اصول هوش مصنوعی: الگوریتمهای جستجو
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- تعریف هوش مصنوعی
- تعریف هوش مصنوعی
- الگوریتمهای جستجو
- عناصر جستجوی گراف
- بهینهسازی
پیش نیازهای دوره
- درک مقدماتی از برنامهنویسی
- اصول پایتون
توضیحات دوره
این دوره برای تمام علاقهمندانی که به دنبال شغلی در زمینه هوش مصنوعی هستند، طراحی شده است. هدف اصلی این دوره ارائه یک شالوده محکم از مفاهیم کلاسیک هوش مصنوعی است که شامل تعریف هوش مصنوعی، مکاتب فکری مختلف و اشارهای به اندیشههای سر آلن تورینگ درباره تفکر محاسباتی میباشد. با پیشرفت در دوره، تلاش میشود تا اهمیت گرافها و نحوه نمایش هر مسئلهای به عنوان یک گراف درک شود. در قلب این دوره، الگوریتمهای جستجو قرار دارند؛ در اینجا روشهایی بررسی میشوند که به کامپیوترها اجازه میدهند تا در یک فضای جستجوی وسیع به دنبال راهحل بگردند. در این راستا، با الگوریتمهای جستجوی ناآگاهانه و آگاهانه کار خواهد شد. الگوریتمهای جستجوی آگاهانه ردپای خود را در رباتیک، سیستمهای ناوبری، طراحی بازیها و بسیاری موارد دیگر دارند. این دوره بدون پرداختن به جستجوی محلی ناقص خواهد بود؛ بنابراین برای مقابله با چالشهای الگوریتمهای جستجو، به جستجوی محلی پرداخته میشود که در نهایت به بهینهسازی ختم میشود. در بخش جستجوی محلی، با الگوریتمهای تپهنوردی و معایب آنها کار خواهد شد. به طور خلاصه، این دوره به سوالات دانشجویانی پاسخ میدهد که میخواهند تفاوتهای بنیادین میان هوش انسانی و هوش ماشینی را کشف کنند.
این دوره برای چه کسانی مناسب است؟
- هر کسی که به حوزه هوش مصنوعی علاقهمند است.
- دانشجویان مهندسی
اصول هوش مصنوعی: الگوریتمهای جستجو
-
مقدمه دوره 01:16
-
سرفصل دوره 04:16
-
هوش مصنوعی در اطراف ما کجاست؟ 03:12
-
هوش مصنوعی چیست؟ 05:40
-
پارادایمهای هوش مصنوعی 02:24
-
چرا هوش مصنوعی اکنون مهم است؟ 02:18
-
کاربردهای هوش مصنوعی 05:57
-
تاریخچه هوش مصنوعی 02:20
-
هوش انسانی چگونه کار میکند؟ 03:27
-
هوش مصنوعی چیست؟ None
-
عامل و محیط چیست؟ 02:16
-
عقلانیت و عامل عقلانی چیست؟ 01:17
-
فاکتورهای عقلانیت 02:06
-
ماهیت محیطها 01:23
-
انواع معماریهای عامل 00:44
-
عامل واکنشی ساده 04:09
-
عامل واکنشی با وضعیت داخلی 04:42
-
عامل مبتنی بر هدف 03:34
-
عاملهای مبتنی بر مطلوبیت 05:15
-
عقلانیت، عاملها و محیط None
-
نصب توزیع Anaconda 03:13
-
کار با Jupyter Notebooks 1 02:53
-
کار با Jupyter Notebooks 2 02:04
-
پایتون چیست؟ 01:36
-
انواع داده در پایتون 00:37
-
حلقهها - For (Jupyter) 06:40
-
حلقهها - While (Jupyter) 08:35
-
ایجاد توابع در پایتون (Jupyter) 12:09
-
دستورات شرطی - If Else (Jupyter) 05:45
-
دوره فشرده پایتون None
-
مسئله چیست؟ 04:54
-
عامل حل مسئله 03:25
-
الگوریتمهای جستجو 04:02
-
مقدمهای بر جستجوی گراف 03:08
-
عناصر جستجوی گراف 03:58
-
انواع الگوریتمهای جستجو 00:56
-
الگوریتمهای جستجوی ناآگاهانه 05:29
-
جستجوی عرض اول (BFS) 06:43
-
پیادهسازی جستجوی عرض اول در پایتون 19:49
-
جستجوی عمق اول (DFS) 06:38
-
پیادهسازی جستجوی عمق اول در پایتون 16:56
-
جستجوی عمق محدود 07:33
-
جستجوی تعمیق تکراری 09:32
-
جستجوی هزینه یکنواخت 04:51
-
الگوریتمهای جستجو - جستجوی ناآگاهانه None
-
مقدمهای بر الگوریتمهای جستجوی آگاهانه 11:01
-
جستجوی بهترین-اول 05:22
-
الگوریتم جستجوی حریصانه 09:57
-
الگوریتم A* 08:13
-
الگوریتمهای جستجو - جستجوی آگاهانه None
-
مقدمهای بر جستجوی محلی 09:57
-
متد تپهنوردی 05:05
-
انواع متدهای تپهنوردی 07:24
-
کاربردهای تپهنوردی 02:08
-
جستجوی محلی None
-
نتیجهگیری دوره 02:54
مشخصات آموزش
اصول هوش مصنوعی: الگوریتمهای جستجو
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:مقدماتی
- تعداد درس:56
- مدت زمان :04:19:43
- حجم :2.74GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy