آموزش راهنمای عملی هوش مصنوعی در یونیتی - آخرین آپدیت

دانلود Practical guide to AI in Unity

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

آموزش ساخت هوش مصنوعی پیشرفته برای بازی‌های Unity

ساخت هوش مصنوعی برای بازی Unity: توسعه یک شبیه‌ساز کلونی با استفاده از ماشین‌های حالت (State-Machines)، درخت‌های رفتار (Behavior-Trees) و الگوریتم‌های ژنتیک (Genetic Algorithms)

ایجاد پایه‌ای محکم برای یک بازی بقا و شبیه‌ساز کلونی، شبیه به بازی‌های محبوب مانند Rimworld یا Oxygen Not Included.

توسعه راهکارهای هوش مصنوعی عملی ساده و پیچیده برای بازی‌های شما.

ساخت یک هوش مصنوعی ساده با استفاده از ماشین‌های حالت (State-Machines).

ایجاد ماشین‌های حالت قابل توسعه با استفاده از الگوی حالت (State Pattern).

توسعه یک هوش مصنوعی پیچیده با استفاده از درخت‌های رفتار (Behavior Trees).

تسلط بر پلاگین Behavior Designer، راهکار استاندارد صنعتی برای درخت‌های رفتار.

شبیه‌سازی یک اکوسیستم با استفاده از الگوریتم‌های ژنتیک (Genetic Algorithms).

پیش‌نیازها:

  • درک پایه از Unity
  • درک پایه از زبان برنامه‌نویسی C#

آنچه یاد خواهید گرفت:

بیاموزید چگونه هوش مصنوعی پیشرفته برای بازی‌های ویدیویی با استفاده از Unity خلق کنید.

این دوره با رویکردی کاملاً پروژه‌محور طراحی شده است. شما فقط تئوری‌های خشک را فرا نخواهید گرفت، بلکه مفاهیم آموخته شده را در دو پروژه واقعی Unity به کار خواهید برد:

  • Catch: یک کپی دیجیتال ساده از بازی محبوب «دنبال کردن» (catch).
  • شبیه‌ساز کلونی (Colony Simulation): یک بازی شبیه به Rimworld یا Oxygen Not Included که در آن NPCها مستقیماً توسط شما کنترل نمی‌شوند، بلکه توسط هوش مصنوعی هدایت می‌شوند و شما باید با تامین نیازهایشان (مانند غذا) به بقای آن‌ها کمک کنید.

مزایای ویژه دوره:

دریافت یک لایسنس آموزشی رایگان و انحصاری Behavior Designer که به طور معمول هزینه‌ای حدود 90 دلار دارد. Behavior Designer، راهکار استاندارد صنعتی برای درخت‌های رفتار، این لایسنس اختصاصی را برای این دوره فراهم کرده است و در هیچ جای دیگری قابل دسترس نیست.

دسترسی کامل و دائمی (lifetime access) به محتوای دوره.

سرفصل‌های کلیدی دوره:

دوره با ساده‌ترین سیستم هوش مصنوعی، یعنی ماشین‌های حالت (State-Machines) آغاز می‌شود.

سپس ماشین‌های حالت را بهبود بخشیده و با استفاده از الگوی حالت (State Pattern) آن‌ها را قابل توسعه‌تر خواهیم کرد.

پس از آن به موضوع اصلی دوره می‌پردازیم: یکی از تکنیک‌های پیشرفته مورد استفاده در تولید بازی‌های مستقل و AAA، یعنی درخت‌های رفتار (Behavior Trees).

در نهایت، نگاهی به یکی از رویکردهای تجربی‌تر هوش مصنوعی، یعنی الگوریتم‌های ژنتیک (Genetic Algorithms) خواهیم داشت. این الگوریتم‌ها اگرچه موضوعی تخصصی‌تر هستند، اما پتانسیل ایجاد مکانیک‌های بازی بسیار جذاب و متمایز را دارند.

نکات تکمیلی دوره:

با وجود جامع بودن این دوره و پوشش مهم‌ترین جنبه‌های هوش مصنوعی در توسعه بازی‌های مدرن، نمی‌توان تمام مباحث این حوزه گسترده را پوشش داد. به عنوان مثال، یادگیری ماشین (machine learning) به دلیل پیچیدگی و نیاز به دوره‌های آموزشی جداگانه، و همچنین عدم کنترل مستقیم در بسیاری از بازی‌ها، در این دوره مورد بررسی قرار نمی‌گیرد.

پس از پایان این دوره، شما با مهم‌ترین تکنیک‌ها و الگوهای طراحی هوش مصنوعی در توسعه بازی‌های مدرن، اعتماد به نفس کامل خواهید داشت.

دعوت به اقدام:

پس منتظر چه هستید؟ همین حالا به من بپیوندید و شروع به خلق سیستم‌های هوش مصنوعی شگفت‌انگیز خودتان کنید!


سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

  • هوش مصنوعی - عمومی AI - General

ماشین‌های حالت State Machines

  • نظریه ماشین‌های حالت State Machines Theory

  • مثال ماشین‌های حالت State Machines Example

  • تمرین ماشین حالت State Machine Exercise

  • تمرین ماشین حالت - راه حل State Machine Exercise - Solution

الگوی حالت State Pattern

  • نظریه الگوی حالت State Pattern Theory

  • مثال الگوی حالت State Pattern Example

درخت‌های رفتاری Behavior Trees

  • مقدمه Introduction

  • نظریه Theory

  • مثال‌ها و تمرین نظری ۱ Theoretic Examples & Exercise1

طراح رفتار Behavior Designer

  • مرور کلی پروژه Project Overview

  • اولین درخت رفتاری ما با طراح رفتار Our first Behavior Tree with Behavior Designer

  • تمرین ۲ - رفتار شکارچی Exercise2 - Hunterbehavior

  • تمرین ۲ - رفتار شکارچی - راه حل Exercise 2 - Hunterbehavior - Solution

  • عملیات سفارشی Custom Actions

  • شرایط سفارشی Custom Conditions

  • طراح رفتار - متغیرها Behavior Designer - Variables

  • تمرین ۳ - شرط سفارشی Exercise3 - Custom Condition

  • تمرین ۳ - شرط سفارشی - راه حل Exercise3 - Custom Condition - Solution

  • اولویت‌ها و لغوهای شرطی - نظریه Priorities & Conditional Aborts - Theory

  • اولویت‌ها و لغوهای شرطی - مثال Priorities & Conditional Aborts - Example

  • تمرین ۴ - رفتار مرغ Exercise4 - Chickenbehavior

  • تمرین ۴ - رفتار مرغ - راه حل Exercise4 - Chickenbehavior - Solution

الگوریتم‌های ژنتیک Genetic Algorithms

  • مقدمه Introduction

  • مثال Example

  • خاتمه دوره Course Outro

نمایش نظرات

آموزش راهنمای عملی هوش مصنوعی در یونیتی
جزییات دوره
5 hours
27
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
13,903
4.4 از 5
دارد
دارد
دارد
Andreas Metz
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Andreas Metz Andreas Metz

Teacher and Indie devHi ، من آندریاس هستم ، مهندسی نرم افزار با 5 سال تجربه در تدریس برنامه نویسی. من به عنوان کارشناسی ارشد علوم انفورماتیک و روانشناسی در دانشگاه وین فارغ التحصیل شده ام و اندکی پس از آن معلم شدم. من به عنوان یک کار نیمه وقت ، حدود 8 سال است که به طور حرفه ای و به عنوان یک علاقه مند بازی ها را توسعه می دهم. من Unity را در دانشگاه ها و دبیرستان های مختلف اتریش تدریس کرده ام و بنابراین تجربه کمی در تدریس دارم.