اپلیکیشن اندرویدی فلش‌کارت آموزشی کاوش در هوش مصنوعی با IBM PC: آموزش عملی با زبان‌های برنامه‌نویسی پایه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاوش در هوش مصنوعی با IBM PC: آموزش عملی با زبان‌های برنامه‌نویسی پایه

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: مقدمه‌ای بر هوش مصنوعی با استفاده از کامپیوترهای شخصی IBM

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و اهداف آن
• 2. تاریخچه هوش مصنوعی
• 3. چرا IBM PC برای هوش مصنوعی؟
• 4. نصب و راه‌اندازی محیط برنامه‌نویسی
• 5. معرفی زبان برنامه‌نویسی پایه (BASIC)
• 6. اصول برنامه‌نویسی در BASIC
• 7. متغیرها، انواع داده و عملگرها در BASIC
• 8. دستورات کنترلی (IF-THEN-ELSE) در BASIC
• 9. حلقه‌ها (FOR-NEXT، WHILE-WEND) در BASIC
• 10. آرایه‌ها و ساختارهای داده ساده در BASIC
• 11. توابع و رویه‌ها در BASIC
• 12. ورودی و خروجی داده در BASIC
• 13. مدیریت فایل‌ها در BASIC
• 14. مقدمه‌ای بر منطق در برنامه‌نویسی
• 15. اصول استنتاج منطقی
• 16. نمایش دانش در هوش مصنوعی
• 17. قواعد استنتاج (Inference Rules)
• 18. سیستم‌های مبتنی بر قاعده (Rule-Based Systems)
• 19. موتور استنتاج (Inference Engine)
• 20. پیاده‌سازی سیستم مبتنی بر قاعده در BASIC
• 21. مثال عملی: سیستم تشخیص بیماری ساده
• 22. مقدمه‌ای بر جستجو در هوش مصنوعی
• 23. جستجوی آگاهانه (Informed Search)
• 24. جستجوی ناهشیار (Uninformed Search)
• 25. جستجوی اول سطح (Breadth-First Search)
• 26. جستجوی اول عمق (Depth-First Search)
• 27. پیاده‌سازی جستجوی اول سطح در BASIC
• 28. پیاده‌سازی جستجوی اول عمق در BASIC
• 29. مسائل جستجو: مثال مسئله هشت پازل
• 30. مسائل جستجو: مثال مسئله برج هانوی
• 31. الگوریتم A*
• 32. هزینه و اکتشاف در الگوریتم A*
• 33. پیاده‌سازی الگوریتم A* در BASIC
• 34. مقدمه‌ای بر یادگیری ماشین
• 35. یادگیری با نظارت (Supervised Learning)
• 36. یادگیری بدون نظارت (Unsupervised Learning)
• 37. یادگیری تقویتی (Reinforcement Learning)
• 38. رگرسیون خطی ساده
• 39. پیاده‌سازی رگرسیون خطی در BASIC
• 40. دسته‌بندی (Classification)
• 41. طبقه‌بندی کننده نزدیک‌ترین همسایه (k-NN)
• 42. پیاده‌سازی k-NN در BASIC
• 43. درخت‌های تصمیم (Decision Trees)
• 44. ساخت درخت تصمیم
• 45. پیاده‌سازی درخت تصمیم ساده در BASIC
• 46. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 47. نورون مصنوعی (Perceptron)
• 48. شبکه‌های عصبی چند لایه (Multi-Layer Perceptrons)
• 49. تابع فعال‌سازی (Activation Function)
• 50. پس‌انتشار خطا (Backpropagation)
• 51. آموزش شبکه‌های عصبی در BASIC
• 52. مثال: تشخیص ارقام دست‌نویس ساده
• 53. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 54. درک زبان طبیعی (NLU)
• 55. تولید زبان طبیعی (NLG)
• 56. تجزیه و تحلیل معنایی (Semantic Analysis)
• 57. تجزیه و تحلیل نحوی (Syntactic Analysis)
• 58. پردازش رشته‌ها در BASIC
• 59. استخراج کلمات کلیدی از متن
• 60. مثال: سیستم پرسش و پاسخ ساده
• 61. مقدمه‌ای بر رباتیک و هوش مصنوعی
• 62. مفاهیم اولیه رباتیک
• 63. سنسورها و عملگرها
• 64. هدایت ربات
• 65. برنامه‌نویسی ربات‌های ساده
• 66. شبیه‌سازی ربات در BASIC
• 67. مقدمه‌ای بر سیستم‌های خبره (Expert Systems)
• 68. معماری سیستم خبره
• 69. جمع‌آوری دانش خبرگان
• 70. قواعد برای سیستم‌های خبره
• 71. استنتاج در سیستم‌های خبره
• 72. مثال: سیستم خبره برای انتخاب نرم‌افزار
• 73. استفاده از ابزارهای توسعه هوش مصنوعی در IBM PC (اگر وجود داشت)
• 74. بازنگری در کاربردهای هوش مصنوعی
• 75. هوش مصنوعی در بازی‌ها
• 76. هوش مصنوعی در پزشکی
• 77. هوش مصنوعی در امور مالی
• 78. هوش مصنوعی در آموزش
• 79. هوش مصنوعی در صنعت
• 80. ملاحظات اخلاقی در هوش مصنوعی
• 81. آینده هوش مصنوعی
• 82. پروژه‌های عملی در هوش مصنوعی
• 83. پروژه ۱: ساخت یک بازی فکری هوشمند
• 84. پروژه ۲: پیاده‌سازی یک سیستم پیشنهاد دهنده ساده
• 85. پروژه ۳: یک سیستم تشخیص الگو ساده
• 86. پروژه ۴: ربات شبیه‌سازی شده با رفتار پیچیده
• 87. پروژه ۵: یک سیستم بازیابی اطلاعات اولیه
• 88. یادگیری عمیق (Deep Learning) - معرفی مختصر
• 89. مفاهیم شبکه‌های عصبی عمیق
• 90. کاربرد یادگیری عمیق
• 91. یادگیری تقویتی پیشرفته
• 92. مفهوم عامل هوشمند (Intelligent Agent)
• 93. قابلیت‌های عامل هوشمند
• 94. طراحی عامل هوشمند در BASIC
• 95. شیوه‌های حل مسئله غیرقطعی
• 96. برنامه‌نویسی منطقی (Logic Programming) - معرفی مختصر
• 97. زبان Prolog - معرفی مختصر
• 98. استنتاج خودکار (Automated Reasoning)
• 99. نظریه بازی‌ها (Game Theory) و هوش مصنوعی
• 100. هوش مصنوعی جمعی (Collective Intelligence)