کتاب مبانی هوش مصنوعی و پیاده‌سازی الگوریتم‌های هوشمند با پایتون با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی و پیاده‌سازی الگوریتم‌های هوشمند با پایتون

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و جایگاه آن در علوم رایانه
• 2. معرفی محیط برنامه‌نویسی پایتون برای هوش مصنوعی
• 3. جستجوی درختی و گراف‌ها در حل مسائل هوشمند
• 4. الگوریتم‌های جستجوی ناآگاهانه و جستجوی اول‌سطح
• 5. الگوریتم‌های جستجوی آگاهانه و تابع هیوریستیک
• 6. پیاده‌سازی الگوریتم جستجوی ای* (A*)
• 7. بازی‌های رقابتی و الگوریتم‌های مینی‌مکس
• 8. بهینه‌سازی مینی‌مکس با هرس آلفا-بتا
• 9. مسائل ارضای محدودیت در طراحی سیستم‌های منطقی
• 10. الگوریتم‌های عقب‌گرد برای حل مسائل ارضای محدودیت
• 11. مبانی منطق گزاره‌ای در سیستم‌های مبتنی بر دانش
• 12. استنتاج منطقی و اثبات در منطق مرتبه اول
• 13. بازنمایی دانش و سیستم‌های استنتاجی
• 14. احتمالات شرطی و قضایای بیز در مدل‌سازی هوشمند
• 15. مدل‌های شبکه بیزی برای تحلیل داده‌ها
• 16. استنتاج در شبکه‌های بیزی و روش‌های نمونه‌برداری
• 17. مدل‌های مارکوف و زنجیره‌های احتمالی
• 18. فرآیندهای تصمیم‌گیری مارکوف و برنامه‌ریزی
• 19. یادگیری ماشین و تفکیک داده‌ها
• 20. رگرسیون خطی و پیش‌بینی مقادیر عددی
• 21. رگرسیون لجستیک و طبقه‌بندی داده‌ها
• 22. الگوریتم‌های یادگیری نظارت‌شده و نظارت‌نشده
• 23. ماشین‌های بردار پشتیبان (SVM)
• 24. الگوریتم نزدیک‌ترین همسایگی (k-NN)
• 25. درخت‌های تصمیم و معیارهای انشعاب
• 26. یادگیری گروهی و روش‌های جنگل تصادفی
• 27. مبانی شبکه‌های عصبی مصنوعی
• 28. ساختار پرسپترون و توابع فعال‌ساز
• 29. پس‌انتشار خطا و بهینه‌سازی وزن‌ها
• 30. آشنایی با کتابخانه‌های یادگیری عمیق در پایتون
• 31. شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 32. شبکه‌های عصبی بازگشتی و پردازش توالی‌ها
• 33. مبانی پردازش زبان طبیعی در هوش مصنوعی
• 34. توکنایز کردن و تحلیل متن
• 35. مدل‌های زبانی و پیش‌بینی کلمات
• 36. خوشه‌بندی داده‌ها با الگوریتم کی-مینز
• 37. کاهش ابعاد داده‌ها با تحلیل مؤلفه‌های اصلی
• 38. تکنیک‌های ارزیابی مدل و جلوگیری از بیش‌برازش
• 39. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در توسعه الگوریتم‌ها
• 40. کاربردهای هوش مصنوعی در بهینه‌سازی زیرساخت‌های ملی
• 41. امنیت داده‌ها و حریم خصوصی در سیستم‌های هوشمند
• 42. پروژه نهایی و پیاده‌سازی یک عامل هوشمند کاربردی