فلش‌کارت‌های آموزشی هوش مصنوعی از ابتدا: پیاده‌سازی‌های عملی الگوریتم‌های کلاسیک

هوش مصنوعی از ابتدا: پیاده‌سازی‌های عملی الگوریتم‌های کلاسیک | فتحی نو به دنیای AI هوش مصنوعی از ابتدا: پیاده‌سازی‌های عملی الگوریتم‌های کلاسیک آیا رویای ورود به دنیای جذاب و پرکاربرد هوش مصنوعی را در...

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 99,988 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی از ابتدا: پیاده‌سازی‌های عملی الگوریتم‌های کلاسیک

موضوع کلی: مفاهیم و پیاده‌سازی هوش مصنوعی

موضوع میانی: پیاده‌سازی الگوریتم‌های بنیادین هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی: تاریخچه و تعاریف
  • 2. آزمون تورینگ و فلسفه هوش مصنوعی
  • 3. آماده‌سازی محیط برنامه‌نویسی برای پروژه‌های هوش مصنوعی
  • 4. مروری بر ساختمان داده‌های کلیدی: لیست‌ها، صف‌ها و پشته‌ها
  • 5. مفهوم گراف و نمایش آن در کامپیوتر برای حل مسائل
  • 6. عامل‌های هوشمند و محیط آن‌ها (Agents and Environments)
  • 7. انواع عامل‌ها: از عامل واکنشی ساده تا عامل مبتنی بر هدف
  • 8. تعریف مسئله با فضای حالت (State-Space Problem Formulation)
  • 9. پیاده‌سازی اولین پروژه: نمایش یک فضای حالت ساده
  • 10. ارزیابی عملکرد الگوریتم‌ها: زمان، فضا، کامل بودن و بهینگی
  • 11. مقدمه‌ای بر الگوریتم‌های جستجوی ناآگاهانه (Uninformed Search)
  • 12. الگوریتم جستجوی اول سطح (BFS): مفاهیم و تئوری
  • 13. پیاده‌سازی جستجوی اول سطح با استفاده از صف
  • 14. کاربرد BFS: حل مسئله کوتاه‌ترین مسیر در گراف بی‌وزن
  • 15. الگوریتم جستجوی اول عمق (DFS): مفاهیم و تئوری
  • 16. پیاده‌سازی جستجوی اول عمق با استفاده از پشته (روش تکراری)
  • 17. پیاده‌سازی بازگشتی جستجوی اول عمق
  • 18. مقایسه BFS و DFS: چه زمانی از کدام استفاده کنیم؟
  • 19. الگوریتم جستجوی با هزینه یکنواخت (UCS)
  • 20. پیاده‌سازی UCS با استفاده از صف اولویت (Priority Queue)
  • 21. جستجوی عمقی با عمق محدود (DLS) و مشکل انتخاب عمق
  • 22. جستجوی عمقی تکرار شونده (IDS)
  • 23. پیاده‌سازی و تحلیل الگوریتم IDS
  • 24. جستجوی دوطرفه (Bidirectional Search) و پیچیدگی‌های آن
  • 25. پروژه بخش جستجوی ناآگاهانه: حل مسئله ماز (Maze)
  • 26. مقدمه‌ای بر جستجوی آگاهانه (Informed/Heuristic Search)
  • 27. مفهوم تابع هیوریستیک (Heuristic Function)
  • 28. الگوریتم جستجوی حریصانه بهترین-اول (Greedy Best-First Search)
  • 29. پیاده‌سازی جستجوی حریصانه و تحلیل معایب آن
  • 30. الگوریتم جستجوی *A (A-Star): مفاهیم و تئوری
  • 31. پیاده‌سازی گره‌ها و لیست‌های باز و بسته برای *A
  • 32. پیاده‌سازی حلقه اصلی الگوریتم *A
  • 33. هیوریستیک‌های قابل قبول (Admissible) و سازگار (Consistent)
  • 34. اهمیت هیوریستیک‌های قابل قبول در بهینگی *A
  • 35. تحلیل مسئله پازل هشت (8-Puzzle)
  • 36. طراحی هیوریستیک برای پازل هشت: فاصله منهتن
  • 37. طراحی هیوریستیک برای پازل هشت: تعداد خانه‌های نابجا
  • 38. پیاده‌سازی حل پازل هشت با الگوریتم *A
  • 39. مقایسه عملکرد هیوریستیک‌های مختلف در پازل هشت
  • 40. هیوریستیک‌های با حافظه و بهبودهای *A
  • 41. مقدمه‌ای بر جستجوی محلی (Local Search)
  • 42. الگوریتم تپه‌نوردی (Hill Climbing)
  • 43. مشکلات تپه‌نوردی: بیشینه محلی، فلات و لبه‌ها
  • 44. الگوریتم تبرید شبیه‌سازی شده (Simulated Annealing)
  • 45. مقدمه‌ای بر جستجوی تخاصمی و نظریه بازی‌ها (Adversarial Search)
  • 46. الگوریتم Minimax برای بازی‌های دو نفره نوبتی
  • 47. پیاده‌سازی ساختار درخت بازی برای دوز (Tic-Tac-Toe)
  • 48. پیاده‌سازی تابع ارزیابی (Evaluation Function) برای دوز
  • 49. پیاده‌سازی بازگشتی الگوریتم Minimax
  • 50. بهینه‌سازی با هرس آلفا-بتا (Alpha-Beta Pruning)
  • 51. مفاهیم آلفا و بتا و نحوه عملکرد هرس
  • 52. پیاده‌سازی الگوریتم Minimax با هرس آلفا-بتا
  • 53. مقایسه عملکرد Minimax و آلفا-بتا در عمل
  • 54. تکنیک‌های پیشرفته‌تر: جستجوی محدود در عمق و توابع ارزیابی پیچیده‌تر
  • 55. پروژه بخش بازی: ساخت یک عامل هوشمند برای بازی دوز
  • 56. مقدمه‌ای بر مسائل ارضای محدودیت (CSP)
  • 57. فرموله‌بندی مسائل به صورت CSP: متغیرها، دامنه‌ها و محدودیت‌ها
  • 58. الگوریتم جستجوی بازگشتی (Backtracking Search) برای CSP
  • 59. پیاده‌سازی جستجوی بازگشتی
  • 60. هیوریستیک‌ها در CSP: متغیر با کمترین مقادیر مجاز (MRV)
  • 61. هیوریستیک‌ها در CSP: هیوریستیک درجه (Degree Heuristic)
  • 62. هیوریستیک‌ها در CSP: انتخاب مقدار با کمترین محدودیت (LCV)
  • 63. انتشار محدودیت و سازگاری کمان (Arc Consistency)
  • 64. الگوریتم AC-3
  • 65. پیاده‌سازی مسئله رنگ‌آمیزی نقشه استرالیا به عنوان یک CSP
  • 66. مقدمه‌ای بر بازنمایی دانش و استدلال منطقی
  • 67. منطق گزاره‌ای (Propositional Logic): نمادها و مفاهیم
  • 68. جدول درستی و استلزام منطقی
  • 69. قواعد استنتاج: Modus Ponens و Resolution
  • 70. پیاده‌سازی یک پایگاه دانش ساده در منطق گزاره‌ای
  • 71. زنجیره‌سازی پیش‌رو (Forward Chaining)
  • 72. زنجیره‌سازی پس‌رو (Backward Chaining)
  • 73. پیاده‌سازی یک موتور استنتاج ساده با زنجیره‌سازی پیش‌رو
  • 74. سیستم‌های خبره (Expert Systems): معماری و کاربردها
  • 75. ساخت یک سیستم خبره کوچک مبتنی بر قانون
  • 76. مقدمه‌ای بر یادگیری ماشین (Machine Learning)
  • 77. یادگیری نظارت‌شده، نظارت‌نشده و تقویتی
  • 78. یادگیری مفهوم (Concept Learning)
  • 79. درخت تصمیم (Decision Trees)
  • 80. الگوریتم ID3 برای ساخت درخت تصمیم
  • 81. مفهوم آنتروپی و بهره اطلاعات (Information Gain)
  • 82. پیاده‌سازی محاسبه آنتروپی و بهره اطلاعات
  • 83. پیاده‌سازی الگوریتم ساخت درخت تصمیم ID3
  • 84. کار با مجموعه داده و پیش‌پردازش آن
  • 85. آزمایش درخت تصمیم بر روی یک مجموعه داده ساده
  • 86. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 87. چالش‌های درک زبان توسط ماشین
  • 88. قطعه‌بندی متن (Tokenization) و تحلیل واژگانی
  • 89. گرامرهای مستقل از متن (Context-Free Grammars)
  • 90. تجزیه (Parsing): تجزیه بالا به پایین و پایین به بالا
  • 91. پیاده‌سازی یک تجزیه‌گر بازگشتی نزولی ساده (Recursive Descent Parser)
  • 92. شبکه‌های معنایی (Semantic Networks) برای بازنمایی معنا
  • 93. تشخیص الگو و تطبیق کلمات کلیدی
  • 94. ساخت یک ربات گفتگوگر ساده (Chatbot) به سبک ELIZA
  • 95. پروژه نهایی: ترکیب الگوریتم‌ها برای یک عامل هوشمند
  • 96. مروری بر محدودیت‌های هوش مصنوعی کلاسیک
  • 97. نگاهی به هوش مصنوعی مدرن: شبکه‌های عصبی و یادگیری عمیق
  • 98. جمع‌بندی دوره و گام‌های بعدی برای یادگیری
  • 99. منابع بیشتر و مسیرهای مطالعاتی پیشرفته در هوش مصنوعی
SMART LEARNING PLATFORM
از مطالعه تا یادگیری ماندگار
فراتر از یک مجموعه فلش‌کارت؛ تجربه‌ای تعاملی برای یادگیری، تمرین، مرور هوشمند و مشاهده مسیر پیشرفت شما، همراه با امکان دریافت گواهی پایان دوره در دوره‌های واجد شرایط.
مرور فاصله‌دار آمار یادگیری گواهی دوزبانه
یادگیری را به یک مسیر قابل پیگیری تبدیل کنید
با ورود به سامانه آموزشی، محتوای دوره را به‌صورت مرحله‌ای دنبال کنید، فلش‌کارت‌ها را مرور کنید، دانش خود را با پرسش‌ها و آزمون‌ها بسنجید و روند پیشرفتتان را در طول مسیر ببینید.
⟳
مرور فاصله‌دار هوشمند
با مرور زمان‌دار، کارت‌های تازه و کارت‌های سررسیدشده را بر اساس برنامه مرور دنبال کنید. ارزیابی پاسخ‌ها به زمان‌بندی مرورهای بعدی کمک می‌کند تا تمرین متناسب‌تری داشته باشید.
◉
مشاهده مسیر پیشرفت
میزان مشاهده فلش‌کارت‌ها، فعالیت‌های مرور، عملکرد آزمون‌ها و آمار یادگیری را بررسی کنید و تصویر روشن‌تری از مسیر آموزشی خود داشته باشید.
▤
یادگیری مرحله‌به‌مرحله
فصل‌ها و بخش‌های آموزشی را به ترتیب دنبال کنید، مطالب دیده‌نشده را پیدا کنید و بدون سردرگمی به ادامه مسیر برگردید.
✓
تمرین و سنجش آموخته‌ها
با نکته‌های آموزشی، پرسش و پاسخ، کوییزها و آزمون‌های پایان فصل، دانسته‌های خود را تمرین کنید و بخش‌هایی را که به توجه بیشتری نیاز دارند بشناسید.
SMART REVIEW
هر بار، مرور هدفمندتر
لازم نیست هر روز از ابتدا درباره اینکه چه چیزی را مرور کنید تصمیم بگیرید. سامانه، صف مرور روزانه را بر اساس کارت‌های تازه و موعد مرور کارت‌ها آماده می‌کند. شما پاسخ را ارزیابی می‌کنید و برنامه مرور با توجه به آن تنظیم می‌شود.
دوباره
برای کارت‌هایی که به تمرین زودتر نیاز دارند.
سخت
برای پاسخ‌هایی که با دشواری به یاد آمده‌اند.
خوب
برای پاسخ‌هایی که به‌درستی به یاد آورده‌اید.
آسان
برای کارت‌هایی که پاسخ آن‌ها را به‌آسانی می‌دانید.
برنامه مرور بر اساس ارزیابی شما تنظیم می‌شود؛ مرور منظم می‌تواند به تثبیت آموخته‌ها کمک کند، اما به‌تنهایی تضمین‌کننده تسلط کامل نیست.
محتوا را به شیوه‌های مختلف تمرین کنید
ساختار دوره‌ها متناسب با موضوع آموزشی طراحی شده است و ممکن است انواع مختلفی از محتوا را در بر بگیرد.
نکته‌های ساده
برای مرور سریع مفاهیم اصلی و نکات کلیدی.
نکته‌های رسمی
برای تمرین تعاریف، اصطلاحات و بیان دقیق علمی.
کوییز
برای سنجش درک مطلب و بررسی گزینه صحیح.
پرسش و پاسخ
برای تمرین یادآوری و سنجش میزان تسلط بر مطالب.
محتوای هر دوره بر اساس ساختار و امکانات فعال همان دوره ارائه می‌شود.
LEARN ANYWHERE
همراه شما روی مرورگر
برای استفاده از نسخه تحت وب، کافی است با حساب کاربری خود وارد سامانه شوید. بدون نیاز به نصب یک برنامه اختصاصی، می‌توانید از مرورگر سازگار روی گوشی، تبلت یا رایانه به دوره‌های در دسترس خود مراجعه کنید.
گوشی هوشمند
برای مطالعه در زمان‌های کوتاه
تبلت و لپ‌تاپ
برای مطالعه و مرور راحت‌تر
حساب کاربری شخصی
برای دسترسی به دوره‌های مجاز شما
COURSE COMPLETION CERTIFICATE
گواهی پایان دوره؛ ثبت دستاورد شما
در دوره‌هایی که امکان دریافت گواهی برای آن‌ها فعال است، می‌توانید پس از تکمیل شرایط آموزشی، درخواست گواهی پایان دوره ثبت کنید.
شرایط درخواست گواهی
✓ داشتن دسترسی دارای قابلیت گواهی برای دوره مربوطه.
✓ تکمیل اطلاعات لازم در پروفایل، شامل کد ملی معتبر، عکس پرسنلی و نام و نام خانوادگی انگلیسی.
✓ مشاهده تمام فلش‌کارت‌های فعال دوره.
✓ قبولی در آزمون‌های پایان فصل، در صورت وجود آزمون برای فصل‌ها.
فارسی و انگلیسی
پس از تأیید و انتشار، نسخه‌های فارسی و انگلیسی گواهی در دسترس قرار می‌گیرند.
استعلام آنلاین
گواهی منتشرشده دارای QR Code و لینک اختصاصی برای بررسی آنلاین اعتبار آن است.
دانلود و چاپ
پس از انتشار گواهی، امکان دریافت نسخه PDF فارسی و انگلیسی و چاپ آن فراهم است.
توجه: ثبت درخواست به معنای صدور قطعی نیست. درخواست گواهی پس از بررسی و تأیید ادمین منتشر می‌شود. این گواهی، گواهی پایان دوره آموزشی است و به‌خودی‌خود معادل مدرک دانشگاهی یا مدرک رسمی مورد تأیید نهادهای دولتی نیست.
یادگیری را شروع کنید؛ پیشرفت را دنبال کنید
با تمرین منظم، مرور هدفمند و پیگیری مسیر آموزشی خود، قدم‌به‌قدم دانش و مهارت‌هایتان را گسترش دهید.
هر کارت، یک قدم به جلو
امکانات محتوایی، مرور و گواهی بر اساس سطح دسترسی و تنظیمات هر دوره متفاوت است.
نگاهی به محیط سامانه

یادگیری هوشمند، قدم‌به‌قدم

با محیط سامانه آموزشی آشنا شوید و نمونه‌هایی از فضای یادگیری، فلش‌کارت‌ها و ابزارهای مرور و تمرین را مشاهده کنید.

تصویر نمونه اول از سامانه آموزشی و فلش‌کارت‌ها
محیط سامانه آموزشی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه دوم از سامانه آموزشی و فلش‌کارت‌ها
یادگیری و مرور مطالب
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه سوم از سامانه آموزشی و فلش‌کارت‌ها
تجربه مطالعه تعاملی
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید
تصویر نمونه چهارم از سامانه آموزشی و فلش‌کارت‌ها
امکانات بیشتر سامانه
برای مشاهده تصویر در اندازه بزرگ‌تر کلیک کنید

یادگیری فراتر از مطالعه معمولی
با فلش‌کارت‌های آموزشی، مرور هدفمند و تمرین مستمر، مطالب را فعالانه یاد بگیرید و مسیر پیشرفت خود را دنبال کنید.

تگ‌ها: AI AI for Beginners AI Implementation Artificial Intelligence Classic AI Algorithms Experiments in AI Machine Learning ML Small Computer AI الگوریتم‌های هوش مصنوعی پیاده‌سازی عملی هوش مصنوعی هوش مصنوعی هوش مصنوعی برای مبتدیان هوش مصنوعی عملی هوش مصنوعی کلاسیک یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.