کتاب هوش مصنوعی تصمیم‌ساز: ساخت سیستم خبره از ایده تا اجرا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی تصمیم‌ساز: ساخت سیستم خبره از ایده تا اجرا

موضوع کلی: هوش مصنوعی

موضوع میانی: سیستم‌های مبتنی بر دانش

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی و سیستم های مبتنی بر دانش
• 2. مفهوم سیستم خبره و کاربردهای آن
• 3. تاریخچه سیستم های خبره و سیر تکاملی آن
• 4. معماری یک سیستم خبره: اجزا و ارتباطات
• 5. موتور استنتاج: قلب تپنده سیستم خبره
• 6. پایگاه دانش: ذخیره سازی اطلاعات و قواعد
• 7. رابط کاربری: تعامل با کاربر
• 8. انواع سیستم های خبره بر اساس کاربرد
• 9. مزایای استفاده از سیستم های خبره
• 10. معایب و محدودیت های سیستم های خبره
• 11. روش های کسب دانش: مصاحبه، مشاهده، پرسشنامه
• 12. تکنیک های مدلسازی دانش: قواعد، فریم ها، شبکه های معنایی
• 13. نمایش دانش با استفاده از قواعد تولید
• 14. زبان های برنامه نویسی مناسب برای سیستم های خبره
• 15. معرفی CLIPS: یک زبان برنامه نویسی سیستم خبره
• 16. نصب و راه اندازی CLIPS
• 17. ساختار اصلی یک برنامه CLIPS
• 18. تعریف فکت ها (Facts) در CLIPS
• 19. تعریف تمپلیت ها (Templates) در CLIPS
• 20. تعریف قواعد (Rules) در CLIPS
• 21. مفهوم الگوبرداری (Pattern Matching) در CLIPS
• 22. مفهوم استنتاج (Inference) در CLIPS
• 23. استراتژی های حل تعارض (Conflict Resolution) در CLIPS
• 24. مفهوم حافظه کاری (Working Memory) در CLIPS
• 25. انواع متغیرها در CLIPS
• 26. عملگرهای منطقی در CLIPS
• 27. عملگرهای ریاضی در CLIPS
• 28. عملگرهای رشته ای در CLIPS
• 29. توابع داخلی CLIPS
• 30. توابع سفارشی در CLIPS
• 31. کنترل جریان برنامه در CLIPS
• 32. دیباگ کردن برنامه های CLIPS
• 33. مفهوم Forward Chaining
• 34. مفهوم Backward Chaining
• 35. مقایسه Forward Chaining و Backward Chaining
• 36. استفاده از CLIPS IDE
• 37. ساخت یک سیستم خبره ساده در CLIPS: تشخیص بیماری
• 38. بهینه سازی عملکرد سیستم خبره CLIPS
• 39. مدیریت حافظه در CLIPS
• 40. مفهوم متغیرهای گلوبال (Global Variables)
• 41. مفهوم توابع External
• 42. اتصال CLIPS به پایگاه داده
• 43. اتصال CLIPS به زبان های برنامه نویسی دیگر (Python, Java)
• 44. مفهوم عدم قطعیت (Uncertainty) در سیستم های خبره
• 45. روش های مدیریت عدم قطعیت: تئوری احتمال
• 46. روش های مدیریت عدم قطعیت: منطق فازی
• 47. روش های مدیریت عدم قطعیت: فاکتورهای اطمینان (Certainty Factors)
• 48. پیاده سازی فاکتورهای اطمینان در CLIPS
• 49. مفهوم یادگیری ماشین در سیستم های خبره
• 50. استفاده از الگوریتم های یادگیری ماشین برای بهبود سیستم خبره
• 51. معرفی سیستم های خبره مبتنی بر وب
• 52. ساخت یک سیستم خبره تحت وب با استفاده از HTML, CSS, JavaScript
• 53. اتصال CLIPS به یک رابط کاربری تحت وب
• 54. معرفی فریم ورک های توسعه سیستم های خبره
• 55. مقایسه فریم ورک های مختلف سیستم های خبره
• 56. مفهوم Ontology در سیستم های خبره
• 57. استفاده از Ontology برای نمایش دانش
• 58. معرفی زبان OWL برای تعریف Ontology
• 59. استفاده از Protégé برای ساخت Ontology
• 60. اتصال Ontology به CLIPS
• 61. معرفی Semantic Web
• 62. کاربردهای Semantic Web در سیستم های خبره
• 63. مفهوم Reasoner در سیستم های خبره
• 64. انواع Reasoner ها و کاربردهای آن ها
• 65. استفاده از Reasoner ها برای استنتاج در سیستم های خبره
• 66. معرفی سیستم های خبره توزیع شده
• 67. مزایای استفاده از سیستم های خبره توزیع شده
• 68. چالش های توسعه سیستم های خبره توزیع شده
• 69. معرفی Agent-based Expert Systems
• 70. کاربردهای Agent-based Expert Systems
• 71. معرفی multi-agent systems
• 72. ارزیابی عملکرد سیستم خبره
• 73. روش های تست سیستم خبره
• 74. اعتبارسنجی سیستم خبره
• 75. مستندسازی سیستم خبره
• 76. ملاحظات اخلاقی در توسعه سیستم های خبره
• 77. حریم خصوصی و امنیت در سیستم های خبره
• 78. تاثیر سیستم های خبره بر جامعه
• 79. آینده سیستم های خبره
• 80. ترکیب سیستم های خبره با سایر فناوری های هوش مصنوعی
• 81. سیستم های خبره در پزشکی
• 82. سیستم های خبره در آموزش
• 83. سیستم های خبره در مالی
• 84. سیستم های خبره در مهندسی
• 85. سیستم های خبره در کشاورزی
• 86. سیستم های خبره در مدیریت
• 87. سیستم های خبره در حقوق
• 88. سیستم های خبره در بازی سازی
• 89. سیستم های خبره در رباتیک
• 90. مقدمه ای بر Deep Learning و ارتباط آن با سیستم های خبره
• 91. استفاده از Deep Learning برای یادگیری دانش
• 92. ساخت سیستم های خبره هیبریدی (Hybrid Expert Systems)
• 93. ترکیب سیستم های خبره با Natural Language Processing (NLP)
• 94. ترکیب سیستم های خبره با Computer Vision
• 95. مفهوم Explainable AI (XAI) در سیستم های خبره
• 96. تکنیک های XAI برای سیستم های خبره
• 97. بهبود شفافیت و قابلیت اعتماد سیستم های خبره
• 98. ساخت یک سیستم خبره پیشرفته در CLIPS: تشخیص تقلب
• 99. پیاده سازی یک سیستم خبره برای پشتیبانی تصمیم گیری
• 100. مطالعه موردی: سیستم خبره موفق در یک صنعت خاص