPy Appendix #5 - NumPy

• مزیت کلیدی NumPy چیست؟ What is the key advantage of NumPy?

• ایجاد و به روز رسانی آرایه ها Creating and updating arrays

• ابعاد آرایه ها Dimension of arrays

• شاخص ها و برش Indexes and slicing

• انواع Types

• تغییر شکل دهید Reshape

• تمرین: مشکل تغییر شکل Exercise: reshape problem

• راه حل: مشکل تغییر شکل Solution: reshape problem

• انباشتن و ادغام آرایه ها Stacking and merging arrays

• فیلتر کنید Filter

• مقایسه زمان اجرا: آرایه ها و لیست ها Running time comparison: arrays and lists

مواد درسی COURSE MATERIALS

• اسلایدها و کد منبع Slides and source code