کتاب مبانی و کاربردهای هوش مصنوعی در دنیای امروز با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 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 مبانی و کاربردهای هوش مصنوعی در دنیای امروز

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و تاریخچه آن
  • 2. تعریف هوش مصنوعی و انواع آن
  • 3. مسائل بنیادین در هوش مصنوعی
  • 4. جستجو در فضاهای حالت
  • 5. الگوریتم‌های جستجوی اول سطح و عمق
  • 6. جستجوی حریصانه و اکتشافی
  • 7. جستجو با هزینه یکنواخت
  • 8. جستجوی A*
  • 9. جستجو در بازی‌ها: مینیمکس
  • 10. الفای-بتا هرس
  • 11. سیستم‌های منطقی
  • 12. منطق گزاره‌ای
  • 13. قواعد استنتاج در منطق گزاره‌ای
  • 14. منطق مرتبه اول
  • 15. کوانتیفایرها و سورها
  • 16. استنتاج در منطق مرتبه اول
  • 17. استنتاج مبتنی بر قاعده
  • 18. سیستم‌های مبتنی بر دانش
  • 19. برنامه‌ریزی
  • 20. مسئله برنامه‌ریزی
  • 21. حل‌کننده‌های برنامه‌ریزی
  • 22. روش‌های مبتنی بر گراف
  • 23. یادگیری
  • 24. یادگیری نظارت شده
  • 25. رگرسیون خطی
  • 26. رگرسیون لجستیک
  • 27. ماشین‌های بردار پشتیبان
  • 28. درختان تصمیم
  • 29. یادگیری درخت تصمیم
  • 30. تقویت درخت تصمیم
  • 31. یادگیری نظارت نشده
  • 32. خوشه‌بندی
  • 33. الگوریتم K-Means
  • 34. خوشه‌بندی سلسله مراتبی
  • 35. کاهش ابعاد
  • 36. تحلیل مولفه‌های اصلی (PCA)
  • 37. کاهش ابعاد مبتنی بر تانسور
  • 38. یادگیری عمیق
  • 39. شبکه‌های عصبی مصنوعی
  • 40. پروسپترون
  • 41. شبکه‌های عصبی چندلایه
  • 42. پس‌انتشار خطا
  • 43. توابع فعال‌سازی
  • 44. بهینه‌سازی شبکه‌های عصبی
  • 45. گرادیان کاهشی تصادفی
  • 46. بهینه‌سازهای پیشرفته
  • 47. شبکه‌های عصبی کانولوشنال (CNN)
  • 48. کاربرد CNN در بینایی ماشین
  • 49. شبکه‌های عصبی بازگشتی (RNN)
  • 50. کاربرد RNN در پردازش زبان طبیعی
  • 51. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 52. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 53. پردازش زبان طبیعی (NLP)
  • 54. پیش‌پردازش متن
  • 55. مدل‌سازی زبان
  • 56. تحلیل احساسات
  • 57. ترجمه ماشینی
  • 58. سیستم‌های پرسش و پاسخ
  • 59. بینایی ماشین
  • 60. تشخیص اشیاء
  • 61. تشخیص چهره
  • 62. تقسیم‌بندی تصویر
  • 63. سیستم‌های توصیه‌گر
  • 64. فیلترینگ مشارکتی
  • 65. فیلترینگ مبتنی بر محتوا
  • 66. ترکیب روش‌ها
  • 67. رباتیک
  • 68. مکان‌یابی و نقشه‌برداری همزمان (SLAM)
  • 69. کنترل ربات
  • 70. برنامه‌ریزی حرکت ربات
  • 71. هوش مصنوعی در پزشکی
  • 72. تشخیص بیماری با هوش مصنوعی
  • 73. کشف دارو با هوش مصنوعی
  • 74. هوش مصنوعی در امور مالی
  • 75. معاملات الگوریتمی
  • 76. مدیریت ریسک
  • 77. هوش مصنوعی در آموزش
  • 78. سیستم‌های یادگیری تطبیقی
  • 79. هوش مصنوعی در صنعت
  • 80. نگهداری پیش‌بینانه
  • 81. کنترل کیفیت
  • 82. اخلاق در هوش مصنوعی
  • 83. سوگیری در الگوریتم‌ها
  • 84. شفافیت و توضیح‌پذیری
  • 85. حریم خصوصی و امنیت داده‌ها
  • 86. قوانین و مقررات هوش مصنوعی
  • 87. آینده هوش مصنوعی
  • 88. هوش مصنوعی عمومی (AGI)
  • 89. هوش مصنوعی و اتوماسیون
  • 90. هوش مصنوعی و بازار کار
  • 91. همکاری انسان و ماشین
  • 92. چالش‌های پیاده‌سازی هوش مصنوعی
  • 93. داده‌های بزرگ و هوش مصنوعی
  • 94. زیرساخت‌های محاسباتی برای هوش مصنوعی
  • 95. معماری‌های نوین در هوش مصنوعی
  • 96. یادگیری تقویتی عمیق
  • 97. کاربرد یادگیری تقویتی در رباتیک
  • 98. یادگیری تقویتی در بازی‌ها
  • 99. هوش مصنوعی مولد
  • 100. مدل‌های زبانی بزرگ (LLM)
تگ‌ها: پردازش زبان طبیعی علوم کامپیوتر فناوری اطلاعات کاربرد هوش مصنوعی مبانی هوش مصنوعی هوش مصنوعی هوش مصنوعی برای مبتدیان یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.