آموزش الگوریتم های ژنتیک و شبکه های عصبی: جاوا، هوش مصنوعی

Genetic Algorithms & Neural Networks: Java, AI

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      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:

      1. اصول و اجزای الگوریتم ژنتیک، از جمله فرآیندهای انتخاب، متقاطع و جهش را بدانید.

      2. با حل مسائلی مانند فروشنده دوره گرد و بهینه سازی عملکرد، تجربه عملی با الگوریتم های ژنتیک به دست آورید.

      3. اصولات شبکه های عصبی را بیاموزید و آنها را در کارهای دنیای واقعی مانند تشخیص رقم به کار ببرید.

      4. با ایجاد یک "بازی مار" خودآموز، درک درستی از تکنیک های تکامل عصبی ایجاد کنید.

      5. 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

      1. نظریه

        • نمای کلی الگوریتم ژنتیک: مقدمه و تاریخچه.

        • مبانی: ساختار اساسی، انتخاب والدین، متقاطع، جهش، و انتخاب بازمانده.

        • ارزیابی: مزایا و معایب الگوریتم ژنتیک.

      2. 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.

      3. 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.

      4. فعالیت های عملی با شبکه های عصبی

        • تشخیص رقم: استفاده از شبکه های عصبی برای تشخیص و تفسیر ارقام دست نویس.

      5. 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

      • معماری الگوریتم ژنتیک Genetic Algorithm Architecture

      • انتخاب والد در الگوریتم ژنتیک Parent Selection in Genetic Algorithms

      • الگوریتم های ژنتیک: فرآیند متقاطع Genetic Algorithms: The Crossover Process

      • فرآیند جهش در تکامل ژنتیکی The Mutation Process in Genetic Evolution

      • انتخاب بازمانده در الگوریتم های ژنتیک Survivor Selection in Genetic Algorithms

      • مزایا و معایب الگوریتم ژنتیک Pros and Cons of Genetic Algorithms

      با الگوریتم ژنتیک عمل کنید Hands-On with Genetic Algorithms

      • تنظیم محیط الگوریتم ژنتیک شما Setting Up Your Genetic Algorithm Environment

      • سلام دنیای الگوریتم های ژنتیک: بهینه سازی رشته های باینری 1 Hello World of Genetic Algorithms: Binary String Optimization 1

      • سلام دنیای الگوریتم های ژنتیک: بهینه سازی رشته باینری 2 Hello World of Genetic Algorithms: Binary String Optimization 2

      • الگوریتم های ژنتیک: نقش اندازه جمعیت Genetic Algorithms: The Role of Population Size

      • بکارگیری الگوریتم ژنتیک در مسئله فروشنده دوره گرد 1 Applying Genetic Algorithms to the Traveling Salesman Problem 1

      • استفاده از الگوریتم های ژنتیک در مسئله فروشنده دوره گرد 2 Applying Genetic Algorithms to the Traveling Salesman Problem 2

      • حل سودوکو با الگوریتم ژنتیک 1 Solving Sudoku with Genetic Algorithms 1

      • حل سودوکو با الگوریتم ژنتیک 2 (سفارشی کردن اپراتورهای GA) Solving Sudoku with Genetic Algorithms 2 (Customize GA Operators)

      • بهینه سازی توابع با استفاده از الگوریتم ژنتیک Optimizing Functions Using Genetic Algorithms

      مبانی شبکه های عصبی Fundamentals of Neural Networks

      • مبانی شبکه های عصبی Fundamentals of Neural Networks

      کار با الگوریتم های ژنتیک و شبکه های عصبی Hands-On with Genetic Algorithms and Neural Networks

      • تشخیص رقم با شبکه های عصبی: ساخت و آموزش Digit Recognition with Neural Networks: Building and Training

      • تشخیص رقم: آموزش شبکه های عصبی با الگوریتم ژنتیک Digit Recognition: Training Neural Networks with Genetic Algorithms

      Neuro-evolution in Action: Evolving the Snake Game Neuro-evolution in Action: Evolving the Snake Game

      • بازی مار - بررسی اجمالی Snake Game - Overview

      • ایجاد یک شبکه عصبی برای بازی مار Creating a Neural Network for the Snake Game

      • کلاس های کمکی بنیادی: ساده کردن گردش کار پروژه شما Foundational Helper Classes: Simplifying Your Project Workflow

      • راه اندازی الگوریتم ژنتیک برای بازی مار Setting Up the Genetic Algorithm for the Snake Game

      • طراحی عملکرد تناسب اندام برای بازی مار Designing the Fitness Function for the Snake Game

      • ردیابی تکامل و عملکرد مار Tracking Snake Evolution and Performance

      نمایش نظرات

      آموزش الگوریتم های ژنتیک و شبکه های عصبی: جاوا، هوش مصنوعی
      جزییات دوره
      6 hours
      28
      Udemy (یودمی) Udemy (یودمی)
      (آخرین آپدیت)
      2,583
      4.7 از 5
      دارد
      دارد
      دارد
      Catalin Baba
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Catalin Baba Catalin Baba

      مهندس نرم افزار