کتاب ژنتیک محاسباتی و هوش مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ژنتیک محاسباتی و هوش مصنوعی

موضوع کلی: هوش مصنوعی پیشرفته و مقیاس‌بندی آن

موضوع میانی: هوش مصنوعی در تحلیل داده‌های حاصل از مطالعات زیست‌شناسی تکاملی

📋 سرفصل‌های دوره

• 1. مبانی ژنتیک محاسباتی
• 2. الگوریتم ژنتیک: اصول اولیه
• 3. نمایش کروموزوم در الگوریتم ژنتیک
• 4. عملگرهای ژنتیکی: انتخاب
• 5. عملگرهای ژنتیکی: تقاطع
• 6. عملگرهای ژنتیکی: جهش
• 7. تابع برازش و بهینه‌سازی
• 8. پیاده‌سازی الگوریتم ژنتیک در پایتون
• 9. کاربردهای الگوریتم ژنتیک در بهینه‌سازی توابع
• 10. الگوریتم ژنتیک و مسائل جستجوی ترکیبی
• 11. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 12. پرceptron و یادگیری آن
• 13. شبکه‌های عصبی چندلایه
• 14. الگوریتم پس‌انتشار خطا
• 15. بهینه‌سازی وزن‌ها و بایاس‌ها در شبکه‌های عصبی
• 16. توابع فعال‌سازی در شبکه‌های عصبی
• 17. شبکه‌های عصبی کانولوشنی (CNN)
• 18. کاربردهای CNN در پردازش تصویر
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. شبکه‌های LSTM و GRU
• 21. کاربردهای RNN در پردازش زبان طبیعی
• 22. یادگیری تقویتی: مفاهیم پایه
• 23. الگوریتم Q-Learning
• 24. الگوریتم SARSA
• 25. مقدمه‌ای بر الگوریتم‌های تکاملی دیگر
• 26. برنامه‌ریزی ژنتیک
• 27. استراتژی‌های تکاملی
• 28. بهینه‌سازی ازدحام ذرات (PSO)
• 29. ترکیب الگوریتم ژنتیک و شبکه‌های عصبی
• 30. استفاده از الگوریتم ژنتیک برای بهینه‌سازی معماری شبکه‌های عصبی
• 31. کاربرد ژنتیک محاسباتی در خوشه‌بندی داده‌ها
• 32. ژنتیک محاسباتی و انتخاب ویژگی
• 33. ژنتیک محاسباتی در مسائل مسیریابی
• 34. ژنتیک محاسباتی و زمان‌بندی وظایف
• 35. ژنتیک محاسباتی در طراحی شبکه‌ها
• 36. هوش مصنوعی و تشخیص الگو
• 37. هوش مصنوعی و رباتیک
• 38. هوش مصنوعی و پردازش سیگنال
• 39. هوش مصنوعی و بازی‌ها
• 40. یادگیری ماشین نظارت شده
• 41. یادگیری ماشین غیرنظارت شده
• 42. یادگیری ماشین نیمه نظارت شده
• 43. مقدمه‌ای بر یادگیری عمیق
• 44. شبکه‌های مولد تخاصمی (GAN)
• 45. کاربردهای GAN در تولید تصویر