دوره کاوش در هوش مصنوعی با IBM PC: آموزش عملی با زبانهای برنامهنویسی پایه همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 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)
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.