کتاب جستجو در هوش مصنوعی: از الگوریتم‌های پایه تا روش‌های اکتشافی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 جستجو در هوش مصنوعی: از الگوریتم‌های پایه تا روش‌های اکتشافی

موضوع کلی: هوش مصنوعی و الگوریتم‌ها

موضوع میانی: طراحی و تحلیل الگوریتم

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر جستجو در هوش مصنوعی
  • 2. مسئله و فرمول‌بندی مسئله
  • 3. فضای حالت و عملگرها
  • 4. الگوریتم‌های جستجوی کور
  • 5. جستجوی اول سطح (Breadth-First Search)
  • 6. جستجوی اول عمق (Depth-First Search)
  • 7. جستجوی عمق محدود (Depth-Limited Search)
  • 8. جستجوی تکراری عمق محدود (Iterative Deepening Search)
  • 9. جستجوی یکنواخت هزینه (Uniform Cost Search)
  • 10. الگوریتم‌های جستجوی آگاهانه
  • 11. تابع هیوریستیک
  • 12. بهترین جستجوی اول (Best-First Search)
  • 13. جستجوی حریصانه (Greedy Best-First Search)
  • 14. الگوریتم A*
  • 15. معیارهای ارزیابی الگوریتم‌های جستجو
  • 16. بهینگی، کامل بودن و پیچیدگی زمانی
  • 17. توسعه الگوریتم A*
  • 18. الگوریتم‌های جستجوی دوطرفه
  • 19. جستجوی محلی (Local Search)
  • 20. تغییرات کوچک (Hill Climbing)
  • 21. تبرید تدریجی (Simulated Annealing)
  • 22. جستجوی تابو (Tabu Search)
  • 23. الگوریتم‌های ژنتیک
  • 24. مسائل بهینه‌سازی ترکیبی
  • 25. مسئله فروشنده دوره‌گرد
  • 26. مسئله کوله‌پشتی
  • 27. مسائل مسیریابی
  • 28. برنامه‌ریزی
  • 29. بازی‌ها و جستجو
  • 30. بازی‌های دو نفره با اطلاعات کامل
  • 31. الگوریتم Minimax
  • 32. هرس آلفا-بتا (Alpha-Beta Pruning)
  • 33. بازی‌های با اطلاعات ناقص
  • 34. بازی شطرنج
  • 35. بازی گو
  • 36. استفاده از جستجو در رباتیک
  • 37. برنامه‌ریزی حرکت ربات
  • 38. اجتناب از موانع
  • 39. جستجوی مسیر در گراف
  • 40. مسائل شبکه‌های ارتباطی
  • 41. بهینه‌سازی مسیر در شبکه‌ها
  • 42. مسائل زمان‌بندی
  • 43. زمان‌بندی وظایف
  • 44. مسائل تخصیص منابع
  • 45. بهینه‌سازی تخصیص
  • 46. روش‌های اکتشافی پیشرفته
  • 47. جستجوی درخت تصمیم
  • 48. یادگیری تقویتی (Reinforcement Learning)
  • 49. مقدمه‌ای بر یادگیری تقویتی
  • 50. Q-Learning
  • 51. جستجوی مونت‌کارلو (Monte Carlo Tree Search)
  • 52. کاربرد جستجو در پردازش زبان طبیعی
  • 53. تحلیل معنایی و جستجو در دانش
  • 54. سیستم‌های خبره و استدلال خودکار
  • 55. بازنمایی دانش و جستجوی معنایی
  • 56. جستجو در پایگاه‌های داده
  • 57. بهینه‌سازی کوئری‌ها
  • 58. جستجوی اطلاعات در وب
  • 59. خلاصه سازی متن با استفاده از جستجو
  • 60. الگوریتم‌های جستجو موازی
  • 61. بهبود کارایی جستجو با استفاده از موازی‌سازی
  • 62. جستجوی توزیع شده
  • 63. جستجو در داده‌های بزرگ
  • 64. تکنیک‌های کاهش فضای جستجو
  • 65. تبدیل مسئله
  • 66. استفاده از محدودیت‌ها
  • 67. پیش‌پردازش و فیلتر کردن داده‌ها
  • 68. تحلیل پیچیدگی الگوریتم‌های جستجو
  • 69. مرتب‌سازی الگوریتم‌ها بر اساس پیچیدگی
  • 70. بهبود عملکرد الگوریتم‌ها
  • 71. انتخاب الگوریتم مناسب برای مسئله
  • 72. مطالعه موردی: جستجو در بازی‌های ویدیویی
  • 73. مطالعه موردی: سیستم‌های پیشنهاد دهنده
  • 74. مطالعه موردی: تشخیص تقلب با استفاده از الگوریتم‌های جستجو
  • 75. آینده جستجو در هوش مصنوعی
تگ‌ها: Depth First Search الگوریتم الگوریتم های هوشمند تحلیل الگوریتم جستجو جستجوی اکتشافی طراحی الگوریتم هوش مصنوعی هوش مصنوعی ایران

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.