کتاب Common Lisp برای پژوهشگران هوش مصنوعی: از مبانی زبان تا پیاده‌سازی الگوریتم‌های هوشمند با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Common Lisp برای پژوهشگران هوش مصنوعی: از مبانی زبان تا پیاده‌سازی الگوریتم‌های هوشمند

موضوع کلی: برنامه‌نویسی لیسپ برای هوش مصنوعی

موضوع میانی: پیاده‌سازی الگوریتم‌های هوش مصنوعی کلاسیک با Common Lisp

📋 سرفصل‌های دوره

• 1. معرفی Common Lisp و جایگاه آن در پژوهش‌های هوش مصنوعی
• 2. نصب و راه‌اندازی محیط توسعه Common Lisp (SBCL, CCL, Emacs/SLIME)
• 3. آشنایی با REPL و چرخهٔ توسعهٔ تعاملی
• 4. انواع داده‌های پایه در Common Lisp
• 5. لیست‌ها و ساختارهای داده‌ای مبتنی بر لیست
• 6. عملگرهای پایه روی لیست‌ها: car، cdr، cons
• 7. توابع پردازش لیست: mapcar، mapc، reduce
• 8. تعریف توابع با defun
• 9. متغیرهای محلی و سراسری: let، let*، setq
• 10. بازگشت (recursion) و تکنیک‌های نوشتن توابع بازگشتی
• 11. شرط‌ها و کنترل جریان: if، cond، case، when، unless
• 12. حلقه‌ها در Common Lisp: do، dotimes، dolist، loop
• 13. مفهوم بستار (closure) در Common Lisp
• 14. توابع مرتبهٔ بالاتر (higher-order functions)
• 15. کوتیشن و کوتیشن معکوس: quote، backquote، unquote
• 16. ماکروها و تفاوت آن‌ها با توابع
• 17. نوشتن ماکروهای ساده و کاربردی
• 18. سیستم شیءگرایی CLOS: کلاس‌ها و اشیاء
• 19. تعریف متدها و چندریختی در CLOS
• 20. وراثت و ترکیب کلاس‌ها در CLOS
• 21. مدیریت خطا و استثناها: condition system
• 22. دیباگ کردن برنامه‌ها در محیط Lisp
• 23. مدیریت حافظه و garbage collection در Common Lisp
• 24. ساختارهای داده پیشرفته: hash table، vector، array
• 25. برنامه‌نویسی فانکشنال در Common Lisp
• 26. مقایسه رویکرد فانکشنال و شیءگرا برای مسائل هوش مصنوعی
• 27. نمایش دانش با استفاده از ساختارهای نمادین (symbolic representation)
• 28. پیاده‌سازی درخت‌های جستجو در Common Lisp
• 29. الگوریتم جستجوی عمقی (DFS) با Lisp
• 30. الگوریتم جستجوی سطحی (BFS) با Lisp
• 31. جستجوی اکتشافی و الگوریتم A*
• 32. پیاده‌سازی الگوریتم مینیمکس برای بازی‌های دو نفره
• 33. هرس آلفا-بتا در بازی‌های هوشمند
• 34. سیستم‌های مبتنی بر قاعده (rule-based systems)
• 35. پیاده‌سازی موتور استنتاج پیشرو (forward chaining)
• 36. پیاده‌سازی موتور استنتاج پسرو (backward chaining)
• 37. نمایش دانش با فریم‌ها (frames) در Lisp
• 38. شبکه‌های معنایی (semantic networks) و پیاده‌سازی آن‌ها
• 39. مبانی برنامه‌نویسی منطقی و شبیه‌سازی Prolog در Lisp
• 40. پیاده‌سازی سیستم unification
• 41. پردازش زبان طبیعی مقدماتی با Common Lisp
• 42. تجزیهٔ نحوی جملات با گرامرهای بدون‌متن
• 43. پیاده‌سازی پارسرهای بازگشتی-نزولی
• 44. ساخت سیستم‌های پاسخ‌گویی ساده (chatbot) با Lisp
• 45. یادگیری ماشین مقدماتی: الگوریتم‌های دسته‌بندی ساده
• 46. پیاده‌سازی درخت تصمیم در Common Lisp
• 47. شبکه‌های عصبی ساده و پرسپترون در Lisp
• 48. الگوریتم‌های ژنتیک و بهینه‌سازی تکاملی
• 49. برنامه‌نویسی محدودیت‌محور (constraint satisfaction problems)
• 50. حل مسائل CSP با الگوریتم backtracking
• 51. بهینه‌سازی کد Lisp برای کارایی بالا
• 52. مدیریت پروژه‌های بزرگ با سیستم‌های بسته (package system)
• 53. استفاده از کتابخانه‌های خارجی و ابزارهای مدیریت وابستگی (Quicklisp)
• 54. تست‌نویسی و اطمینان از صحت برنامه‌های هوش مصنوعی
• 55. مستندسازی کد Lisp برای پروژه‌های پژوهشی
• 56. اتصال Common Lisp به پایگاه داده برای ذخیرهٔ دانش
• 57. پیاده‌سازی سیستم‌های خبره (expert systems) کامل
• 58. مطالعهٔ موردی: سیستم تشخیص و تصمیم‌گیری هوشمند با Lisp
• 59. مطالعهٔ موردی: حل معماهای کلاسیک هوش مصنوعی با Lisp
• 60. مقایسهٔ Common Lisp با سایر زبان‌های هوش مصنوعی (Python، Prolog)
• 61. آینده و کاربردهای مدرن Lisp در پژوهش‌های هوش مصنوعی