🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش الگوریتم های ژنتیک و شبکه های عصبی: جاوا، هوش مصنوعی
- آخرین آپدیت
Genetic Algorithms & Neural Networks: Java, AI
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
الگوریتمهای ژنتیک، شبکههای عصبی، هوش مصنوعی، تکامل عصبی، الگوریتمهای ژنتیک جاوا: بهینهسازی استاد با محاسبات تکاملی الگوریتمهای ژنتیک: بهبود و ارتقای الگوریتم ژنتیک هوش مصنوعی: تکنیکهای هوش مصنوعی پیشرفته را برای حل مسائل پیچیده کاوش کنید. Neuro-Evolution: در شبکه های عصبی در حال تکامل برای راه حل های تطبیقی شیرجه بزنید. شبکه های عصبی: از یادگیری ماشین برای تشخیص الگوی پیشرفته استفاده کنید. پیش نیازها: برنامه نویسی پایه - جاوا، اما تجربه در هر زبان برنامه نویسی برای این دوره مفید است
نمای کلی دوره
پیشترین هوش مصنوعی را با دوره مفصل ما در مورد الگوریتمهای ژنتیک و شبکههای عصبی کاوش کنید. این دوره به گونهای طراحی شده است که شما را از درک نظری الگوریتمهای پیچیده به کاربرد مستقیم و عملی از طریق یک سری فعالیتهای جذاب و مشکلات دنیای واقعی هدایت کند. این دوره برای کسانی که به دنبال تعمیق تخصص هوش مصنوعی خود هستند ایدهآل است، از ساختارها و عملکردهای اولیه گرفته تا برنامههای کاربردی پیشرفته در بازیها و تشخیص الگو را پوشش میدهد.
اهداف آموزشی
در پایان این دوره، دانش آموزان:
اصول و اجزای الگوریتم ژنتیک، از جمله فرآیندهای انتخاب، متقاطع و جهش را بدانید.
با حل مسائلی مانند فروشنده دوره گرد و بهینه سازی عملکرد، تجربه عملی با الگوریتم های ژنتیک به دست آورید.
اصولات شبکه های عصبی را بیاموزید و آنها را در کارهای دنیای واقعی مانند تشخیص رقم به کار ببرید.
با ایجاد یک "بازی مار" خودآموز، درک درستی از تکنیک های تکامل عصبی ایجاد کنید.
مزایا و محدودیتهای این تکنیکهای هوش مصنوعی و کاربردهای آنها را به صورت انتقادی تجزیه و تحلیل کنید.
مخاطب هدف
این دوره برای:
طراحی شده است
دانشجویان و متخصصان علاقه مند به فناوری های پیشرفته هوش مصنوعی.
دانشمندان و مهندسان داده به دنبال افزودن روشهای الگوریتمی پیچیده به جعبه ابزار خود هستند.
ماژول های دوره
نظریه
نمای کلی الگوریتم ژنتیک: مقدمه و تاریخچه.
مبانی: ساختار اساسی، انتخاب والدین، متقاطع، جهش، و انتخاب بازمانده.
ارزیابی: مزایا و معایب الگوریتم ژنتیک.
فعالیت های عملی با الگوریتم های ژنتیک
مقدمه "Hello World": پیاده سازی اولیه.
مشکل فروشنده دوره گرد: بهینه سازی یک مسئله محاسباتی کلاسیک.
بهینه سازی عملکرد: به حداکثر رساندن یا کوچک کردن مقادیر تابع.
حلکننده سودوکو: استفاده از الگوریتمهای ژنتیک برای حل مؤثر پازلهای سودوکو.
نمای کلی شبکه های عصبی
مبانی معماری شبکه های عصبی: درک لایه ها، نورون ها و توابع فعال سازی.
یادگیری و سازگاری: چگونه شبکه ها در طول زمان یاد می گیرند و تکامل می یابند.
فعالیت های عملی با شبکه های عصبی
تشخیص رقم: استفاده از شبکه های عصبی برای تشخیص و تفسیر ارقام دست نویس.
برنامه پیشرفته: تکامل عصبی در بازی ها
بازی Snake: توسعه یک هوش مصنوعی که یاد میگیرد با استفاده از الگوریتمهای ژنتیک و شبکههای عصبی بازی Snake را یاد بگیرد.
با رویکرد ساختاریافته و عملی ما که بین تئوری و تجربه عملی گسترده تعادل برقرار میکند، وارد دنیای الگوریتمهای ژنتیک و شبکههای عصبی شوید. برای شروع تبدیل دانش نظری به راه حل ها و نوآوری های تاثیرگذار در زمینه هوش مصنوعی، همین امروز ثبت نام کنید.
سرفصل ها و درس ها
معرفی
Introduction
معرفی
Introduction
تکامل عصبی
Neuro-Evolution
مبانی الگوریتم ژنتیک
Foundations of Genetic Algorithms
مقدمه ای بر الگوریتم ژنتیک
Introduction to Genetic Algorithms
اصول اصلی الگوریتم های ژنتیک
Core Principles of Genetic Algorithms
نمایش نظرات